Baixe o app para aproveitar ainda mais
Prévia do material em texto
PROJETO ANALÍTICO 1 Projeto Analítico PROJETO ANALÍTICO 2 Projeto Analítico A Gestão de Projetos Analíticos A gestão de projetos é importante para o dia a dia de qualquer organização, e hoje precisamos tomar decisões com maior rapidez e com credibilidade, por isso surgiram os projetos analíticos. Muitos frameworks estão disponíveis para organizar e prover boas práticas na construção de projetos. Um exemplo é o Project Management Body of Knowledge (PMBOK), um guia bastante difundido, publicado pelo PMI (Project Management Institute), que fornece melhores práticas para desenvolvimento das atividades de qualquer tipo de projeto, além de promover técnicas e ferramentas que auxiliam o andamento das tarefas. O PMBOK repassa todos os grupos de processos necessários para um projeto: iniciação, planejamento, execução, monitoramento e controle, e o encerramento. Todos possuem grande importância para o sucesso do desenvolvimento de um projeto analítico, e também de qualquer outro projeto. No projeto analítico é de suma importância o gerenciamento das etapas de desenvolvimento do projeto, desde a abertura e o levantamento das necessidades até a entrega do produto final. São muitas as vantagens de ter uma gestão efetiva de projetos. Por exemplo, com o gerenciamento de projetos analíticos podemos ganhar em qualidade, satisfação dos clientes (usuários), otimização dos custos, produtividade e atendimento aos prazos acordados. É importante ter o controle eficiente e eficaz das atividades de desenvolvimento de projetos analíticos com a utilização de habilidades, técnicas, ferramentas e processos capazes de otimizar recursos, melhorar a comunicação com o cliente e, principalmente, entregar um produto de qualidade que atenda às expectativas das partes interessadas. PROJETO ANALÍTICO 3 Os projetos analíticos surgiram para trazer maior agilidade às tomadas de decisões e também são conhecidos como projetos de Inteligência de Negócios (em inglês, Business Intelligence). As empresas buscam extrair de suas soluções de Business Intelligence (BI) as informações que vão direcionar as estratégias e ações da organização, visando alcançar a efetividade dos processos de negócio. Para isso, são necessários ferramentas, técnicas e métodos apropriados para gerir o desenvolvimento das soluções de BI, de forma a se adequar ao ambiente corporativo, maximizando os resultados e levando sempre em consideração as particularidades do negócio de cada organização. Toda iniciativa de Business Intelligence (BI) possui custos, prazos e escopo envolvidos. Por ser um esforço temporário que resulta na geração de um produto (solução propriamente dita), serviço e/ou resultado exclusivo, deverá ser sempre enxergado como um projeto. Devido à abrangência e à complexidade do trabalho necessário para criar uma solução de BI, torna-se importante o gerenciamento através de técnicas e processos robustos. Abaixo, alguns dos processos do PMBOK e como são enxergados nas etapas de construção do BI: Desenvolver o termo de abertura – Qualquer projeto, inclusive de BI, deverá ter um termo de abertura com a assinatura dos responsáveis e/ou patrocinadores autorizando o início das atividades. Esse é o ponto de partida do projeto. Identificar as partes interessadas – Esse processo vai identificar todos os interessados (stakeholders) que exercem influência direta ou indiretamente sobre o projeto. É um processo crítico e que deve ser realizado logo após a abertura das atividades do projeto, pois é o subsídio para nivelação das expectativas e planejamento das comunicações. O envolvimento de todos, PROJETO ANALÍTICO 4 desde o início, minimiza o risco de fracasso da solução no momento de entrega do produto final. Coletar requisitos – A coleta de requisitos é responsável por levantar todas as necessidades e desejos de informações na organização. É nela em que serão alinhadas as expectativas das partes interessadas sobre a abrangência do projeto de BI. Definir escopo – Processo para descrever com detalhes o projeto. O escopo da solução de BI deverá ser detalhado e bem definido nesta etapa. Definir atividades – Identificar as atividades que serão necessárias para a conclusão do projeto. Criar a EAP – A Estrutura Analítica de Projeto (EAP) tem papel fundamental no desenvolvimento do projeto. Nessa ocasião são feitas a subdivisão hierárquica orientada a as entregas que facilitam e ajudam no trabalho necessário para todo o projeto. Sequenciar as atividades – Identificar e documentar a sequência das atividades e suas dependências. Por exemplo, a atividade de construção das tabelas fatos no DataWarehouse depende da construção das tabelas de dimensões. Estimar recursos das atividades – Estimativa dos recursos necessários para a realização das atividades do projeto. Realizar a garantia da qualidade – Assegura que os padrões de qualidade estejam sendo observados. No BI, é de suma importância esse processo. Sem qualidade, principalmente nas informações carregadas, a solução de BI terá pouco valor. PROJETO ANALÍTICO 5 Orientar e gerenciar a execução do projeto – Todo o desenvolvimento do projeto de BI deve ser centralizado nesse processo. Aqui é orquestrada toda a execução do projeto que foi definida no planejamento. Mobilizar equipe do projeto – A equipe que vai trabalhar no projeto deve ser confirmada e mobilizada. Os recursos humanos devem estar disponíveis para o desenvolvimento da solução de BI. Identificar riscos – Processo muito importante no projeto de BI. Aqui são documentados os riscos existentes e que podem afetar o andamento do projeto. Apesar do nome, o risco pode ser algo nem sempre prejudicial. O risco pode ser encarado como ameaça ou oportunidade. Neste caso, devemos eliminar ou minimizar as ameaças e garantir ou otimizar as oportunidades. Planejar respostas aos riscos – Caso a ameaça ou oportunidade apareça no projeto de BI, é desejável que já saibamos como lidar com cada uma dessas situações de riscos. Devemos então planejar as respostas a esses riscos para que, caso ocorram, tenhamos a ação necessária para aproveitar a oportunidade e eliminar/minimizar as ameaças. Encerrar