GESTÃO ESTRATÉGICA DA INFORMAÇÃO

Prévia do material em texto

ELISAMARA DE OLIVEIRA
JULIO SOZZA BERTOCCO
Professora autora/conteudista
Atualizado e revisado por
É vedada, terminantemente, a cópia do material didático sob qualquer 
forma, o seu fornecimento para fotocópia ou gravação, para alunos 
ou terceiros, bem como o seu fornecimento para divulgação em 
locais públicos, telessalas ou qualquer outra forma de divulgação 
pública, sob pena de responsabilização civil e criminal.
SUMÁRIO
Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
Corporate Performance Management . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
Cenário do mundo corporativo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .6
Definição de CPM – Corporate Performance Management . . . . . . . . . . . . . . . . . . . . . 9
BI (Business Intelligence) e ferramentas de apoio ao CPM . . . . . . . . . . . . . . . . . . . . . .13
O processo de tomada de decisões . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .14
Business Intelligence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
Business Intelligence e Business Intelligence 2 .0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
Sistemas transacionais x sistemas de apoio à decisão . . . . . . . . . . . . . . . . . . . . . . . . 20
Arquitetura e ferramentas de BI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .24
CPM e BI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
Data warehouse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
Definições de data warehouse e data warehousing. . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
Características de um DW . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .31
Pessoas envolvidas no processo de data warehousing . . . . . . . . . . . . . . . . . . . . . . . . 33
Etapas de implantação de um DW . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
O que são metadados?. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
Arquitetura de DW . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
Arquitetura global . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
Arquitetura de DMs independentes . . . . . . . . . . . . . . . . . . . . . . . . . 39
Arquitetura de DM integrados. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
Ferramentas para construção e consultas a um DW . . . . . . . . . . . . . . . . . . . . . . . . . . 42
Etapas e componentes da implantação de um ambiente de apoio à decisão . . . . . . .42
Extract, Transform and Load (ETL) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
Staging Area . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
Extract (Extração) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .45
Transformation (Transformação) . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
Load (Carga). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
Data Marts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
Custos de implantação de DMs e DW . . . . . . . . . . . . . . . . . . . . . . . . 53
OLAP - On Line Analytical Processing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
Modelagem e visão multidimensional dos dados . . . . . . . . . . . . . . . . . 57
Navegação multidimensional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
Ferramentas para construção e consultas a um DW – parte II . . . . . . . . . . . . . . . . . . 63
Big data e data mining . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
Casos de sucesso com a utilização de data mining . . . . . . . . . . . . . . . . 69
Text mining . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .71
Monitoramento e visualização de dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
5.2.1. Business Activity Monitoring (BAM) . . . . . . . . . . . . . . . . . . . . . 76
Considerações Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
Glossário . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
Referências bibliográficas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
Pág. 5 de 83
INTRODUÇÃO
O objetivo deste conteúdo é capacitar você, caro aluno, a conhecer a evolução dos dados e 
sistemas nos ambientes corporativos e explorar de forma contextualizada e atualizada uma área 
muito importante ligada à gestão estratégica da informação, conhecida como Business Intelligence 
(BI) ou Inteligência nos Negócios. Esta área e seu ferramental fazem parte do Corporate Performance 
Management (CPM), um conceito que reúne metodologias e tecnologias que permitem que o 
desempenho de uma organização corporativa seja gerenciada de maneira racional, eficiente e 
integrada.
Você será levado a conhecer e dominar os conceitos de Corporate Performance Management 
e de Business Intelligence, tendo uma visão geral do mercado de BI, conhecendo e explorando as 
principais ferramentas de gestão de performance e de apoio à decisão em nível gerencial.
