Projeto%20Analítico

Prévia do material em texto

PROJETO ANALÍTICO
1
1
1
AULA 1
2
2
2
O que iremos estudar nesta aula
 
 Gestão de Projetos Analíticos
 Como surgiram os projetos analíticos
 Planejamento Estratégico. 
 Operacionalização dos projetos analíticos.
 OLTP e OLAP.
3
3
3
 Gestão de Projetos
O que é um projeto? 
 É um conjunto de atividades temporárias, realizadas em grupo, destinadas a produzir um produto, serviço ou resultado únicos.
 Um projeto é temporário no sentido de que tem um início e fim definidos no tempo, e, por isso, um escopo e recursos definidos.
 Um projeto é único no sentido de que não se trata de uma operação de rotina, mas um conjunto específico de operações destinadas a atingir um objetivo em particular. 
5
5
5
 Gestão de Projetos
 Uma equipe de projeto inclui pessoas que geralmente não trabalham juntas – algumas vezes vindas de diferentes organizações.
 O desenvolvimento de um software para um processo empresarial, a construção de um prédio ou de uma ponte, o esforço de socorro depois de um desastre natural, a expansão das vendas em um novo mercado geográfico – todos são projetos.
6
6
6
 Gestão de Projetos
A Gestão de Projetos, portanto, é a aplicação de conhecimentos, habilidades e técnicas para a execução de projetos de forma efetiva e eficaz. 
 Trata-se de uma competência estratégica para organizações, permitindo a união dos resultados dos projetos com os objetivos do negócio – e, assim, melhor competir em seus mercados.
7
7
7
 Gestão de Projetos
Os grupos de processos do gerenciamento de projetos são 5:
 Início ou Concepção
 Planejamento
 Execução
 Monitoramento e Controle
 Encerramento.
8
8
8
 Gestão de Projetos
 Um projeto não pode se confundir com as tarefas rotineiras de operação normal da empresa, caso isso aconteça o projeto corre riscos desnecessários.
E o que é Risco?
 Um  Risco é todo evento que pode impactar o projeto, tanto para lado positivo ou negativo. 
 Se o risco é benéfico ao projeto, chama-se oportunidade. 
 Normalmente associamos a palavra "risco" a consequências negativas, por isso recebe o nome de Gestão de Riscos.
9
9
9
 Gestão de Projetos
Um risco constante é quando existem alterações no escopo do projeto.
 O escopo (scope) é tudo o que deve ser feito para se atingir o objetivo do projeto, o que o projeto deve entregar. 
 
 Os entregáveis (deliverables) são documentos, protótipos e todos os demais intangíveis (tais como treinamento e homologação) que o projeto deve entregar quando for completado. 
 Escopo não é "tudo o que o cliente quer" porque muitas vezes ele não sabe tudo o que deve ser feito! 
10
10
10
 Gestão de Projetos
O Gerente de Projeto deve alinhar o escopo com o patrocinador do projeto. 
 O patrocinador (sponsor) é quem apoia o projeto dentro da organização. 
........Pode ser um diretor que também autoriza os pagamentos, ou um gerente que se reporta à diretoria, o importante é que ele ou ela apoie o projeto tanto em termos financeiros quanto com respaldo político, garantindo os recursos (verba e tempo do pessoal) quando necessário. 
11
11
11
 Gestão de Projetos
 O patrocinador é um interessado (stakeholder) do seu projeto, assim 
como são os membros da equipe que o executa, os usuários que como clientes demandam o produto que o projeto deve entregar. 
 
 Ex: Uma obra de engenharia civil que terá impacto na vizinhança, como o caso de uma represa, os moradores do lugar afetado também  devem ser considerados como interessados e seus questionamentos devem ser endereçados. 
12
12
12
 Gestão de Projetos
Para que o projeto aconteça dentro de padrões previsíveis é preciso que exista uma metodologia de trabalho.
 A metodologia é o conjunto de processos, documentos e regras para o desenvolvimento do trabalho. 
........A empresa pode já dispor de um conjunto de regras operacionais que o projeto pode usar para criar a sua própria metodologia. O importante é que haja um conjunto formalizado de regras de trabalho.
13
13
13
 Gestão de Projetos Analíticos
 E qual a diferença da Gestão de Projetos Convencionais para a Gestão dos Projetos Analíticos? 
Não existe diferença na Gestão desses dois tipos de projetos, todos os processos que vimos são necessários.
 Todos possuem grande importância para o sucesso do desenvolvimento de um projeto analítico, como de qualquer outro projeto.
14
14
14
 Gestão de Projetos Analíticos
 O gerenciamento de projetos analíticos faz ganharmos em qualidade, satisfação dos clientes (usuários), otimização dos custos, produtividade e atendimento aos prazos acordados.
 
15
15
15
 Gestão de Projetos Analíticos
 Os projetos analíticos surgiram para trazer maior agilidade às tomadas de decisões e também são conhecidos como projetos de Inteligência de Negócios (Business Intelligence -BI.
 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. 
16
16
16
 Gestão de Projetos Analíticos
 O processo é composto de várias etapas e seus elementos compreendem:
as atividades de mobilização dos participantes (diretos e indiretos), 
 levantamento das necessidades organizacionais,
 mapeamento da origem dos dados, 
construção da solução e 
a disponibilização para os consumidores das informações (usuários).
 
17
17
17
 As 5 etapas do
 Projeto Analítico
18
18
18
 Gestão de Projetos Analíticos
 Vamos entender melhor estas etapas
 Mobilização das partes interessadas: para início do projeto de BI, todos os stakeholders devem ser mobilizados. 
 Levantamento das necessidades informacionais: nesta atividade
procuramos entender quais as informações exigidas pelos gestores. Nessa etapa estamos procurando listar todas as solicitações sem nos preocupar, neste momento, com a existência "real" dos dados; 
19
19
19
 Gestão de Projetos Analíticos
 Vamos entender melhor estas etapas
 Mapeamento das fontes dos dados: o mapeamento da origem dos dados é feito após o levantamento das necessidades. Aqui é confrontando a viabilidade das solicitações efetuadas na etapa anterior. 
 
20
20
20
 Gestão de Projetos Analíticos
 Vamos entender melhor estas etapas
Construção da solução BI: nessa etapa é iniciada a construção propriamente dita da solução. Se trata, sem dúvida alguma, da maior etapa do processo. Todas as atividades de extração, qualidade dos dados, carga e teste das informações são realizadas nesta etapa; 
21
21
21
 Gestão de Projetos Analíticos
 Vamos entender melhor estas etapas
 Disponibilização aos usuários: Esta é uma etapa muito delicada, pois se trata do momento onde é entregue o produto de todo o esforço ao usuário final. 
 Nesta etapa, além de entregar a solução, será feito toda a capacitação aos gestores e analistas que utilizarão a ferramenta no dia a dia para a consulta de informações de apoio às decisões. 
22
22
22
 Gestão de Projetos Analíticos
 Além dessas etapas, para iniciarmos um Projeto Analítico temos que prestar atenção nos seguintes pontos: 
 Indicadores de Desempenho: Na etapa de levantamento, além das informações dos gestores, temos que nos preocupar com os indicadores de desempenho (KPI), que são os responsáveis pelas tomadas de decisão.
23
23
23
 Gestão de Projetos Analíticos
Estes indicadores devem ser bem definidos pela equipe de levantamento em conjunto com o departamento especialista. 
 Ex: No manuseamento e produção de materiais, existem indicadores de desempenho tais como “custo do material por cada componente” ou “volume de negócio por colaborador” são variáveis provadas. Istotorna mais fácil determinar se os objetivos foram alcançados ou não.
24
24
24
 Gestão de Projetos Analíticos
 Garantir a integração e qualidade dos dados
Integração dos dados é um fator decisivo para o sucesso de um projeto de BI. 
Se a qualidade dos dados brutos não for suficiente, isso deverá ser melhorado com as ferramentas de software apropriadas para acessar todas as fontes de dados.
25
25
25
 Gestão de Projetos Analíticos
 Escolher o Software de BI correto
Com uma Proof-of-Concept (PoC), a equipe de projeto decide o software mais adequado, baseando-se geralmente em um briefing específico
26
26
26
 Gestão de Projetos Analíticos
 Um projeto de BI é um processo constante
Todas as soluções de BI têm de ser continuamente desenvolvidas e otimizadas em uma base permanente. 
“O BI é, antes de tudo, uma tarefa de controle, compras, marketing e vendas. Os departamentos de negócio estão familiarizados com os requisitos individuais em termos de gestão da performance funcional e sabem que parâmetros e dados necessitam para controlar os seus processos de negócio”. 
 
27
27
27
 Gestão de Projetos Analíticos
 “A TI deve construir a infraestrutura para as aplicações de BI e assegurar uma operação de confiança”.
 
