INTELIGÊNCIA EMPRESARIAL conteúdo completo, aulas 1-10

Prévia do material em texto

INTELIGÊNCIA EMPRESARIAL
AULA 1
Tomada de Decisão
O ato de tomar decisões está presente em nossa rotina diária. 
Uma pessoa física pode analisar um problema e escolher alternativas de decisão de maneira informal, já em uma organização este processo deve ser metodologicamente estruturado.
A decisão existe mesmo quando, ao analisarmos um problema, possuímos uma única opção a seguir, pois poderemos ter a alternativa de adotar ou não essa opção. 
“decisão é a escolha entre caminhos alternativos que levam a determinado resultado” (Oliveira )
No mercado competitivo atual as empresas buscam tomar decisões mais rápidas, coerentes e abrangentes. 
Nem toda decisão é fácil de ser tomada pois podem envolver grandes riscos, investimentos e negociações.
Podemos classificar a tomada de decisão nas organizações em duas categorias: a solução de problemas e a busca por oportunidades.
Para tomar uma boa decisão a empresa deve calcular e administrar o risco que acompanha esta decisão.
Atualmente existem diversas ferramentas sofisticadas para apoiar esta atividade mas..... Como se tomavam decisões antigamente? 
Se voltarmos alguns séculos observaremos que o instrumental para a gestão de risco consistia apenas de fé, esperança e palpite.
Desde a criação, o homem vem enfrentando o dilema de tomar decisões, sejam estas decisões conscientes ou inconscientes, racionais ou irracionais. 
Estilos diferentes, baseados na experiência e intuição eram aplicados a um mesmo tipo de problema podendo chegar a resultados satisfatórios. 
Atualmente uma das funções mais importantes em uma organização é a tomada de decisões. 
O ambiente para esta tomada de decisão tornou-se mais complexo, apresentando inúmeras alternativas e dificultando a previsão de consequências associadas a estas decisões
Imagine um alto executivo de uma empresa varejista de eletrônicos fazendo a seguinte pergunta: “Quais foram as lojas de varejo de maior produtividade nos últimos 12 meses na região de Tão Distante?”
As perguntas subsequentes seriam:
Quais foram os produtos mais lucrativos nas lojas de maior produtividade?
Quais foram as promoções de produto mais bem sucedidas nas lojas de maior produtividade? 
As respostas a estas questões normalmente exigem instruções de programação complexas cuja codificação e execução pode levar horas.
Além disto, a formulação de algumas destas consultas pode depender de dados que fazem parte de um conjunto diverso de sistemas legados internos e de outras fontes externas do mercado, que podem pertencer a bancos de dados relacionais e não relacionais.
Então..... precisamos incorporar novos requisitos aos SGBDs. 
Os dados usados para suporte à decisão são conceitualmente diferentes dos dados usados nos bancos de dados para processamento de transações
Portanto, os bancos de dados que conseguem armazenar tais dados e arquiteturas computacionais que podem processar esses dados também são diferentes, assim como também são diferentes as características dos sistemas que permitem a consulta a estas bases de tomada de decisão
Evolução Histórica da Tomada de Decisão
Pré-história : 
O homem se guia pela interpretação de coisas como vísceras de animais, fumaça e sonhos para tomar decisões:
Chineses seguem a sabedoria poética e as instruções de adivinhação do I Ching.
 Gregos consultam o oráculo de Delfos.
 Profetas e visionários de todo tipo predizem o futuro.
Século 6 a.C.
Lao-Tsé prega o princípio da “ação sem intenção”, para que as coisas sigam seu curso natural.
Confúcio explica que toda decisão deve ser influenciada pela benevolência, ritual, a reciprocidade e a piedade filial.
Século 5 a.C.
Em Atenas, cidadãos do sexo masculino tomam decisões pelo voto, num dos primeiros exemplos de autogestão democrática.
Século 4 a.C.
Platão: tudo o que é perceptível deriva de arquétipos eternos e é melhor apreendido pela alma do que pelos sentidos.
Aristóteles: defende uma visão empírica do conhecimento que valoriza a informação obtida por meio dos sentidos e do raciocínio dedutivo.
399 a.C.
Em Atenas, 500 cidadãos de Atenas condenam Sócrates à morte no que é considerado uma das primeiras decisões por júri.
Século 9.
O sistema numérico indo-arábico, que inclui o zero, circula pelo império árabe, estimulando o crescimento da matemática.
Século 11
Criação de uma linguagem de cálculo que utiliza o sistema numérico indo-arábico abre caminho para o desenvolvimento da álgebra.
Século 14
Surge a “navalha de Occam” , proposta por um frade inglês.
Trata-se de um princípio básico para cientistas e quem mais analise dados: computadas todas as evidências, a melhor de todas as teorias é a mais simples.
1602
Hamlet e o surgimento do, talvez, mais famoso dilema da literatura: “ Ser ou não ser?”
1989
Surge o termo “Business Intelligence” para descrever uma série de métodos de apoio a um processo analítico sofisticado voltado para melhorar o desempenho da empresa.
Dado x Informação x Conhecimento
Nível 1: dados
Estou me afogando nesta papelada !! 
Estou gastando muito tempo só para acessar os dados!
Não consigo acessar os dados corretos. Como será que vai o negócio ?
Nível 2: informação
Agora tenho um monte da dados que respondem à mesma questão
Estou perdendo muito tempo consolidando e refinando dados !
O que preciso é informação, não números!
Nível 3: conhecimento
Agora tenho as informações, o que faço com elas ??
Estou perdendo tempo analisando as informações, tentando extrair conhecimento !
O que quero é conhecimento específico !
Nível 4: ação
Estou executando sempre as mesmas tarefas!
Necessito automatizar algumas tarefas !
O que me interessa realmente são as exceções !
Processo de Tomada de Decisão
O processo de tomada de decisão exige que o decisor tenha conhecimento em relação ao assunto a ser decidido. 
Então, a transformação dos dados em conhecimento é fundamental para que este decisor possa atingir seu objetivo 
Usando a Tecnologia como Suporte
O executivo do início do século tomava decisões baseado na escassez de informações. 
Atualmente, os executivos se deparam com uma quantidade cada vez maior de informações disponíveis fazendo com que desenvolvam habilidades e competências para buscar as informações que realmente são relevantes.
Alavancando Decisões
A melhoria do processo e dos meios de comunicação e o trabalho em equipe desempenham papéis relevantes para resolver algumas das dificuldades essenciais do processo de tomada de decisão.
“Nas organizações tradicionais as decisões são tomadas por uma elite decisória provocando distanciamento dos macroobjetivos e perda de informação. “ (Gutierrez )
Usando a Tecnologia como Suporte
A Tecnologia de Informação (TI) é uma ferramenta que permite a geração de informação com mais qualidade, diminuindo as incertezas no processo de tomada de decisão. 
A tecnologia é essencial tanto para a comunicação e armazenamento dos dados, das informações e dos conhecimentos quanto para a integração destes conhecimentos voltados para os tomadores de decisão.
A utilização da Tecnologia da Informação (TI) é parte integrante do processo de transformação das organizações, sendo necessário, portanto, investir em inovações tecnológicas, utilizar sistemas de informações gerenciais, implementar o processo de mudança organizacional, utilizar o conhecimento como recurso estratégico e
capacitar as pessoas para adaptação à nova realidade.
A Tecnologia da Informação é um recurso que - estando em sintonia com as necessidades e objetivos dos usuários - possibilita maior eficiência e eficácia no relacionamento interno e externo das organizações, evidenciando, assim, agilidade e qualidade no processo da tomada de decisão 
Um bom uso da TI permite um maior compartilhamento de conhecimento dentro e fora da empresa 
A importância da tecnologia da informação
Podemos considerar a Tecnologia da Informação como um ‘dinamizador’ das mudanças que ocorrem nas organizações e da maneira como estas organizações se posicionam para fazer frente à concorrência,desempenhando um papel fundamental para torná-las mais aptas a responder às mudanças que ocorrem no mercado e para buscar novos parâmetros de aprendizado, especialmente no que diz respeito à globalização de mercados.
AULA 2
Como definir Inteligência?
“.... a capacidade de entender, pensar, raciocinar, compreender e interpretar, entendimento, intelecto.” (Dicionário Michaelis)
“ ....capacidade de conhecer, entender, aprender..... conhecimento adquirido seja por estudo, pesquisa ou experiência .... requer observação e reflexão” (Dicionário Webster)
Segundo a abordagem de diversos estudos da psicologia:
“ .... é uma capacidade de resolver problemas.....sendo a arte de elaborar produtos de valor”
Podemos analisar o conceito de Inteligência sob diversas perspectivas, mas o que nos interessa é a possibilidade de uso da “Inteligência nos Negócios”.
Nesta perspectiva a inteligência passa a ter a organização como foco de sua aplicação e, então, a identificação, coleta, tratamento, o processamento e a interpretação de informações são atividades críticas à sobrevivência e sucesso das organizações, diante da acirrada concorrência de mercado.
Dado x Informação x Inteligência Empresarial
Vamos ver um exemplo?
Dado: uma tabela ou um gráfico. 
Informação: a descrição, os comentários do que existe no gráfico, por exemplo,
Mas onde entra a Inteligência Empresarial?
A inteligência surge quando cruzamos esse dado (gráfico / tabela) com aquela matéria sobre o concorrente que lemos na semana passada ou com a “informação” que conseguimos durante o bate-papo no café com um colega num evento.
Quando cruzamos os dados e a informação de várias fontes e os analisamos começamos a produzir a tão procurada Inteligência
Empresarial que pode ser sobre o cliente, concorrente, parceiro, produto e etc
Atualmente as organizações se encontram em um ambiente onde a competição é cada vez mais baseada na capacidade de transformar informação em Conhecimento e Conhecimento em decisões e ações de negócio. 
