SISP - Artigo - Business Intelligence e Big Data

Prévia do material em texto

JEAN PIERRY ALVES DE SOUZA, 
LUIZ HENRIQUE SALGADO ANDRADE CARDOSO 
 
 
 
 
 
 SISTEMAS DE INFORMAÇÃO PARA O 
SETOR PÚBLICO 
Artigo: Business Intelligence e Big Data 
 
 
 
 
 LAVRAS – MG 
2016
 
1. Introdução 
 
 A globalização e as constantes alterações do mercado obrigam as 
empresas a uma grande destreza na implementação das suas estratégias. 
Atualmente, mais do que nunca, a criação de valor e a diferenciação de uma 
empresa no mercado consistem num dos principais fatores de sucesso para o 
seu crescimento e para a sua sustentabilidade (CISCO, 2013). Como tal, é 
essencial as empresas construírem estratégias capazes de sustentar o seu 
crescimento num panorama altamente competitivo e com condições de 
mercado voláteis. 
Atualmente, a cada minuto que passa são gerados cerca de 1700 
biliões de bytes de dados em todo o mundo. Estes dados têm origem nas 
mais diversas fontes, como por exemplo: pessoas, máquinas ou sensores; e 
nos mais diversos formatos, como por exemplo: mensagens, fotos digitais e 
vídeos, localizações GPS, registo de transações bancárias ou de compras, 
entre outros (Comissão Europeia, 2015). 
É neste cenário é que ferramentas como Business Intelligence (BI) e 
Big Data ganham força, permitindo a diminuição dos custos e o aumento da 
eficiência na mineração, processamento, transmissão e armazenamento dos 
dados. 
A utilização de BI suportado por tecnologia Big Data está a 
revolucionar a gestão e a criar novos desafios no mercado empresarial. 
Atualmente, as empresas obtêm novas perspectivas de forma mais célere, 
permitindo-lhes criar e ajustar mais eficazmente o seu posicionamento de 
mercado através da análise de dados em tempo real, incrementando 
consideravelmente a competitividade e a agressividade no mercado. 
 
 
2. Business Intelligence 
 
Segundo Turban (2008, p. 27), Business Intelligence (BI) “é um 
termo guarda-chuva que inclui arquiteturas, ferramentas, bancos de dados, 
aplicações e metodologias”. Entretanto, em virtude de ser uma expressão 
livre de conteúdo, pode transmitir significados diversos, gerando certa 
confusão em torno desse conceito. 
Segundo Negash (2004), o BI se caracteriza pela extração e 
integração de dados de diversas fontes, procurar relações de causa e 
efeito e transformar todos os dados obtidos nessas atividades para 
informação útil a empresa. A partir da análise dos dados, os tomadores de 
decisão ficam aptos a tomar decisões melhores e mais informadas. O 
processo do BI baseia-se na transformação de dados em informações, depois 
em decisões e finalmente em ações (TURBAN, 2008). 
 