28
28
28
Podemos utilizar as informações das Empresas para tomada de decisão de diversas formas, veremos como….
...em nível estratégico
 Acompanham as tendências que afetam os novos produtos e oportunidades de vendas, dando suporte aos novos produtos e serviços e monitorando o desempenho dos concorrentes.
 Como utilizar as informações nas empresas
…em nível tático 
Dão suporte a pesquisas de mercado, campanhas promocionais e de propaganda e decisões quanto a preços, e ainda a análises de desempenho das vendas e do pessoal de vendas. Os sistemas de vendas e conhecimento dão suporte a análises do mercado.
 Como utilizar as informações nas empresas
…em nível operacional
 Ajudam na localização e contato de clientes em potencial, no acompanhamento das vendas, no processamento dos pedidos e no fornecimento do serviço de suporte ao cliente. 
 Como utilizar as informações nas empresas
A tecnologia de BI proporciona ao negócio 
a conquista da 
 Vantagem Competitiva
 Criando novos produtos e serviços;
 Estabelecendo novas relações com clientes e fornecedores;
 Descobrindo meios mais eficientes e mais eficazes de se administrar as atividades internas da empresa.
 Como??
 Liderança a baixo custo….produzir produtos e serviços a um preço mais baixo que seus concorrentes;
 Foco em um nicho de mercado….criar novos nichos de mercado selecionando um mercado-alvo para um produto ou serviço que a empresa pode fornecer melhor que seus concorrentes;
As empresas têm 4 estratégias básicas para enfrentar as forças competitivas:
 Diferenciação do produto….desenvolver novos produtos ou serviços diferenciados;
 Ligações….desenvolver ligações estreitas com clientes e fornecedores que “prendam” os clientes aos produtos da empresa. 
 4 estratégias básicas
 (cont..)
Para enfretarmos estas Estratégias precisamos de
 Planejamento Estaratégico
Avaliação….é a atividade de desenvolver um conhecimento claro e profundo da situação, utiliza-se de vários métodos analíticos para interpretar os dados sobre a organização e seu ambiente;
Passos para obtermos o processo de
 Planejamento Estratégico
Estratégia….consiste em identificar as instruções para a empresa, os objetivos específicos a serem alcançados e as mudanças estratégicas necessárias para se perceber os futuros estados e objetivos;
processo de Planejamento Estratégico
 (cont…)
processo de Planejamento Estratégico
 (cont…)
Execução….é a ação de colocar o plano em movimento. 
 
 Essência do processo…. 
 identificar e esclarecer exatamente onde você está (Avaliação);
 especificar o que deve ser feito 
 (Estratégia);
 fazê-lo/monitorá-lo (Execução). 
É a organização das informações para a contribuição na efetividade, competitividade e inteligência das organizações.
O Planejamento Estratégico de Informações
 só possível se a empresa possui definidas pelo menos as Linhas
 Estratégicas Básicas, ou seja, as diretrizes empresariais.
O principal objetivo no sentido empresarial do Planejamento Estratégico
 Oferece direção, foco e finalidade enquanto uma empresa luta continuamente para chegar mais perto de sua intenção estratégica. 
Por ser um processo tão crucial para a empresa, a administração do esforço é importatne para o 
SUCESSO geral da empresa.
A implementação bem-sucedida do planejamento estratégico da empresa depende dos seguintes fatores críticos:
Treinamento...a equipe afetada precisa ser treinada, nos processos de planejamento estratégico e nas funções e responsabilidades;
Comprometimento…a equipe precisa estar comprometida com o planejamento estratégico;
Ligação…os processos mais adiante precisam estar ligados e serem medidos;
fatores críticos do sucesso:
 cont….
Competência…a equipe de planejamento precisa ser competente, para desenvolver respeito e credibilidade na organização;
TI…o uso de TI para infundir o processo com qualidade, velocidade, eficácia e eficiência;
Sistema de aprendizado…formal e informal, para desafiar e atualizar continuamente os modelos mentais da equipe de estratégia.
 
 Aumento de produtividade, qualidade e eliminação de burocracia;
 Informações para auxiliar a tomada de decisões;
 Auxílio na competitividade e inteligência empresarial. 
 Como a área de TI pode ajudar no nível estratégico
A estratégia e o pensamento estratégico tornam-se interessantes quando surge competição.
A natureza da era da informação cria um ambiente muito disputado, à medida que o andamento do jogo se acelera, a velocidade e a flexibilidade da resposta tornam-se cruciais.
….O eterno esforço da empresa é o esforço por vantagem. Aquelas que têm mais vantagens vencem, as que têm menos vantagens perdem.
 Estratégia é a perseguição incessante da vantagem…….
Resumindo o conceito de 
Estratégia para a Empresa
“Quando sua estratégia é profunda e de longo alcance, então você ganha tanto que pode vencer antes mesmo de lutar. Quando o seu pensamento estratégico é superficial ou com uma visão de curto alcance, então você ganha pouco e perde antes mesmo de realizar a batalha. Muita estratégica prevalece sobre pouca estratégia, de modo que os que não têm estratégia não podem evitar a derrota. Portanto, diz-se que o guerreiro vitoroso vence primeiro e depois vai para a guerra, enquanto os guerreiros derrotados vão para a guerra procurando vencer.”
 Sun Tzu
Tendo um Planejamento Estratégico e as
 Estratégias das empresas bem definidos a 
Tecnologia de BI pode ajudar e muito…..
 maior produtividade;
 melhor qualidade;
 competitividade nos mercados;
 trabalhar globalizado, quando for o caso;
 resultados confiáveis;
 agilidade; 
 e N outras vantagens…...
Pois trazem alguns benefícios para as Empresas, tais como:
O BI também contribui consideravelmente para que a gestão de projetos se torne o mais eficiente possível em todas as suas fases.
Organizando os dados e os transformando em munição para que tanto o gerente de projetos quanto sua equipe possa desempenhar suas funções com maior agilidade e evitando desperdícios.
 Projetos de BI
De que forma podemos utilizar a 
Tecnologia de BI para atendermos as 
necessidades estratégicas das 
empresas????
 
 Quebrando paradigmas, saindo das atuais visõesbidimensionais para um novo conceito que vem revolucionando a gestão das empresas já há alguns anos: as visões multidimensionais.
 
 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.
 
 Como operacionalizar estes tipos de projetos? 
Como operacionalizamos este tipo de projeto?
Um dos pontos iniciais desta operacionalização é levantar os dados necessários para tomada de decisão, e a seguir modelar estes dados e projetar as bases de dados analíticas. 
 Diferenças entre Sistemas Transacionais e Analíticos
Na arquitetura analítica, o processo se inicia com a extração, transformação e integração do dados dos sistemas transacionais.
 
 Para trabalharmos com Sistemas Transacionais utilizamos
 Processamento Transacional e para os Sistemas Analíticos utilizamos Processamento Analítico.
58
58
58
 
Qual a diferença de Sistemas 
OLTP 
(Processamento Transacional) e 
OLAP 
 (Processamento Analítico) ?
59
59
59
 
Folha de pagamento
Contas a pagar
Compra de produtos
Controle de estoque
Acumulam dados detalhados a partir das operações do dia-a-dia dos negócios.
 Sistemas OLTP
(Online Transaction Processing – Processamento Transacional)
 OLTP
60
60
60
 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. 
61
61
61
 OLTP
OLTP fornece relatórios restritos a uma visão bidimensional do negócio.
 Isto 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.
62
62
62
 OLTP
Exemplo: um relatório que exiba as vendas de determinado produto por região, tendo os produtos e regiões agrupadas em níveis hierárquicos simples.
63
63
63
 OLTP
 O planejamento estratégico de uma empresa exige mais dinamismo do que os sistemas de gestão normalmente conseguem prover. 
 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.
64
64
64
 OLTP
Existe a necessidade da quebra de paradigmas, saindo das atuais visões bidimensionais para um novo conceito que vem revolucionando a gestão das empresas já a alguns anos: 
 
 As visões multidimensionais, igualmente conhecidas como Cubos, que fazem parte dos sistemas OLAP (Online Analytical Processing - Processamento Analítico).
65
65
65
 OLAP
São projetados para suportar os requisitos de dados “ad hoc” dos usuários.
Prognóstico
Perfil
Relatório resumo
Análise de tendências
Sistemas OLAP
 (Online Analytical Processing – 
 Processamento Analítico)
66
66
66
 OLAP
OLAP (Online Analytical Processing)  funciona de forma dedicada à tomada de decisão.
 Possui várias dimensões visualizáveis, hierarquizadas em várias granularidade;
 Segue um modelo lógico multidimensional;
Trabalha em bancos de dados não normalizados.
67
67
67
 OLAP
 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.
 