O valor dos produtos depende, cada vez mais, do percentual de inovação, tecnologia e inteligência a eles incorporados e que os diferenciam dos concorrentes.
Estar à frente nesse cenário é o grande desafio para empresas de qualquer porte.
Conhecimento, inovação e empreendedorismo formam, assim, um tripé indissociável para o sucesso das organizações na nova Economia. A esta sinergia entre Conhecimento, Inovação e Empreendimento damos o nome de Inteligência Empresarial.
A Inteligência Empresarial pode ser definida como a capacidade de uma organização em capturar, selecionar, analisar e gerenciar as informações relevantes para a gestão do negócio.
O conceito de Inteligência Empresarial parte do princípio que não basta uma empresa investir em bons sistemas de informação para alcançar uma gestão bem sucedida.
É fundamental que a empresa desenvolva a capacidade para utilizar adequadamente as informações geradas por estes sistemas, a fim de agregar valor ao negócio.
Objetivos da Inteligência Empresarial:
Inovar e criar conhecimento
Reduzir riscos na tomada de decisão e evitar surpresas
Direcionar, assertivamente, os planos de negócio e a implementação de ações
Criar oportunidades de negócios
Apoiar o desenvolvimento de produtos/serviços com uma base de informação confiável, eficiente e ágil
Monitorar analisar e prever questões relacionadas ao “coração” do negócio
Gerar valor aos negócios
Inteligência Empresarial x Business Intelligence
Inteligência Empresarial
Busca entender o fatores e processos humanos e organizacionais envolvidos na busca de informações, principalmente externos à organização, e na posterior tomada de decisões.
Business Intelligence
Tem como objetivo criar sistemas de informação computacionais, geralmente a partir de grandes volumes de dados, capazes de prover aos gerentes as melhores informações para a tomada de decisão
A Inteligência Empresarial não se limita à tecnologia, assumindo posição de destaque na tomada de decisão estratégica
Uma vez que o objetivo da Inteligência Empresarial é transformar informação subjetiva e “desagregada” em vantagem competitiva, é natural que qualquer área na organização possa construir sua base de Inteligência. Assim, podemos ter: a Inteligência de Mercado ou Competitiva, a Inteligência de Produtos, a Inteligência Financeira, etc.
Inteligência Competitiva
Podemos dizer então que a Inteligência Competitiva, (IC), é parte da Inteligência Empresarial e engloba, principalmente, informações sobre o mercado e a concorrência.
“...programa sistemático e ético para reunir, analisar e administrar informações externas que podem afetar planos, decisões e operações de uma empresa” 
EXEMPLOS:
A Iveco(fabricante de ônibus e caminhões) resolveu mudar sua metodologia de cruzamento de dados e passou a mapear informações sobre o negócio de seus clientes: quais produtos os clinetes mais carregam nos caminhões, que modelos são mais utilizados em que regiões do país e porque, quais os produtos mais comercializados o momento, etc
Assim, a Iveco investiu em uma mudança de foco no negócio, priorizando as necessidade dos clientes e do negócio do cliente, ao contrário da tradicional visão do mercado e que era utilizada pela empresa, que é o foco no produto.
Exemplo
Resultados obtidos:
A área de IC identificou tendências e oportunidades de negócio, antecipando necessidades específicas dos clientes
O departamento "Customer experience" da DirecTV acompanha o relacionamento com o cliente em diversos pontos de contato, seja chat online, call center ou e-mail. 
Através de ferramentas de inteligência competitiva, um modelo de predição individual indica, por exemplo, se, pelo comportamento, um cliente está propenso a cancelar a assinatura. A modelagem e análise comportamental implicou na redução de 50% do churn entre os assinantes em dois anos
O CICLO DA INTELIGÊNCIA COMPETITIVA 
É um ciclo contínuo e se compõe de cinco fases: 
• Planejar e identificar as necessidades de informação; 
• Coletar e tratar a informação;
• Analisar e validar a informação; 
• Disseminar e utilizar a informação e 
• Avaliar.
Fase 1: Planejar e identificar as necessidades de informação
Nesta fase se concebe o processo, seus objetivos e são identificadas as necessidades de inteligência e quais as informações necessárias para atende-las;
Fase 2: Coletar e tratar a informação
Nesta fase são identificadas as fontes de informações relevantes, internas e externas, e o tipo de tratamento que será dado à informação para armazenamento.
Fase 3: Analisar e validar a informação
Nesta fase especialistas analisam e validam as informações, fazem a sua interpretação e compilam recomendações; 
Fase 4: Disseminar e utilizar a informação
Esta é a fase onde se entrega a informação analisada, ou seja, a inteligência, em um formato coerente e convincente, aos tomadores de decisão
Fase 5: Avaliar
Nesta fase a resposta dos tomadores de decisão e suas necessidades de inteligência são analisadas de modo contínuo.
Esta avaliação é realizada também em relação ao processo de IC, sob dois aspectos:
– o primeiro diz respeito ao desempenho de cada uma das etapas que o compõem, e
– o segundo, em relação à avaliação junto aos usuários dos resultados práticos obtidos com o uso dos produtos de IC.
Nesta fase a resposta dos tomadores de decisão e suas necessidades de inteligência são analisadas de modo contínuo.
Esta avaliação é realizada também em relação ao processo de IC, sob dois aspectos:
– o primeiro diz respeito ao desempenho de cada uma das etapas que o compõem, e
– o segundo, em relação à avaliação junto aos usuários dos resultados práticos obtidos com o uso dos produtos de IC.
Inteligência Empresarial e a TI 
Muitas informações consideradas essenciais para o sucesso ou manutenção de uma organização às vezes estão nas mãos de pessoas que não conseguem utilizá-las de forma a contribuir para melhorar cada vez mais a situação da organização. 
Isso é uma questão relevante que deve ser consideradae analisada para identificar a quem determinada informação deve ser repassada, não permitindo que as informações fiquem de posse de pessoas que não tenham necessidades delas.
O principal benefício que a TI traz para as organizações é a sua capacidade de melhorar a qualidade e a disponibilidade de informações e conhecimento, importantes para a empresa, seus clientes e fornecedores.
“a utilização da TI pode vir a facilitar o executivo no processo decisório com a obtenção de dados estrategicamente escolhidos e de conteúdos relevantes para qualquer nível e tamanho da empresa.” (Dalfovo)
Projeto de Inteligência Empresarial 
Para desenvolvermos um projeto de Inteligência Empresarial temos que seguir as seguintes etapas:
 Planejamento e formulação; 
 Desenvolvimento de projetos; 
 Implementação; 
 Monitoramento contínuo.
Um bom projeto de inteligência empresarial permite à empresa ter possibilidade de estar à frente de seus concorrentes e do mercado.
A inteligência empresarial numa empresa permite o recolhimento das informações sobre clientes e concorrentes que a empresa mais necessita para seu segmento de atuação.
Acrescidas de pesquisas de mercado estas informações permitem uma avaliação mais abrangente sobre seu posicionamento.
As empresas mais competitivas acumulam inteligência e, as empresas que implementam projetos de inteligência empresarial são mais competitivas.
Além de um método, a Inteligência Empresarial deve ser entendida como uma tecnologia que propicia a transformação dos dados em informação qualitativa. 
Essa tecnologia implica no uso de softwares de obtenção, armazenamento, análise e acesso para os objetivos específicos de cada negócio.
Inteligência Empresarial 
Podemos dizer, então, que a Inteligência Empresarial consiste
“na transformação de dados recebidos e coletados pelas empresas em informação valiosa para o desenvolvimento dos negócios”.
O crescimento da quantidade de dados e informações existentes nas empresas impacta diretamente o processo de na tomada de decisões.
É necessário absorver e administrar esta grande quantidade de conhecimento com coerência, consistência e rapidez para estar preparado para possíveis desafios do presente e oportunidades do futuro 
A empresa necessita utilizar uma variedade de programas aplicativos e tecnologias que forneçam a ela a habilidade de acessar informações com análise gerencial e gerar e distribuir relatórios analíticos, facilitando o processo de tomada de decisões.
Com o crescimento constante e a complexidade dos mercados empresariais, a quantidade de dados que necessitam ser transformados em informações, é muito grande.
A partir do desenvolvimento da tecnologia, a geração de dados empresariais ganhou em velocidade mas, o armazenamento de dados desnecessários, a formatação inadequada de saída das informações e o desconhecimento de como obter estas informações tornam o processo de decisão extremamente árduo. 
Para que a Inteligência Empresarial possa funcionar corretamente é necessário a criação de um ambiente onde dados de vários sistemas informatizados operacionais, possam ser coletados, transformados, consolidados, integrados, carregados e armazenados. 
Este “depósito” ou “banco” de dados que fornece a estrutura e os processos para “alimentar” informações produtivas, e torná-las acessíveis de forma fácil, rápida e em uma só “linguagem” para as pessoas que necessitem analisá-las nos momentos certos, recebe o nome de Data Warehouse. 
Mas..... Este será nosso assunto mais à frente!
“Num ambiente corporativo contemporâneo, ser hábil para analisar e acessar rapidamente diversas fontes de informação, tornou-se um diferencial primordialmente essencial na tomada de decisões. A realidade competitiva não perdoa as empresas que não obtêm êxito por não agir rapidamente frente as constantes mudanças de um mercado globalizado. Porém, o impedimento em buscar informação e gerar conhecimento a partir da existência de dados, apresenta um desafio que, se não transposto, irá gerar prejuízos devido às oportunidades perdidas e decisões errôneas”
COMPARANDO OS CONCEITOS ...
Inteligência Empresarial
Capacidade da empresa em selecionar, capturar, analisar e gerenciar as informações relevantes para a gestão de seu negócio
 Inteligência Organizacional
Capacidade da empresa em reunir informação, inovar, criar conhecimento e atuar com base neste conhecimento
 Inteligência Competitiva
Capacidade de reunir, analisar e administrar informações externas que podem afetar planos, decisões e operações de uma empresa
 Business Intelligence
Concentra-se no desenvolvimento de tecnologias
Inteligência Empresarial ......