Essas ferramentas precisam obter informações do “big data”, um termo que se refere à enorme 
quantidade de dados que é produzido no mundo. O grupo Gartner informou que o mundo produz 
mais de 15 petabytes de dados estruturados e não estruturados por dia, na forma de vídeos, textos, 
áudios, imagens, informações produzidas pelas redes sociais etc. Mas o que mais importa não é a 
quantidade de dados, mas o que as empresas podem fazer com aqueles que são relevantes. O big 
data pode ser investigado e analisado para que decisões estratégicas possam ser tomadas para 
melhorar o negócio.
Neste universo de big data, você conhecerá a importância e o funcionamento de repositórios 
de dados multidimensionais como o Data Warehouse (DW) e conhecerá o que são data marts, 
processo de ETL (Extract Transform Load) e ferramentas de OLAP (On Line Analytical Processing), 
de data mining e de monitoramento e visualização de indicadores de performance.
Ao longo do texto, vamos, também, oferecer a você mais informações sobre empresas e 
ferramentas de BI e quadros com artigos ligados aos temas.
 Como pode ver, são muitas as siglas e muitos os termos técnicos, mas não se preocupe. Ao 
longo deste conteúdo você conhecerá cada um deles e estará apto a diferenciá-los e também a 
utilizá-los profissionalmente. Então, prepare-se, um novo universo, muito interessante e instigante, 
esperapor você nas próximas páginas deste material!
 Elisamara de Oliveira
Pág. 6 de 83
CORPORATE PERFORMANCE MANAGEMENT
Cenário do mundo corporativo
Podemos dizer que, atualmente, estamos diante de um cenário de rara complexidade no mundo 
corporativo e na sociedade como um todo. Diversos acontecimentos e fenômenos econômicos e 
sociais, de alcance mundial, têm sido responsáveis pela reestruturação do ambiente de negócios. 
A globalização da economia, impulsionada pela TI e pelas comunicações, é uma realidade da qual 
as organizações empresariais e sociais não podem escapar. Com o advento dessa globalização o 
mundo ficou mais competitivo, as empresas e os clientes ficaram muito mais ágeis e exigentes, e 
passou a ser fundamental para as organizações empresariais contar com processos automatizados 
eficientes para apoiar as decisões, que se tornam cada vez mais difíceis. Você, caro aluno, certamente 
não somente percebe estas mudanças, como sofre diariamente a influência delas, pois vive em 
um mundo que lhe oferta novos produtos, frutos das modernas tecnologias, de forma intensa e 
constante.
As empresas fazem parte do mundo dos negócios que visa o lucro e o retorno dos capitais 
investidos no menor tempo possível. Nesse ambiente de alta competitividade, as informações 
assumem um papel importante para o sucesso das empresas. Com a enorme quantidade de 
informações que são geradas e disponibilizadas todos os dias, são necessários critérios para sua 
seleção e organização.
Figura 1 – Mundo dos negócios.
Fonte: Toria/ Shutterstock.
Isso porque apenas “saber muito” sobre o negócio não 
proporciona, por si só, maior poder de competição para 
uma organização. As informações e os dados, quando 
aliados a um sistema capaz de realizar a sua gestão, é 
que começam a fazer a diferença. Assim, a criação e 
a implantação de processos que gerem, armazenem, 
gerenciem e disseminem o conhecimento representam 
o mais novo desafio a ser enfrentado pelas corporações. 
Termos como “capital intelectual”, “capital humano”, 
“capacidade inovadora”, “ativos intangíveis”, “big data”, 
“plano de contingência” e “inteligência empresarial” 
fazem parte do dia a dia de muitos executivos que estão 
despertos para essa nova realidade.
Pág. 7 de 83
Mas é importante ressaltar que dados, informações, conhecimento e sabedoria são conceitos 
diferentes. Hoppen e Santos (2015) apresentam o gráfico da figura abaixo que ilustra estes conceitos. 