projeto – O encerramento é o momento em que terminam as atividades de desenvolvimento da solução de BI e é realizada a entrega aos usuários. Se o projeto for subdividido em várias entregas de assuntos menores, então é necessário reiniciar as atividades do projeto para a nova etapa. Todos os processos possuem importância para o BI, e não somente os listados acima. Muitos fatores são determinantes para a escolha desses processos. PROJETO ANALÍTICO 6 Por fim, é importante ter o controle eficiente e eficaz das atividades de desenvolvimento de projetos de BI para sempre tornar eficaz a comunicação com o cliente e entregar um produto de qualidade que atenda às expectativas das partes interessadas. O planejamento estratégico de uma empresa exige mais dinamismo do que os sistemas de gestão normalmente conseguem prover. Existe então a necessidade da quebra de paradigmas, saindo das atuais visões bidimensionais para um novo conceito que vem revolucionando a gestão das empresas já há alguns anos: as visões multidimensionais, igualmente conhecidas como Cubos, que fazem parte dos sistemas OLAP (Online Analytical Process). Os sistemas OLTP (On-line Transactional Processing) são alterados regularmente, pois controlam asoperações diárias das empresas. Se uma informação possui um valor incorreto, os resultados podem ser catastróficos. Já sistemas OLAP não são alterados constantemente. A capacidade de análise da empresa cresce exponencialmente com este novo tipo de ferramenta. O antigo relatório de vendas de produto por região pode ser expandido para um relatório da evolução das vendas de diferentes produtos por região, faixas etárias ou grupos de produtos no decorrer do tempo. Essa mudança de visão traz o novo conceito: o de agregar informações, e não mais simplesmente agrupá-las. Sistemas OLTP e OLAP O que é OLTP? OLTP (On-line Transactional Processing) é um sistema utilizado como base de SGBD (Sistema Gerenciador de Banco de Dados) transacionais. Ele permite que a realização de comandos básicos, como insert, update e delete. É utilizado pela maior parte das empresas em pequenas transações em tempo real e de forma rápida. Como não salvam histórico de dados, não são ideais para utilização em suporte a tomada de decisão. PROJETO ANALÍTICO 7 O Ambiente O ambiente OLTP é operacional para leitura e gravação de dados. O acesso aos dados é atômico, ou seja, não é possível maior detalhamento de dados do que ele já apresenta, e estes são normalizados. Seus principais pontos fortes são: Eficiência – A possibilidade da redução de documentos e maior velocidade na resposta dos cálculos de despesas ou retornos são exemplos de como esse sistema pode beneficiar a empresa que o tem como base de seu SGBD. Os sistemas OLTP (Online Transactional Process), também conhecidos como sistemas transacionais, são excelentes para administrar o dia a dia das empresas, mas pecam quando o objetivo é o planejamento estratégico. Os relatórios que os sistemas OLTP fornecem são restritos a uma visão bidimensional do negócio, que não possibilita aos tomadores de decisão a flexibilidade que necessitam na análise da organização como um todo. Esses relatórios trabalham com o conceito de agrupamento linear das informações. Pode-se citar como exemplo disso um relatório que exibe as vendas de determinado produto por região tendo os produtos e regiões agrupados em níveis hierárquicos simples. O que é OLAP? OLAP (Online Analytical Processing) é um SGBD multidimensional. Funciona de forma dedicada à tomada de decisão, possui várias dimensões visualizáveis, hierarquizadas em várias granularidades, e segue um modelo lógico multidimensional. São geralmente desenvolvidas para trabalhar em bancos de dados não normalizados. Os dados presentes neste sistema não podem ser alterados, já que o sistema permite update dos dados mas não manipulações com exclusão ou modificação direta dos dados – as atualizações são efetuadas como cargas totais, ou seja, excluir a base e incluir. PROJETO ANALÍTICO 8 Sua principal característica é a visão multidimensional, consultas que fornecem informações sobre os dados presentes em uma ou mais dimensões. Para entender esse conceito, vamos falar sobre outras características. Cubo – É uma estrutura que armazena os dados de negócio em formato multidimensional, tornando-os mais fácil de serem analisados. Dimensão – É uma unidade de análise que agrupa dados de negócio relacionados. As dimensões se tornam cabeçalho de colunas e linhas, a exemplo de linhas de produto, regiões de venda ou períodos de tempo. Hierarquia – É composta por todos os níveis de uma dimensão, podendo ser balanceada ou não. Na hierarquia balanceada, os níveis mais baixos são equivalentes. Porém, isto não ocorre nas hierarquias não balanceadas, em que a equivalência hierárquica não existe. Por exemplo, em uma dimensão geográfica o nível “país” não possui o subnível “estado” para um determinado membro e possui para outro. Membro – é um subconjunto de uma dimensão. Cada nível hierárquico tem membros apropriados aquele nível. Por exemplo, em uma dimensão geográfica existe o nível e seus membros. Medida – É uma dimensão especial utilizada para realizar comparações. Ela inclui membros tais como custos, lucros ou taxas. Vamos falar sobre os operadores OLAP para navegação. São eles: Roll-up; Drill-down; Drill-through; Drill-cross; Slice; Dice; Pivot; PROJETO ANALÍTICO 9 Rank. Vamos começar falando sobre os operadores de navegação ao longo das Hierarquias: Roll-up – Abstrai detalhes, navega entre as hierarquias diminuindo nível do detalhe. Ex.: Região –> País Drill-down – Aumenta o detalhamento dos dados, navega entre as hierarquias buscando detalhamentos não visualizados. Ex.: Região –> estado. Drill-through – Detalha os valores ao longo de uma dimensão dada além do nível mais baixo do cubo. Drill-across – Detalha vários cubos com dimensões compartilhadas. Passemos então aos operadores de cubos: Slice – Extrai um subcubo das células verificando restrições ao longo de uma dimensão. Dice – Extrai um subcubo das células verificando restrições ao longo de várias dimensões. E, finalmente, os operadores de visualização de resultados: Pivot – Permite