68
68
68
 OLTP
 
 
 Aplic. 1
 Aplic. 2
 Aplic. 5
 Aplic. 4
 Aplic. 3
Contabilização
Informações gerenciais
Apoio à decisão
Aplicações Operacionais (OLTP)
69
69
69
 OLAP
 
 
Aplic. 1
Aplic. 5
Aplic. 4
Fontes externas
 Fontes corporativas
 Aplic. 2
Aplic. 3
 BD analítico
70
70
70
 OLTP X OLAP
Base de Dados
 Operacionais	 Analítico
		
Dados atualizados constantemente (online), a nível de registro individual
Tempo de resposta demorado
A rede de comunicação é muito maior (mais usuários)
Dados não são atualizados diariamente (online)
Tempo de resposta rápido 
A rede de comunicação é muito menor (menos usuários)
Comum
SGDBS
71
71
71
 OLAP
 Resumindo: 
 Um está direcionado ao funcionamento dentro do ambiente operacional (OLTP) e o outro com foco essencialmente gerencial (OLAP).  
 Não se trata de um conceito ser melhor que o outro, mas sim de conceitos complementares e com objetivos distintos dentro da organização. 
 A empresa deve se posicionar e utilizar ambos da melhor forma possível para conciliar desempenho operacional e o resultado estratégico da organização.
72
72
72
 OLAP
 A principal característica do OLAP é a visão multidimensional, mas 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 analisar.
Dimensão: É uma unidade de análise que agrupa dados de negócio relacionados. As dimensões se tornam cabeçalho de colunas e linhas.
Ex: linhas de produto, regiões de venda ou períodos de tempo.
73
73
73
 OLAP
Hierarquia: É composta por todos os níveis de uma dimensão, podendo ser balanceada ou não. 
Na hierarquia balanceada os níveis mais baixo são equivalentes;
Na hierarquia não balanceada a equivalência hierárquica não existe. 
Por exemplo, em uma dimensão geográfica o nível “País” não possui o sub nível “Estado” para um determinado membro e possui para outro.
74
74
74
 OLAP
KIMBALL (2002) classifica os sistemas OLAP em ROLAP, MOLAP, HOLAP e WOLAP, essas ferramentas possibilitam diferentes formas de organizar os dados antes de apresentá-los ao usuário final. 
ROLAP (Relational Olap) - Permite que múltiplas consultas multidimensionais de tabelas bidimensionais relacionais sejam criadas sem a necessidade de estrutura de dados normalmente requerida nesse tipo de consulta.
 Utilizam a linguagen SQL para consulta à base de dados analítica
 e conseguem lidar bem com dados voláteis.
75
75
75
 OLAP
MOLAP (Multidimensional Olap) - É utilizado tradicionalmente para organizar, navegar e analisar dados, utilizam “cubos” multidimensionais para a análise dos dados e dispensam o SQL, sendo portanto mais rápidos.
HOLAP (Hybrid On Line Analytical Processing) - É uma mistura de tecnologias onde há uma combinação entre ROLAP e MOLAP, dessa forma podemos extrair o que há de melhor de cada uma: alta performance do MOLAP com a escabilidade do ROLAP.
76
76
76
 OLAP
WOLAP (Web Olap) - Representa a migração da tecnologia Olap para o ambiente da Internet, possibilitando o trabalho com plataformas independentes para dar suporte a usuários distantes, aplicações de groupware, facilidade de aprendizado e de manutenção.
77
77
77
 Ferramentas OLAP
 ROLAP
(Query a d Hoc
 e Análises)
 MOLAP 
 (Análises
 Avançadas)
WOLAP
 (Consultas rápidas)
 HOLAP
WOLAP
 (Consultas rápidas)
78
78
78
 Ferramentas OLAP
Das 4 ferramentas apresentadas qual é a melhor de trabalharmos?
 MOLAP
Porquê?
Utiliza “cubos” multidimensionais para a análise dos dados e dispensam o SQL, sendo portanto mais rápidos.
79
79
79
AULA 2
80
80
80
O que iremos estudar nesta aula
 
 Operações das ferramentas OLAP.
 Como iniciar um projeto analítico.
 Data Mart.
 Modelagem Multidimensioal.
81
81
81
 Ferramentas OLAP
Principais operações utilizadas nas ferramentas OLAP são:
Drill Across – Ocorre quando o usuário atravessa um nível intermediário numa mesma dimensão. 
Ex: A dimensão Tempo é composta por ano, semestre, mês e dia, o usuário estará executando um DrillAcross quando ele passar de ano direto para semestre ou mês. 
82
82
82
 Ferramentas OLAP
Principais operações utilizadas nas ferramentas OLAP são:
Drill Down – Ocorre quando o nível de detalhe da informação sofre um aumento de detalhe, diminuindo o grau de granularidade.
Drill Up – Ocorre quando o usuário diminui o nível de detalhe da informação, é o contrario do Drill Down. 
83
83
83
 Ferramentas OLAP
Principais operações utilizadas nas ferramentas OLAP são:
Drill Throught – Ocorre quando o usuário muda a informação de dimensão.
 Ex: Está na dimensão tempo e no próximo passo estará analisando a informação por região (outra dimensão). 
84
84
84
 Ferramentas OLAP
Principais operações utilizadas nas ferramentas OLAP são:
Slice and Dice – Faz parte das principais características da ferramenta. 
Como o OLAP gera ou recupera um Cubo, o Slice and Dice têm a responsabilidade de fazer alteração na posição de uma informação, alterar linhas e colunas para facilitar a compreensão dos usuários e girar o cubo sempre que tiver necessidade. 
85
85
85
 Ferramentas OLAP
Principais operações utilizadas nas ferramentas OLAP são:
Ranking – Possibilita juntar todos os resultados por ordem decrescente ou crescente, baseando-se em objetos numéricos (Measures). Esta opção impacta somente uma tabela direcionada, não afetando a pesquisa (Query).
Filtros – Dar a permissão para os usuários aperfeiçoarem, as pesquisas (Query) solicitadas por mais de uma vez, como se fossem filtros de informações. 
86
86
86
 Ferramentas OLAP
Principais operações utilizadas nas ferramentas OLAP são:
Sorts – Serve para ordenar as informações de forma crescente ou decrescente, de acordo com a escolha do usuário. 
Breaks – Serve para agrupar as informações em blocos. Ex: O usuário que ver as informações por cidades, então ele executou um break. Após esta ação ter sido executada, as informações estarão agrupadas por cidades, somando os valores mensuráveis por cidades.
87
87
87
 Ferramentas OLAP
Principais operações utilizadas nas ferramentas OLAP são:
Pivot - É o ângulo pelo qual os dados são visualizados. Permite a troca de linhas por colunas em uma tabela ou modificação da posição das dimensões em um gráfico. 
88
88
88
 Como iniciar um projeto analítico (BI)?
Como já vimos os projetos analíticos ajuda os gestores na tomada de decisão, isto é feito utilizando conceitos e uma série de ferramentas que possibilitam:
 Organizar e trabalhar os dados, captados por meio de diferentes sistemas.
 Tornando-os consistentes, não redundantes e capazes de adicionar inteligência aos negócios, resultando maior agilidade para as decisões gerenciais. 
89
89
89
 Como iniciar um projeto analítico (BI)?
Para iniciarmos um projeto de BI, temos algumas preocupações que devem ser levantadas e discutidas:
 Identificar as reias necessidades da empresa;
 Identificar ferramentas de tendências de mercado;
 Identificar os profissionais da área de negócios envolvidos;
 Planejamento Estratégico (já existe?);
 Identificar os indicadores de desempenho;
 Identificar as fontes de dados existentes.
90
90
90
 Como iniciar um projeto analítico (BI)?
O projeto de BI é composto por quatro componentes:
o data warehouse que é um depósito de dados, onde são encontradas todas as informações da empresa prontas para serem manipuladas e exploradas;
o OLAP que é uma ferramenta que manipula os dados de um data warehouse;
 a gestão de desempenho do negócio (Business Performance Management – BPM) responsável por monitorar e comparar, de acordo com as metas estabelecidas, o desempenho do sistema; 
a interface com o usuário, aonde ocorre toda a parte de interatividade do sistema.
91
91
91
 
Antes de iniciarmos um projeto de
 Business Intelligence
 precisamos conhecer alguns conceitos. 
92
92
92
 
METADADOS
DATA WAREHOUSE
MOLAP
ETL
Data Mining
CUBO
ODS
ROLAP
Multidimensional
OLAP
Data Mart
Processamento Analítico
93
93
93
 
 
O que é um DATAWAREHOUSE?
Também conhecido como Armazém de Dados. 
 É uma complexa combinação de
 
processos +
 hardware + 
 software + 
 conhecimento do 
 negócio 
que fornece um ambiente e uma infraestrutura, para satisfazer as necessidades de informação para gestão do negócio. 
94
94
94
 
 
O que é um DATAWAREHOUSE?
William Inmon cunhou o termo em 1990
 
 É um tipo de Banco de Dados voltado ao apoio à tomada de decisões gerenciais e estratégicas. Esta tecnologia visa promover melhores negócios à empresa a partir de análises da grande quantidade de informação que se encontra distribuída por diversos sistemas de produção e sistemas externos.
95
95
95
 
 
O que é um DATAWAREHOUSE?
 O DW é um repositório centralizado de dados e informações corporativas orientado à gestão Operacional, Tática e Estratégica da Empresa.
 É obtido a partir da contínua integração de dados de fontes internas - operacionais e institucionais - e externas - mercado - com uma perspectiva temporal.
96
96
96
 
 
Características do DATAWAREHOUSE?
 Repositório central;
 Dados históricos;
 Muitas fontes de recursos
 internas e externas; 
 Ponto único para distribuição;
 Separados de sistemas operacionais;
 Fácil acesso para dados;
 Mutável ao longo do tempo;
 Perene (não volátil);
 Processamento Analítico.
97
97
97
 
 
 
