BI - Business Intelligence

Prévia do material em texto

Business
Intelligence
e a gestão
dos dados
Alexssander Neves
A gestão dos dados
A inteligência do negócio está
fundamentalmente no tratamento da
informação disponível na organização, de modo
integrado, visando seu reaproveitamento no
negócio
O que é Business Intelligence?
Business Intelligence (BI) é reunir
a informação adequada para os
tomadores de decisão no
momento em que eles necessitam
da informação
BI é um modo efetivo de conectar
sistemas apartados com o objetivo
de gerar informação
BI é um ambiente corporativo que
suporta relatórios, análises e
tomada de decisão em uma
plataforma distribuída
Mais do que softwares, estamos
falando de conceitos
Dados valiosos, informação pobre
Bancos de dados
A
c
c
e
s
s
S
Q
L
O
ra
c
le
Planilhas
MKT
RH
Outros sistemas
SAC
Com todos os
investimentos em
sistemas, as organizações
reúnem dados valiosos
Mas reunir a informação
entre as diferentes áreas é
difícil porque os sistemas
não conversam entre si
Reunir informações
multidimensionais é
impossível: os sistemas só
analisam dados em suas
dimensões
O efeito “DRIP”
Bancos de dados
A
c
c
e
s
s
S
Q
L
O
ra
c
le
Planilhas
MKT
RH
Outros sistemas
SAC
Como resultado,
a organização
sofre de um
excesso de
dados, mas
pobreza de
informação.
“Data Rich,
Information
Poor” (DRIP)
ERP é uma opção?
Bancos de dados
A
c
c
e
s
s
S
Q
L
O
ra
c
le
MKT
RH
SAC
Planilhas
ERP
Outros sistemas
ERP não é opção para
análise complexa de
dados em função do
foco operacional do
sistema
A opção pelo BI
Bancos de dados
A
c
c
e
s
s
S
Q
L
O
ra
c
le
Planilhas
MKT
RH
Outros sistemas
SAC
Cubo
Multidimensional
S
is
te
m
a
d
e
B
I
Organizações de 7 níveis
Aplicações de Back Office
Aplicações Especializadas
Aplicações de Atendimento a Clientes
E-Business (Intranet e Internet)
5 Informação e Conhecimento
Análise do valor
Gestão
de valor
1
2
3
4
6
7
ERP
Web
Services
e CRM
Business
Intelligence
Balanced
Scorecard
As atividades informacionais, geradoras de valor, dependem da análise da
informação gerada pelos sistemas operacionais
Informação por si só não tem valor; para ter valor, precisa ser relacionada a outros
fatos e acontecimentos
Inteligência do negócio
A inteligência do negócio está em reunir e
tratar informação, de modo a torná-la útil
no processo de tomada de decisão
Não é uma atividade puramente técnica
Envolve 100% do tempo a criatividade e o
egenho humano
Sistemas de apoio
A eficácia de um sistema de
Business Intelligence vai
depender dos sistemas que lhe
dão apoio
Entre estes sistemas temos:
Data Warehouse Data Mart
Data Mining
Data Warehouse
Data Warehouse é um armazém de
dados que dá suporte ao processo de
decisão
Estrutura do Data Warehouse
• Data Warehouse é:
Orientado a assuntos, temas
Dados relacionam-se a temas específicos
Integrado
Dados chegam de várias fontes, mas estão reunidos
segundo um padrão pré- determinado
Variável com o tempo
Dados dizem respeito a períodos de tempo
específicos e demarcados como dia de pagamento,
semana, mês, férias, semestre
Não voláteis, não descartáveis
Dados são coletados, mas jamais deletados
Dados podem vir diretamente
de sistemas transacionais como
ATMs ou caixas de lojas
Como desenvolver um DW
Há tantos modos de desenvolver
um DW quanto há maneiras de
administrar empresas
Aspectos que precisam ser
considerados
Escopo
Acesso à informação Tipo de usuário
final
Arquitetura do sistema
Escopo
Quanto mais amplo o escopo
do DW, mais valiosa será a
base de dados
Dados do cliente Transações do
cliente
Produtos do cliente
Contatos do cliente com o Call
Center
Páginas que cliente viu no web
site da empresa
Acesso à informação
Há 3 tipos básico de acesso à
informação em um DW
Virtual
O usuário final tem acesso direto à informação
Central
Acesso à informação se dá em um único ponto e
áreas de negócios precisam demandar a
informação a uma equipe de DW
Distribuída
Informação distribuída em alguns pontos da
estrutura da empresa, o que exige alimentação e
manutenção distribuída de dados
Nas empresas mais ágeis e
dinâmicas, o próprio
usuário da informação tem
acesso direto ao DW
Usuário final
São pelo menos 3 os tipos de
usuários finais de um DW
Usuários estratégicos: executivos e
gerentes
Buscam dados para a tomada de decisão
Usuários intensivos: analistas,
engenheiros
Buscam dados para operacionalizar ações
Usuários de suporte: administração
Buscam dados para a produção de relatórios
Arquitetura do sistema
Cada fornecedor propõe uma
arquitetura diversa
Usualmente, um bom DW deve é
composto por vários elementos,
principalmente um banco de dados que
permita fazer relações (relacional)
Que produtos o cliente mais compra no verão
Quantas ligações faz ao call center em
diferentes épocas do ano
Compra mais ou menos ao receber um contato
via telemarketing
Produto, mercado e tempo
O desenvolvedor de um DW vai
considerar três aspectos básicos:
Vendemos:
1.PRODUTOS
2.Em vários
MERCADOS
3.E medimos nosso
desempenho ao longo
do TEMPO
Três dimensões do DW
M
e
rc
a
d
o
.