	 Inteligência Competitiva ......
		 Business Intelligence......
			Inteligência Organizacional...
“Saber onde encontrar a informação e como usá-la. Esse é o segredo do sucesso”.
AULA 3
Tomada de Decisão nas Organizações
A tomada de decisão é fundamental para as organizações.
Constantemente, os administradores deparam-se com um determinado número de opções de decisão e, dentre estas, devem ser escolhidas aquelas que levem a organização a atingir seus resultados. Os problemas empresariais são complexos por sua característica de inter-relação com vários ambientes.
Problemas mal resolvidos voltam amplificados.
Então, um problema empresarial não pode ser resolvido pela solução mais visível, pois diversos outros elementos podem estar envolvidos.
Critério para a resolução de problemas:
 Admitir que o problema existe;
 Definir o que ele é;
 Definir quais são as suas prováveis causas;
 Definir o que pode ser feito para solucioná-lo;
 Definir quais recursos serão utilizados na resolução.
A tomada de decisões deve sempre buscar a melhor solução dentro das possibilidades das estratégias da organização.
Neste processo é fundamental o conhecimento e a experiência do tomador de decisão, a disponibilidade de informações, o tempo disponível para a tomada de decisão, o tipo de decisão, o risco envolvido na decisão, o conhecimento de ferramental facilitador e a habilidade para usá-los.
Tomada de Decisão
É preciso buscar informações que reflitam a real situação das organizações na execução do processo decisório, para alcançar os resultados pretendidos. 
Portanto, entende-se que as decisões precisam ser tomadas de forma ágil e correta, uma vez que o desempenho da organização depende da qualidade de suas ações. 
A tomada de decisão é resultado da capacidade dos gestores em escolher a alternativa que melhor satisfaz às necessidades organizacionais para assegurar os resultados desejados na solução de problemas.
“A tomada de decisão é a conversão das informações analisadas em ação”
Níveis administrativos de tomada de decisão
Podemos classificar a tomada de decisão em três níveis, de acordo com a atividade administrativa a que pertence:
 Nível Operacional
 Nível Tatico
 Nível Estratégico
Nível Operacional
É o nível mais baixo da organização, em que há a execução das atividades diárias da organização e a realização das operações rotineiras.
O grau de complexidade é pequeno mas constitui a fonte básica, geradora da informação que flui na organização
Exemplos: geração de um cronograma de melhoria dos equipamentos ou a determinação do nível apropriado de estoque de matérias-primas
Nível Tatico
Também chamado de nível intermédio. Aqui as decisões são tomadas pela gerência intermediária, como gerentes de divisão ou
de departamentos. 
Essas decisões envolvem o desenvolvimento de táticas para realizar as metas estratégicas definidas pela alta gerência.
Decisões táticas são mais específicas e concretas do que decisões estratégicas e mais voltadas para a ação. 
Exemplo: decisões sobre compras, definição do fluxo produtivo ou treinamento do pessoal.
Nível Estratégico
As decisões estratégicas são aquelas que determinam os objetivos da organização como um todo, seus propósitos e direção, sendo uma função exclusiva da alta administração. 
As decisões tomadas nesse nível determinarão como a empresa irá serelacionar com os ambientes externos. 
TIPOS DE DECISÕES
Algumas decisões são repetitivas, podendo acontecer em determinados ciclos de tempo, outras acontecem de modo inesperado.
Questões rotineiras ou de menor importância podem ser resolvidas através de um procedimento.
Problemas diferentes exigem diferentes tipos de tomada de decisão. 
DECISÃO ESTRUTURADA
Solução para problemas rotineiros e que podem ser traduzidos por regras ou procedimentos.
As decisões estruturadas envolvem situações em que os procedimentos a serem seguidos podem ser previamente especificados.
Operações ou transações, cujos processos de recuperação e controle de dados são repetitivos:
Facilmente automatizados 
Todos os dados relevantes estão disponíveis 
Necessitam de pouco julgamento ou avaliação humana 
Decisor necessita de procedimentos operacionais escritos tendo em vista sua característica: 
Repetitivas 
Rotineiras 
Padrão pré existente 
Soluções específicas criadas através de um processo não estruturado para resolver problemas “não-rotineiros”.
Se um problema não surge com freqüência suficiente para ser resolvido por uma política ou regra, ele deve ser resolvido por uma decisão não-programada.
Neste tipo de decisão o decisor necessita de algum julgamento, avaliação ou percepção na definição do problema.
Situações específicas, frequentemente únicas (ambientes complexos e dinâmicos) :
Dificilmente automatizados 
Necessitam muito julgamento humano
Decisor necessita de competências pessoais específicas:
Capacidade de julgamento 
Senso critico 
Capacidade de reflexão 
Intuição 
Criatividade 
DECISÃO SEMI-ESTRUTURADA 
Sugerem que alguns procedimentos podem ser especificados, mas não o suficiente para levar a uma decisão definida recomendada. Neste tipo de decisão somente parte do problema possui resposta clara e fornecida por um porcedimento já aceito
CONDIÇÕES DE DECISÃO
A tomada de decisão nas organizações é função da quantidade de informações de que os decisores possuem sobre planos de ação e os possíveis resultados que podem decorrer deles. 
A informação disponível para um tomador de decisão pode variar numa linha que vai do conhecimento perfeito até a ignorância completa.
Decisão em condições de certeza
Decisão em condição de risco 
Decisão em condições de incerteza 
Decisão em condições de competição ou decisão em condições de conflitos 
DECISÃO EM CONDIÇÕES DE CERTEZA
A certeza é um estado de conhecimento em que o tomador de decisão tem informações completas sobre o problema com o qual se defronta.
Neste tipo de decisão, os decisores têm conhecimento prévio sobre os resultados das várias alternativas que estão sendo consideradas para a tomada de decisão.
DECISÃO EM CONDIÇÕES DE RISCO
Condição em que o decisor conhece a probabilidade de que uma determinada alternativa leve a um resultado não esperado.
O risco é um estado de conhecimento em que cada alternativa possui um conjunto de resultados e cada resultado ocorre com uma probabilidade bem definida. 
DECISÃO EM CONDIÇÕES DE INCERTEZA
Condição na qual o decisor de depara com situações externas imprevisíveis ou não possui as informações necessárias para estabelecer a probabilidade de determinados eventos.
A informação é incompleta demais para permitir que ele identifique cada alternativa e faça estimativas acerca dos resultados prováveis sobre os quais se possa colocar um alto grau de confiabilidade. 
DECISÃO EM CONDIÇÕES DE COMPETIÇÃO OU DECISÃO EM CONDIÇÕES DE CONFLITOS 
Nesta condição o decisor é confrontado com um opositor agressivo (um concorrente) cujos interesses entram em confronto direto com o seus.
Existem, obrigatoriamente, dois ou mais decisores envolvidos, o resultado depende da escolha de cada um dos decisores. 
Situações desse tipo surgem, por exemplo, na elaboração de estratégias de propagandas ou na escolha de um novo local para uma filial.
PROCESSO DE TOMADA DE DECISÃO
Etapa: Inteligência (Compreensão)
Refere-se à fase de investigação do ambiente para encontrar situações que exigem uma tomada de decisão.
 
Nesta etapa os problemas e/ou oportunidades em potencial são identificados e definidos assim como informações associadas à causa e o escopo do problema. 
São investigados os possíveis obstáculos na solução de problemas. 
Etapa: Projeto
Esta etapa refere-se à fase onde o objetivo é o desenvolvimento e análise de possíveis cursos de ação. Esta etapa inclui o entendimento do problema e o teste de viabilidade das soluções.
 
Neta etapa as soluções alternativas são desenvolvidas e são avaliadas a viabilidade e as implicações dessas alternativas.
Etapa: Escolha
Esta etapa envolve avaliação e recomendação de um determindo rumo de ação traçado na fase anterior. È importante salientar que o limite entre as etapas (ou fases ) de Projeto e Escolha é, muitas vezes, impreciso.  
Ex: pode-se gerar novas alternativas enquanto se avalia as existentes. 
Etapa: Implementação da Solução (Revisão)
A última etapa refere-se à fase em que se faz a avaliação da solução escolhida, bem como os rumo e condições que levaram a tal decisão.
Nesta fase ocorre a reavaliação do processo de romada de decisão.
AULA 4
TEORIA DA DECISÃO
A Teoria da Decisão é um conjunto de procedimentos e métodos de análise que procuram assegurar a coerência, a eficácia e a eficiência das decisões tomadas em função das informações disponíveis, antevendo cenários possíveis. 
TÉCNICAS DE TOMADA DE DECISÃO
Existem várias técnicas que os analistas e decisores utilizam para viabilizar o estudo e estruturação dos problemas que demandam alguma ação decisória. 
Vamos ver algumas destas técnicas.
BRAINSTORMING (“tempestade do cérebro”) 
É um processo no qual um grupo de pessoas gera um grande número de ideias e soluções sobre um tema específico
É uma técnica de idéias em grupo que envolve a contribuição espontânea de todos os participantes. 
O clima de envolvimento e motivação gerado pelo Brainstorming assegura melhor qualidade nas decisões tomadas pelo grupo, maior comprometimento com a ação e um sentimento de responsabilidade compartilhado por todos. 
Quem o utiliza?
Todas as pessoas da empresa podem utilizar essa ferramenta, devido à sua facilidade.
Porém o sucesso da aplicação do Brainstorming é seguir as regras, em especial a condução do processo, que deve ser feita por uma única pessoa.
Quando?
O Brainstorming é usado para gerar um grande número de idéias em curto período de tempo. Pode ser aplicado em qualquer etapa do processo de solução de problemas, sendo fundamental na identificação e na seleção das questões a serem tratadas e na geração de possíveis soluções. 