Demográfica,Sociais,Mapeamento,Tempo.
Clientes,Transações,Financeira,Inventário.
 DW
Ferramentas relacionais,
Ferramentas OLAP
Data Mining. 
Relacional,Multidimensional,Texto,Imagem, Vídeo.
Dados Operacionais
Dados Externos
Analistas de Negócios
Analistas
Executivos
98
98
98
Para isso é necessário se ter muito clara a relação:
Estratégia de negócios e
 saber o quê e 
 por quê se precisa analisar informações e 
 então planejar o
 Data Warehouse.
DATA MART
O que vem a ser DATA MART ?
 Representa um subconjunto de dados do DW;
 É um processo de extração, transformação e depuração integrado e incremental, de forma a garantir a qualidade dos dados,com uma implementação rápida que permita um retorno a curto prazo;
 Permite que se visualize comportamentos de determinados fatos de negócio ao longo de grandes janelas de tempo.
102
102
102
O que vem a ser DATA MART ?
 Para que departamento/área?
 Qual o foco, objetivo, escopo?
 Quem é o patrocinador?
103
103
103
O que vem a ser DATA MART ?
 A tecnologia usada tanto no DW como no DM é a mesma, as variações são em volume de dados e na complexidade de carga.
 DMs são voltados para uma determinada área, já o DW é voltado para os assuntos da empresa toda.
104
104
104
 Cabe a cada empresa avaliar a sua demanda e optar pela melhor solução.
 O custo de um DM varia de 5 a 50% a menos do custo total de um DW integral e o prazo de implementação é de cerca de 120 dias enquanto que o DW leva cerca de um ano ou mais para estar consolidado. 
O que vem a ser DATA MART ?
 A longo prazo teremos múltiplos processos de extração (para cada DM isolado) acessando fontes diferentes de dados, em momentos diferentes, garantindo assim aincoerência dos dados.
 Sobrecarga do HW devido à execução de múltiplos processos de extração, resultando tanbém em consumo da largura de banda de sua rede.
 
 Nenhuma destas perspectivas é boa , nem barata.
 Problemas
 Temos os benefícios de um processo de extração, transformação e depuração integrado e incremental, garantindo a qualidade dos dados com implementação rápida, permitindo um ROI a curto prazo. 
 
 Para isto precisamos de um planejamento para montar a arquitetura de implementação. 
Então surgiu o DATA MART INTEGRADO
Dados Operacionais Externos
DATA MARTS INTEGRADOS
Data 
Warehouse
Dados Operacionais
Dados Externos
DATA MART
Ferramentas
Windows
Ferramentas Web
Aplicações
Clientes
 
A melhor arquitetura é um 
 DW incremental
 Começa a modelagem global de DW;
 Inicia um DM piloto;
 Vai criando outros DM e incrementado-os, mantendo a visão horizontal;
 Mantem DW e DMs.
 
O que vem a ser ODS..DDS..Staging area?
 ODS (Operational Data Store)
 É uma base auxiliar que facilita a integração dos dados do ambiente operativo antes da sua atualização no DW.
 Também chamamos de DDS (Dynamic Data Storage), com uma diferença, pode ir crescendo ao longo do tempo, com alterações incrementais.
 Staging Area é necessária quando a preparação (limpeza, sincronização) for complexa.
Modelagem Multidimensional
 
Questões importantes para
 Modelagem Multidimensional
 Quando? (tempo)
 Quem? (ex. Produto) (o que analisar do Fato)
 Onde? (Localização geográfica)
 Fato (Ex. Vendedor) (agente)
 É importantíssimo definir as dimensões, “os pontos cardeais das estrelas” dos fatos.
Uma célula é a interseção de múltiplas dimensões 
 ideia de Cubo
 
Modelagem Multidimensional
 O modelo MMD é orientado a assunto (Fato)
 Modelo MMD - OLAP
 Modelo MMD - BD Relacional 
 Não Normalizado (BD não volátil).
 
Conceitos que devemos conhecer para se
Modelar um DW
O que são CUBOS?
 São massas de dados que retornam das consultas feitas ao banco de dados, e podem ser manipulados e visualizados por inúmeros ângulos (tecnologia “slice-and-dice”) e diferentes níveis de agregação (tecnologia “drill”).
Produto
Região 
Tempo
Visão
Estado
Cidade
Cidade
Cidade
Cidade
Roll Up
(subir para o maior grão)
 
 Drill Down
(ir para o menor grão)
O que é GRANULARIDADE ?
 É o ponto mais importante do projeto de DW.
 É o nível de detalhe contido nas unidades de dados existentes no DW.
 Afeta profundamente o volume de dados que residem no DW, logo afeta o tipo de consulta que pode ser atendida.
 O volume de dados contidos no DW é balanceado de acordo com o nível de detalhe de uma consulta.
O que são Fatos ???
 Uma coleção de itens de dados, ou seja, os itens do negócio, ou ainda, os eventos do negócio. 
 São as medições numéricas do negócio.
 É evolutivo, muda suas medidas com o tempo. 
São os Eventos do negócio que vão acontecendo dinâmicamente e exigem a presença das dimensões. 
 Os Eventos em si, acontecem dentro do ambiente funcional da organização.
 Para que se possa organizar os Eventos de forma harmoniosa, é importante desenhar o Modelo Funcional do negócio. 
FATOS
Existem 3 características que sempre teremos que analisar nos itens dos negócios para identificação dos FATOS :
Varia ao longo do tempo.
Possui valores numéricos de avaliação.
Seu histórico pode ser mantido e cresce com o passar do tempo.
FATOS
 Como identificamos os FATOS?
O que estamos medindo?
Fazendo a seguinte pergunta:
Os índices de criminalidade aumentaram no ano atual 70% sobre os dois últimos anos”.
Onde está o Fato???
Perguntas: 1) O que varia ao longo do tempo?
 2) Possui valores numéricos de avaliação?
 3) Seu histórico pode ser mantido e cresce com o passar do tempo?
As ocorrências são ou não CRIMES???
 Logo temos como Fato “CRIMES”.
Exemplo de FATO
AULA 3
125
125
125
O que são DIMENSÕES?
DIMENSÕES
 Junção de tabelas de Fatos através de chave estrangeira;
 Linhas extensas com numerosas colunas de texto, altamente descritivas;
 Em geral são tabelas pequenas; 
 São definições de dimensões de negócio com terminologia familiar aos usuários;
 É o acesso à tabelas de Fatos;
 Altamente indexadas. 
127
127
127
Fazemos 4 perguntas para identificar as Dimensões 
 Quando?
 Onde?
 Quem?
 O que?
128
128
128
Exemplo de Modelo MMD
 FATO
 Vendas
DIMENSÃO 1 
Cliente
DIMENSÃO 2 
Fornecedor
DIMENSÃO 3
Produto
DIMENSÃO 4 
Tempo (MÊS)
DIMENSÃO 5
Região
Modelar visando:
 > Satisfazer requisitos de Negócio
 > Eficiência/Performance das Análises
 > Entendimento dos Diferentes Tipos de Usuários
 > Flexibilidade e Estabilidade
 
 Introduzir redundância gerenciada e desnormalização.
 Englobar dados históricos.
Princípios Básicos para a Modelagem MMD ser um sucesso
Snowflake Schema e Star Schema… Elas se diferem pela modelagem da estrutura do ambiente e desempenho no processamento. Sendo a modelagem Star Schema bem melhor devido ao desempenho.
Snowflake Schema - possuímos subdimensões ligadas às dimensões, que por sua vez estão ligadas à tabela Fato. 
Star Schema - as dimensões se relacionam diretamente com a tabela Fato, sem nenhuma subdimensão, ou seja, a ligação é direta.
Existem dois tipos de Modelagem MMD
O star schema (chamado também de modelo estrela) deve ser sempre priorizado. 
 Esse tipo de modelagem possui maior intuitividade e melhor desempenho nas consultas que serão executadas no DW. 
 
