alimentos & bebidas AD2 - Implantação E Aplicação de Business Intelligence em Uma Agencia De Turismo (1)

Prévia do material em texto

Implantação E Aplicação de Business Intelligence em Uma Agencia De 
Turismo 
Deployment and Business Intelligence From Application In A Tourism Agency 
Despliegue y Business Intelligence De aplicación en la Agencia de 
Turismo 
 
Ernani Felix Dutra Pereira1, Gilberto Teixeira 2, Lucas Emanuel Simões3, 
 
Resumo: A informação para uma empresa qualquer é como o ouro na mineração, que depois 
de extraído, limpo e carregado se transformam em recurso ativo. Este artigo tem como o 
objetivo apresentar a implantação de um modelo de Business Intelligence em uma agencia de 
turismo, para melhorar o atendimento aos clientes e aumentar as vendas, tornando crescente a 
lucratividade da empresa. Foi feito um estudo dos dados existentes, e através desses dados 
extraídos de um banco relacional, foram transformados, limpados e carregados em uma 
ferramenta desktop de Business Intelligence, onde podem ser gerados vários dashboards 
exibindo os resultados para tomada de ação. Utilizamos como procedimentos metodológicos, a 
pesquisa bibliográfica e entrevista com o gerente comercial da Agência. As conclusões foram 
de que usando as técnicas de BI é possível transformar dados em informações valiosas para a 
tomada de decisões. 
alavras-chave: Business Intelligence; Extração, Transformação e Carga (ETL); Data 
Warehouse (DW). 
 
Abstract: Information for any company is like gold mining, that after extracted, cleaned and 
loaded become active resource. This article has as objective to present the implementation of a 
Business Intelligence model in a travel agency, to improve customer service and increase sales, 
increasing making the company's profitability. A study of existing data was done, and through 
these data extracted from a relational database, were transformed, cleaned and loaded on a 
desktop business intelligence tool, which can be generated several dashboards displaying the 
results for taking action. We used as methodological procedures, bibliographical research and 
interviews with the commercial manager of the Agency. The conclusions were that using BI 
techniques can transform data into valuable information for decision making. 
KEYWORDS: Business Intelligence; Extraction, Transformation and Load (ETL); Data 
Warehouse (DW). 
 
 
Resumen: Información para cualquier empresa es como la minería de oro, que después se 
extrae, se limpia y se carga convertirse recurso activo. Este artículo tiene como objetivo 
presentar la implementación de un modelo de inteligencia de negocios en una agencia de 
viajes, para mejorar las ventas de servicio al cliente y aumentar, aumentando haciendo la 
rentabilidad de la empresa. Un estudio de los datos existentes se hizo, ya través de estos datos 
extraídos de una base de datos relacional, se transforma, se limpia y se cargó en una 
herramienta de inteligencia de negocios de escritorio, que se puede generar varios cuadros de 
mando que muestran los resultados para tomar medidas. Utilizamos como los procedimientos 
metodológicos, investigación bibliográfica y entrevistas con el director comercial de la Agencia. 
Las conclusiones fueron que el uso de técnicas de BI puede transformar datos en información 
valiosa para la toma de decisiones. 
Palavras clave: Business Intelligence; Extracción, Transformación y Carga (ETL); Data 
Warehouse (DW). 
 
 
 
1 Graduado em Tecnológica de Sistemas para Internet pela Faculdade Inforium de Tecnologia.. 
2 Graduado em Tecnologia em processamentos de dados pelo Instituto Cultural Newton Paiva Ferreira 
3 Graduado em Sistemas de Informação pela Faculdade Inforium de Tecnologia. 
 
1 – Introdução 
 
 
 
 
O mundo dos negócios está cada vez mais dinâmico. Segundo BARBIERI 
(2011), uma empresa para manter-se competitiva precisa tomar decisões 
baseadas no desempenho financeiro e liderança de mercado, na qualidade de 
processos, no ambiente de trabalho, na responsabilidade social, na 
transparência e governança corporativa e, principalmente, na capacidade e 
velocidade de inovação. 
 