diferenciar as visualizações através de trocas de colunas por linhas ou alterando eixos das tabelas. Rank – Permite ordenar os dados de uma dimensão de acordo com a medida corrente e serve também como filtro, por ex., ordenar os valores de vendas por ordem de data ou do maior para o menor valor. O OLAP pode ser composto por alguns modelos físicos de dados, entre os quais os principais são o ROLAP e o MOLAP. PROJETO ANALÍTICO 10 MOLAP: O modelo MOLAP (Multidimensional On-Line Analytical Processing) armazena os dados de forma multidimensional. Sua implementação é frequentemente feita em banco de dados relacional, porém não é normalizado na terceira forma. Seu acesso acontece diretamente no servidor multidimensional e não atinge a granularidade mínima. ROLAP: O modelo ROLAP (Relational On-line Analytical Processing) armazena os dados das tabelas relacionais, apresenta dados somente de forma multidimensional e as tabelas, por serem relacionais, apresentam maior compatibilidade com os sistemas, as fontes, o OLTP. Porém, necessita de remodelagem prévia em esquemas especializados que serão modelados em star schema ou snow flake. PROJETO ANALÍTICO 11 Abaixo, quadro com as diferenças principais entre OLTP e OLAP: PROJETO ANALÍTICO 12 Em resumo, podemos dizer que a grande diferença está no fato de que um está direcionado ao funcionamento dentro do ambiente operacional (OLTP) e o outro com foco essencialmente gerencial (OLAP). Com as diferenças mostradas, percebemos que não se trata de um conceito ser melhor que o outro, mas de serem conceitos complementares e com objetivos distintos dentro da organização. Cabe à empresa se posicionar e utilizar ambos da melhor forma possível para conciliar desempenho operacional e o resultado estratégico da organização. Modelo de dados Star Schema (estrela): O modelo de dados Star Schema possui uma tabela fato contendo no mínimo uma coluna por medida agregada e uma coluna por chave de dimensão. Tabelas de dimensão contêm uma coluna para cada atributo, descrevendo a dimensão, e geralmente uma coluna por hierarquia. PROJETO ANALÍTICO 13 Não se preocupe com redundâncias, pois haverá, já que o modelo não possui normalização. ModeloSnow Flake (floco de neve): O modelo Snow Flake é parecido como o Star Schema. A diferença principal está na normalização das tabelas dimensões. Isso facilita a evolução das dimensões e ajuda a desocupar algum espaço antes utilizado pelas próprias, porém, como passa a existir a necessidade de junções para acessar dados normalizados, o tempo de resposta acaba ficando maior e talvez até mesmo pela velocidade e pela facilidade o modelo estrela seja mais popular. O que é DataWarehouse? O DataWarehouse (DW) é o banco de dados do BI utilizado para armazenar informações, já o OLAP é utilizado para recuperá-las. Ambos são especializados em exercer suas funções de forma eficiente. As duas tecnologias são complementares, de modo que um bom DW é planejado com produção de relatórios em mente. Desta forma, para explorar o DW completamente é necessário o OLAP, que irá extrair e alavancar totalmente as informações nele contidas. O OLAP e Data Mining são partes integrantes de todo e qualquer processo de suporte à decisão. Ainda, nos dias de hoje, a maioria dos sistemas de OLAP tem o foco no provimento de acesso aos dados multidimensionais, enquanto os sistemas de DM lidam com a análise de influência para os dados de uma única dimensão. As grandes empresas, como a IBM e Oracle, estão liberando versões de seus RDBMS que possuem ferramentas de OLAP e DM. Quando os usuários possuem ferramentas de OLAP e não de mineração de dados, eles gastam boa parte de seu tempo fazendo as tarefas pertinentes a um DM, como classificações e predições das informações recebidas. PROJETO ANALÍTICO 14 O que é Data Mart? É um subconjunto do DataWarehouse, pois são repositórios menores que são desenvolvidos para determinados setores da empresa. Para tal, utiliza-se a mesma tecnologia, sendo a maior vantagem dos Data Marts o tempo de desenvolvimento, que leva a um retorno de ROI mais rápido. Deve-se que prestar atenção no desenvolvimento desses Data Marts, pois eles devem ser integrados. Caso contrário, o resultado será várias bases de dados, criando dados redundantes e sem integridade. O que é tabela fato? Em um Data Warehouse, uma tabela que armazena os valores detalhados de medidas (ou fatos) é denominada de tabela de fatos. Por exemplo, uma tabela que armazene quantidade, valor total e produto. Nada impede que existam fatos em conjuntos. Tudo depende do projeto. Se existir a necessidade de unir fatos, o faça, mas pode e é recomendável, para melhorar a performance. Para identificarmos a tabela fato, fazemos a seguinte pergunta: O que precisamos medir? O que são dimensões? A tabela dimensão é uma coleção de dados descritivos distintos que irão classificar, definir e esclarecer as informações relacionadas à tabela fato. Vamos utilizar um exemplo: digamos que estamos fazendo um DW para uma empresa de vendas. Quais são as dimensões que podem existir para agregar informação ao fato de vendas? Para descobrirmos as dimensões, utilizamos as seguintes perguntas: PROJETO ANALÍTICO 15 Quem comprou o produto x? Quando foi comprado o produto x? Quais modelos de produtos foram vendidos nessa época? Quem foi o vendedor que mais vendeu do produto x? Descobrimos quatro dimensões da tabela ato acima. São elas, respectivamente: Dimensão clientes; Dimensão tempo; Dimensão produtos; Dimensão vendedor. Em Data Warehouse, o atributo-chave de uma dimensão deve conter um valor exclusivo para cada membro da dimensão. Em termos de banco de dados relacional, este atributo-chave é denominado “chave primária”. As dimensões possuem chaves primárias e que devem também estar contidas na tabela fato, que serão chaves estrangeiras. É desta forma que fazemos as ligações da tabela fato com as dimensões. Arquitetura de projetos de analíticos (Business Intelligence) O sistema de BI possui um acervo de possibilidades e requer uma percepção bem apurada da situação em questão para sua correta implementação. O BI contém certa abstração em seu conceito, permitindo, assim, flexibilidade e adaptações