 Devemos evitar ao máximo o modelo snowflake (chamado também de modelo floco de neve) e utilizá-lo apenas nas exceções onde o star schema não pode ser aplicado.
Recomendação
 Como projetar o 
 Data Warehouse ?
 Definir um objetivo que agregue valor ao negócio da empresa;
 Definir um benefício quantificável e mensurável, de forma a poder medir o sucesso do projeto;
 Definir o patrocinador: ele deve ter autoridade suficiente para poder levar o projeto a termo;
 Pense grande (visão corporativa): implemente em partes;
 Envolva o usuário constantemente em todo o projeto.
Primeiros passos
 Identificar necessidades
Informação;
Manipulação;
Saídas.
 Identificar os volumes.
 Identificar perfil dos usuários.
Levantamento
Fases de um Projeto de BI	 
 Diagnóstico: Modelagem de negócios, Identificação das Informações de análise requeridas, assim como avaliação dos Sistemas Operacionais e fontes externas, cujas bases são a origem dos dados para o Datawarehouse.	
 Construção: Modelagem e Implementação do Datawarehouse (repositório de dados destinados a análise) e dos processos de distribuição e acesso às informações compreendendo:	
Extração: Mapeamento dos dados a partir das origens e implementação dos processos de carga do Datawarehouse.	
Modelagem: Aplicação das técnicas de modelagem específicas para Datawarehouse, cujos conceitos diferem da modelagem tradicional utilizada para bases de dados de sistemas operacionais.	
Armazenamento: Definição do formato e sistema gerenciador de banco de dados a ser utilizado em cada caso.	
Distribuição: Definição dos Data Marts consistentes com a visão consolidada da empresa.	
Visualização: Ferramentas para OLAP e para geração de relatórios, atentando para as diferentes demandas da informação, isto é, onde está e qual o perfil de cada usuário.
Detecção: Ferramentas que trabalham com técnicas estatísticas para estabelecer relação entre fatos, utilizando a técnica conhecida como Data Mining.	
Projeção: Manipulação de cenários (what-ifanalysis).	
Treinamento: Capacitação dos profissionais que farão uso das informações, incluindo o uso das tecnologias / ferramentas de visualização, manipulação e detecção.		
 Por fontes de dados existentes;
 Após a identificação dos processos, serão construídas tabelas de fatos baseadas em assuntos de cada processo selecionado;
 Antes de estruturarmos qualquer tabela Fato, devemos decidir qual será seu nível de detalhe (Granularidade);
 Quando se conhece a granularidade é possível identificar as dimensões e seus respectivos níveis de detalhe (embora possam existir dimensões adicionais);
Por onde devemos iniciar nosso Projeto de DW?
 A escolha das dimensões é o passo-chave do projeto; 
Depois de selecionarmos as dimensões, nossas próximas tarefas serão descarregar todos os fatos mensuráveis na tabela Fato e finalmente concluir o preenchimento dos registros da dimensão;
 Planejar o tempo de duração do BD;
 Planejar o intervalo de extração/carga de dados.
 Por onde devemos iniciar nosso Projeto de DW?
FASE 1
Avaliação dos
 negócios e estratégia
FASE 2
Avaliação de tecnologia
FASE 3
Plano de implementação
FASE 4
Especificação 
e desenho
FASE 5
Construção e evolução
Fases do Projeto de BI
 Procedimentos para o Projeto de DW
 Utilize gráficos;
 Envolve brainstorming;
 Tente capturar as ideias, mas não se atole com uma questão específica.
Fluxo de Projeto
1) Identifique os assuntos possíveis;
2) Identifique as dimensões possíveis, geralmente em resposta aos assuntos propostos;
3) Para cada assunto, verifique as dimensões que se aplicam e o grão para cada uma;
4) Identifique os fatos específicos de negócios básicos para cada assunto;
5) Refine e altere as dimensões quando necessário durante o processo. 
 É comum voltar entre os passos;
 Um modelo completo pode ser apresentado posteriormente de maneira organizada passo-a-passo;
 Para minimizar o debate de um projeto detalhado, capture questões e siga adiante. Estas questões devem ser incluídas em um log de questões/temas;
 Ao rever o log, algumas questões podem parecer absurdas, mas no início era difícil saber quais questões eram triviais e quais eram importantes; 
 Observações sobre o Fluxo
 Uma pessoa deve documentar a primeira versão, outras devem pesquisar as respostas para as perguntas;
 O time central deve se reunir novamente, antes que a primeira versão seja limpa e refeita de forma apresentável, de modo a rever e revisar o modelo baseado em pensamentos claros e resultados das pesquisas;
Recomendação: “Descansem um dia ou dois. Algumas das melhores idéias aparecem enquanto se está descansando.”
 Observações sobre o Fluxo 
 (cont….)
ETL
(Extract Transform Load)
 
147
147
147
 
 Extratores Transformadores
É a parte mais trabalhosa , que dispensa maior tempo, e que também garante o maior sucesso e fracasso do DW 
148
148
148
A extração de dados do ambiente operacional para o ambiente DW requer uma mudança de tecnologia.
 
 -- Leitura com um SGBD operacional
 -- Gravação por meio de um SGBD de DW (com SQL
 estendida para DW). 
 
Extração e Transformação
A medida que os dados vão sendo extraídos e transformados, vão sendo carregados no DW ou DM (e gerando metadados).
Extração e Transformação
 DW
 Complexidade!!
BD´s transacionais
Dados Externos
 Diversos desafios estão escondidos nas fontes de dados.
 Os sistemas que são executados nesta parte do processo, certamente levam mais tempo do que o esperado. 
 Podem ser:
 -- Sistema de ETL desenvolvidos internamente na 
 empresa. 
 -- Ferramentas comerciais de ETL
Processos de ETL no DW
 Problemas que encontramos no ETL, mas que devem ser resolvidos sem estresse
 Na seleção de dados do ambiente operacional muitas vezes vários campos de um sistema transacional, vão compor um único campo no DW; 
 Dificilmente há o modelo de dados dos sistemas antigos, e se existem não estão documentados;
 Valores default devem ser fornecidos; 
 As vezes pode existir um campo no DW, que não possui fonte de dados,então a solução é definir um valor padrão para este campo.
 Ferramentas de ETL
 A decisão de se utilizar ferramentas de ETL ao invés de desenvolver as aplicações está cada vez mais fácil:
DW se torna hoje um mercado popular; 
As ferramentas se desenvolvem rapidamente;
As novas ferramentas estão criando módulos reusáveis que constroem regras de negócios. Se as regras mudam, uma simples mudança no módulo leva à atualização de todas as instâncias;
A combinação de melhor funcionalidade e preços mais baixos , leva à seleção de ferramentas ETL.
METADADOS
Meta…significa “algo que se remete a si mesmo”
 É o local onde se encontra a documentação do projeto.
Técnicos - produzidos e usados por DBAs e componentes de SW do sistema de DW.
 Semânticos - utilizados por usuários finais.
 Usuários podem examinar o repositório de Metadados para seleção de grupos apropriados de dados, em suas consultas ou validações do significado de dados em seus relatórios.
METADADOS
É usado como:
 Um diretório para ajudar um analista de OLAP a localizar um conteúdo de DW;
 Um guia para o mapeamento de dados do ambiente operacional para o ambiente do DW;
 Um guia para os algoritmos utilizados no processo de agregação e resumos de dados.
Metadados
Arquitetura do Projeto Analítico
O BI precisa necessariamente de três marcos: 
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. 
Arquitetura
Consolidação: A 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 BI possui como único e exclusivo objetivo auxiliar a decisão.
Se a solução ao final não contemplar o que dela mais se espera, de nada ela servirá.
Arquitetura
Modelo de arquitetura dos projetos de BI
Deve-se considerar:
 O número de usuários finais e áreas funcionais.
 A diversidade e o volume de dados.
 O ciclo de atualização.
 As complexidades de acesso e armazenamento.
 
Qual a arquitetura adotar?
 Armazenar
Camada de Aquisição de Informação
Camada de Armazenamento de Informação
Camada de Entrega de Informação
DW
Montagem
DM
DM
LAN
 Reunir
Refinar
Agregar
Camadas que devem ser trabalhadas na arquitetura
Camada Aquisição de Informação
 Esta camada é responsável por reunir, refinar, limpar e agregar o dado dos sistemas de produção. O dado deve estar correto e prover um único significado, uma vez que será utilizado em vários locais, para facilitar a tomada de decisão.
 A padronização é importante porque provê flexibilidade na implementação de necessidades futuras e integração de fontes adicionais de dados no DW.
Camada Armanezamento da Informação
 Esta camada provê o armazém da informação que contém o dado temporal. Este dado normalmente conterá o maior nível de granularidade, e a desnormalização do projeto físico manterá o mínimo. Tenta-se manter o projeto físico tão próximo ao modelo de dado quanto possível. É importante prover o máximo de flexibilidade para satisfazer as necessidades de projeto.
Camada Disponibilização da Informação
 Esta camada é parte da arquitetura que suportará um conjunto de ferramentas de apresentaçãoe análise.
 Esta é a parte do DW com que o usuário final terá contato
 A métrica é a satisfação do Cliente
Cuide das mudanças
Cuide da qualidade 
Resumindo sobre Arquitetura
 A arquitetura de DW deve consistir de todas as três camadas (arquitetura Hibrida);
 O dado deve ser adquirido ou reunido, carregado no DW para armazenamento, e finalmente, ser disponibilizado para os negócios;
 Se qualquer uma destas funções estiver faltando, então o DW não terá completado as funções a serem executadas.
Ciclo de Vida do
 Projeto de BI 
 
O ciclo de vida do projeto (project life cycle) consiste no conjunto de fases que o compõem, geralmente em ordem sequencial de execução.
Ciclo de Vida do Projeto de BI
168
168
168
 
 A definição das fases do ciclo de vida de um projeto está diretamente ligada ao tipo de produto a ser gerado.
 Muitos ciclos de vida de projetos possuam fases com nomes similares e requeiram entregas similares, poucos ciclos são idênticos.
Ciclo de Vida do Projeto de BI
169
169
169
 
 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. 
 A ideia não é apresentar um roteiro ou uma receita de bolo, uma vez que cada tecnologia tem as suas particularidades.
Ciclo de Vida do Projeto de BI
170
170
170
 