A inovação atendendo as necessidades dos consumidores e a velocidade que 
identifica as oportunidades e as ameaças. Esses são os pilares no qual 
Thomas J. Waston ex-presidente da IBM foi vitima ao profetizar em 1940 que 
não haveria espaço para mais do que cinco computadores no mundo. 
Entretanto, a velocidade e a inovação são apenas o reflexo de uma 
necessidade crescente nas organizações, PENNA (2003) sugere que a 
informação e, sobretudo, o conhecimento habilitado pelo bom uso da 
informação, tem um papel crucial na tomada de decisão estratégica de um 
negocio. Dessa forma é possível afirmar que a informação e o conhecimento, 
são fatores que incrementam a equação da velocidade e inovação. 
 
Nesse sentido o objetivo desse artigo é ilustrar como foi feito o processo 
Extração, Transformação e Carga (ETL-Extract Transform Load) de dados de 
uma agencia de turismo localizada em Belo Horizonte, bem como a criação de 
um Business Intelligence (BI), para visar a melhoria do atendimento aos 
clientes, suporte à tomada de decisões estratégicas, resultando maior 
praticidade atuar junto aos hotéis e pousadas na busca de descontos, orientar 
clientes quanto ao melhor dia para viajar com custo de tarifa menor, fazer 
promoções, conseguir descontos juntos as cias aéreas, dar descontos para 
clientes fidelizados, aumentar limite de crédito dos clientes fidelizados, solicitar 
aumento de comissão junto as companhias aéreas/fornecedores, motivar e 
melhorar comissões de agentes. Este intento será alcançado mediante a 
pesquisa bibliográfica onde podemos confirmar fatos e resolver problemas 
baseando em teorias, pesquisa documental sendo uma técnica decisiva 
realizada em fontes como obras originais, documentos, depoimentos orais e 
escritos, documentos informativos, consultas ao banco de dados da agencia, a 
fim de construir um estudo de caso onde se trata uma abordagem 
metodológica de investigação que podemos explorar e descrever 
acontecimentos desenvolvidos na aplicação do BI na agencia de turismo. 
 
 
2 - Dado e a informação 
 
 
Segundo OLIVEIRA (2002), dado é qualquer elemento identificado, que por si 
só não é capaz de produzir compreensão de determinado fato ou situação. 
MIRANDA (1999), afirma que "dado é o conjunto de registros qualitativos ou 
quantitativos conhecido que organizado, agrupado, categorizado e padronizado 
adequadamente transforma-se em informação." E que a informação é o 
conjunto de dados organizados de modo significativo para uma tomada de 
decisão. 
 
MELLO (2014) diz que os conceitos de informação e conhecimento se 
completam tornando grande relevância, pois essas informações quando 
aprimoradas através de programas computacionais e pessoas é possível obter 
uma grande variedade de cenários que possibilita gerar oportunidades que 
contribuem gerando conhecimento. A informação é algo que muitos desejam 
sabem, e está disposto a pagar por ela. A informação não é algo tangível, nem 
mensurável, mas é o resultado valioso que proporciona poder e controle, que é 
de interesse de governos, empresas e pessoas, assim afirma PEREIRA (1997). 
LEME FILHO (2006), apresenta na Figura 1 abaixo a evolução do dado ate a 
vantagem competitiva. 
 
 
Figura 1 - Evolução do dado ate a vantagem competitiva. 
Fonte : Leme Filho (2006) 
 
 
 
 
"A gestão do conhecimento pode ser entendida como uma forma de 
administração e aproveitamento do conhecimento das pessoas e como o 
compartilhamento ou disseminação das melhores práticas para o crescimento 
da organização." (MELLO, 2014, p.19). Todo processo para transformar 
informação em conhecimento é o que leva a empresa tomar como importante a 
gestão do conhecimento através do BI. 
 