BRAINSTORMING – regras
1. Não julgue ideias: O propósito do brainstorming é gerar o maior número de ideias possível, sem parar para avaliar cada uma. Se algum participante parar para criticar alguma ideia, o facilitador deve imediatamente interferir e voltar a focar o time.
2. Vá atrás de quantidade: Quanto maior o número de ideias, melhor.
3. Encoraje ideias "malucas:“ Muitas vezes essas ideias estão por trás de grandes inovações
4. Use as ideias como base: Ao invés de criticar, pegue uma ideia e a modifique ou melhore
5. Discuta uma ideia de cada vez: Não fique discutindo uma ideia só por meia-hora, mas ao mesmo tempo, mantenha o foco do time dentro de uma ideia de cada vez
6. Mantenha o foco: Lembre-se do tema ou questão sendo discutindo e tente manter o fluxo de ideias dentro do tema principal
7. Use audio-visual: Muitas vezes um simples desenho ou diagrama é a melhor maneira de capturar uma ideia - se necessário, vá além da descrição em palavras
BRAINSTORMING
Vantagens: 
Praticamente todos os problemas posem ter seu estudo inicial conduzido com uso dessa técnica. 
Não pressupõe a necessidade de especialistas 
Desvantagens 
Se não houver estímulos à participação, poderá ocorrer a inibição de alguns participantes do grupo 
MATRIZ DE PRIORIDADE
Técnica que prioriza alternativas com base em determinados critérios e deve ser usada quandoqueremos estabelecer uma entre diversas alternativas por meio de análise mais criteriosa .
Também é chamada de Matriz de Impacto. 
Vantagens: 
Permite a priorização das alternativas á medida que estabelece uma função objetivo que quantifica em termos numéricos o valor (por vezes subjetivo) agregado de cada alternativa. 
A posterior analise destas alternativas, dispondo do valor agregado delas, permite ao decisor examinar de forma mais clara e estabelecer quais serão as alternativas a serem implantadas. 
Permite a exploração dos efeitos colaterais das alternativas passíveis de ser implementadas. 
Desvantagens 
A comparação paritária dos critérios de priorização das alternativas e a posterior comparação das alternativas sob a influência desses mesmos critérios podem acarretar a perda da visão geral do contexto. 
Dificuldade de trabalhar com impactos múltiplos, em que vários eventos influem simultaneamente uns sobre os outros. 
DIAGRAMA DE CAUSA E EFEITO (Espinha de Peixe / Diagrama de Ishikawa)
É uma técnica muito utilizada que mostra a relação entre um efeito e as possíveis causas que podem estar contribuindo para que ele ocorra.
Construído com a aparência de uma espinha de peixe, essa ferramenta foi aplicada, pela primeira vez, em 1953, no Japão, pelo professor da Universidade de Tóquio, Kaoru Ishikawa, para sintetizar as opiniões de engenheiros de uma fábrica quando estes discutem problemas de qualidade.
Utilizada para:
Visualizar, em conjunto, as causas principais e secundárias de um problema.
 Ampliar a visão das possíveis causas de um problema, enriquecendo a sua análise e a identificação de soluções.
 Analisar processos em busca de melhorias. 
Como Construir?
1) Estabeleça claramente o problema (efeito) a ser analisado.
2) Desenhe uma seta horizontal apontando para a direita e escreva o problema no interior de um retângulo localizado na ponta da seta. 
3) Identifique o maior número possível de causas que possam estar contribuindo para gerar o problema.
4) Agrupe as causas em categorias. 
5) Para melhor compreensão do problema, busque as sub-causas das causas já identificadas ou faça outros diagramas de causa e efeito para cada uma das causas encontradas. 
Vantagens	
Permite a visualização das causas de um problema de forma mais clara e agrupadas por fatores-chaves
Desvantagens	
Para o correto uso dessa técnica, é necessária a presença de pelo menos um especialista no problema e um especalista na utilização da técnica
Arvores de decisão ou diagrama da arvore 
Técnica que permite indicar, de forma gráfica, e cronológica, um caminho a ser seguido em um processo de decisão, explicitando etapas a serem cumpridas para alcançar o objetivo pretendido. 
Representa um processo de decisão em que os nós são os momentos no tempo em que o decisor deve efetuar uma decisão
Vantagens:
Permite a subdivisão do objetivo em metas e submetas, indicando o caminho para alcançá-las .
Permite o exame, pelo decisor, de todas as possibilidades .
Permite a criação de algoritmos facilmente implementados em computadores 
 
Desvantagens	
O resultado é extremamente dependente dos conhecimentos técnicos dos participantes .
Este método não deve ser utilizado por pessoas leigas no problema em estudo. 
MAPAS COGNITIVOS
Quando da resolução de um problema complexo é muito importante que antes ele esteja bem estruturado. Esta estruturação é necessária para que se parta dos fatores realmente mais importantes relacionados ao problema.
Os Mapas Cognitivos são uma ferramenta de apoio ao processo de tomada de decisão, contribuindo para a estruturação, à medida que permite a representação gráfica da forma como o decisor percebe um problema, ajudando em sua compreensão.
Um mapa cognitivo procura representar o modo como uma pessoa pensa. Trata-se de uma rede de ideias interligadas por setas. 
Cada seta/arco orientado representa a teoria/interpretação da realidade de quem representa o problema.
Formalmente os mapas cognitvos são definidos como grafos, onde cada conceito é considerado um nó, e uma relação de influência é uma ligação entre os nós
Exemplo de construção
Um empreendedor deseja investir em um novo projeto, porém não está certo de qual seria o melhor empreendimento a ser implementado: 
"Desejo escolher um bom negócio." 
A partir desta sentença, será solicitado ao decisor que pense sobre uma alternativa que seria o oposto, dentro do contexto do problema. 
"Investir em um projeto inadequado aos meus interesses." 
Sendo assim, a situação poderia ser descrita da seguinte forma: 
"Desejo escolher um bom negócio ao invés de investir em um projeto inadequado aos meus interesses." 
A frase acima é representada no mapa por um conceito (ou construto). Um conceito é composto por dois pólos; o pólo principal (a primeira sentença) e o pólo oposto. 
No mapa um conceito é escrito sucintamente da seguinte forma 
	“Escolher um bom negócio... projeto inadequado “onde "..." é lido "ao invés de". 
Vantagens: 
Em tomadas de decisão em grupo, o processo de construção dos mapas cognitivos provoca uma geração de conhecimentos, cria uma linguagem comum para a comunicação e inibe rivalidades pessoais, uma vez que os conceitos apresentados no mapa são anônimos e, ao mesmo tempo, pertencem a todos. 
Possui característica reflexiva: permite aos atores da decisão aprender sobre o problema, ao mesmo tempo em que “negociam” sua interpretação e percepção.
Desvantagem	
Para o correto uso da técnica é necessária a presença de especialistas no problema que esta sendo discutido, e de especialistas no uso da técnica 
TOMADA DE DECISÃO APOIADA POR TECNOLOGIAS
A tecnologia tem um papel fundamental tanto na comunicação e armazenamento de dados e do conhecimento, bem como na integração do decisores. 
O uso da Tecnologia de Informação e Comunicação nas organizações e na sociedade aumenta a cada dia gerando novos desafios e passa a ser fundamental para viabilizar as análises mais diversas e para a resolução de problemas não rotineiros.
Os sistemas construídos para apoiar a tomada de decisão empresarial é necessário por diversas razões, entre as quais podemos destacar:
Operações mais rápidas 
Aumento da produtividade - montar um grupo de responsáveis pelas decisões, especialmente os peritos, pode custar caro. O apoio computadorizado pode reduzir o tamanho do grupo, permitindo assim que os membros do grupo possa estar em diferentes lugares, sem detrimento da produtividade. 
Apoio técnico - muitas decisões envolvem computações complexas. 
Apoio da qualidade - os sistemas podem melhorar a qualidade das decisões feitas. Por exemplo, várias alternativas podem ser avaliadas, ou, a análise de risco pode ser executada rapidamente. Os tomadores de decisão podem executar simulações complexas, verificar muitos cenários possíveis e avaliar impactos. 
AULA 5
TOMADA DE DECISÃO
A tomada de decisão é essencialmente aquele tipo de atividade de processamento de informação que resulta na escolha de um plano de ação.
Uma boa informação é a base da tomada de decisão estratégica que deve ser tomada no ambiente empresarial moderno.
As empresas são bem sucedidas em acessar e transformar dados em informações de negócio, e em disponibilizar dados aos usuários, entretanto ....
REDUZINDO O “GAP” ......
Estas mesmas empresas não são bem sucedidas em ligar a informação à ação, e ao seu correspondente valor para os negócios
O SAD deve estar conectado aos demais componentes da organização
VISÃO GERAL DO SAD – Sistema de Apoio à Decisão 
Um SAD é um sistema de informação baseado em computador que utiliza conhecimentos a gerentes (ou pessoas autorizadas) que trabalham naquela área a solucionar problemas, ou seja, tomar decisões.
“... um SAD deve comandar um sistema interativo para auxiliar tomadores de decisão a utilizar dados e modelos para solucionar problemas não estruturados”
								(Sprague Jr.)
CLASSIFICAÇÃO DAS DECISÕES
Com base na capacidade dos indivíduos em pré-definir o processo de tomada dedecisão, podemos classificar as decisões como:
Estruturadas: podem ser pré-especificadas por um conjunto de regras ou procedimentos que, se presume, podem ser manipuladas por um programa de computador. São o que chamamos de decisões programáveis
Não estruturadas: mudam a cada vez que são necessárias. São o que chamamos de não programáveis
Níveis Hierárquicos e as Informações Gerenciais
PRINCIPAIS CARACTERÍSTICAS DO SAD
Podemos resumir as principais características dos problemas a serem solucionados com o auxílio de um SAD como:
O problema está continuamente mudando
As respostas são necessárias rapidamente
Os dados estão em constante mudança e possuem origem em diversas fontes
Os dados devem ser processados e disponibilizados em diferentes tipos de representação 
Uma das maneiras de tentarmos compreender um SAD é através de suas características, sendo que as mais observadas são:
tendência a problemas subespecificados, não bem estruturados, tais como os executivos de alto nível se defrontam;
combinação de modelos e técnicas analíticas com funções tradicionais de acesso e recuperação de dados;
usos de dispositivos que tornam fácil a sua utilização de modo interativo pelos usuários;
ênfase em flexibilidade e capacidade de adaptação a mudanças no ambiente e na abordagem do usuário. 