Dados são valores que quantificam algo capturado da realidade, são a matéria prima da escala do 
conhecimento. Informações são os dados agrupados e organizados de forma a dar sentido aos 
dados. Conhecimento se refere às informações de forma contextualizada, de maneira a se poder 
tomar decisões inteligentes e raciocinadas com base nelas. A sabedoria indica um conjunto mais 
complexo de raciocínios que se baseiam nos dados, informações e conhecimento, ampliando o 
potencial das decisões. De acordo com Hoppen e Santos (2015), o gráfico da figura abaixo apresenta 
cores cujos significados são:
Azul escuro representa o ser humano com seus sentidos, práticas e vivências.
Laranja representa os elementos potencializadores da inovação.
Verde representa as fases de desenvolvimento do potencial de inovação até a tomada 
de decisão.
Azul claro indica as ferramentas digitais e computadores que servem de apoio ao 
trabalho humano, as quais nos ajudam a executar tarefas criativas em crescente 
complexidade.
Figura 2 - Dados, informações, conhecimento e sabedoria.
Fonte: <https://aquare.la/dos-dados-inovacao/>
Pág. 8 de 83
O dado é um elemento puro, é um valor que quantifica alguma coisa. Os dados são usados no 
ambiente operacional e podem ser registrados, selecionados e recuperados de um banco de dados 
ou obtidos das mais variadas formas de documentos. Pode-se citar como exemplo de dado o valor do 
faturamento de vendas de uma empresa.
A informação é o dado contextualizado e analisado. Por exemplo, podemos comparar o faturamento 
de vendas da empresa na região Sul (R$ 500 mil) com o faturamento da região Sudeste (R$ 900 mil). 
Mesmo havendo diferenças numéricas entre os dados, não é possível dizer qual região teve o melhor 
desempenho... é necessário estabelecer um parâmetro de comparação, ou seja, criar a informação. 
Se a meta para a região Sul fosse de R$ 200 mil e a da região Sudeste fosse de R$ 5 milhões, ficaria 
claro que a região Sul foi a que teve um desempenho melhor! Ficou claro o conceito de informação, 
caro aluno?
O conhecimento está relacionado à habilidade de se criar um modelo que descreva dados 
e informações e aponte ações a serem implementadas e as decisões a serem tomadas. A 
compreensão, análise e síntese, necessárias para a tomada de decisões inteligentes, são realizadas 
a partir do nível do conhecimento. No caso do exemplo do faturamento da empresa, o conhecimento 
dos dados e da informação sobre o baixo desempenho da região Sudeste deveriam implicar em ações 
corretivas.
A sabedoria está relacionada à pergunta: o que você vai ou pode fazer com base nos dados, 
informações e conhecimentos? A prática e a experiência proporcionada pelo conhecimento leva à 
sabedoria, que torna o gestor mais capacitado a realizar raciocínios mais complexos. No exemplo da 
empresa, a sabedoria poderia levar à busca de soluções inovadoras para aumentar o faturamento.
(Fonte: HOPPEN; SANTOS, 2015)
As informações, para terem ou manterem o seu valor, devem ser consistentes e ter o mesmo 
significado para todos os membros da organização, ou seja, a informação deve ser transformada 
efetivamente em conhecimento e distribuída, tornando-se acessível aos interessados. A informação 
aplicada torna-se conhecimento e passa a ser um ativo da empresa, sendo utilizada para definir 
estratégias de curto, médio e longo prazos, e não mais apenas um suporte à tomada de decisão. A 
sabedoria, fruto da experiência, dá um passo em direção à busca por soluções mais complexas e 
inovadoras. Essa realidade já é percebida, pelo menos em parte, por muitas empresas.
Um grande problema encontrado nas empresas são muitos dados distribuídos por diferentes 
sistemas. Por exemplo, caso seja necessária a emissão de um relatório com informações de um 
certo departamento que estão armazenadas em um determinado sistema, cruzando com os dados 
de um outro sistema, isso pode se tornar uma tarefa de semanas. Mas, geralmente, as empresas 
não podem esperar semanas por um relatório. As decisões estratégicas devem ser tomadas em 
pouco tempo, pois o mercado movimenta-se rapidamente e é muito dinâmico, e qualquer atraso 
Pág. 9 de 83
pode representar grandes prejuízos para uma empresa, implicando até mesmo na sua perda de 
competitividade.