Produto
Um ponto qualquer
dentro do cubo registra
o desempenho do
negócio, uma
combinação de Produto,
Mercado e Tempo.
Esse ponto equivale a
“informação” ou fato
sobre o negócio.
.
. . .
. .
.
.
Modelo de informação em um DW
Dimensão
do Mercado
Dimensão
do Produto
Dimensão
do Tempo
INFORMAÇÃO
Fluxo da informação
Dimensão
do Mercado
3. Na livraria
da
Universidade
Metodista...
Dimensão
do Produto
2. De livros
sobre CRM...
Dimensão
do Tempo
4. Em janeiro
de 2005?
INFORMAÇÃO
. Qual o
total de vendas...
DBMS
Meta
Dados
Dados
muito
resumidos
Dados
Detalhados
Dados
resumidos
Administrador
de Carga
de Dados
Data
Mining
Ferramen
tas
do
usuário
final
Ferramentas
de OLAP (Online
Analytical Processing)
Ferramentas de pesquisa,
informação,
desenvolvimento de
aplicação e Sistema de
Informação Executiva
Base de Dados Operacional
(BDO)
F
o
n
te
s
d
e
d
a
d
o
s
o
p
e
r
a
c
io
n
a
is
Administrador
de Solicitação
de Dados
Arquivo de
back-up de
dados
Arquitetura típica de DW
Glossário
Fontes de Dados Operacionais
Dados mantidos em sistemas como mainframes (computador central), dados
de departamentos (Marketing, Atendimento a Clientes, Produção), dados
privados mantidos em computadores de pessoas e até bases de dados de
fornecedores e clientes
Banco de Dados Operacional (DBO)
Um banco de dados usado para armazenar informação usada para análise,
normalmente estruturado como o DW, podendo atuar como uma área que
reúne informações a serem armazenadas no DW
Administrador de Data Warehouse
Executa todas as operações relativas à
administração dos dados no DW. As
operações executadas incluem análise da
informação para verificação de consistência,
transformação e mescla de dados, criação de
índices e visualizações, geração e agregação
de dados, bem como arquivamento e geração
de back-up de dados
Administrador de solicitação de dados
Também chamado de componenete de back-
end, este sistema executa todas as
operações associadas às pesquisas de dados
dos usuários. As operações executadas
incluem o direcionamento de pesquisas para
as tabelas apropriadas, bem como o
agendamento da execuçaão de pesquisas
Glossário - 2
Glossário - 3
Administrador de Carga de Dados
Também chamado de componente de front end,
este sistema administra todas as operações de
extração de dados das fontes operacionais
para carga das informações no DW. Estas
operações incluem transformação e preparo
dos dados para input no DW
Ferramentas do usuário final
São categorizadas em cinco grupos principais
Informação de dados e ferramentas de consulta
Ferramentas de desenvolvimento de aplicações
Ferramentas de sistemas de informação executiva
Processamento analítico on-line (OLAP) Ferramentas de
Data Mining
Principais equívocos
O Data Warehousing Institute aponta os erros
mais comunsna implementação de um DW:
Escolher um gerente para o DW que tenha orientação
para tecnologia (99% das empresas comete este
equívoco aqui)
Gerar expectativas que não serão atendidas
Acreditar nas promessas de desempenho,
capacidade e escalabilidade dos vendedores de
sistemas
Focar o DW em dados tradicionais internos
orientados a registro e ignorar o valor potencial de
dados textuais, imagens, sons, vídeos e dados
externos
Falhar no objetivo de acrescentar valor aos dados
através de mecanismos de categorização
Veja mais dicas para
implementação de
um DW em
www.tdwi.org
http://www.tdwi.org/
Data Marts
Os DM são orientados a temas:
Renda do cliente Sexo do cliente Idade do cliente
Produtos que o cliente compra Situação de crédito do cliente
Cada um desses temas em particular interessa a diferentes
setores da empresa
Esses temas específicos são considerados Data Marts
Um Data Mart foca os requerimentos de usuários ligados a um