Observação:
Cada tomador de decisão tem habilidades, conhecimentos e estilo diferentes de outro e, portanto, um SAD não pode ser projetado baseado apenas em um processo específico de tomada de decisão. 
Por isto, a flexibilidade é uma das principais características de um SAD, uma vez que o ambiente, as tarefas e os usuários estão sujeitos a frequentes mudanças. 
INDICAM A NECESSIDADE DE UM SAD NA ORGANIZAÇÃO
Dificuldade em consolidar informações para tomar decisões; 
 Muitos sistemas de informação dispersos na empresa; 
 Diferenças e erros nos conceitos de dados; 
 Conceitos de dados variando conforme o intérprete; 
 Incapacidade de decidir com base em informações confiáveis; 
 Dificuldade em compartilhar informações entre as várias áreas da empresa; 
 Problemas de qualidade dos dados; 
 Dados chegam atrasados para a tomada de decisão.
CLASSIFICAÇÃO DO SAD
SAD é um tipo de sistema que possui diversas espécies. Engloba o conjunto de potenciais sistemas de suporte à decisão. Principais espécies:
 Sistemas de Suporte à Decisão (DSS);
 Sistemas de Suporte à Decisão em Grupo (GDSS)
 Sistemas de Informação Executiva (EIS)
 Sistemas Especialistas (Expert Systems)
 Sistemas Artificiais / Redes Neurais
AMBIENTE DO SAD
São instrumentos que facilitam a tarefa de tomada de decisão e que tentam otimizar os resultados obtidos melhorando assim a qualidade das decisões
Utilizados tanto do nível tático quanto do nível estratégico. Ajuda os utilizadores na tomada de decisões fornecendo-lhes informação, modelos e ferramentas para analisar a informação.
AMBIENTE DE SAD
O SAD é uma classe de sistema pertencente ao chamado ambiente analítico (OLAP) da organização.  
Vejamos então o que é este ambiente, suas características e diferenças em relação ao ambiente transacional (OLTP) em uma organização.
AMBIENTE OPERACIONAL x AMBIENTE ANALÍTICO
REQUISITOS DO AMBIENTE OPERACIONAL 
 Tempo de Resposta 
 Segurança 
 Recuperação de Falhas 
 Muitos usuários concorrentes 
REQUISITOS DO AMBIENTE ANALÍTICO 
 Flexibilidade, facilidade de navegação 
 Consultas complexas, não antecipadas 
 Gerenciamento de enormes volumes de dados 
 Necessidade de examinar o dado em diferentes níveis de detalhe 
 Necessidade de acesso a dados de fontes de dados diversas 
AULA 6
SISTEMAS DE APOIO À DECISÃO
Os SAD’s possuem diversas características, entre elas:
Trabalhar com dados de fontes distintas; 
Flexibilidade de visualização de dados de saída; 
Realizar vários tipos de análise, como por exemplo: 
Análise de Sensibilidade;
Simulação e 
Análise para Tomada de Decisão. 
O SAD permite que o tomador de decisão possa:
Buscar informações em bancos de dados diferentes, mesmo que estejam em lugares distintos. 
Acessar a outras fontes de dados pela Internet ou por uma Intranet da organização. 
Obter informações específicas sobre o determinado problema para facilitar a análise de alternativas de solução. 
Obter somente as informações que necessita, uma vez que a variedade de problemas e necessidades dos tomadores de decisão é muito ampla.
Planejar a decisão a ser tomada, pois é possível modificar hipoteticamente os dados e obter uma visão do que acontecerá se aquela decisão for tomada. 
“A análise de sensibilidade constitui o processo de introduzir mudanças hipotéticas nos dados do problema e observar o impacto nos resultados.”
Obter a probabilidade de algo acontecer através da simulação de cenários construídos a partir de decisões tomadas
Obter os resultados das possíveis soluções de problemas a partir da interação com o sistema, permitindo visualizar o alcance de uma determinada meta.
COMPONENTES DOS SISTEMAS DE APOIO À DECISÃO
Os SAD’s são compostos pelos seguintes componentes:
 Subsistema de gerenciamento de dados
 Subsistema de gerenciamento de modelos
 Subsistema de interface com o usuário
Os SAD’s mais avançados possuem também, como componente, o Subsistema de Gerenciamento de Conhecimento 
SUBSISTEMA DE GERENCIAMENTO DE DADOS 
Possui função semelhante a qualquer outro sistema de gerenciamento de dados: coletar, organizar e armazenar uma série de informações numa base de dados bem estruturada e de fácil captura para utilização por parte dos usuários. 
Esta base de dados fornece informações em resposta às consultas dos usuários, dados para o processamento de modelos assim como armazena os resultados intermediários e finais das análises efetuadas, quando necessário.
O banco de dados SAD é uma coleção de dados atuais e históricos de uma variedade de fontes de origem. 
COMPONENTES DOS SISTEMAS DE APOIO À DECISÃO
Subsistema de gerenciamento de dados
SUBSISTEMA DE GERENCIAMENTO MODELOS
Modelos são instrumentos que transformam dados em informação e que podem apoiar a tomada de decisão. As funções deste subsistema são:
 Manipular modelos para testes; 
 Armazenar e catalogar os modelos existentes; 
 Registrar a utilização destes modelos; 
 Relacionar os modelos com os dados necessários; 
 Manter a base de modelos (armazenar, atualizar e registrar).
A base de modelos contém uma série modelos rotineiros e especiais:
 Modelos estatísticos; 
 Modelos financeiros; 
 Modelos de previsão; 
Estes modelos permitem que o SAD possua capacidades analíticas e estão divididos em categorias, de acordo com sua funcionalidade.
CATEGORIAS DE MODELOS DO SAD
Modelos operacionais
Apoiam as atividades operacionais do dia a dia da empresa.
Exemplo: empréstimos pessoais solicitados a instituições financeiras, programação da produção, controle de estoque. 
Fazem previsões em um período provisional de dias, no máximo, meses.
Modelos táticos
Apoiam gestores de nível médio no processo de distribuição e controle dos recursos da organização. 
Estes modelos recorrem apenas a dados internos e fazem previsões num horizonte temporal que não ultrapassa os 2 anos.
Modelos estratégicos
Apoiam gestores de alto escalão na elaboração de planos estratégicos, estudos de impacto ambiental, etc. 
Modelos analíticos
São usados para fazer análises sobre os dados contidos na base de dados da SAD. 
São compostos por modelos estatísticos, modelos de gestão científica, algoritmos de mineração de dados e modelos financeiros.
Podem estar associados a outros modelos que fazem parte dos modelos estratégicos.
VANTAGENS DO USO DE MODELOS
Modelos podem ser construídos à baixo custo para se determinar o impacto de diversas decisões;
Modelagem costuma ser mais rápida que a experimentação com sistemas reais;
Apresenta menos riscos e mostra como a decisão pode impactar todo o sistema;
Excelente experiência de aprendizagem, à medida que, ao realizar experiências com modelos,podemos conhecer os efeitos de imediato;
Previsão de consequências futuras.
DESVANTAGENS DO USO DE MODELOS
Um modelo requer a simplificação de algumas suposições. Se as hipótese se desviam muito da realidade, os resultados podem ser bastante suspeitos.
Com a diversidade de modelos disponíveis, os tomadores de decisão podem gastar muito tempo para decidir qual modelo usar.
Modelos não preveem sistemas reais com exatidão.
Alguns modelos exigem alto grau de sofisticação matemática tornando-os extremamente complexos de se construir e os resultados muito difíceis de se interpretar
SUBSISTEMA DE INTERFACE COM OS USUÁRIOS 
O termo “interface com o usuário” abrange todos os aspectos de comunicação entre o SAD e o tomador de decisão.
Alguns especialista afirmam que este componente é o mais importante do SAD, uma vez que grande parte do poder, flexibilidade e facilidade de navegação do SAD é derivada deste componente.
Se o decisor sentir dificuldade no uso do sistema ele pode simplesmente não utilizá-lo, uma vez que não está interessado em conhecer com profundidade os softwares utilizados e os algoritmos empregados pelos modelos. O que importa para ele é saber como utilizar o sistema para realizar suas atividades 
SUBSISTEMA DE GERENCIAMENTO DE CONHECIMENTO
Muitos problemas não estruturados e semiestruturados exigem alto grau de sofisticação para suas soluções devido à sua complexidade.
Esta sofisticação pode ser fornecida por um sistema que se baseia em conhecimento.
O componente de conhecimento consiste em um ou mais sistemas especialistas / inteligentes ou, então, de uma Base de Conhecimento.
À medida que mais problemas são resolvidos, mais conhecimento é acumulado na Base de Conhecimento Organizacional.
O SAD E O SEU AMBIENTE
AULA 7
SISTEMAS DE APOIO À DECISÃO
Os tomadores de decisão necessitam de informações confiáveis sobre operações atuais , tendências e mudanças. Além disso, os dados necessários para a tomada de decisão estão espalhados em diversas áreas da empresa.
A integração e análise dos dados existentes nestes diferentes sistemas, é uma tarefa difícil e necessita de muito tempo e recursos.
Por este motivo, surge a necessidade de um ambiente voltado para os tomadores de decisão, que permita que estes analisem dados confiáveis de forma eficiente e flexível. 