3 - Tomada de decisãoO ambiente de BI se insere em um modelo de sistema de apoio à 
decisão, nitidamente com capacidade para suportar a formulação de 
estratégia corporativa. Em linhas gerais os administradores de 
empresas desejam identificar ameaças e oportunidades, acelerar os 
processos de negócios e aumentar a capacidade e velocidade de 
resposta à mudanças. (LEME FILHO, 2004, p.42) 
 
Segundo MAXIMIANO (2004), uma decisão é uma escolha entre possibilidades 
ou alternativas, essas decisões são tomadas para aproveitar oportunidades. 
Essas decisões é o resultado de uma sequencia de etapas que vai da 
identificação de determinada situação que oferece uma oportunidade ou um 
problema, até a execução de uma ação ou solução. LAUDON (2010) afirma 
que nas empresas a tomada de decisão costumava a limitar-se à diretoria, mas 
atualmente funcionários de níveis mais baixos são responsáveis por tomar 
algumas decisões, de acordo com os sistemas de informação tornam os dados 
visíveis para esses usuários. 
 
[...] empresas que 'se saem melhor' tem vantagem competitiva sobre 
as outras; ou possuem acesso a recursos especiais, ou são capazes 
de usar os recursos disponíveis de maneira mais eficiente - 
normalmente devido a ativos do conhecimento e informação 
superiores. (LAUDON, 2010) 
 
De acordo com MAXIMIANO (2006), o processo de planejamento estratégico 
compreende a tomada de decisões baseando no padrão de comportamento 
que a organização pretende seguir, os produtos e serviços que pretende 
oferecer, e os mercados e clientes que pretende atingir. 
 
4 - Business Intelligence, Data Warehouse e Sistemas de Apoio da 
Decisão de acordo com o planejamento estratégico 
 
O conceito de Business Intelligence, segundo BARBIERI (2011), de forma mais 
ampla, pode ser entendido como a utilização de várias fontes de informação 
para definir o planejamento estratégico de competitividade nos negócios da 
empresa, incluindo os conceitos de estrutura de dados, representadas pelos 
bancos de dados tradicionais, Data Warehouse (DW) e Data Marts (DM), 
criados com o objetivo o tratamento relacional (OLTP - Online Transaction 
Processing ou Processamento de Transações em Tempo Real) e dimensional 
(OLAP) de informações e técnicas de mineração de dados, sendo que este 
último não será tratado neste artigo. Para Colaço Jr.(2004), o BI é o conjunto 
de tecnologias que permitem que o cruzamento de informações e suportam 
indicadores de desempenho de um negócio, referenciadas em um banco de 
dados histórico (DW). 
 
BARBIERI (2001), afirma que enquanto o BI são técnicas ou conjunto de 
ferramentas, o DW, pode ser definido como um banco de dados destinado a 
sistemas de apoio a decisão. Segundo COLAÇO JR. (2004), as informações 
contidas em um DW possuem características específicas que as distinguem 
das informações existentes em projetos de banco de dados convencionais, 
sendo que grande volume de dados, dados históricos e bases não 
normatizadas são algumas peculiaridades que impedem a utilização das 
metodologias tradicionais de análise de sistemas, e ao deparar com esse 
quadro, a indústria de software, aliada à pesquisadores da área, passou a 
investir na concepção de um paradigma que pudesse atender a essa demanda, 
surgindo um ambiente de DW bem sucedido. 
 
Segundo IMNON (1996), DW é um conjunto dados não voláteis que variam 
com o tempo e serve de suporte de tomada de decisões. O depósito central 
armazena informações para o processo de suporte à ações e são organizadas 
por assuntos relevantes para o negócio da empresa. Cada assunto ou tema 
que é uma tabela fato pode ter várias dimensões, lembrando que a abordagem 
de Imnon é voltada para a integração total de dados que habitam áreas 
funcionais diferentes, modelo único integrado e rígido e de mais difícil 
construção. Nos dias de hoje, Imnon apresenta alguns conceitos enfatizados 
em metadados, dados não estruturados e o armazenamento de acordo com a 
base histórica dos dados, baseados no ciclo de vida. (BARBIERE, 2011). 
KIMBALL (1996) tem uma abordagem mais simplista e incremental, chamada 
de Star Schema, voltado para Data Marts separados, são projetos menores, 
focados em áreas e/ou assuntos específicos, precisando apenas de 
compatibilidade dimensional entre chaves das tabelas. Porém, pode dificultar a 
coesão entre os dados e trazer dados duplicados, dificultando a integração 
perfeita entre eles. (BARBIERE, 2011). 
 