Turban et al. (2009), ao definir a dificuldade e a deficiência em se obter informações nos ambientes 
corporativos, afirma que a TI tem sido mais uma produtora de dados do que de informação, relegando 
a um segundo plano as estratégias de negócios. Os altos executivos não têm conseguido usar as 
novas tecnologias porque não têm acesso às informações necessárias em tempo hábil e de forma 
adequada. Assim, como já dissemos, o uso de sistemas e processos automatizados de gestão do 
conhecimento e apoio às decisões se torna essencial.
Definição de CPM – Corporate Performance Management
De acordo com Veras (2014), o termo CPM – Corporate Performance Management, ou Gestão de 
Performance Corporativa – foi introduzido pelo Gartner Group em 2001. O Gartner Group é um instituto 
de pesquisa, execução de programas, consultoria e eventos que desenvolve tecnologias que auxiliam 
seus clientes na tomada de decisões para o desenvolvimento de suas organizações, independente 
do seu porte. O Gartner, desde meados dos anos 1990, tem acompanhado o desenvolvimento 
das soluções de Business Intelligence e a evolução do próprio CPM por meio de renomados e 
reconhecidos especialistas, o que garante à instituição uma posição de respeito econfiabilidade 
junto a fabricantes e consumidores de soluções corporativas.
O termo CPM também pode ser referenciado como BPM (Business Performance Management) 
ou EPM (Enterprise Performance Management).
Pág. 10 de 83
SAIBA MAIS
Gestão do Desempenho Empresarial: saiba o que é CPM, BPM ou EPM e
como o Corporate Perfomance Management pode ser útil em sua empresa
“...os termos CPM, BPM ou ainda EPM são amplamente utilizados para definir os modelos de gestão 
utilizados para o planejamento e acompanhamento dos resultados de uma empresa.
Mas o que realmente significam e qual sua utilidade? Essas siglas, respectivamente, vêm do inglês 
Corporate Performance Management, Business Performance Management e Enterprise Performance 
Management e em bom português significam a mesma coisa: Gestão do Desempenho Empresarial.
[...] o que importa mesmo é o propósito, e todos eles têm o mesmo objetivo: realizar a Gestão do 
Desempenho Empresarial, buscando sempre o máximo de resultados com o menor esforço (ou com o 
menor uso de recursos).
[...]
Uma plataforma de Corporate Performance Management não é necessariamente um software ou 
uma única ferramenta. É mais que isto. É o conceito geral que engloba toda a Gestão do Desempenho 
Empresarial.
Dentre outros aspectos, uma solução de CPM engloba:
• Conceitos;
• Processos;
• Metodologias;
• Ferramentas;
• Sistemas; e
• Indicadores
Que são utilizados para:
• Planejar;
• Medir;
• Comparar;
• Analisar;
• Prever; e
• Reportar
Pág. 11 de 83
Todas as informações da organização, permitindo gerenciar o desempenho da empresa de maneira 
mais racional e integrada. Ou seja, realizar a Gestão do Desempenho Corporativo não é simplesmente 
implantar um BI. Não é uma ferramenta da área de planejamento e controladoria. Não é uma 
tecnologia. Não é um software de gestão orçamentária.
Cada um destes componentes é fundamental dentro do Corporate Performance Management, tendo 
cada um deles funções específicas que podem individualmente com geração de valor genuíno para 
a empresa. Porém, uma plataforma CPM é muito mais do que qualquer um destes componentes 
individualmente, é um verdadeiro exemplo de sinergia entre todos eles, que faz com que os resultados 
gerados com a adoção sejam ainda maiores.”
Leia mais em: <https://www.treasy.com.br/blog/gestao-do-desempenho-empresarial-o-que-e-cpm-bpm-ou-epm>.