Os bancos de dados que conseguem armazenar tais dados e arquiteturas computacionais que podem processar estes dados também são diferentes, assim como também são diferentes as características dos sistemas que permitem a consulta a estas bases de tomada de decisão.
DATA WAREHOUSE (DW)
“Um data warehouse é um conjunto de dados produzido para oferecer suporte à tomada de decisões; é um repositório de dados atuais e históricos de possível interesse aos gerentes de toda a organização. Os dados normalmente são estruturados de modo a estarem disponíveis em um formato pronto para as atividades de processamento analítico. Portanto, um Data Warehouse é uma coleção de dados orientada por assunto, integrada, variável no tempo e não volátil, que proporciona suporte ao processo de tomada de decisão”
Banco de dados que armazena dados sobre as operações da empresa, como vendas e compras, extraídos de uma fonte única ou múltipla, oferecendo enfoque histórico, para permitir um suporte efetivo à tomada de decisão.
Dados integrados e históricos que servem desde a alta direção, que necessita de informações mais resumidas, até as gerências de baixo nível, onde os dados detalhados ajudam a observar aspectos mais táticos da empresa. 
“conjunto de dados baseado em assuntos, integrado, não volátil e variável em relação o tempo, para dar suporte ao processo gerencial de tomada de decisão.” 	
Orientação por assunto
Organizado de acordo com as principais areas de negocio da organização
Não orientado a aplicação, permitindo a utilização dos dados de varias formas ao longo do tempo
Integração
Unificação fisica dos dados em um mesmo repositório
Estruturas e formatos de dados comuns, independente dos sistemas fonte
A integracao é feita através dos principais processos de carga
Variação temporal
Séries temporais de um conjunto de dados
Variações de estado (datas de mudança de status)
Datas de eventos(chamadas, faturas,pedidos, etc)
Não volatil
Não há atualização de registros
As alterações de informação são armazenadas a partir da captura de um novo retrato das informações
Informações detalhadas e agregadas
Dados atômicos
Mantem a flexibilidade dos dados, facilitando futuras mudanças no negócio
Deve-se tomar cuidado para não se tornar fonte de relatórios operacionais
Visões agregadas montadas em função das principais visões corporativas
Estruturas consolidadas de perfis – utilizadas para facilitar analises de eventos que são baseados em um grande volume de dados
ORIENTAÇÃO POR ASUNTO
Um DW sempre armazena dados importantes sobre temas específicos da empresa de acordo com o interesse das pessoas que irão utilizá-los.
 VOLATILIDADE	
Os dados não sofrem atualizações. Eles são carregados uma única vez e, a partir desse momento, só podem ser consultados, pois representam as informações em um determinado instante de tempo.  
Os dados passam por filtros antes de entrarem no DW, com isso muitos dados nunca saem do ambiente transacional e outros são resumidos de certa forma que não são encontrados fora do DW.
VARIAÇÃO NO TEMPO 
Os dados são armazenados para fornecer informações de uma perspectiva histórica. A cada mudança ocorrida num dado, uma nova entrada é criada e não atualizada, como acontece nos sistemas tradicionais 
INTEGRAÇÃO
Os dados necessários aos tomadores de decisão estão em diversas áreas da empresa. Geralmente estes dados não estão padronizados e é necessário integrar antes de carregarmos em um DW de forma que passe a ter um único significado. 
Como não existem padrões de codificação, cada analista pode definir a mesma estrutura de dados de várias formas, fazendo com que dados que representam a mesma informação sejam representados de diversas maneiras dentro dos sistemas utilizados pela empresa o longo dos anos 
A maior parte do trabalho na construção de um DW está na análise dos sistemas em operação e dos dados que ele contém. 
LOCALIZAÇÃO
Os dados podem estar fisicamente armazenados de três formas: centralizados, distribuídos e por níveis de detalhes. 
Centralizados: solução muito utilizada, mas com o inconveniente de requerer investimento em um servidor com alta capacidade de processamento e armazenamento. 
Distribuídos: dados armazenados em diferentes locais, chamados “Datamarts”, de acordo com áreas de interesse (Exemplo: financeiro, marketing). 
Níveis de Detalhes: dados altamente consolidados/resumidos em um servidor e dados detalhados em outro
CREDIBILIDADE DE DADOS 
Para o sucesso de qualquer Data Warehouse é determinante a credibilidade dos dados. Simples distorções podem causar sérios problemas quando se quer extrair dados para suportar decisões estratégicas para o negócio das empresas. Dados não confiáveis podem resultar em relatórios inúteis, sem importância. 
Por exemplo, um simples CEP errado não afetará uma simples transação de compra e venda, mas poderá influenciar informações referentes a uma cobertura geográfica ou uma expansão de rede de filiais.
GRANULARIDADE DE DADOS 
A granularidade diz respeito ao nível de detalhe dos dados existentes no Data Warehouse. Quanto maior o nível de detalhe, menor o nível de granularidade
PRINCIPAIS TAREFAS EFETUADAS PELO DW
  Obter dados dos BD’s operacionais e externos;
 Armazenar os dados;
 Fornecer informações para tomada de decisão;
 Administrar o sistema e os dados
PRINCIPAIS COMPONENTES DO DW
  Mecanismos para acessar e transformar dados;
 Mecanismo para armazenamento de dados;
 Ferramentas para análise de dados;
 Ferramentas de gerência. 
DATAMARTS
Muitas vezes, apesar do Data Warehouse possuir um grande volume de dados de toda a empresa, é necessário trabalhar apenas com uma parte destes dados, correspondentea um setor da empresa, ou fazer a implantação do Data Warehouse de forma fracionada até se formar o sistema corporativo.
Pode ser considerado como um subconjunto de dados que possui regras de negócio e de cálculo específicas, sumarizados ou agregados de um database maior.
UTILIZAÇÃO DE DATAMARTS
Um Datamart é um banco de dados de suporte à decisão construído para utilização por um departamento ou grupo específico de uma empresa. 
“Pequenos” bancos de dados departamentais orientados por assunto 
Solução “Tática” (possuem implementação mais simples)
Menor tempo de desenvolvimento
Atenção: a integração de DataMarts exige planejamento avançado
Observações: 
Dados podem estar repetidos em diversos Data Marts 
O mesmo dado pode ser representado com granularidade diferente
ARQUITETURA DE UM DATA WAREHOUSE
DATA WAREHOUSE X BD OPERACIONAL 
AULA 8
METADADOS
A definição mais simples de metadados é que eles são dados sobre dados – mais especificamente, informações (dados) sobre um determinado conteúdo (os dados).
Os metadados são utilizados para facilitar o entendimento, o uso e o gerenciamento de dados.
Um registro de metadados consiste de alguns elementos pré-definidos que representam determinados atributos de um recurso, sendo que cada elemento pode ter um ou mais valores. 
“Metadado é uma abstração do dado capaz, por exemplo, de indicar se uma determinada base de dados existe, quais são os atributos de uma tabela, tais como: tamanho e/ou formato.”
O metadados é extremamente importante para a organização pois transforma dados em informação empresarial, aumentando a produtividade  e melhorando a tomada de decisão
>
As regras de negócio das aplicações alternam de forma muito rápida, o que implica no fato das aplicações precisarem ser desenvolvidas rapidamente e de forma flexível.
IMPORTÂNCIA DO METADADOS
Os metadados asseguram a correta interpretação ( baseado em atividades, objetos, relações e regras) do que os dados realmente significam para o negócio. Exemplo:
O que é lucro?
Lucro = receita das vendas menos os custos de produção
Ou, é um cálculo mais complicado como:
“O Total das receitas anuais, menos
A soma do custo médio real por produto, menos
Overhead deduzido de cada produto acumulado da produção anual, menos
Gratificações, menos
Cupons de descontos, dividido por doze”
Será que toda organização tem a mesma compreensão de lucro? Existe somente um cálculo para o lucro?
Se existem diversas interpretações para o lucro, todas são verdadeiras?
Se existirem várias versões para o cálculo de lucro, vários elementos devem ser criados, cada um com o seu próprio nome, sua definição, regras, conteúdo, relacionamentos ... e assim por diante.
Toda esta informação sobre lucro é metadado.
“A finalidade principal dos metadados é documentar e organizar de forma estruturada os dados das organizações, com o objetivo de minimizar duplicação de esforços e facilitar a manutenção dos dados” (Moriarty)	
TIPOS DE METADADOS
Em um projeto de DW, os metadados devem gerar e gerenciar uma documentação sobre o levantamento de dados, do banco de dados, relatórios a serem gerados, origem dos dados que alimentam do DW , processos de extração, tratamento e rotinas de carga dos dados, as regras de negócio da empresa e todas as suas mudanças.