 
5 - Estudo de caso 
 
 
Este trabalho utilizou como exemplo para aplicação do estudo do Business 
Intelligence uma agência de turismo, devido ao conhecimento e experiência 
dos integrantes em manutenção de aplicações comerciais destinada ao ramo 
de turismo, estabelecendo assim alguns cenários que serviram de estudo de 
caso. Tem como metas promover vendas de pacotes turísticos e a gestão do 
negocio, que é o ponto chave para a pesquisa da aplicação do BI, direcionada 
ao gestor que tem como característica na empresa de tomador de decisões 
estratégicas. 
 
O caso de uso da agência de turismo limita-se a conveniência da visão do 
gestor comercial, onde será possível ter uma variedade de opções para 
consultas em sua base de conhecimento. A utilização do caso de uso mostrado 
abaixo é uma visão funcional do cenário da agência de turismo, que 
exemplifica o objetivo de apresentar as funcionalidades e as necessidades 
geradas pelo gestor. 
 
Existem três atores que interagem com o sistema: o diretor comercial, que é o 
gestor responsável pela análise e tomada de decisão, o agente, que é o 
responsável pelas vendas e o cliente, no qual é feito o estudo das suas escolhas 
e suas características perante a agência. 
 
A descrição dos casos de uso mostra como os personagens estão envolvidos na 
coleta e inserção dos dados no banco. O diretor comercial visualiza a consulta 
de banco, seleciona opções para consulta das informações relevantes em uma 
pagina de interface, toma decisão com base na consulta. Fluxo Principal: 1. O 
Diretor abre a base de consulta; 2. O sistema disponibiliza opções para 
construção da análise; 3. O Diretor manipula parâmetros como ano de vendas e 
outros e solicita a busca; 4. O sistema realiza a busca e disponibiliza os dados; 
5. O Diretor Comercial por meio de operações de Drill Down ou Drill Across 
explora através das dimensões e fatos, navegando assim pelos dados para 
melhor compreensão do negócio; 6. Visualiza o resultado, obtendo a visão do 
lucro da agência. 
 
O Agente vende pacote turístico, faz o atendimento ao cliente e alimenta a base 
de dados OLTP com dados das vendas, cadastra o tipo de pacote, o fornecedor, 
a origem e destino, a data de embarque e retorno, insere o numero de 
passageiros, insere tarifa, informa se o passageiro faz uso do plano de 
fidelidade e cadastra os dados de identificação do cliente. Fluxo Principal: 1. O 
agente faz a abertura no sistema para a venda; 2. O sistema abre a inserção 
dos dados para registro da venda; 3. O agente confirma o pagamento; 4. O 
sistema cadastra a venda no banco; 5. O sistema libera a emissão do contrato; 
6. O agente entrega o contrato. 
O Cliente compra pacote turístico, escolhe o tipo de pacote, o fornecedor do 
pacote, o destino, a data do embarque e retorno e o uso ou não do plano de 
fidelidade, e então, agência emite contrato ao cliente: Fluxo Principal: 1. O 
sistema calcula o valor final; 2. O agente passa a informação sobre o valor ao 
cliente; 3. O cliente paga o pacote; 4. O agente fecha a venda; 5. O sistema 
emite o contrato; 6. O agente repassa ao cliente; 7. O cliente recebe a 
contrato junto com as informações do pacote; 8. O cliente vai embora com o 
contrato. 
 