Dentre outros aspectos, o CPM engloba funcionalidades para orçamento, planejamento e previsão 
financeira (budgeting, planning and forecasting financial), consolidação de relatórios financeiros 
estatutários (statutory financial reporting consolidation), simulação de rentabilidade (profitability 
modeling), otimização do planejamento estratégico (optimization strategic planning) etc., ajudando 
as organizações a gerenciarem sua performance de maneira racional, eficiente e integrada, como 
mostra a figura 3.
Figura 3 – Corporate Performance Management.
Fonte: RUGGIERO, 2016.
Pág. 12 de 83
O CPM contribui para que as organizações empresariais consigam identificar as necessidades 
do negócio e, a partir de um cenário mais preciso, executem o planejamento, o monitoramento e a 
análise de ações visando o atingimento das metas empresariais propostas.
Para o sucesso de uma organização é essencial que seus gestores tenham uma definição clara 
da situação atual da empresa e se as diretrizes adotadas em seu planejamento estratégico estão 
de acordo com o planejamento realizado. Outro aspecto de extrema relevância é saber determinar 
os fatores responsáveis pela condição atual da organização, seja esta condição favorável ou 
desfavorável.
De acordo com Ruggiero (2016), o CPM promove o acompanhamento e a medição da performance 
de toda a organização e não apenas de departamentos ou unidades de negócio específicas. 
Pontos críticos e KPIs (Key Performance Indicators), como lucro, fluxo de caixa, retenção de 
clientes, rotatividade de funcionários etc. são frequentemente medidos como parte da estratégia 
de gerenciamento corporativo.
Um dos princípios do CPM, que é fator crítico para o sucesso de um negócio, está baseado em 
um aspecto que indica que muitas organizações ainda não possuem um sistema adequado para 
responder de maneira completa, rápida, segura e pertinente algumas questões simples, como 
“Como estamos?”:
Figura 4 – Perguntas que as organizações fazem
Fonte: Elaborado pelo autor.
Pág. 13 de 83
Ou ainda questões como: Quanto capacitamos, produzimos, satisfazemos ou lucramos? O quê? 
Quando? Como? Onde?
Na maioria das vezes, quando uma organização não consegue identificar tais características 
em seu negócio, também não consegue se organizar melhor para aprender e, no futuro, construir 
um planejamento adequado que auxilie a corrigir os defeitos e potencializar os acertos, gerando 
um importantíssimo diferencial competitivo.
Por estes motivos, caro aluno, o CPM tem entrado e permanecido na agenda de muitas pessoas e 
organizações. As empresas reconhecem que o conhecimento necessário para mantê-las competitivas 
no mercado e melhorar significativamente seu desempenho já se encontra, em boa parte, dentro da 
própria empresa, muitas vezes espalhado em diversos sistemas ou depositado em bancos de dados 
sem o acesso adequado. Isso indica que, para a maioria das empresas, o caminho a seguir não é 
a geração de informações e conhecimento, mas seu gerenciamento (identificação, classificação 
em categorias, armazenamento, beneficiamento, disseminação e uso).
BI (Business Intelligence) e ferramentas de apoio ao CPM
Os indicadores de performance corporativos podem ser estudados e implementados a partir 
de uma combinação composta por soluções como Business Intelligence, Business Planning e 
Business Scorecard.
De acordo com Novato (2017) “Business Intelligence (BI) refere-se ao processo de coleta, 
organização, análise, compartilhamento e monitoração de informações que oferecem suporte à 
gestão de negócios”. Ferramentas de BI capacitam as organizações a acessarem dados e explorarem 
as informações geralmente presentes em um data warehouse (DW). O DW, por sua vez, é criado a 
partir de operações de Extract, Transform, Load (ETL) advindas de diversas fontes e repositórios 
de dados transacionais. As informações no DW são analisadas, permitindo que a organização 
desenvolva interpretações que permitam tomadas de decisões mais assertivas e consistentes, 
como veremos no próximo capítulo.