 São divididos em dois grupos:
 Técnicos
 Negócios
METADADOS TÉCNICOS
Fornecem aos desenvolvedores e usuários técnicos a confiança de que os dados estão corretos;
São críticos para a manutenção e o crescimento contínuo do DW
 Exemplos:
Controles de auditoria;
Tabelas com a estrutura do DW;
Dependência dos programas;
Nomes das tabelas do DW
METADADOS DE NEGÓCIO
São o elo de ligação entre os usuários de negócios e o DW; 
Mostram que relatórios, consultas e dados estão no DW, a localização dos dados, contexto dos dados, regras de transformação que foram aplicados e as origens desses dados
Exemplos:
Mapeamento dos campos das tabelas físicas do DW;
Regras para drill-down, drill-up e drill-across;
Informações sobre sumarizações e transformações dos dados;
Estruturas dos dados com a nomenclatura que possa ser facilmente entendida pelo usuário final;
TIPOS DE METADADOS
METADADOS COMO INSTRUMENTO DE NAVEGAÇÃO
Em um ambiente de tomada de decisões os metadados assumem um novo papel, tampém muito importante:
o de navegação, e não apenas de documentação 
Pois ajudam os executivos a:
Localizar
Gerenciar
Compreender e
Utilizar os dados de um DW
Tipos de Informação Metadados
Por serem considerados um dicionário de informações os metadados devem descrever:
Fonte dos dados 
Destino dos dados
Formato dos dados
Nome e Alias
Definições de Negócios
Regras de Transformação
Atualização dos dados
Requisitos de Teste
Processos Automáticos
Propriedade e responsabilidade sobre os dados
Acesso e Segurança
Camadas de Metadados
Normalmente, os metadados em um DW podem ser apresentados em três camadas diferentes:
Metadados operacionais: definem a estrutura dos dado mantidos pelos bancos operacionais, usados pelas aplicações de produção da empresa
Metadados centrais do DW: são orientados por assunto e definem como os dados transformados devem ser interpretados, incluem definições de agregação e campos calculados, assim como visões sobre cruzamento de assuntos
Metadados de nível do usuário: organizam os metadados do DW para os conceitos que sejam familiares e adequados aos usuários finais
OPERAÇÕES OLAP
Drill-Down - Exemplo
Roll-Up - Exemplo
Slice-and-Dice - Exemplo
Pivot - Exemplo
Registro de Frequência
Quando o usuário necessita mudar a perspectiva da visão de análise dos dados, utiliza a operação de: 
Drill Up
Drill Across 
Drill Down 
Dice 
Slice
As afirmações abaixo são Verdeiras ( V ) ou Falsas ( F )?
( F ) Os Metadados de Negócio asseguram a confiança de que os dados estão corretos e são críticos para a manutenção e o crescimento contínuo do Data Warehouse.
( F ) Drill in, drill out, roll over e roll on são típicas operações disponibilizadas pelas ferramentas de consultas OLAP para navegar pela hierarquia de uma dimensão.
( V ) No ambiente de Data Warehouse os usuários, através dos Metadados, podem conhecer a estrutura e o significado dos dados
As afirmações abaixo são Verdeiras ( V ) ou Falsas ( F )?
( V ) Os Metadados centrais do Data Warehouse são orientados por assunto e definem como os dados transformados devem ser interpretados, incluindo definições de agregação e campos calculados.
( F ) Do ponto de vista gerencial o ambiente OLTP é uma ferramenta muito importante pois proporciona uma grande capacidade de efetuar cálculos complexos como previsões e percentuais de crescimento.
( V ) As operações Drill down e Roll up são operações para movimentar a visão dos dados ao longo dos níveis hierárquicos de uma dimensão 
AULA 9
MODELAGEM DE DADOS PARA O DW
A modelagem de dados para DW é diferente da utilizada para sistemas OLTP.
Se simplesmente movermos o modelo de dados transacional para um banco de dados separado, inserirmos dados históricos e chamarmos de DW não conseguiremos trabalhar com estes dados por duas razões principais:
Os usuários não ficarão felizes porque a complexidade será muito alta, para que eles próprios possam realizar consultas ad hoc
Modelos de dados transacionais são construídos respeitando a Terceira Forma Normal e não respondem com rapidez a questões típicas de queries de apoio á decisão
A Modelagem Multidimensional é uma técnica de concepção e visualização de um Modelo de Dados de um conjunto de medidas que descrevem aspectos comuns de negócios.
É utilizada especialmente para sumarizar e reestruturar dados e apresenta-los em visões que suportem a análise dos valores desses dados.
Um modelo multidimensional é formado por três elementos básicos:
 Fatos;
 Dimensões;
 Medidas ( Variáveis ) 
MODELAGEM DE DADOS PARA O DW - FATO
Representação de um assunto
Um assunto pode ser um dado operacional, uma transação do negócio ou um evento
Um fato é compostopor dimensões e medidas
Exemplos (domínio Loja):
– vendas (transação do negócio)
– promoções (evento)
– produtos e estoque (dado operacional)
MODELAGEM DE DADOS PARA O DW - DIMENSÃO
Representação dos contextos relevantes para a análise de um fato.
• Exemplo:
– Fato: Vendas
– Dimensões: Clientes, Produtos, Tempo, Locais, ...
• Uma dimensão pode:
– conter membros
– ser organizada em hierarquias
São as possíveis formas de visualizar os dados, ou seja, são os “por” dois dados: “por mês”, “por produto”, “por país”, “por região”, etc.
Normalmente não possuem atributos numéricos, são somente descritivas e classificatórias dos elementos que participam de um fato.
MODELAGEM DE DADOS PARA O DW - MEDIDA
 Representação de atributos (variáveis) relevantes para a análise de um fato
– valores numéricos em geral
– indicadores de desempenho para a análise
 Uma medida é determinada pela associação de dimensões
– produto X tempo.ano;
- local.estado X cliente.classe X tempo.semana.dia
• Exemplo:
– Fato: Vendas
– Medidas: quantidade vendida, valor da venda
São os atributos numéricos que representam um fato, a performance de um indicador de negócios relativo às dimensões que participam desse fato.
Uma medida é determinada pela combinação das dimensões que participam de um fato, e estão localizadas como atributos de um fato.
UMA NOVA FORMA DE VER OS DADOS
Uma visão multidimensional é usualmente representada por um cubo
 A metáfora do cubo dá a impressão de múltiplas dimensões
 Os “cubos” podem ter 2, 3, 4 ou mais dimensões
 O usuário pode rolar e cortar (“slice and dice”) o cubo, escolhendo qual a dimensão(ões) que será usada em cada consulta (query)
VISUALIZAÇÃO - EXEMPLO
Cubo do Fato Vendas
Modelo Dimensional - Diagrama Estrela ( Star Schema )
Star Schema é o termo comum para designação de modelos de dados multidimensionais;
Como o termo esquema nos leva diretamente a uma idéia de modelo físico, o mais usual é denominarmos de modelo estrela;
O modelo estrela é a estrutura básica de um modelo de dados multidimensional
Sua composição típica possui uma grande entidade central denominada fato e um conjunto de entidades menores denominadas dimensões, arranjadas ao redor dessa entidade central, formando uma estrela
MODELAGEM DE DADOS PARA O DW
Diagrama Floco de Neve ( Snowflake )
O modelo Snowflake é o resultado da decomposição de uma ou mais dimensões que possuam hierarquias entre seus membros;
Podemos definir relacionamento muitos para um entre os membros em uma dimensão, formando uma hierarquia por meio desses relacionamentos entre entidades dimensões;
 O modelo floco de neve é resultado da aplicação da terceira forma normal sobre as entidades dimensão
Variante do modelo estrela
Tabelas de dimensões estão normalizadas (3FN)
Representação explícita das hierarquias
Vantagem
Evita redundância (mais economia de espaço)
Desvantagem
- maior número de tabelas (maior número de junções)
Modelo estrela é considerado mais apropriado
- desperdício de espaço é menos crítico que tempo para recuperação de dados em um DW
Comparação dos Esquemas
Esquema Constelação
União de esquemas estrela e/ou floco de neve
– esquema estrela: modela em geral um Data Mart
– esquema constelação: modela o DW
Exemplo Modelagem
Uma rede de lojas de departamento possui diversas lojas distribuídas em diferentes estados do Brasil. O sistema transacional gerencia todas as vendas efetuadas em cada uma das lojas. 
O modelo relacional utilizado nesse sistema possui:
a) uma tabela Fatura que contém todos os dados relacionados a uma fatura, com seus itens vendidos sendo armazenados na tabela Item_Fatura. 
b) cadastros de Lojas, de Clientes, de Funcionários, de Produtos, de Categorias e de Fornecedores. 
A área de negócios solicitou a construção de um Data Mart que permitisse consultas analíticas, como por exemplo: 
qual o faturamento com a venda de cosméticos da "Johnson & Johnson", em lojas da zona sul da cidade de São Paulo no período do dia das mães ?
quais foram as vendas no período de janeiro a março deste ano na região sudeste e nordeste ?
quais os produtos mais rentáveis ?
quem foram os maiores clientes ?
Quem é o fato? 
Neste exemplo o fato é VENDAS
Quem são as dimensões?	
PRODUTO
LOJA
CLIENTE
TEMPO
Registro de Frequência
Na modelagem relacional, representamos as informações através de entidades, atributos e relacionamentos. Na modelagem multidimensional outros componentes são usados para essa representação.
A alternativa que apresenta estes componentes corretamente é:
Dado, Informação e Conhecimento. 
Entidade, Informação e Dimensão. 
Fato, Conhecimento e Relacionamento. 
Fato, Dimensão e Medidas ***
Entidade, Dimensão e Medidas
Analise as alternativas abaixo e identifique a resposta correta:
I - O esquema estrela é uma mistura de modelagem conceitual com modelagem lógica Verdadeiro
II - A Tabela Dimensão qualifica os fatos e geralmente possui volume bem maior que a Tabela de Fatos Falso
III- A Tabela de fatos possui chave simples e as Tabelas de Dimensões possuem chaves compostas Falso 
IV - Usualmente as Tabelas de Dimensões não dependem do tempo; Verdadeiro 
Estão corretas:	
 
I, III e IV	
I e IV	***	
I, II, III e IV		
III
I e III
As afirmações a seguir são Verdadeiras (V) ou Falsas (F)?
( V ) A modelagem de dados para Data Warehouse, chamada Modelagem Multidimensional, é uma técnica de concepção e visualização de um Modelo de Dados caracterizada pela arquitetura intuitiva e medidas que descrevem aspectos comuns de negócios
( F ) A tabela Dimensão contém medidas que são usadas para realizar análises e também as chaves que ligam as entidades
( V ) O modelo estrela possui uma grande entidade central denominada fato e um conjunto de entidades menores denominadas dimensões, arranjadas ao redor dessa entidade central.