Tendo como pontode partida da cadeia de dados operacionais (usuário 
alimentador da base de dados OLTP), seguindo a ideia da figura 2 exibida 
abaixo, até os dados analíticos. 
Fig. 2 – processo de BI 
 
Fonte: (http://www.dwreview.com/DW_Overview.html.). 
 
 
 
Todo dado é armazenado em uma base dinâmica e de rápida atualização 
contendo dados do setor correspondente, o destino para estes dados 
transacionais é intermediado por meio de um ETL, que independente da 
sintaxe dos dados da base anterior, fará o processo de transporte, porém, com 
a base de conhecimento ainda precisando ser refinada, formatada e 
dimensionada. Cada setor da empresa seja ele o de vendas ou financeiro, 
possuem bases de dados distintas e de grande conteúdo. Uma medida de 
centralização destas informações é o transporte dessa base de dados 
transacional para o DW, o administrador do DW modela esta inserção 
convenientemente ao destino. Estes lotes de dados não são agrupados de 
maneira desordenada, cada bloco recebe o nome de Datamart onde este é um 
subconjunto de um DW, logo todo Data warehouse é formado por seus DM. 
 
 
As necessidades que se fazem presentes na gestão administrativa da agência 
de turismo levam a um fluxo constante de buscas em históricos, e 
possibilidades que serão formadoras de decisão. Obedecendo a padrões de 
dimensionamento seja ele por produto, tempo ou região, estes 
dimensionamentos estão limitados à necessidade do diretor comercial. A 
obtenção de resultados é proveniente de uma ferramenta que utiliza como 
síntaxe de funcionamento uma base de dados que possa ser dimensionada e 
que possua fatos para o retorno. O simbolismo envolvido neste processo fica a 
cargo de um cubo de nome OLAP. 
 
Todo processo de extração de uma sequencia de dados até grandes blocos de 
conteúdo em meio ao repositório é possível com o emprego da ferramenta 
OLAP, com sua particular ação de cubos retirando um lote de informações 
sintetizadas do Data warehouse sendo possível visualizar o que antes era 
inimaginável ao gestor, fazer buscas por meios visuais em planilhas e até 
buscas diretas ao DW que se tornam inviáveis pelo tempo que demandaria 
para extrair informações. Sendo que, o tempo é crucial para a tomada de 
decisão na empresa. 
Com a extração pronta, ainda é necessário trazê-lo para o gestor em um nível 
visual amigável para simplificar a retirada de informações. Com este propósito 
é utilizado a ferramenta de report que possui uma característica de flexibilidade 
para montar relatórios sendo eles por meio tabular, gráfico e misto. 
 
O principal objetivo é apresentar a construção e implementação através do uso 
da ferramenta Microsoft® SQL Server® 2008 R2, acessando um banco de 
dados relacional conforme a figura 3 mostra abaixo. 
 
 
 
Figura 3 – Diagrama do banco transacional 
 
Fonte: Produzido no desenvolvimento do trabalho. 
 
 
 
Para a construção do DW apresentado neste trabalho, o gerente comercial da 
agência, concordou e disponibilizou o banco de dados, desde que, nenhum 
dado pessoal de qualquer cliente seja repassado para concorrentes. Por isso 
foi definido um nome de agência de turismo fictícia nomeada de BItur. Os 
dados foram entregues em um back-up do Microsoft® SQL Server® 2008 R2, 
banco relacional, com cerca de 41.000 registros de vendas no período de abril 
de 2001 a janeiro de 2014, contendo os seguintes dados: data da venda, data 
de embarque e retorno, quantidade de passageiros, nome cliente, tipo de 
pacote, cidade destino, fornecedor (hotel ou companhia aérea), valor da tarifa, 
valor da comissão da agencia e nome do agente vendedor. A analise e 
pesquisa desenvolvida neste trabalho está limitado a tratar assuntos 
pertinentes somente a esses dados e seus derivados. 
No decorrer do tempo, foram criadas técnicas para trazer o entendimento, 
registrar e identificar temas. Petter Chan foi o derradeiro na criação de modelo 
de entidades e relacionamentos. Os dados passaram por processos e, com a 
introdução do modelo relacional (ou transacional), foram tratados como 
conjuntos (tabelas) e sujeitos (registros), elaborados pelo Dr. Codd, pai do 
modelo relacional. Surgiu após um tempo, ramificada e ajustada uma técnica 
de projetos que fundamenta os atuais DW, baseados nos conceitos de BI, 
chamado de modelagem dimensional conforme BARBIERI (2011). Modelagem 
dimensional, para Barbieri, é técnica de projeto que conduz os dados, na qual 
permite que o usuário perceba de forma entendível e flexível (desnormatizado) 
o tempo e espaço (figura 4). 
 