departamento específico ou unidade de negócios
Finanças Marketing
Atendimento a Clientes
Informação apartada
Por razões de negócio, pedaços
das informações do DW são
replicadas em bancos de dados
apartados para que
determinadas áreas tenham
acesso mais rápido à informação
sobre determinados grupos de
clientes:
Os clientes do Itaú que investem em
fundos de investimento
Os usuários do cartão da Credicard que
comprar passagens aéreas pelo menos
uma vez por mês com o cartão
Ao contrário do DW, os Data
Marts não contêm informações
detalhadas, por isso são mais
acessíveis e fáceis de usar
Criação de muitos Data Marts
traz problemas importantes de
manutenção
Data Mart
DBMS
Meta
Dados
Dados
muito
resumidos
Dados
Detalhados
Dados
resumidos
Administrador
de Carga
de Dados
Data Mining
Ferramentas
de OLAP (Online
Analytical Processing)
Ferramentas de pesquisa,
informação,
desenvolvimento de
aplicação e Sistema de
Informação Executiva
Base de Dados Operacional (BDO)
F
o
n
te
s
d
e
d
a
d
o
s
o
p
e
r
a
c
io
n
a
is
Administrador
de Solicitação
de Dados
Arquivo de
back-up de
dados
Ferramentas
do usuário final
Dados
resumidos
em bancos
de dados
relacional
e multi-
dimensional
Arquitetura de DW com Data Mart
Por que criar um Data Mart? (1)
Dar ao usuário acesso à informação
da qual ele necessita com mais
freqüência
Clientes que voam ao exterior mais de
2 vezes ao ano
Clientes que trocam de carro 1 vez a
cada dois anos
Clientes com investimentos em
fundos de ações
Prover dados que são
significativos para
determinadas áreas da
empresa ou unidades de
negócios
Tornar os dados mais
acessíveis
Data Marts podem registrar
atividades específicas de
determinados clientes que
interessam à empresa: tipo
de carro que compra, cor de
carro que compra
Por que criar um Data Mart? (2)
Data Marts usam menos dados,
logo ações como limpeza de
dados, carga, transformação e
integração são muito mais
simples e rápidas
Custo de implementação mais
baixo
Usuários dos dados são mais
claramente definidos
Fornecer uma estrutura de
dados mais adequada às
ferramentas de acesso do
usuário final
Nesta estrutura, os data marts
aparecem claramente definidos por
temas de dados: compras, vendas,
estoque
Múltiplos Data Marts
Vantagens dos Data Marts levou empresas a
construirem vários Data Marts para
diferentes necessidades
Surge a expressão ”virtual data mart” para
definir vários data marts fisicamente
separados interagindo uns com os outros
Por sua agilidade, os data marts podem ser
acessados via Internet porque eles não se
situam em áreas críticas de dados
A administração de múltiplos data marts
está se tornando complexa e levando à
incidência de erros e inconsistência de
informação
Múltiplos Data Marts tornam
sistema cada vez mais
complexo e difícil de
administrar
Data Mining
• “Garimpo de dados”
É um novo enfoque para a
análise e obtenção de
informações ou
conhecimentos em Data
Warehouse, Data Mart ou
grandes bases de dados,
como mainframes
É ferramenta de inteligência,
pois permite estabelecer
relações, comprações,
tendências
Data mining é a mineração
(busca detalhista) de dados
de forma bastante dirigida e
específica, como o
minerador que garimpa as
pedras do rio em busca de
preciosidades
Data Mart
DBMS
Meta
Dados
Dados
muito
resumidos
Dados
Detalhados
Dados
resumidos
Administrador
de Carga
de Dados
Data Mining
Ferramentas
de OLAP (Online
Analytical Processing)
Ferramentas de pesquisa,
informação,
desenvolvimento de
aplicação e Sistema de
Informação Executiva
Base de Dados Operacional (BDO)
F
o
n
te
s
d
e
d
a
d
o
s
o
p
e
r
a
c
io
n
a
is
Administrador
de Solicitação
de Dados
Arquivo de
back-up de
dados
Ferramentas
do usuário final
Dados
resumidos
em bancos
de dados
relacional
e multi-
dimensional
Onde está o Data Mining?