A implantação de um projeto de BI, possui as seguintes etapas do ciclo:
1) Investigação
2) Análise do ambiente corrente
3) Identificação dos Requisitos
4) Identificação da Arquitetura
5) Projeto de DW
6) Desenvolvimento
7) Implementação
8) Administração do Dado
 Ciclo de Vida do
 DW
171
171
171
Investigação
A investigação preliminar é conduzida pela equipe para identificar a 
necessidade ou justificativa para o DW. 
Também é durante esta fase que o “patrocinador” é selecionado e a missão
 é estabelecida para que o DW seja desenvolvido.
 A primeira entrega é um relatório de Investigação, que contem uma declaração das oportunidades assumidas, a missão, o nome do “patrocinador”, as áreas de negócio a serem inicialmente suportadas, e uma recomendação para prosseguir.
2) Análise do Ambiente Corrente
 O legado dos sistemas de produção é analisado e documentado;
 Uma lista dos arquivos mestres é obtida para revisão e análise;
 Dentro de cada arquivo mestre, todo campo de dado é revisto e catalalogado;
Tenta-se adquirir uma definição dos dados e documentar o tamanho e tipo de dado;
 Identifica-se as chaves primárias de cada arquivo mestre ou registro de BD;
 Procura-se sinônimos dos campos de dados.
3) Identificação de Requisitos
 Há um esforço para identificar os requisitos de negócios associados ao uso do DW;
 Estes requisitos devem suportar apenas o uso das áreas de negócio iniciais;
 A primeira fase deve ser entregue a área de negócios dentro do tempo e do orçamento;
 Deve ser entregue a documentação das necessidades.
5) Projeto de DW
 O projeto de DW em si é produzido. Os projetos (lógico e físico) são completados.
Ex: Entrega-se o modelo de dados, o projeto físico de BD, e um documento de mapeamento do lógico para físico que identifica os mapeamentos completos de Fatos e Dimensões, nome de tabelas e atributos, correspondentes ao DW.
6) Desenvolvimento
 O DW é definido pelo administrador de BD;
 Se apropriado, definem-se os processos das camadas de aquisição, armazenamento e disponibilização da informação;
 Programas de limpeza, integração e carga de dados devem ser desenvolvidos e testados;
 Resulta nas definições do DW, o código dos programas, dados de testes, planos para assegurar a qualidade e plano de aceitação do usuário.
7) Implementação
 Durante esta fase, o DW é realmente implementado pelo time de projetos;
 Resulta no DW, com sua primeira carga de dados, procedimentos de backup e recuperação para o BD, procedimentos dos usuários, manuais de treinamento, etc.. 
8) Administração do Dado
Tem como função principal o monitoramento das mudanças nos sistemas fonte;
 É responsável pela administração do metadado que está associado ao DW;
 O grupo de administradores de dados geralmente é responsável por monitorar todas as mudanças e, se apropriado, assegurar que os impactos sejam integrados no DW;
 Resulta em inventários de dados, relação de mudanças, e vários relatórios de análise de impactos produzidos através de dicionário ou repositórios de (meta) dados.
Estudo de Caso
Criar uma base para análise de lucratividade das vendas realizadas por Filial. Será necessário também a possibilidade de analisar os produtos de maior rentabilidade e os melhores clientes.
Estudo de Caso – Análise de Vendas
Dimensões de Análise
Cliente / “Contrato” 
Filial
Status Atual do Contrato 
Status do Contrato antes da venda
Produto
Vendedor
Região da Venda
Canal de Distribuição
Data da venda
Hora da venda
Métricas de Análise
Valor da Venda
Quantidade Vendida
Valor imposto
Valor de Lucro
CANAL VENDA
PLANO TARIFARIO
CONTRATO
CLIENTE
PRODUTO
STATUS CONTRATO
REGIÃO VENDA
EMPRESA
HORA
DATA
VENDEDOR
ANALISE DE VENDA
O projeto de BI fracassou?
Muitos dos projetos de Business Intelligence terminam em fracasso. 
 Na maioria dos casos, dois fatores são apontados como os grande vilões:
 Volume e Velocidade das informações
Volume maior de informações de acordo com quesitos bastante específicos (relevantes para o negócio) o que faz aumentar a complexidade da pesquisa no sistema de BI. Adequação do desenvolvimento de hardware e de 
software, que anda em passos mais lentos que essa demanda.
Velocidade - Vivemos em uma época na qual os usuários desejam obter respostas rápidas. O retardo nas repostas leva a um só comportamento por parte do usuário final: 
 o abandono da plataforma de informações. 
 
 O resultado do desastre é um enorme 
número de tabelas do Excel transitando pela 
corporação totalmente desorganizados.
Prejuízo certo para a corporação que desembolsou uma quantia razoável pela solução.
Dez principais motivos para o fracasso do projeto de BI
Baseando-se nos anos de experiência e em diversos
 debates com profissionais de TI e de unidades de negócio de centenas de empresas, identificou-se 10 motivos para o projeto de BI ser um fracasso.
 Dez principais motivos de fracasso do projeto de BI
Dez principais motivos de fracasso do projeto de BI
1 ) Requisitos pouco claros
Depois que as unidades de negócio e a TI concordam que a sua empresa
necessita de um sistema de reporting e de análise dos dados de negócio, o
próximo grande passo é definir os indicadores chave do desempenho (KPIs)
para uma gestão empresarial eficaz. 
Dez principais motivos de fracasso do projeto de BI
2 ) Dados incorretos ou incompletos
Por mais persuasivo que a aplicação de BI possa ser, as pesquisas iniciais sobre a informação requerida em vastas fontes de dados durante um teste, podem revelar que os dados estão desatualizados, têm erros ou (ainda) estão inacessíveis.
Dados com pouca qualidade são uma causa frequente de grandes problemas nos projetos de BI. 
Dez principais motivos de fracasso do projeto de BI
3 ) Usuários finais envolvidos tardiamente
Quando se implementa um projeto de BI, é essencial que se inclua colaboradores das unidades de negócio que irão trabalhar com a aplicação final já nas fases iniciais do projeto.
Dez principais motivos de fracasso do projeto de BI
4 ) Resultados apresentáveis apenas após dois anos
Muitas vezes, as empresas tentam abordar todos os requisitos de BI em um projeto a longo prazo. 
É muito mais promissor se levarem dois ou três meses para apresentar módulos acabados que possam provar a sua adequação às operações diárias, do que apresentar algo em dois anos.
Dez principais motivos de fracasso do projeto de BI
5 ) Falta de gestão da mudançaMudanças e ajustes às especificações e objetivos originais existirão em qualquer projeto de BI. 
Contudo, em muitos casos, não existe uma equipe de gestão formal das mudanças que definam como os novos requisitos serão incorporados ao projeto existente e um responsável pela sua aprovação.
 A falta de uma gestão de mudanças resulta rapidamente em custos adicionais e em atrasos na conclusão do projeto.
Dez principais motivos de fracasso do projeto de BI
6 ) Cumprimento e segurança negligenciados
O número de disposições e regulamentações legais têm aumentado continuamente nos últimos anos, e as disposições de privacidade tornaram-se mais rigorosas.
 As equipes de projeto raramente têm em conta as normas, as regras e os conceitos de segurança.
Dez principais motivos de fracasso do projeto de BI
7 ) Documentação pobre sobre o ambiente da aplicação
Não é raro que os projetos mais abrangentes de BI revelem que a documentação existente sobre a aplicação está incorreta ou desatualizada. 
Um simples exemplo disto é o campo de nomes que varia de uma aplicação para outra, precisando ser consolidado através de uma tabela de correspondência. 
Como resultado, temos custos adicionais e, normalmente, um atraso significativo do projeto.
Dez principais motivos de fracasso do projeto de BI
8 ) Recursos de hardware cotados de forma incorreta
Podemos distinguir dois tipos diferentes de erros:
---- Em um primeiro caso, as empresas são demasiado generosas na determinação das suas necessidades de hardware, o que deixa os recursos
 inativos e leva a custos contínuos consideráveis (e desnecessários). 
 ---- Em um segundo caso, os requisitos de hardware são subestimados, 
resultando em um desempenho pobre e usuários finais insatisfeitos.
Dez principais motivos de fracasso do projeto de BI
9 ) Funcionários centrados no Excel
Durante anos, as empresas de todas as dimensões apoiaram-se exclusivamente no Excel para criar e analisar relatórios.
 “Mas sempre foi assim que fizemos” é a resposta mais comum dos funcionários que ainda não estão preparados para perder os velhos hábitos. 
Muitos subestimam a prática que será necessária para tornar a aplicação um sucesso, nas operações diárias.
Dez principais motivos de fracasso do projeto de BI
10 ) Um orçamento inadequado
O custo de um projeto de BI, que irá proporcionar transparência aos processos de negócio e fornecer dados para uma gestão eficaz, não pode ter um orçamento apertado. 
Um sentido equivocado de economia, leva muitas vezes, a que as empresas decidam implementar partes do projeto que não representam o “core” da empresa, logo isso significa custos desnecessários.
Dez principais motivos de fracasso do projeto de BI
Conclusão 
Aqueles que aprendem a partir dos erros dos outros são os que o melhor planejam suas aplicações de BI.
Se os problemas são identificados a tempo, as hipóteses de se ser bem sucedido nos projetos de BI são boas. 
Esta é uma importante condição para assegurar que os negócios atinjam as suas metas operacionais com as aplicações de BI.
Para o projeto ter sucesso junto a empresa devemos criar a Governança de BI
Utilize e promova:
 Políticas e Normas;
 Padrões e Métodos;
 Procedimentos; Gestão de Portfólio; Segurança da Informação de ativos, sistemas e pessoas;
 Definições e Conceitos de Informação;
 Estruturas de Organização e Controle.
Fases do Projeto Básico de BI
 Análise;
 Planejamento;
 Design;
 Testes;
 Revisão;
 Implantação.
 Identificação do escopo inicial do projeto, análise e riscos;
 Análise dos requisitos técnicos do ambiente;
 Apoio do fornecedor de hardware e software;
 Transferência de conhecimento do cliente para a equipe de BI (identificação e coleta dos dados).
Análise 
É a fase que prepara o cenário para a implementação no ambiente com seguintes requisitos:
 Alinhamento do escopo de projeto, objetivos e cronograma;
 Desenho das estratégias de testes e treinamento interno da solução;
 Desenho da Modelagem dos Dados.
Planejamento
 Distribuição do escopo do projeto de BI concluído para toda a equipe, fornecedores envolvidos e os gestores para análise final;
 Aprovação de todo o escopo pelos gestores;
 Modelo lógico;
 Construção do projeto propriamente dito. 
Design
Testes
 Esta fase se concentra na execução dos planos de teste para garantir que o sistema gerencial construído, dados, conversões e interfaces suportem os processos de negócio como projetado inicialmente.
 Incluir testes de procedimentos, de processo, carga, de integração e desempenho.
 Incluir testes direcionados aos usuários finais.
 Esta fase não pode ser sacrificada, pois antecede a entrega da solução para o cliente. 
Revisão
 A avaliação formal dos procedimentos de projeto;
 Recomendações formais para o cliente e os serviços adicionais;
 É importante a realização de reuniões com o cliente para a conferência e aceitação do projeto gerencial criado pela equipe de BI. 
 Estruturação da documentação final do projeto contendo todos os quesitos funcionais e técnicos;
 Aceitação final do projeto pela equipe de BI, Diretoria e usuários finais;
 Migração de toda a solução para o ambiente de Produção;
 Liberação da solução e suas tecnologias para os usuários finais. 
Implantação (Rollout)
Governança de Segurança da Informação
Evolução
Governança de BI
Governança de dados
Big Data
AULA 4
209
209
209
Mapfre Seguros
Estudo de Caso
A informação é estratégica para tomar decisões. Partindo dessa premissa, a Mapfre Seguros, uma das maiores seguradoras independentes do País e fruto da união da brasileira Vera Cruz com a espanhola Mapfre, obtém benefícios como acuracidade de informações econômicas e financeiras, agilidade e eficiência no cumprimento dos objetivos estabelecidos em seu planejamento estratégico.  
Mapfre Seguros
Estudo de Caso
A empresa necessita fazer o gerenciamento completo do desempenho das unidades de negócio, já que com a ajuda da tecnologia da informação conseguimos compilar os principais dados provenientes de todos os setores da empresa e fazer análises consistentes.
 