a cada novo projeto. Sua estrutura final vai depender do contexto em que está inserida a solução. Em uma arquitetura genérica de BI, ou seja, naquela em que não aplicamos uma estrutura pensada exclusivamente para um caso, a composição é simples. Em uma visão macro, percebemos que o BI precisa necessariamente de três marcos: PROJETO ANALÍTICO 16 Fonte de dados: toda e qualquer estrutura de BI deve possuir origem para os dados, pois não existe milagre ou mágica para geração das informações. Podem ser oriundas de várias fontes, mas com no mínimo uma. Lembre-se: tudo no BI possui uma origem. Consolidação: uma solução de BI deve possuir uma fase de consolidação dos dados da origem, com processos de transformação e tratamento de acordo com as características intrínsecas, que o tornam consistente, estável, centralizado e à disposição das necessidades informacionais da organização. Decisão: todo sistema de BI possui como único e exclusivo objetivo auxiliar a decisão. Por isso, esse é o seu último marco. Se a solução ao final não contemplar o que dela mais se espera, de nada ela servirá. A figura abaixo apresenta o modelo de arquitetura dos projetos de BI: A arquitetura de um ambiente de BI varia de empresa para empresa, mas existem alguns componentes comuns da arquitetura de BI que são encontrados, de uma forma ou de outra, em todas as soluções de BI. O que está incluído na sua PROJETO ANALÍTICO 17 arquitetura de BI irá ser dirigido pelos alvos, objetivos e requerimentos de sua organização. Ciclo de vida dos projetos analíticos (Business Intelligence) O ciclo de vida do projeto (project life cycle) consiste no conjunto de fases que o compõem, geralmente em ordem sequencial de execução. A definição das fases do ciclo de vida de um projeto está diretamente ligada ao tipo de produto a ser gerado. Embora muitos ciclos de vida de projetos possuam fases com nomes similares e requeiram entregas similares, poucos ciclos são idênticos. Vale ressaltar que o nível de atividade e, portanto, o custo e o número de membros da equipe são baixos na fase inicial, alcançando seu ápice nas fases intermediárias, vindo a diminuir na fase final. No início do projeto, o risco e a incerteza são altos, sendo, portanto, baixa a probabilidade de conclusão com sucesso nesse momento. A probabilidade de conclusão bem-sucedida do projeto geralmente aumenta, progressivamente, conforme se avança, enquanto as incertezas diminuem. Cada implantação de uma nova tecnologia da informação em uma empresa deve ser tratada como um projeto. Sem querer engessar o planejamento dos gerentes, é possível listar algumas fases que sirvam de modelos (templates) em alguns projetos. Não se pretende apresentar um roteiro ou uma receita de bolo, uma vez que cada tecnologia tem as suas particularidades. PROJETO ANALÍTICO 18 As fases (que variam de acordo com a tecnologia) são: Definição; Estudo de viabilidade; Pesquisa; Seleção de tecnologia/fornecedores; Implementação ou construção; Implantação; Acompanhamento inicial da operação. A implantação de um projeto de Business Intelligence possui as seguintes etapas do ciclo: Concepção: estabelecimento dos objetivos e metas do projeto; levantamento preliminar de dados; estudo inicial de viabilidade e autorização ou não de o projeto prosseguir para apróxima fase. Pesquisa das tecnologias existentes; Definição da arquitetura de hardware, software e recursos humanos necessários; Seleção/contratação de fornecedores; Projeto/modelagem dimensional: levantamento de necessidades (coleta e análise dos requerimentos do negócio, indicadores/balanced scorecards, consultas e relatórios) administração de dados (padronização de formatos); projeto do BD (definição de fatos e dimensões; definição de granularidade e projeto físico do DW); processo de ETC (extração, limpeza, transformação e carga); e projeto das interfaces (inclusive com o ERP – Enterprise Resource Planning); Implementação/construção: criação do DW; desenvolvimento da aplicação de ETC; desenvolvimento/customização da aplicação usuária (indicadores, consultas e relatórios, OLAP, data mining); PROJETO ANALÍTICO 19 Implantação: instalação dos softwares; extração dos dados do banco operacional, transformação, limpeza e carga do DW (ETC); testes; treinamento; início da operação. Existem algumas etapas que são específicas dos projetos em Business Intelligence, são elas: Planejamento (1) – Definição dos requisitos (2) – Seleção e instalação do produto (3) juntamente a Modelagem (3) – Projeto físico (4) – ETL (5) – Especificação da aplicação analítica (6) – Desenvolvimento da aplicação analítica (7) – Implantação (8) – Manutenção e expansão do projeto (9). Como os projetos de Business Intelligence movimentam os negócios nas organizações Os projetos de BI possuem a função: por meio da análise das informações internas da organização, é possível fazer um diagnóstico da situação atual da organização e, com elas, propor soluções estratégicas para o negócio. Antes de implantar o BI, é necessário considerar alguns fatores, como a análise da situação atual da empresa e suas necessidades, os custos necessários para a implantação de um sistema eficiente e qual o foco principal deste trabalho (será uma análise de toda a empresa ou apenas de algum setor? Quem serão os beneficiados pelo sistema?). Entre as vantagens do BI, podemos destacar a descoberta de problemas que não eram de conhecimento dos gestores e a identificação de novas oportunidades de crescimento. Outra vantagem é que o aumento do nível de conhecimento enriquece as discussões de negócio, pois, na medida em que as informações se acumulam, as práticas gerenciais se aprimoram, levando os negócios para uma melhoria nos seus resultados. PROJETO ANALÍTICO 20 Alguns empresários possuem certo receio de que este recurso possa expor omissões ou até mesmo que venha a substituir pessoas, mas é necessário que se compreenda que a ferramenta de BI não foi feita para substituir ninguém, ela apenas auxilia no processo de tomada de decisão, otimizando o tempo dos usuários e garantindo informações mais rápidas e precisas, tornando assim o trabalho do gestor mais eficaz. O BI é uma forma de os responsáveis pela