 2.1 Componentes e Ferramentas de BI 
O BI tem quatro grandes componentes principais: um data 
warehouse; a análise de negócios, uma coleção de ferramentas para 
manipular dados no data warehouse, incluindo data mining; business 
performance management(BPM) para monitoria e análise do desempenho; e 
uma interface de usuário. 
 2.1.1 Data Warehouse 
Segundo Date (2004) “Data Warehouse é um deposito de dados 
orientado por assunto, integrado, não volátil, variável com o tempo, para 
apoiar as decisões gerenciais”. Tratam-se de bancos de dados organizados de 
forma estruturada visando obter dados analíticos e também a integração de 
todos os dados e partes do sistema, construído de forma integrada para um 
determinado assunto e representando um histórico do mesmo. A criação de 
Data Warehouse é imprescindível para a estruturação dos dados e para que 
se tenha uma análise apropriada dos mesmos, além de proporcionar rapidez 
na obtenção de informações (BASTOS et al, 2015). O Data Warehouse 
também pode ser desenvolvido em subconjuntos determinados Data Marts. 
Os Data Marts apresentam um papel de representação departamental ou 
funcional, proporcionando dados classificados e organizados. 
 2.1.2 Análise de Negócios 
Essas ferramentas surgiram originalmente com o nome de 
processamento analítico online (do inglês, Online Analytical Processing - 
OLAP). Elas permitem a análise das atividades no nível operacional a fim de 
suportar os estudos no nível estratégico, interpretando mudanças e novas 
variáveis no tocante ao negócio e mercado da organização (BASTOS et al, 
2015). 
 2.1.3 Data Mining 
Data Mining é uma classe de análise de informações, baseadas em 
banco dados, que procura por padrões ocultos em coleções de dados que 
podem ser usados para prever comportamentos futuros (TURBAN, 2008). 
Ela apresenta a extração de informações contidas nos Data Warehouses e 
Data Marts cujo resultado é a obtenção de novas perspectivas, padrões ou 
tendências onde a análse humana não os faria. Para tal fim, utilizam-se 
conceitos tecnológicos e sofisticados, tais como redes neurais, árvore de 
decisão, entre outros (BASTOS et al, 2015). 
 2.1.4 Business Performance Management 
Esse componente baseia-se na metodologia Balanced Scorecard, que 
se trata de uma estrutura para definir, implementar e gerenciar a estratégia de 
negócios de uma empresa conectando objetivos a medidas fatuais. Ele 
conecta métricas de nível superior a desempenhos reais de todos os níveis 
hierárquicos da organização. O BPM usa a análise, a geração de relatórios e 
as consultas de BI. Seu objetivo é otimizar o desempenho geral de uma 
organização (TURBAN, 2008). 
2.1.5 Interface de Usuário 
Interfaces de usuários são as ferramentas de visualização que 
apresentam as informações de uma maneira compreensível aos usuários. 
Estas podem ser dashboards, que fornecem uma visão abrangente e amigável 
dos indicadores chaves de desempenho e suas tendências e exceções; um 
cubo multidimensional; ou até mesmo a realidade virtual (TURBAN, 2008). 
2.2 Benefícios do BI 
Autores como Eckerson (2003) e Thompson (2004) apontam que o BI 
apresenta vários benefícios para organizações, tais como: 
 Economia de tempo; 
 Versão única da verdade; 
 Melhores estratégias e planos; 
 Melhores decisões táticas; 
 Processos mais eficientes; 
 Economia de custos; 
 Geração de relatórios mais rápida e precisa; 
 Melhor tomada de decisões; 
 Melhor serviço ao cliente e maior receita. 
Entretanto, para Turban (2008), avaliar o valor do BI para o negócio é 
complexo devido aos muitos benefícios intangíveis que a solução oferece e 
pelo fato de o Data Warehouse ser uma infraestrutura que serve a muitas 
aplicações. 
 
 
2.3 BI no Setor Público 
O Setor Público por ser uma área tão burocrática e devido à constante 
necessidade de informações gerenciais de diversos órgãos combinados, pode 
fazer do Business Intelligence uma forte ferramenta para a gestão. Sistemas 
de BI permitem a otimização da eficiência se bem estruturados, 
proporcionando aos gestores e usuários do sistema melhor visualização dos 
dados. 
Ao que se espera, o uso de um sistema no Setor Público pode minimizar 
as assimetrias informacionais existentes entre o Estado e a sociedade, e até 
mesmo sobre si, o que acarreta em maior satisfação da sociedade com os 
serviços prestados pelo Estado, visto que aumenta-se a eficiência na 
utilização dos recursos disponíveis, e acarreta, também, na melhoria do 
clima organizacional interno, por estar intimamente ligado a maximização 
dos recursos humanos (MATOS). 
De acordo com Souza (2009), BI traz diversas vantagens para o Setor 
Público, sendo elas: 
 Centralização das informações gerenciais/estratégicas do 
Estado em um ambiente tecnológico; 
 Garantia da confiabilidade da informação; 
 Processo de tomada de decisão com maior visibilidade de todas 
as informações sobre o negócio; 
 Extração e análise de dados para facilitare agilizar a tomada de 
decisão; 
 Acompanhamento de Indicadores estratégicos de Forma 
gráfica; 
 Informações de cunho gerencial, em tempo hábil e de forma 
confiável; 
 Efetiva a atuação do Gestor Público como a gente de mudança; 
 Permite gestão integrada dos recursos, apoiando as decisões do 
gestor; 
 Incorpora práticas de sucesso da iniciativa privada; 
 Reduz custos, melhora a eficiência e a qualidade dos serviços 
prestados. 
 