Figura 4 – Modelo dimensional 
 
Fonte: Produzido no desenvolvimento do trabalho. 
A ferramenta back-end usada para desenvolvimento dos processos ETL foi o 
SQL Server Integration Services (SSIS) 2010, segundo o fabricante, ela é uma 
plataforma para criar integração de dados em nível corporativo e soluções de 
transformações de dados. Nessa ferramenta foram criados os pacotes Data 
Transformation Services (DTS). O primeiro DTS criado esta exibido pela figura 
5 abaixo, onde nesse momento é criado o Satage Area (SA), uma área 
temporária onde os dados dos sistemas/tabelas de origem são copiados para 
serem transformados e carregados. 
 
 
Fig.5 – Criação do Stage Area 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
. 
 
Fonte: Produzido no desenvolvimento do trabalho. 
 
 
 
Após a criação do SA, foi feito um novo pacote onde é criado o banco de 
destino do BI, através de dados específicos que foram extraídos do Stage Area 
juntamente com as dimensões. Nesse pacote verificamos se o dado existe no 
banco de destino, utilizando o componente Lookup, e caso não exista é 
copiado para o SA. 
Figura 6 – Criação das dimensões e banco de destino. 
 
Fonte: Produzido no desenvolvimento do trabalho. 
 
 
 
O terceiro pacote criado, apenas foram carregados e criados a Dimensão 
Clientes no banco de destino. O ultimo pacote representado na figura abaixo é 
criado a tabela fato. 
 
 
Figura 7 – Criação da tabela fato 
 
Fonte: Produzido no desenvolvimento do trabalho. 
 
 
 
 
Após criado esses DTS´s através de uma ferramenta de analise desses dados, 
nesse caso utilizamos o Tableau, basta conectar e integrar os dados já 
tratados, para criar e manejar os dashboards, conforme mostrado na figura 8 
abaixo, porém toda consulta será por meio da web, utilizando-se de consultas 
dinâmicas com interface amigável. Notando que a necessidade para visualizar 
o que está sendo extraído, auxilia ao analista responsável pela extração no 
momento de conferir o conteúdo a analisando o resultado definindo como 
correto ou não. E uma das múltiplas opções é o report, este meio já integrado 
na aplicação e limitado ao cubo pré-definido anteriormente que cria uma base 
de dados secundária no componente datasource é responsável pelo conteúdo 
que se almeja em buscar. 
 
6 - Analise OLAP 
 
 
A base de dados construída para concepção do DW possui cerca de 56.000 
registros de JAN/2011 ate SET/ 2014. Apresentaremos somente as analises 
mais discutida no grupo de estudo e as de maior interesse para o diretor 
comercial. 
A figura 8 representa o cruzamento de informações entre os dias da semana e o 
valor médio da tarifa cobrada. Nela é possível constatar os dias da semana com 
maior e menor média de preço de tarifa no período. Com essa informação, é 
possível verificar que a segunda-feira é o dia mais barato e que domingo é o mais 
caro. O gerente pode então informar isso para os clientes com objetivo de baratear o 
custo para eles, e aumentar o volume de vendas, além de idealizar promoções e de 
ganhar comissão maior. 
 
Figura 8 - Média de tarifapor dia da semana. 
Fonte: Produzido no desenvolvimento do trabalho. 
 