gestão do negócio avaliarem o empreendimento, trabalharem melhor seus pontos fortes e transformarem seus pontos fracos em oportunidades. Quais as ferramentas que temos no mercado que nos ajudam nos projetos de BI? Conforme já vimos anteriormente, o sistema de Business Intelligence (BI) não é algo simples de ser concebido e desenvolvido. Depende de várias circunstâncias, que incluem desde a expertise do profissional de BI até a organização dos processos internos da empresa. Mas uma coisa é certa: ao final de tudo, o sucesso da solução dependerá de uma boa ferramenta de BI. São muitas as ferramentas de BI existentes no mercado. Elas são as responsáveis pela interface que o usuário final terá com as informações armazenadas na estrutura de BI, que normalmente estará armazenada no Data Warehouse. Ou seja, ela é a vitrine que o analista de negócios ou gestor terá com o BI, por isso a grande importância da ferramenta dentro da solução como um todo. A ferramenta deve transmitir, principalmente, velocidade, robustez e facilidade de uso. Com ela, podemos ter uma grande adesão no uso do BI, como também criar apatia do usuário. Por isso, a seleção de qual ferramenta utilizar é um dos grandes desafios no projeto. Mas ferramenta de maior custo não é sinônimo de melhor plataforma para os negócios. Elas devem ser avaliadas caso a caso, observando-se o custo-benefício de cada uma na realidade da empresa. Existem boas ferramentas gratuitas, que atendem pequenas e médias empresas; e as comercializadas, que são para as médias e grandes corporações. PROJETO ANALÍTICO 21 Características como custo, desempenho, atualização, interface, licença de uso, suporte da plataforma e volume de dados são exemplos de aspectos que deverão ser avaliados para a adequação à realidade de cada empresa contratante. Portanto, as plataformas são essenciais ao pleno funcionamento e à utilização da solução de BI. A afinidade da ferramenta pelos usuários é um fator crítico de sucesso, devendo então ser levado em consideração a usabilidade da aplicação. Eis a importância da prospecção dessas ferramentas pelo profissional de BI para conhecimento e adequada aquisição da plataforma mais apropriada para a organização. A solução a ser implementada deverá adaptar-se ao ambiente operacional já existente, e não ser intrusiva. Abaixo, seguem algumas das características que uma solução de BI deve possuir: Deverá ser integrada, de forma a proporcionar uma "única versão da verdade", respondendo às diversas necessidades operativas de cada setor da organização; Deverá trabalhar com uma plataforma única, com capacidades de integração avançadas; Deverá ser simples, intuitiva, fácil de usar e flexível; Deverá ser de baixo custo e de rápida implementação; Deverá ter uma elevada escalabilidade; Deverá ser de fácil manutenção; Deverá ser corporativa, à qual todos tenham acesso; Deverá disponibilizar mecanismos automáticos de alimentação de modelos analíticos, de forma a disponibilizá-los a toda a organização em tempo útil e de forma fácil, facilitando a tomada de decisão. 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 PROJETO ANALÍTICO 22 que navegam, pois monitorizam o seu negócio, avaliam o seu desempenho, gerem o risco do seu negócio e alcançam níveis de performance superiores. Quais as vantagens das ferramentas mais populares e como tirar proveito delas? Como consequência do crescimento dos sistemas de BI, várias ferramentas de manipulação e exibição de dados foram implementadas. São elas: ETL (Extraction, transformation and load ou extração, transformação e carga) e OLAP (On-line analytical processing ou processamento de análises em tempo real). Essas ferramentas de BI estão acopladas em uma plataforma de BI, que normalmente busca ser completa. É menos vantajoso para a empresa ter ferramentas de plataformas de BI diferentes (uma de ETL, outra OLAP, outra para análises preditivas etc.), logo torna- se muito importante a decisão de quais ferramentas se implementar em uma empresa. Um quesito imperativo neste cenário é a grande diversidade de ferramentas de BI no mercado. Cada ferramenta possui sua característica particular, como preço, suporte, funcionalidade, facilidade de uso e implementação etc. Uma empresa que decida implementar uma solução de BI enfrentará um grande desafio na escolha de qual ferramenta comprar. Diante da carência do mercado, surgiu a necessidade de se fazer uma análise comparativaentre ferramentas OLAP para apoiar levantamento de requisitos para soluções de BI nas empresas. Com o objetivo de comparar as ferramentas, foi feito um estudo mais detalhado de algumas ferramentas, a fim de expor as principais características, funcionalidades, pontos fortes e fracos de cada uma. Selecionamos algumas ferramentas utilizando os seguintes critérios de escolha: ferramentas mais utilizadas no mercado brasileiro; ferramentas bem conceituadas pelo Gartner (de preferência classificadas como líder); e inclusão de pelo menos uma ferramenta opensource. Apesar de não aparecer no Quadrante Mágico (Gartner) por não cumprir o quesito de lucro anual mínimo exigido pelo Gartner, possui um significativo segmento de mercado. PROJETO ANALÍTICO 23 Vamos analisar também pontos positivos e negativos de algumas delas, como citamos acima. Exemplos de alguns pontos que iremos citar: Pontos positivos: a plataforma é focada principalmente em técnicas analíticas avançadas, tais como Data Mining e modelagem preditiva, ao contrário das outras soluções. Suas ferramentas analíticas são orientadas à solução, o que dá a vantagem de cobrir uma ampla variedade de funcionalidades específicas não triviais. Seu enfoque em colocar seus modelos diretamente sob o controle do gerenciador de banco de dados sem movimentação de dados faz com que seus usuários tenham um diferencial na escalabilidade de banco de dados para rodar modelos preditivos de alta performance em grande volume de dados. Pontos negativos: existem outras ferramentas competentes em análises preditivas ameaçando o domínio de algumas como o BO SAP, SAS etc. Alto custo de suas licenças, de implementação e manutenção. Alta dificuldade de implementação, possui diversas interfaces inconsistentes