( V ) O cubo é uma metáfora utilizada na Modelagem Dimensional, uma vez que dá a impressão de múltiplas dimensões
( F ) O Modela Estrela não pode ser desnormalizado, por questões de performance
AULA 10
PROCESSO DATAWAREHOUSING
PROCESSO ETL (Extração, Tratamento e Loader(carga))
Responsável por integrar, transformar e salvar dados, não importando sua fonte nem seu destino.
Os dados são submetidos a severas transformações e disponibilizados de forma normalizada
Dependendo da periodicidade de atualização dos dados devem ser estabelecidos mecanismos de sincronização de dados para garantir a integridade dos dados
EXTRAÇÃO DE DADOS
Primeiro passo na obtenção de dados para o ambiente do DW
Busca dados nas diversas fontes de origem e os transporta para a área de transformação de dados 
Na construção deste processo é fundamental o acesso e a clara compreensão dos dados de origem.
TRANSFORMAÇÃO DE DADOS
Após a extração de dados deve existir o tratamento destes dados.
O primeiro passo deste tratamento refere-se à limpeza, ou filtragem dos dados, cujo objetivo é garantir a integridade dos dados através de programas ou rotinas especiais que tentam identificar anomalias e resolve-las.
 É maior preocupação da área de TI pois, se não existir uma estratégia adequada, o Data Warehouse pode falhar
TRANSFORMAÇÃO DE DADOS - LIMPEZA
Tem por objetivo deixar os elementos de dados padronizados (uniformizados), não duplicados, corretos, consistentes e espelhando a realidade. 
Dentre as atividades executadas podemos citar a correção de inconsistências de códigos e caracteres especiais, solução de problemas de conflito de domínios, recuperação de dados perdidos e a correção de valores duplicados ou errados. 
CARGA DE DADOS
Depois de transformados e “limpos” os dados estão aptos para serem carregados no Data Warehouse.
Esta etapa também demanda muita atenção de TI pois exige uma série de cuidados, por exemplo:
 Integridade dos dados 
 Tipo de carga a ser realizada 
 Otimização do processo de carga
 Suporte completo ao processo de carga
Integridade dos dados: 
Assim como nos bancos de dados operacionais,é preciso assegurar que as regras de integridade das chaves estrangeiras sejam respeitadas no momento da carga.  
Tipo de carga a ser realizada: incremental ou total
A carga incremental normalmente é feita para tabelas de fatos e a carga total é feita em tabelas de dimensão onde o analista terá que excluir os dados existentes e incluí-los novamente
Otimização do processo de carga:
Todo banco de dados possui um conjunto de técnicas para otimizar o processo de carga, tais como evitar a geração de log durante o processo, criar índices e agregar dados.  
Suporte completo ao processo de carga:
O serviço de carga também precisa suportar as exigências antes e depois da carga atual, como eliminar e recriar índices e particionamento físico de tabelas e índices.
DIFICULDADES DO PROCESSO ETL
Externas :
 Prazos muito curtos;
 Relacionamento com outras equipes: 
 falta de tempo dos analistas OLTP 
 falta de paciência dos usuários;
 Falta de documentação; 
 Necessidade de reduzir custos do projeto.
Internas: 
  Extração
 Transporte 
 Transformação 
 Carga do Dados
Extração:
 Erros humanos como troca de nomes e tipos de variáveis; 
 Uso de regras de extração em desarmonia com as regras necessárias; 
 Dados não esperados sendo extraídos (tipo, tamanho, formato e conteúdo).
Transporte:
 Incompatibilidade entre ambientes operacionais diferentes;
 Necessidade de quebrar o processo em etapas gerando dados estocados. 
Transformação:
 Inserção de erros de transformação (escala de valor ou unidade);
 Uso de equações matemáticas. 
Carga do Dados:
 Aplicação de seleções não planejadas no momento da carga;
 Erros de codificação, tipo e formato de dados;
 Diferença entre modelagens de dados.
TIPOS DE IMPLEMENTAÇÃO DO DW
As abordagens de implementação de Data Warehouse em uso pelas organizações são três: Top down, Bottom up e Intermediária. 
A escolha de um destes tipos é influenciada por fatores como: infra-estrutura de TI, arquitetura escolhida, escopo da implementação, recursos disponíveis e, principalmente, pela necessidade ou não de acesso aos dados corporativos, recursos disponíveis e velocidade de implementação.
IMPLEMENTAÇÃO TOP DOWN
Padrão inicial do conceito de Data Warehouse
 Exige maior planejamento e demanda um trabalho maior de definições conceituais de tecnologia antes de iniciar-se o projeto propriamente dito.
 As decisões sobre fontes de dados que serão utilizadas, segurança, estruturas de dados, qualidade de dados, padrões de dados e os vários modelos de dados dos sistemas transacionais atuais devem estar completos antes do início da implementação.
O processo se inicia com a extração, a transformação e a integração das informações dos sistemas transacionais e dados externos para um ODS ou diretamente das fontes operacionais.
 A seguir, os dados e metadados são transferidos para o Data Warehouse, a partir do qual são extraídos para os Data Marts.
IMPLEMENTAÇÃO BOTTOM UP
Permite o planejamento dos Data Marts sem esperar que a infra-estrutura corporativa do Data Warehouse seja definida.
 Tem por objetivo a construção de um Data Warehouse incremental a partir do desenvolvimento de Data Marts independentes.
 Bem aceita pelos executivos por possuir um retorno de investimento rápido.
 Seu processo inicia com a extração, a transformação e a integração dos dados para um ou mais Data Marts. 
IMPLEMENTAÇÃO INTERMEDIÁRIA
Integra a implementação Top Down com a Bottom Up.
 Efetua-se a modelagem de dados do Data Warehouse com visão macro. A partir daí, cada Data Mart pode ser gerado a partir do macromodelo de dados do Data Warehouse e integrado ao modelo físico do Data Warehouse. 
METODOLOGIA PARA O PROJETO DE DATA WAREHOUSE 
Etapa: Planejamento 
definição do escopo do projeto, considerando-se as áreas críticas da empresa e as necessidades mais permanentes de informações gerenciais.
Etapa: Levantamento de Necessidades 
Identificados os modelos de projeto: o modelo dimensional e o modelo relacionado às fontes das informações.
Modelo dimensional: representa os blocos conceituais de dados necessários para atender os objetivos do sistema de suporte à decisão.
Modelo relacionado às fontes das informações: permite avaliar a qualidade e a integridade dos dados-fonte, além da sua duração histórica.
Etapa: Modelagem Dimensional
Projeto de quais os indicadores (medidas) que serão analisados, e as dimensões de análise, considerando quais indicadores são necessários para gerenciar o negócio.
 Deve considerar quais são os dados disponíveis para gerar os indicadores, e aqueles que precisam serem disponibilizados
Etapa: Projeto Físico dos BDs
 Definição das tabelas Fato e Dimensão e seus relacionamentos e indices 
 Implantação de regras associadas.
Etapa: Projeto ETL
Definição dos vários elementos que irão compor as atividades do processo de ETL:
Filtro de Dados
procedimentos e condições para se eliminar os elementos de dados indesejáveis no modelo dimensional
 Integração de Dados
define a forma de se correlacionar informações existentes em fontes distintas, e que deverão ser integradas no Data Warehouse
 Condensação de Dados
define a forma de se reduzir volumes de dados visando a obter informações resumidas e sumarizadas
 Conversão/Integração de Dados
define os procedimentos para padronizar dados que se encontram com unidades, formatos e dimensões diferentes. Exemplo: vendas de produtos no mês, produção de componentes por dia e compra de materiais por semana
 Derivação de Dados
define os meios e fórmulas para produzir dados virtuais, a partir de dados existentes.
Etapa: Desenvolvimento de Aplicações
O objetivo final do Data Warehouse é o ambiente de consultas OLAP. 
Este ambiente deve ter uma interface amigável e simples, onde o usuário pode construir suas consultas, de acordo com sua necessidade ou intuição. 
As aplicações ou ferramentas deste ambente devem possibilitar a visualização de dados em formas variadas e a importação dos dados obtidos para ferramentas do usuário final, como por exemplo, planilhas e processadores de textos.
Etapa: Validação e Teste
Teste do sistema é testado considerando-se, o máximo possível, as simulações de volume e de processamentos.
Etapa: Treinamento
Todos os usuários envolvidos com a atividade gerencial de negócio deverão ser treinados, não apenas nas ferramentas/aplicações, mas também nos conceitos associados ao Data Warehouse.
Etapa: Implantação
Acompanhamento de uso das aplicações disponibilizadas. 
A equipe do projeto deverá incentivar os usuários a apresentarem críticas e sugestões de melhorias para as próximas versões do sistema
PROJETO DE DATA WAREHOUSE - MITOS
 Os dados não mudam na migração;
 Os dados são migrados apenas uma vez;
 Tudo está bem documentado;
 Toda a documentação está disponível;
 A conversão e a movimentação de dados é fácil;
 A transformação é uma pequena parte do projeto. 
PROJETO DE DATA WAREHOUSE - FATOS
 Os dados antigos não são conhecidos ou entendidos;
 Muitas aplicações encontram-se em sistemas proprietários;
 A data de entrega é normalmente estabelecida antes da análise do problema;
 Há uma complexidade e diversidade de sistemas e de culturas;
 Não há controle dos processos do negócio;
 Não há especialização em muitas das linguagens e banco de dados;
 Fontes de dados externas são necessárias
Registro de Frequência
Qual das alternativas abaixo apresenta uma das vantagens da Implementação Top Down? 
 
a demora do projeto e a falta de retorno podem aumentar as expectativas dos usuários. 
a construção dos Data Marts é altamente direcionada, permitindo um rápido desenvolvimento. 
durante a construção dos Data Marts incrementais, é necessário que se mantenha um rígido controle do negócio como um todo. 
todos os negócios da empresa estão concentrados no Data Warehouse; ***
é a garantia da consistência dos dados, pois o modelo de dados para os Data Marts é único.
Em relação às afirmações abaixo quanto