 “Nossa central de relacionamento, pela qual são atendidas ligações de todos os corretores, segurados e prospects, precisa acessar a informação padronizada pela Internet”.
Mapfre Seguros
Estudo de Caso
Necessidades:
 O que precisa ser medido na situação acima?
 Qual tecnologia que poderia ser utilizada para elaboração dos relatórios gerenciais?
 Cite a tabela FATO e 2 Dimensões da situação acima.
Cite 3 benefícios do projeto de BI. 
 Quais são os benefícios de implantarmos Data Marts ao invés de DW em um primeiro momento?
 
Mapfre Seguros
Estudo de Caso
Necessidades:
6. Quais são as diferenças entre OLTP e OLAP? 
7. O que significa dizer trabalhar em multidimensões?
 8. Qual o fator crítico de sucesso para as empresas na implantação de projeto de BI?
 
Mapfre Seguros
Estudo de Caso
Respostas:
O Desempenho das Unidades de Negócio.
Business Intelligence (BI).
3. FATO: Desempenho das Unidades de Negócio,
 Dimensões: Clientes, Corretores e Tempo (Mês).
4. Benefícios: Informação com credibilidade, Agilidade na tomada e Decisão
 e permiti planejamento corporativo mais amplo, substituindo soluções de
 menor alcance por resultados integrados pela informação consistente.
 5. O tempo de desenvolvimento, como é mais rápido devido ao tamanho o ROI para empresa é também mais rápido.
Mapfre Seguros
Estudo de Caso
Respostas:
 6. OLTP é Processamento Transacional e OLAP é processamento analítico. 
 7. Significa trabalhar com CUBOS.
 8. É a escolha do Patrocinador e envolvimento de todos.
 A escolha da Granularidade correta.
 A variável tempo correta, pois defini a periodicidade da carga também.
Como os projetos de BI movimentam os negócios nas organizações. 
Os projetos de BI possuem a função, que por meio da análise das informações internas da organização é possível fazer um diagnóstico da situação atual da organização e comelas, propor soluções estratégicas para o negócio.
Antes de implantar o BI, é necessário considerar alguns fatores como:
 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?
Gerentes, diretores e profissionais de diferentes áreas poderão ter acesso às informações rapidamente e abreviarão o tempo de resposta, contribuindo para melhoria dos processos e para correta análise dos dados. 
Assim a informação trará conhecimento.
Trabalhar o conhecimento é o BI exercendo sua função e permitindo que a inovação se traduza na busca por outros canais de distribuição, em novas práticas comerciais, em melhores maneiras de relacionamento com os clientes, em novas formas de relacionamento com os clientes, em novas formas de sobrevivência. 
Enfim usar inteligência nas tomadas de decisões, nos fechamentos de negócios e no planejamento de estratégias.
 Alinhar projetos de tecnologia com as metas estabelecidas pelas empresas na busca pelo retorno de investimento.
 Ampliar a compreensão das tendências dos negócios, propiciando melhor consistência no momento de decisões e ações.
 Permitir uma análise de impacto sobre rumos financeiros e organizacionais para criar mudanças nas iniciativas gerenciais.
Vamos ver alguns benefícios que o BI permite:
 Facilitar a identificação de riscos e gerar segurança para as migrações de estratégias.
 
Permitir um planejamento corporativo mais amplo, substituindo soluções de menor alcance por resultados integrados pela informação consistente.
 Gerar, facilitar o acesso e distribuir informação de modo mais abrangente para obter envolvimento de todos os níveis da empresa.
Vamos ver alguns benefícios que o BI permite:
É necessário organizar e publicar informações para unificar a visão da empresa por meio de acesso fácil, como?
 conectando pessoas com as informações e as pessoas entre si; 
 abrindo espaço para a implementação eficaz de modelos de gestão. 
Tais como: 
 Inteligência Competitiva, Gestão do Conhecimento e Balanced Scorceard .
Paralelamente , o passo a passo da arquitetura incremental dá forma tecnológica aos projetos de BI de modo a facilitar, e proporcionar à empresa interessada, a absorção da tecnologia de forma gradual. 
Segundo o Gartner Group, os usuários de BI estão menos preocupados com a tecnologia de base, que une todos os processos, do que deveriam estar.
 Mas quem não estabelece uma infraestrutura de base correta, 
 não obterá a flexibilidade e a extensão necessária para que as 
 soluções estejam disponíveis para os diferentes níveis dentro da
 corporação. 
 
 
 Uma empresa que tem disponível em tempo
 real, a informação consistente, possui vantagem competitiva no mercado. 
 A aplicação das soluções de BI em diferentes verticais de 
 mercado traz resultados significativos e compensadores. 
 Empresas do setor financeiro por exemplo, rapidamente selecionam seu “melhores clientes” para um tratamento diferenciado.
 No setor de telecomunicações, operadoras ampliam o potencial de suas Estações de Radio Base, a partir de informações de clientes que antes não podiam ser atendidos.
.
Com base no comportamento dos consumidores, uma loja de varejo pode selecionar quais produtos funcionam melhor em forma de venda casada.
 Enfim, transformar dados em informações e obter lucros, não é 
 mais novidade, no entanto as empresas devem ser claras nas 
 suas metas e se manter firmes nos objetivos, para que o projeto
 de BI atinja o seu intento.
Atualmente a aplicabilidade das ferramentas de BI não está mais concentrada apenas nas mãos dos gerentes e executivos de alto escalão responsáveis por decisões. 
A inteligência distribuiu-se a todos que precisam de informações. Profissionais que possuem contato direto com clientes, fornecedores ou parceiros, agora podem e devem tomar decisões baseadas nos dados disponíveis, já transformados em informação consistente, eliminando a hierarquia e a consequente morosidade que caracterizava o processo decisório do passado recente.
 As aplicações de BI ampliam as proporções de sua eficiência na 
 medida em que o mercado exige rapidez e diferencial competitivo
 e se expande por vários setores.
Estão presentes nas áreas de análise de crédito e de risco de empresas do setor financeiro; nas de controle de fraudes de empresas de seguros; nas áreas de marketing e vendas; para segmentação de mercado e ofertas de novos produtos; seja para bancos, supermercados, magazines, e empresas de diferentes ramos de negócio.
O BI é uma forma dos responsáveis pela gestão do negócio avaliarem o empreendimento, trabalharem melhor seus pontos fortes e transformarem seus pontos fracos em oportunidades.
Processos e Tecnologias que trabalhamos com informações dos Projetos Analíticos 
O Processo 
Gestão do Conhecimento
Gestão de Conhecimento 
 O conhecimento é a única forma de garantir a sobrevivência. Isso quer dizer que aprendemos para sobreviver às ameaças do ambiente.
 