em sua suíte. Usabilidade limitada. Alguns critérios podem ser avaliados com maior rigor, como, por exemplo, a questão do custo, podendo ser incluídos outros elementos, como estimativa de custos com treinamento, suporte e hardware. A seguir, vamos fazer uma análise de algumas ferramentas de maior valor no mercado: IBM COGNOS Pontos positivos: seu BI unificado, também chamado de “Business Analytics”, se destaca por oferecer uma ampla capacidade analítica com expertise vertical significativo. Arquitetura completamente integrada na interface do usuário final, permitindo análises interativas. Boa capacidade de análises preditivas e estatísticas. Existência da versão IBM Cognos Express, uma versão mais compacta e com preço PROJETO ANALÍTICO 24 mais modesto. Arrojo em sua visão de expansão no mercado. Seu portfólio de aplicações se entende por CRM horizontal, recursos humanos, área financeira e de fornecimento. Pontos negativos: a performance do software não é considerada boa. Sua implementação é mais difícil, se comparada a dos concorrentes. O custo da licença por usuário é considerado alto e acima da média. Baixa qualidade no suporte ao cliente e na interatividade da venda. MicroStrategy Pontos positivos: boa performance e suporte para grandes volumes de dados – clientes têm um alto nível de satisfação quanto à qualidade e funcionalidades do produto. Investimento em aplicações de BI em dispositivos móveis. Boa produtividade por desenvolvedor. Custo de administração por usuário abaixo da média das concorrentes. Alto nível de integração dos componentes que compõem a plataforma e boa reusabilidade de sua camada semântica orientada a objeto. Foco na qualidade de suporte ao cliente; o ponto alto é o módulo mobile, que de acordo com o Gartner é a melhor de todas as ferramentas. Pontos negativos: dificuldade de uso – alguns expedientes são um pouco complexos (não amigáveis), como, por exemplo, a criação de Dashboards, criação de relatórios ad hoc self-service etc. Custo do software – custo por usuário acima da média. Usuários citam esse ponto como um limitador para uma expansão maior do produto. Concorrentes grandes focados em nichos específicos estão levando vantagem sobre o MicroStrategy. SAS Pontos positivos: a plataforma é focada principalmente em técnicas analíticas avançadas, tais como Data Mining e modelagem preditiva, ao contrário das outras PROJETO ANALÍTICO 25 soluções. Suas ferramentas analíticas são orientadas à solução, o que dá a vantagem de cobrir uma ampla variedade de funcionalidades específicas não triviais. O SAS se destaca por suas funcionalidades e pela sua integração dos dados, mantendo uma base se usuários fieis. Seu enfoque em colocar seus modelos diretamente sob o controle do gerenciador de banco de dados sem movimentação de dados faz com que seus usuários tenham um diferencial na escalabilidade de banco de dados para rodar modelos preditivos de alta performance em grande volume de dados. Pontos negativos: existem outras ferramentas competentes em análises preditivas ameaçando a domínio do SAS, como o MicroStrategy, SAP BO e Microsoft. Alto custo de suas licenças, de implementação e manutenção. Alta dificuldade de implementação, pois possui diversas interfaces inconsistentes em sua suíte. Usabilidade limitada. SAP Business Objects (BO) Pontos positivos: suporte amplo e heterogêneo a sistemas e aplicativos para dados de origem e destino da SAP e de terceiros. Recursos para aplicar transformações de qualidade de dados a todos os tipos de dados, de qualquer domínio de dados – como dados estruturados ou não estruturados. Produtividade de desenvolvedores e manutenção de aplicativos otimizados por meio de transformações intuitivas, repositório centralizado de regras empresariais e reuso de objetos. Alto desempenho e escalabilidade com software destinado a atender a necessidades de alto volume por meio de suporte a processamento paralelo, computação em grade e carregamento de dados volumosos. Interfaces amigáveis, sendo os painéis projetados para aumentar a familiaridade e a intuitividade do usuário de negócio e esquemas de qualidade de dados para nortear processos de padronização, correção e comparação de dados para reduzir duplicidades e identificar relações. Usabilidade e facilidade de uso, apoiando eficazmente as questões empresariais mais complexas (no caso destas ferramentas os termos não são sinônimos, pois usabilidade, quer dizer que é uma ferramenta muita utilizada no mercado e facilidade é de fácil utilização para o usuário final.) PROJETO ANALÍTICO 26 Pontos negativos: constituído de inúmeros produtos separados baseados em tecnologias diferentes que comprometem a integração, que não é tão boa quanto deveria. Oferece uma grande variedade de produtos, responsável pela consolidação financeira. É ótimo até que se percebe que a comunicação entre eles é dificultosa – falta de caminho de migração. O serviço de software parece embaraçoso. Apenas algumas das alterações podem ser feitas pessoalmente pelo cliente. A maioria das alterações envolve os desenvolvedores de TI. As conexões de dados devem ser melhoradas devido ao seu excesso e inconsistência, podendo ocasionar resultados inconsistentes de dados. Apesar de a SAP afirmar que o Business Objects é totalmente integrado com SAP BW e que este tipo de integração não requer nenhum trabalho adicional da área de TI, quem tentou criar um universo de Negócios Objetos baseado em um BW SAP InfoCube sabe que este não é o caso. O foco na gestão de desempenho tem sido fraco. A SAP promete empenhar-se nessa direção no futuro próximo. Oracle Business Intelligence Pontos positivos: em comparação às concorrentes, a ferramenta suporta o maiornúmero usuários, o maior volume de dados, a mais ampla variedade de funcionalidades e a maior capacidade de carga de trabalho analítica. Plataforma de BI presente no maior número de organizações; Integração com outros aplicativos organizacionais. Possui um dos maiores canais de venda, procura agregar valor constantemente com sua capacidade de integração entre sistemas. Pontos negativos: falta de inovação no que envolve dispositivos móveis, memória interna e visualização