Um demonstrativo muito importante é a figura 9, onde é exibido o top 10 clientes que 
mais compram, resultado do cruzamento de dados entre o ano, o cliente e o valor 
de venda ocorrido no período. Ele demonstra a media dos valores comprados pelos 
clientes nesse intervalo de tempo. Analisados os gráficos individualmente, ano por 
ano, esses demonstraram sempre um declínio no ano de 2011 e uma elevação nos 
anos seguintes, exceto 2014 onde o mês final foi 09/2014. Isso identifica uma 
tremenda fidelização do cliente e Server de base para o gerente estabelecer 
políticas de limite de crédito não só para aumentar como para diminuir. É importante 
frisar que clientes mal intencionados compram muito no inicio, criando uma falsa 
fidelidade, depois compram um volume grande e dão calotes, o gerente tem que 
ficar atento ao comportamento de todos os clientes. 
 
Figura 9 - Média de compra por cliente no período. 
Fonte: Produzido no desenvolvimento do trabalho. 
 
 
Cada fornecedor de pacote pode ter uma ou várias filiais que revendem os pacotes 
para as agências de turismo com comissão diferenciada. De 2013 em diante o 
gerente decidiu estrategicamente comprar milhas e usá-las nas vendas, obtendo 
assim mais receita para agência. A figura 10 mostra a média de comissão pagas por 
fornecedor/ filial no período abordado. Aqui foram analisadas a Gol Linhas Aéreas e 
Tam Linhas Aéreas. Com a análise ficou claro que decisão de comprar milhas foi um 
sucesso, pois elevou realmente a média de comissão nos dois fornecedores/ filial 
analisados. Fica evidente também que quando não tem estoque de milhas, o 
gerente tem como decidir para qual filial vai revender, analisando qual filial vai pagar 
melhor comissão. 
 
FIGURA 10 - Média de Comissão paga por Fornecedor/Filial 
Fonte: Produzido no desenvolvimento do trabalho. 
 
 
 
7 - CONSIDERAÇÕES FINAIS 
 
O presente trabalho apresentou o processo implantação de um Data 
Warehouse em uma Agência de Turismo de Belo Horizonte para o auxílio em 
seu planejamento estratégico e definiu e conceituou o Data Warehouse. 
Buscou-se reunir no estudo uma base teórica que permitisse mostrar o formato 
do Data Warehouse como um repositório de dados para atender diferentes 
níveis gerenciais para tomada de decisão. As etapas foram realizadas tendo-se 
a base conceitual e teórica do estudo como orientadora da implantação do 
Data Warehouse. 
Os passos de criação, desenvolvimento, testes e implantação foram 
demorados pelo pouco tempo disponível pelos pesquisadores, mas de muita 
relevância. 
Para atender as necessidades de ETL do projeto, utilizou-se a ferramenta 
SSIS, pois foi considerada adequada devido a sua facilidade de 
desenvolvimento das rotinas de carga e também devido ao seu encadeamento 
de transformação de dados, considerado apto pela facilidade apresentada de 
transformar o dado em uma única operação. Estas facilidades não são 
encontradas nas ferramentas tradicionais. Sobre a ferramenta OLAP, foi 
escolhida a ferramenta Tableau, pois de ser gratuita para avaliação,dispõe do 
recurso de geração de relatórios padronizados e dinâmicos, que podem ser 
customizados pelos usuários em momento de execução, possibilitando que 
possuam visão específica, graças ao processo de drillup e drilldown. Outra 
facilidade que foi levada em consideração no momento da escolha foi a 
facilidade de adaptação dos usuários quanto a sua utilização, uma vez que a 
ferramenta segue o padrão de usabilidade bem similar ao utilizado pelo 
Windows. 
 
Os esforços que foram empenhados neste trabalho foram recompensados, já 
que foi possível desenvolver todas as etapas de construção de um DW, 
contribuindo para a experiência acadêmica do discente, além de prover à 
Agência de Turismo um diferencial competitivo de mercado com uma visão 
gerencial privilegiada comparando com seus concorrentes. 
 