3. Big Data 
 
Nos últimos anos sociedade tornou-se hiper-conectada, participando 
ativamente do envio e recebimento de dados através da internet. As redes 
sociais, dados de GPS, mensagens de texto, envio de vídeos, registro de 
transações de compras, cliques em sites, sensores em dispositivos, entre 
outros, fazem parte de um grande banco de dados não estruturado que está 
disponível para organizações que querem investir em tomada de decisões 
(CISCO, 2013). 
Considerando esse grande volume massivo de dados gerados na 
última década, as organizações começaram a ter necessidade de desenvolver 
tecnologia que as capacitasse a tratar volumes de dados massivos, 
provenientes de várias fontes e com enorme variedade de formatos, através 
de algoritmos de processamento velozes e com alta capacidade para 
processar todo o tipo de dados em tempo real. 
O Big data expõe uma nova geração de tecnologia e arquitetura, 
destinada a extrair valor de uma imensa variedade de dados permitindo alta 
velocidade de captura, descoberta e análise, transformando dados em 
informações valiosas (RANDAL, 2008). 
Segundo Manyika (2011), Big data deriva do fato de que os 
conjuntos de dados são tão grandes que os típicos sistemas de banco de 
dados não são capazes de armazená-los e analisá-los. Eles são grandes 
porque os dados não são mais tradicionais dados estruturados, mas os dados 
de diversas novas fontes, incluindo e-mail, mídias sociais e sensores 
acessíveis pela Internet. 
Definidos pela INTEL (2012), três ”Vs” são frequentemente usados 
para caracterizar os diversos aspectos do Big Data, são eles: 
 Volume. A escala maciça e crescimento de dados não 
estruturados superar armazenamento tradicional e soluções 
analíticas. 
 Variedade. Big data é coletado a partir de novas fontes que não 
foram minadas no passado. Processos tradicionais de gestão de 
dados não podem lidar com a diversidade e variação dos dados 
do Big data, que vem em formatos tão diferentes como e-mail, 
redes sociais, vídeo, imagens, blogs, e sensores de dados. 
 Velocidade. Os dados são gerados em tempo real, com as 
exigências de informação útil a ser servida. 
Deste modo, Big data cria valor para as organizações descobrindo 
padrões e relacionamentos entre dados que antes estavam perdidos não 
apenas em Data Warehouses internos, mas na própria Web. 
 
