Baixe o app para aproveitar ainda mais
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
Compartilhar