Ferramentas de DM
O DM é composto por ferramentas que permitem Análise de
dados e informações
Planejamento e descoberta automática de padrões, regras,
grupos, funções, modelos, seqüências, relações, correlações
Permite aumento da eficácia e produtividade
Dados para DM
A aplicação ideal do DM se dá sobre as bases de dados
corporativas, que podem estar em um DW, DM, um mainframe
ou outras plataformas
O DM pode ser entendido como
Um processo otimizado que intermedia a informação e a tomada de decisões
O processo de mineração de dados aprofunda o conhecimento que temos
sobre o modo de ser e agir de nossos clientes
Gatilhos ou alarmes
Ações de DM permitem detectar
acontecimentos ou situações
que podem desencadear
atividades fora do ciclo
ordinário de procedimentos de
uma empresa:
Cliente comprou passagem aérea
internacional com o cartão
DM programa oferta de jogo de
malas para longas viagens por e-
mail ou através do primeiro
contato do cliente com o call
center
Compra de passagem aérea
internacional leva a determinados
comportamentos adicionais como
compra de malas, roupas,
equipamentos (câmeras) e várias
outras atitudes que podem ser
antecipadas
Consultas e informações
As plataformas de DM podem
incorporar ferramentas de
consulta com
Interfaces gráficas avançadas,
intuitivas e fáceis de usar
Análise multidimensional Agentes
inteligentes
Visualização de dados
Os desenvolvedores
de ferramentas DM
estão fazendo um
grande esforço para
conseguir uma
comunicação
baseada em
visualização de dados
Tratamento de dados
Os dados podem ser
armazenados em
formatos adequados ao
DW
As soluções de DM
incorporam módulos de
tratamento de dados
que facilitam ao
máximo as interfaces
de dados e informações
Fonte: iMasters
Ferramentas de DM
Agrupamento ou segmentação
Associação
Sequenciamento
Reconhecimento de padrões
Previsão
Simulação
Modelagem explícita
Classificação
Agrupamento ou segmentação
Identificação de tipologias ou grupos onde os
elementos:
Guardam similaridade entre si
Se diferenciam dos de outros grupos
Exemplo: Segmentação de
Clientes
Valores e índices financeiros Grupo de empregados
Preferências
Para que?
Tratamento particularizado de cada um destes grupos
Associação
Permite estabelecer as possíveis
relações entre ações ou sucessos
aparentemente independentes
Exemplo: Compreender
Hábitos de compra
Sucesso de ofertas Vendas cruzadas Merchandising
Sequenciamento
Conceito similar à
associação, porém inclui
o fator tempo
Permite reconhecer o
tempo que transcorre ou
pode transcorrer entre o
sucesso indutor e os
sucessos induzidos
Reconhecimento de padrões
Permite a associação de um
indício ou informação de
entrada com aquelas que
Guardam maior similaridade
E já estão catalogadas no sistema
No DM, estas ferramentas
Podem ajudar na identificação de
problemas e incidências e ajudar em
possíveis soluções
Previsão
Permite estabelecer o comportamento
futuro mais provável de uma variável ou
uma série de variáveis a partir da
evolução passada e presente dessas
variáveis ou de outras das quais
dependam
Astécnicas associadas a esta ferramenta
possuem um elevado grau de maturidade
Educação Carro Casa
Saúde Lazer
Aposentadoria
Simulação
Permite comparar a
situação atual da empresa
e sua possível evolução
futura
Facilita a criação e análise
de diferentes cenários
Importante no processo de
planejamento e tomada de
decisão
Comparação entre clientes de
segmentos de mercado
diferentes para avaliar foco
Modelagem explícita
Resolve o problema da
minimização ou maximização
de um função que depende de
uma série de variáveis
Encontra os valores que
satisfazem a condição de
máximo - tipicamente
benefícios - ou mínimo -
tipicamente custos
Normalmente podem haver
restrições, de modo que o
universo de busca se reduz às
soluções que satisfaçam as
restrições
Classificação
Permite assinalar a um
elemento sua pertinência a um
certo grupo ou classe uma vez
conhecidos os valores de suas
variáveis ou série de atributos
Em cada classe ou expressão,
estabelece-se um perfil
característico em função de
Um algoritmo ou regras Das
variáveis distintas Do grau de
influência
Exemplo: Sistema de “score”
da Credicard