 
8 - Conclusão 
 
 
Demonstramos a importância e a praticidade da aplicação da tecnologia no 
auxílio de tomada de decisões para projeção de políticas estratégicas de uma 
agência de turismo, os dados usados na extração e transformação do DW 
foram suficientes para tratar sobre este assunto. Ao decorrer do 
desenvolvimento deste trabalho foi possível, exibir de maneira simplificada os 
principais conceitos sobre BI, demonstrando os passos usados para construção 
de um DW, descrevendo as transformações sofridas pelos dados e seus 
derivados. 
 
Analisando os dados referentes ao trabalho de direção comercial, 
demonstramos possíveis aplicações das informações apuradas e algumas 
soluções para gerenciamento e planejamento operacional e estratégico, 
combinando e cruzando dados. A informação correta facilita o gerenciamento 
comercial. Um dos recursos das ferramentas OLAP que podem ser usados 
pelo diretor comercial são os de análise de vendas, que utilizam vários gráficos 
e relatórios para destacar informações e possuem um ótimo potencial para 
análise de vendas por cliente, por fornecedor/filial, por dia da semana, 
comissões recebidas, comissões pagas aos agentes.
Referência bibliográficas: 
 
 
BARBIERI, Carlos. Business Intelligence: Modelagem e Tecnologia. Rio de 
Janeiro: Axcel Books, 2001. 
 
 
BARBIERI, Carlos. BI2 – Business Intelligence: Modelagem & Qualidade. Rio 
de Janeiro: Editora Elsevier, 2011. 
 
COLAÇO JÚNIOR, Methanias. Projetando Sistemas de Apoio à Decisão 
Baseados em Data Warehouse - Axcel Books do Brasil LTDA, 2004. 
 
INMON, W. H. Building the Data warehouse. New York : Wiley Computer 
Publishing, 1996 
 
LAUDON, Kenneth; LAUDON, Jane. Sistemas de Informação Gerenciais. 9.ed. 
São Paulo: Pearson, 2010 
 
LEME FILHO, Trajano. Aulas ministradas na Fasp da disciplina Sistemas de 
Suporte à Decisão. Transparências em PowerPoint, 2006. 
 
LEMES FILHO, Trajano. Business Intelligence no Microsoft Excel. Rio de 
Janeiro: Axcel Books do Brasil, 2004 
 
MAXIMIANO, A. C. Introdução à administração. 5a ed. São Paulo: Atlas, 2000. 
 
 
 . Introdução à administração. 6a ed. São Paulo: Atlas, 2006. 
 
 
MELLO, Ricardo Bernardes. Business Intelligence. Guia de estudos business 
intelligence. Varginha: Unis, 2014 
MIRANDA, Roberto Campos da Rocha. O uso da informação na formulação de 
ações estratégicas pelas empresas. Ci. Inf., Brasília, v. 28, n.3, 1999. 
Disponível em: <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0100- 
19651999000300006&lng=pt&nrm=iso>. Acesso em: 01 Mar 2015 
 
OLIVEIRA, Djalma de Pinho Rebouças de. Sistemas, organização e métodos: 
uma abordagem gerencial. São Paulo: Atlas, 2002. 
 
PENNA, Rogerio Adriano Castelpogii, REIS JUNIOR, Alderico Sales dos O 
Data Warehouse como Suporte à Inteligência de Negócio. VI SIMPOI - 
Simpósio de Administração da Produção, Logística e Operações Internacionais. 
São Paulo, 2003. 
 
PEREIRA, Maria José Lara de Bretas & FONSECA, João Gabriel Marques. 
Faces da decisão: as mudanças de paradigmas e o poder da decisão. São 
Paulo, Makron Books, 1997. 
 
RALPH KIMBALL et al., The Data Warehouse lificycle Toolkit: Pratical 
Techiniques for Building Data Warehouse and Business Intelligence Systems, 
3º ed. Jonh Wiley & Sons, 1996.