 Controlar será sempre a ação de resolver problemas que ameaçam a sobrevivência. 
234
234
234
Gestão de Conhecimento
 Na tentativa de melhorar a eficiência dessa habilidade natural da espécie humana, muitas organizações praticam a chamada Gestão do Conhecimento (GC).
 Resumindo....Gestão do Conhecimento é um conjunto de 
 processos organizacionais que consistem em obter, acumular e 
 interpretar informações para construir, disseminar e integrar 
 conhecimentos que possam ser aplicados na solução de problemas. 
235
235
235
Gestão de Conhecimento
 Vista como um processo produtivo, a Gestão do Conhecimento transforma informações em soluções. 
Informação
Conhecimento
Solução
Obter
Acumular
Interpretar
Construir 
Disseminar
Integrar
Prescrever
236
236
236
Gestão de Conhecimento
 A informação é um conteúdo que foi organizado a partir do discernimento de padrões no que é observado. 
 O primeiro esforço da Gestão do Conhecimento para agregar valor a esse conteúdo é garantir o acesso a ele (obter a informação) e incrementar sua quantidade e diversidade (acumular). 
 Em seguida a informação ganha significado e relevância a partir da interpretação que se dá a ela. 
 Nesse ponto teremos uma informação qualificada. 
237
237
237
Gestão de Conhecimento
 Nas organizações o conhecimento é algo que pode ser aplicado em algum tipo de sistema produtivo. Portanto ele só existe quando gera prescrições que possam transformar uma situação existente em uma situação desejada.
 Essas prescrições visam dar apoio a outro processo muito relevante nas organizações: a tomada de decisão. 
 
238
238
238
Gestão de Conhecimento
 Podemos então dizer que a informação é a base do 
 conhecimento, e que este é a base da ação. 
 Portanto, o maior indicador de sucesso de um projeto de 
 Gestão do Conhecimento está nos objetivos alcançados pela
 organização. 
239
239
239
O BI e a Gestão de Conhecimento
 Quando se fala em gestão do conhecimento e BI, devemos ter em mente que essa relação é extensa em vários aspectos e por isso devem caminhar lado a lado.
 Muitos projetistas não consideram todos os elementos necessários na construção do BI, e em suas concepções acabam se esquecendo de alguns pontos, tais como: conhecimentos, experiências, soma de informações,contextos e práticas.
240
240
240
O BI e a Gestão de Conhecimento
Grande parte destes projetos são carentes de disseminação de melhores práticas analíticas e ênfase aos padrões de uso esperados e desejados dos recursos de informação. 
Ao mesmo tempo em que as informações são essenciais à produção do conhecimento, elas não são o bastante e nem são a garantia de que será produzida e utilizada na hora e condições certas.
 
241
241
241
O BI e a Gestão de Conhecimento
Portanto a produção do conhecimento e o uso dos recursos e informações de BI devem ser tratados com total comprometimento e espontaneidade das pessoas envolvidas.
242
242
242
O BI e a Gestão de Conhecimento
O que vai determinar a eficácia das soluções de BI, embora importantes, não serão os desafios superados na integração dos sistemas, os árduos processos de ETL e nem mesmo o tamanho do DW, mas sim os resultados que eles vão proporcionar.
 Isto fará do BI uma solução de valor. 
243
243
243
O BI e a Gestão de Conhecimento
 Podemos gerar páginas e páginas de relatórios, mas a maior conquista será apoiar a produção de conhecimentos relevantes, a partir de mentes individuais e experiências reais de valor, e que vão separar o “joio do trigo”.
 A relação entre gestão do conhecimento e BI ainda se estende ao estudo das decisões.
 
244
244
244
O BI e a Gestão de Conhecimento
 Ao mesmo tempo em que as decisões certas permitem à organização adaptar-se ao ambiente e crescer, 
 
 a reflexão e o estudo acerca das decisões erradas também podem
 fortalecer as organizações na aprendizagem e à sua 
 adaptação às mudanças do ambiente.
 
245
245
245
O BI e a Gestão de Conhecimento
 Você já se perguntou “o quanto minha empresa é analítica”, ou 
 “o quanto minha empresa está se esforçando para se tornar mais
 analítica”?
Para que uma solução em BI tenha sucesso, ela deve dedicar-se a organizar as informações existentes da empresa, facilitando o acesso e a recuperação dos dados de forma rápida e que inspire confiança nos números, sem nunca aumentar a overdose informacional. 
246
246
246
O BI e a Gestão de Conhecimento
Um último cuidado está relacionado à escolha dos indicadores de desempenho. 
 Medir é essencial, mas não qualquer medida. 
 Não basta medir.
 É preciso medir a coisa certa. Indicadores sem propósitos ou importância podem levar a um conforto ilusório, paralisante ou falso ou a ações sem relevância estratégica.
 Sempre que medir, meça com propósitos e algo de valor.
247
247
247
Balanced Scorecard
O que é Balanced Scorecard (BSC) ?
 É uma das ferramentas de gestão que consiste em um método que mede o desempenho da empresa. 
 Foi desenvolvido por professores (Robert S. Kaplan e David Norton) de Harvard Business School e atualmente é muito utilizado na gestão de empresas, principalmente como um complemento ao planejamento estratégico. 
Sua sigla tem o significado de Indicadores Balanceados de Desempenho.
O que é Balanced Scorecard (BSC) ?
Segundo Porter (2002), “a era da eficiência operacional foi suplantada pela nova era da estratégia”.
 Estratégia é, atualmente, um dos termos mais utilizados entre a
 camada executiva do mundo dos negócios, e a tradução da 
 estratégia em ações é o principal foco da metodologia do BSC, 
 que surge como um apoio à estruturação e ao acompanhamento
 da gestão e da tomada de decisão
O que é Balanced Scorecard (BSC) ?
O BSC é uma Metodologia de Gestão Estratégica que integra de modo balanceado as medidas derivadas da estratégia. 
O BSC está baseado em quatro fatores que o diferenciam:
 os vetores do desempenho financeiro futuro e retorno para os acionistas;
 
 a satisfação dos clientes; 
 a melhoria dos processos internos para alcançar excelência e; 
 o investimento e valorização dos recursos humanos. 
“Os objetivos e as medidas utilizadas no BSC não se limitam a um conjunto aleatório de medidas de desempenho financeiro e não financeiro, pois derivam de um processo hierárquico (top-down) norteado pela missão e pela estratégia da unidade de negócios” ( Kaplan e Norton, 1997: 09)
 Para Kaplan e Norton (2001), “o que não é medido não é gerenciado” e, nesta nova era, as empresas devem utilizar sistemas de gestão e medição de desempenho evolutivo derivados de suas estratégias e capacidades, a fim de alcançar a excelência.
O que é Balanced Scorecard (BSC) ?
AULA 5
253
253
253
Data Mining
(Mineração de Dados)
Como usar os dados para melhorar os negócios ???
Técnicas de
 DATA MINING
Busca de informação valiosa em grandes volumes de dados.
 Data mining é o esforço desenvolvido por homens e máquinas. 
 
 Os homens desenham os bancos de dados, descrevem os problemas e setam os objetivos. 
 As máquinas mineram os dados, em busca de padrões que atendam a estes objetivos (tradução do autor – Weiss 2007).
DATA MINING
DATA MINING
 É o processo de descoberta de conhecimento de interesse, tais 
 como padrões, associações, mudanças, anomalias e estruturas 
 significativas a partir de grandes volumes de dados armazenados em
 repositórios de informação.
O que é DATA MINING?
Tecnologia para achar combinações de dados que não são claramente aparente.
 Mineração de dados deve ser realizada quando não se conhece a pergunta a fazer.
Para obter êxito na utilização de técnicas de Data Mining, é de suma importância mapear e desenvolver fluxos de trabalho que permitam uma maior assertividade no que diz respeito a sua utilização. 
Data Mining
 A primeira fase é a coleta, onde tem-se o processo de formação de uma base dados, ferramenta essa indispensável para elaboração do processo de Data Mining. 
*RSS é um formato de distribuição de informações pela internet, ou seja, notícias.
Descrevendo fases do fluxo
A próxima etapa é o pré-processamento, pois sistemas de Data Mining não submetem aos seus algoritmos de descoberta de conhecimento coleções de textos despreparadas.
 É a etapa de preparação dos textos para que os mesmos possam ser manipulados pelos algoritmos de Mineração de Textos.
Descrevendo fases do fluxo
 Após o pré-processamento inicia-se a fase da indexação, que consiste no processo responsável pela criação de estruturas auxiliares denominadas índices e que garantem a rapidez e agilidade na recuperação dos dados.
 
 Uma vez indexados, os dados serão submetidos a algoritmos
 de aprendizados de máquinas e estatística.
Descrevendo fases do fluxo
 Segundo Manovich, (2001) algoritmo é um conjunto bem definido de instruções em pseudo linguagem computacional ou linguagem de descrição, que define as estruturas dos conhecimentos implícitos presente nos dados, para poder manipulá-los e formatar os resultados.
 A quarta fase é a etapa de mineração que ocorre a busca efetiva por conhecimentos novos e úteis a partir dos dados. 
 
 Compreende a aplicação de algoritmos de Aprendizado de
 Máquina sobre os dados de forma a abstrair o conhecimento
 implícito presente.
Descrevendo fases do fluxo
 Finalizado o processo de data mining, temos a etapa de análise, onde será realizada avaliação de todo o conhecimento obtido pelo processo. 
 
 A etapa de análise, algumas vezes chamada de 
 Pós-Processamento, abrange o tratamento do conhecimento 
 obtido na etapa de Mineração, através da análise, visualização e
 interpretação.
Descrevendo fases do fluxo
Integração de DW com Data Mining
 Comparar milhões de registros sem saber exatamente o tipo de informação desejada.
 Deseja encontrar