3.1 Big Data no setor público 
 Apesar de o Brasil ser uma referência na adoção de tecnologias no 
setor público, com exemplos bem-sucedidos, como a inovação na declaração 
do Imposto de Renda de Pessoa Física on-line e com a realização das 
eleições por meio de votos eletrônicos, existem hoje novas soluções 
analíticas fundamentais para auxiliar o governo a aperfeiçoar a 
administração pública (ELIAS, 2013). 
 Hoje, a maioria dos sistemas é informatizada e a população está cada 
vez mais conectada a diferentes mídias e nas redes sociais. Com isso, o 
volume de dados gerados dia a dia é gigantesco, o que exige imediatismo na 
coleta e armazenamento das informações, integração de muitas fontes e 
tecnologias, bem como uma infraestrutura robusta para analisar e separar o 
joio do trigo. O valor agregado está na identificação e classificação às 
informações essenciais para a tomada de decisões (ELIAS, 2013). 
Com a evolução tecnológica e com a pressão constante da população 
por melhores serviços, os gestores precisam estar atentos à adoção de novas 
soluções capazes de integrar os sistemas legados, com amplo potencial 
analítico. Isto porque gerir o “Big Data” significa entender e atender melhor 
os cidadãos, adotar processos e ações mais eficazes a curto, médio e longo 
prazo, ter maior controle e reduzir os custos. 
Estudos realizados em diversos países tem mostrado que iniciativas 
envolvendo o uso do Big data podem trazer diversos benefícios para o setor 
público. 
3.1.1 Serviços de saúde 
 Nos cuidados com a saúde, o Big data pode utilizar sensores no 
hospital ou em casas para prover um monitoramento contínuo dos principais 
marcadores bioquímicos, realizando a análise em tempo real dos dados. O 
sistema de análise pode alertar individualmente cada pessoa e o respectivo 
médico, exigindo uma visita ao mesmo ou até mesmo alertando o socorro 
para um evento que esteja prestes a acontecer. Este serviço tem o potencial 
de ampliar e melhorar a qualidade de vida de milhões de pessoas 
(TECHAMERICA, 2012). 
3.1.2 Redução da criminalidade 
 Pesquisas realizadas nos Estados Unidos mostram que 75% dos 
funcionários estaduais de TI daquele país, consideram os benefícios práticos 
do Big data na segurança pública, extremamente importantes. Os 
departamentos de polícia estão usando o Big data para desenvolver modelos 
de previsão sobre quando e onde os crimes podem ocorrer, ajudando a 
reduzir significativamente os índices de criminalidade em locais específicos 
(FÉ, 2013). 
3.1.3 Transporte urbano 
O Big data tem o potencial de transformar o transporte de diversas 
maneiras. Uma delas é o uso de sensores distribuídos em dispositivos 
móveis, em veículos e nas estradas que poderão fornecer informações em 
tempo real do trafego que é analisado e compartilhado. Esta informação, 
juntamente com algumas características autônomas em alguns carros permite 
que os condutores dirijam de forma mais segura e com menos 
engarrafamentos. Este novo conceito de trafego ecológico tem o potencial de 
transformar a maneira como usamos nossas estradas (TECHAMERICA, 
2012). 
3.1.4 Investimentos governamentais 
 Atualmente, muitos dos investimentos feitos pelo governo se 
baseiam em análises superficiais, ignorando todo um cenário de mercado que 
poderia oferecer muitos outros parâmetros para a tomada de decisão. A 
escolha de fornecedores é algo complexo e que deveria ser feita da maneira 
mais criteriosa possível, prevendo situações em médio e longo prazo, além 
de ser capaz de reagir rapidamente a situações inesperadas, como falência de 
empresas e demandas emergenciais (VERT, 2015). 
 O Big Data poderia nutrir o governo de informações estratégicas 
para que ações fossem tomadas antes que grandes problemas sociais 
surgissem, tornando os investimentos públicos muito mais eficientes, 
inclusive reduzindo os gastos e melhorando a qualidade dos serviços 
prestados à população. 
3.1.5 Agricultura 
Os pagamentos de produtos agrícolas, compras de insumos e 
subsídios podem ajudar os governos a prever melhor as tendências de 
produção de alimentos e incentivos. Esse conhecimento pode ser usado para 
garantir a disponibilidade de armazenamento de culturas adequadas, reduzir 
resíduos e desperdício, e fornecer melhor informação sobre que tipos de 
serviços financeiros são necessários para os agricultores (WEF, 2012). 
 
4. Conclusão 
 
Tanto o Busniess Intelligence, quanto o Big data estão ávidos a serem 
manipulados. A potencialidade dessas poderosas ferramentas ainda não está 
sendo plenamente utilizada, há sinais claros dessa importância como: seu 
impacto e suas funcionalidades em cada ramo de negócio. Elas estão 
disponíveis para a sociedade, que quer usufruir desse imenso volume de 
dados e as vantagens do Big data e dos sistemas de BI que auxiliam na 
criaçãode elementos de suporte à decisão para os gestores para ajudar a 
resolver diversos tipos de problemas como prevenção de epidemias, 
transporte, questões sócio econômicas, entre outras. 
 Os exemplos são múltiplos. Mas a principal mensagem é que com a 
gestão do BI e do Big data, os governos passam a ter condições mais 
favoráveis para unificar os sistemas, analisar melhor os dados, cruzar 
diferentes indicadores em diversos formatos para definir mais assertivamente 
seus objetivos e estratégias para aperfeiçoar o atendimento aos cidadãos, 
propiciar mais bem-estar à sociedade e contribuir para o desenvolvimento do 
País como um todo. 
 