interativa. Qualidade no suporte ao cliente em ligeiro declínio. Apesar de investimentos feitos em habilidades de data mining e tecnologias analíticas preditivas, suas aceitações estão abaixo da média, se comparado aos concorrentes. PROJETO ANALÍTICO 27 QlikView Pontos positivos: rapidez – modelo de dados em memória elimina etapa de geração de cubos OLAP, DataWarehouse não é necessário. Facilidade de uso – interface baseada no sistema point-and-click (apontar-e-clicar). Cada clique na interface é uma query. Flexibilidade – aproveitamento da plataforma multi-core de 64 bits, número de dimensões ilimitado. Simplicidade – permite visão das informações através de relatórios, análises ad hoc e painéis. Pontos negativos: a empresa QlikTech, dona do Qlikview, não possui uma estratégia de expansão além do que ela oferece, não tendo uma visão clara sobre seu futuro. Gerenciamento de metadados limitado. Em sua plataforma, há uma incompletude de habilidades de BI essenciais, como modelagem preditiva e maior integração com o Microsoft Office por não trabalharem com cubos e sim com bases relacionais, com isso o tempo de resposta também é aquém do requerido. A implementação está se tornando cara para necessidades que requeiram maior número de usuários. Pentaho Pontos positivos: gestão e distribuição de informes e painel de controle sobre plataforma de código aberto: otimização do intercâmbio de informação e a colaboração. Fácil integração com diferentes fontes de dados e aplicativos que utilizem padrões abertos; Totalmente personalizável. Capacidade de usar APIs, serviços web, modificar planilhas, regras de negócios e o código fonte. Flexibilidade nas opções de saída, podendo ser: Adobe PDF, HTML, Microsoft Excel, texto plano etc. Roda em multiplataformas: Windows, Linux, Macintosh, Unix etc. Pontos negativos: documentação fraca. Necessidade de conhecimento técnico elevado. Antes de adquirirmos uma destas ferramentas citadas acima, temos que analisá-las sob alguns critérios que são essenciais para tal aquisição. PROJETO ANALÍTICO 28 Estes critérios devem ser baseados nos critérios utilizados para a avaliação do Gartner, como também nas pesquisas feitas em fóruns, trabalhos já relacionados sobre o tema, artigos publicados e entrevistas com profissionais e usuários da área. Abaixo, seguem alguns critérios que devem ser analisado: 1. Básicos: características consideradas básicas para qualquer ferramenta OLAP 1.1. Desempenho: avalia se a ferramenta tem uma boa performance ao processar consultas com um alto volume de dados. 1.2. Consultas ad hoc OLAP: avalia se a ferramenta permite ao usuário ter a liberdade de definir consultas que acredite serem melhores em um dado contexto. 1.3. Arquitetura: avalia se a solução implementa arquiteturas OLAP que possuem alta escalabilidade, como, por exemplo, ROLAP ou HOLAP. 1.4. Plataforma: avalia se a ferramenta pode ser executada nos sistemas operacionais mais difundidos, como Windows, Linux e UNIX. 1.5. Suporte técnico/documentação: avalia o nível de qualidade da documentação e suporte técnico oferecidos pela ferramenta. 2. Relatórios: usabilidades dos relatórios e gráficos 2.1. Agendamento: avalia se a ferramenta permite o agendamento de relatórios. 2.2. Dashboards: avalia se a ferramenta possibilita a criação de painéis. 2.3. Recursos de navegação: avalia se a ferramenta oferece suporte para a geração de relatórios com recursos do tipo Drills, Slice and Dice etc. 2.4. Exportação para outros formatos: avalia se a ferramenta dispõe de recursos de exportação para formatos como PDF, HTML e ODT (para permitir futuramente a integração com ferramentas livres). 3. Funcionalidades web: disponibilidade da empresa via web para suporte 3.1. Fóruns: avalia se a ferramenta possui fóruns/blogs em quantidade razoável que forneçam informações relevantes. 3.2. Help On-line: avalia se a ferramenta possui o recurso de ajuda on-line. 3.3. Suporte a dispositivos móveis: avalia se a ferramenta suporta o uso de dispositivos móveis como iPad, iPhone e Android. PROJETO ANALÍTICO 29 4. Simulação de cenários: análises feitas com a interação do usuário 4.1. Simulação What If: avalia se a ferramenta possui o recurso de simulação de cenários hipotéticos, exibindo-os através de gráficos e dados. 4.2. Análise preditiva: avalia se a ferramenta disponibiliza o recurso de utilizar os dados para prever tendências futuras e padrões de comportamento. 5. Usabilidade: ponto de vista do usuário para utilização da ferramenta 5.1. Facilidade de uso: indica o quão fácil é para o usuário leigo identificar suas funcionalidades, onde encontrá-las e como executá-las. 5.2. Atratividade: avalia o grau em que a ferramenta possui uma interface amigável e atrativa. 5.3. Interface personalizável: identifica se a ferramenta permite customizações de interface para atender, por exemplo, a padrões gráficos e visuais do cliente. 6. Produto: licenças e posicionamento da empresa no mercado 6.1. Custo: avalia o custo para a compra da licença da ferramenta. 6.2. Amadurecimento do produto: visa analisar o nível de consolidação e estabilidade da ferramenta. 6.3. Mercado: indica o porte das empresas usuárias do produto. 7. Ferramenta de planejamento: modo de distribuição dos relatórios. 7.1. Carregamento de dados de diferentes fontes: avalia a possibilidade de integração da solução com fontes de dados heterogêneas. 7.2. Integração com Office: avalia a possibilidade de integração da solução com as ferramentas do Office, que são comumente usadas pela maioria dos usuários. 8. Política de segurança: segurança dos dados 8.1. Perfil de usuário: verifica se a ferramenta permite que o administrador defina níveis hierárquicos para os usuários do sistema. 8.2. Log de auditoria: avalia se a ferramenta permite que as empresas auditem as interações do usuário, mantendo logs no nível do sistema para fornecer visibilidade sobre quem está acessando o quê e quando. Para melhor análise, ainda temos alguns pontos interessantes para avaliação: PROJETO ANALÍTICO 30 Acompanhe fontes de pesquisas confiáveis, como os relatórios do Gartner, e observe a manutenção da posição da ferramenta pretendida no quadrante. É melhor ter como parceira uma empresa que se mantém em nível intermediário por muito tempo do que aquela que apareceu como líder absoluto em um único relatório. Tente focar a análise, principalmente sob o ponto de vista do mercado brasileiro. Grandes marcas não possuem presença significativa no Brasil, o que pode colocar você em uma roubada ao precisar de pós-vendas. Não adianta ter um megaproduto se não tem ninguém que saiba colocá-lo para funcionar adequadamente. As implementações de maior sucesso na maioria das vezes estão ligadas ao conjunto “Cliente-Integrador-Fabricante”. Muitas vezes, um bom integrador consegue resolver todos seus problemas com produtos que talvez não tenham grande visibilidade internacional. Além dessas dicas de análise, não esqueça que: cada necessidade deve ser analisada do ponto de vista docliente, e não do fabricante. E a experiência de outrem é sempre boa referência. Procure saber se outros projetos já implementaram a solução pretendida e converse sobre os benefícios e dificuldades ocorridos. Como acontece em todas as avaliações destas ferramentas, algumas se destacam mais em alguns critérios do que em outros. Por exemplo, no critério Relatórios, o Business Objects leva vantagem perante as demais ferramentas. Já no critério Usabilidade, a ferramenta QlikView demonstra superioridade. Entretanto, apesar destes resultados, de uma maneira geral a ferramenta MicroStrategy tem maior destaque nas avaliações em conjunto, ou seja, no conjunto dos itens a serem analisados. Outra maneira de avaliação, e que hoje é bem utilizada, é desenvolver provas de conceitos (POC) com as ferramentas a fim de obter uma percepção melhor de usabilidade e desempenho. PROJETO ANALÍTICO 31 Conclusão Dois fatores permeiam o processo decisório que um administrador/gestor encabeça. Ambos podem ser considerados as bases para acertar ou errar na decisão. São eles: a integridade das informações que estão sendo usadas para subsidiar, objetiva e confiavelmente, o processo decisório; a velocidade na identificação de oportunidades e ameaças provenientes dessas informações. O fator mais importante para a utilização da Inteligência de Negócios ou Projetos Analíticos, porém, é o alinhamento entre as metas a serem alcançadas por esse processo e o planejamento estratégico da empresa, como forma de apoio às decisões e, em alguns casos, para realinhamento de eventuais desvios. O meio mais comum para a utilização desse conceito está apoiado em softwares que foram projetados para obter, guardar, analisar, prover acesso a dados e suportar a melhor decisão baseada em fatos. Uma das grandes necessidades identificadas pelos fornecedores de softwares de Business Intelligence é a integração de diversos sistemas para a obtenção das informações consolidadas que geram valor no processo decisório. A grande maioria das ferramentas está apoiada nessa necessidade ou em sistemas ERP, que já integram todas as informações das empresas. As vantagens que advêm da utilização destas soluções têm a ver com o acesso a informação de qualidade que permita que as empresas conheçam melhor a sua realidade, quer seja interna, quer seja voltada para o exterior, permitindo-lhes obter indicadores preciosos para melhorar o desempenho da sua atuação e a inovação, tão necessários ao seu crescimento. PROJETO ANALÍTICO 32 As organizações que estão atrás de inteligência empresarial investem no processo de busca de informações com o objetivo de aumentar seus diferenciais competitivos, o que as levam à tomada de decisão. Este processo de busca da informação deve ser iniciado dentro da própria organização, e também pode ser ajudado com pesquisas de marketing, mercado, negócio e concorrência. Hoje, as organizações podem contar com um mercado amplo de produtos na área de inteligência competitiva. Existem empresas no mercado especializadas em soluções de BI que permitem às organizações alinhar sua estratégia de negócio à sua execução utilizando como ponte a Tecnologia da Informação, que ajuda a impulsionar o BI por toda a organização e oferecer inteligência onde os usuários precisam. PROJETO ANALÍTICO 33 Referências AUAD, Arnaldo. Conceitos de Business Intelligence. Disponível em: http://www.direcaoesentido.com.br. Acesso em: nov. 2010. BARBIERI, Carlos. Business intelligence. Modelagem & tecnologia. Rio de Janeiro: Axcel Books, 2001. DAL POZZO, Marco A. Implementação do cubo de decisão em uma data warehouse extraído de um sistema de gerenciamento empresarial. 2002. 42 f. Trabalho de Conclusão de Curso (Bacharelado em Ciências da Computação) – Centro de Ciências Exatas e Naturais, Universidade Regional de Blumenau, Blumenau. DAVENPORT, T.H.; PRUSSAK, L. Conhecimento empresarial – como as empresas gerencial seu capital intelectual. 5. ed. Rio de Janeiro: Campos, 1988. BARRETO, David Guaspari. Business Intelligence – Comparação entre ferramentas. UFRGS, [s./l.], 2003. DRUKER, PETER. Administrando em tempos de mudança. São Paulo: Thomson Learning, 1995. DRUKER, PETER. Peter Drucker na prática. São Paulo: Campus, 2004 Albano, C. Impacto da TI no cenário competitivo das organizações. São Paulo: Developers, 2000. PROJETO ANALÍTICO 34 TURBAN, Efraim; SHARDA, Ramesh; ARONSON, Jay E.; KING, David King. Business Intelligence - Um enfoque gerencial para a inteligência do negócio. Porto Alegre: Bookman, 2008. TURBAN, Efraim; ARONSON, Jay Aronson; e LIANG, Ting-Peng. Decision Support And Business Intelligence Systems. 8. ed. USA: Prentice-Hall, 2007. BENETTI, Erikson Diniz Benetti e MAÇAL, Rui Francisco M. Principais produtos de Business Intelligence disponíveis no mercado e suas características - XI SIMPEP – Bauru: 2004. PRIMAK, Fábio Vinicius. Decisões com B.I. - Business Intelligence. Rio de Janeiro: Ciência Moderna, 2008. INMON, William H. Como construir o DataWarehouse. Rio de Janeiro: Campus, 1997. KIMBALL, R. The datawarehouse toolkit. USA: Wiley, 2002. p. 464. SERRA, LAÉRCIO. A essência do business intelligence. São Paulo: Berkeley, 2002. SÁ, Thays; MATHEUS, Alessandra; IWANAGA, Massao; RIBEIRO, Alessandro; ESCOVEDO, Tatiana; e MELO, Rubens N. Uma análise comparativa entre as ferramentas OLAP como apoio a soluções de BI nas empresas. PUC-RJ, 2010.
Compartilhar