5. Referências 
BASTOS, F. M. C. et al. Análise de Melhoria de um Sistema de Business 
Intelligence no Setor Público: Um Estudo de Caso na SEFAZ-PI. Fortaleza: 
XXXV Encontro Nacional de Engenharia de Produção, 2015. 
CISCO. Cisco Visual Networking Index: Global Mobile Data Traffic 
Forecast Update, 2012–2017. Disponível em: 
<www.cisco.com/en/US/solutions/collateral/ns341/ns525/ns537/ ns70 
5/ns827/white_paper_c11-520862.html>, acesso em 01/08/2016. 
DATE, C. J. Introdução a Sistemas de Bancos de Dados. 8ª Ed., Rio de 
Janeiro: Campus, 2004. 
ECKERSON, W. Smart Companies in the 21st Century: the secrets of 
creating successful business intelligent solutions. Seattle, WA: The Data 
Warehousing Institute, 2003. 
ELIAS, Fábio. Big Data é a Oportunidade Para o Setor Público. 2013. 
Disponível em: <http://www.guiadascidadesdigitais.com.br/site/pagina/big-
data-oportunidade-para-o-setor-pblico>. Acesso em: 30 jul. 2016. 
FÉ, Ana Lúcia Moura. Big Data gera impactos imediatos na atuação de 
governos e pode salvar vidas. 2013. Disponível em: 
<http://convergecom.com.br/tiinside/webinside/05/03/2013/big-data-gera-
impactos-imediatos-na-atuacao-de-governos-e-pode-salvar-vidas-diz-
pesquisa/>. Acesso em: 01 ago. 2016. 
INTEL. Integrated Electronics Corporation. Big Data 101: Unstructured 
Data Analytics A Crash Course on the IT Landscape for Big Data and 
Emerging Technologies, June 2012. Disponível em: 
<http://www.intel.com/content/www/us/en/big-data/unstructured-data-
analytics-paper.html>, acesso em 30/07/2016. 
MATOS, L. dos S. BERNARD, R. R. S. Uma proposta de sistema Business 
Intelligence para a gestão pública: maximização da eficiência com foco na 
necessidade popular. Punta del Este: XII Congresso Internacional de Costos, 
2011. 
MANYIKA, J. e CHUI, M. e BROWN, B., et al. Big data: The next frontier 
for innovation, competition, and productivity. McKinsey Global Institute, 
2011. Disponível em: 
<http://www.mckinsey.com/insights/business_technology/big_data_the_next
_frontier_for_innovation>, acesso em 29/07/16. 
NEGASH, S. Business intelligence. Communications of the Association 
for Information Systems, vol. 13, pp. 177-195, 2004. 
RANDAL E. BRYANT, RANDY H. KATZ, BERKELEY EDWARD D. 
LAZOWSKA. Big-Data Computing: Creating revolutionary breakthroughs 
in commerce, science, and society, Versão 8, Dezembro 2008. Disponível 
em: <http://www.cra.org/ccc/docs/init/Big_Data.pdf>, acesso em: 
01/08/2016. 
SOUZA, G. B. de. et al. Otimização da Gestão Pública Através de Técnicas 
de Business Intelligence. Mato Grosso: II Congresso Consad de Gestão 
Pública – Painel 5: Novas técnicas para a otimização da gestão pública, 
2009. 
TECHAMERICA. TechAmerica Foundation Federal Big Data Commision. 
Demystifying big data: A Practical Guide to Transforming The Business of 
Government, 2012. Disponível em: 
<http://www.techamerica.org/Docs/fileManager.cfm?f=techamerica-
bigdatareportfinal.pd f>, acesso em: 01/08/2016. 
THOMPSON, O. Business intelligence success, lesson learned. Technology 
Evaluation, 2010. Disponível em: 
<http://www.sydmart.com/artic/bi_success. pdf>. Acesso em: 11 out. 2010. 
TURBAN, E. Business intelligence: um enfoque gerencial para a 
inteligência do negócio. São Paulo: Bookman, 2009. 
WEF. World Economic Forum. Big Data, Big Impact: New Possibilities for 
International Development, 2012. Disponível em 
<http://www3.weforum.org/docs/WEF_TC_MFS_BigDa 
taBigImpact_Briefing_2012.pdf>, acesso em 31/07/2016.