As soluções de BI em uma organização são de fundamental importância para seu o crescimento 
estruturado. Assim como nas soluções de BI, os bancos de dados gerenciais (data marts e DW) são 
utilizados para auxiliar as equipes de planejamento no desenvolvimento da estratégia corporativa, 
garantindo o acesso facilitado e estruturado às informações necessárias para o desenvolvimento 
do planejamento. A figura 5 ilustra este cenário.
Pág. 14 de 83
Figura 5 – Business Intelligence
Fonte: <http://www.senior.com.br/wp-content/uploads/2012/08/fluxo-bi-thumb.png>
Usando soluções de business scorecard, o acompanhamento dos resultados da empresa pode 
ser realizado por meio de números, gráficos, mapas e tendências, apresentados por indicadores de 
desempenho que informam a situação de cada variável analisada de acordo com suas estruturas, 
estratégicas e filosofias de trabalho. Relatórios gerenciais, emitidos a partir do balanced scorecard, 
servirão de suporte às organizações na tomada de decisão.
O processo de tomada de decisões
Até aqui, caro aluno, falamos de soluções de apoio às decisões estratégicas para o negócio. 
Aqui vamos discutir e esclarecer a que se refere, afinal, o processo de tomada de decisões no 
ambiente corporativo.
Uma das principais atividades que qualquer executivo tem que exercer é a tomada de decisões. 
Os executivos passam grande parte de seu tempo estudando o ambiente externo no qual os 
negócios da empresa estão inseridos e procurando orientar o planejamento estratégico da empresa 
e identificaras melhores ações a serem tomadas.
Pág. 15 de 83
A tomada de decisão é muito mais do que o momento da escolha da ação, é um processo 
que envolve processos comparativos, escolha de parceiros, exame da capacidade 
operacional da empresa, análise de cenários, projeção de futuro, identificação de 
riscos e de oportunidades, análise da concorrência, dentre outros tantos requisitos 
(FRANCO, 2009).
Os requisitos de informação gerencial dependem muito do nível de administração envolvido. 
Existem diferentes níveis de tomada de decisão. Estes níveis são classificados como estratégico, 
tático e operacional.
Figura 6 – Níveis estratégico, tático e operacional.
Fonte: <https://i2.wp.com/kainosedge.com/wp-content/uploads/2015/08/business-intelligence-3.jpg>
No processo de tomada de decisões é muito importante saber a quantidade e a qualidade 
de dados e informações à disposição do gestor ou administrador. Para ajudar o executivo neste 
processo crucial, é necessário utilizar as ferramentas de apoio à decisão em uma hierarquia capaz 
de diferenciar as necessidades dentro das diversas situações na organização, o que reforça a 
importância da informação.
Pág. 16 de 83
Cada nível de administração, seja estratégica, tática ou operacional, possui diferentes necessidades 
de informação. Isso tem implicações importantes para a escolha das ferramentas de apoio à decisão 
que a empresa deva adquirir. A figura 7 ilustra os tipos de informação e ferramentas de acordo com 
o nível de tomada de decisão.
Figura 7 – Informações nos níveis decisórios – utilização dos dados.
Fonte: <http://jkolb.com.br/wp-content/uploads/2014/08/níveis-acesso-dados-bi.jpg>.
De acordo com Leme (2017), em função do nível administrativo, estas são as principais atividades 
com as quais o gestor deve lidar:
• Planejamento e controle estratégico: “[...] o planejamento estratégico envolve as grandes decisões 
e os objetivos que a empresa deseja atingir, sendo de responsabilidade da diretoria, do CEO, 
do proprietário ou de outros profissionais envolvidos na administração.” Estes profissionais 
também realizam a confecção da missão, da visão e dos valores do negócio, bem como a 
definição e o efetivo uso dos recursos disponíveis. O planejamento estratégico define os rumos 
que a empresa deve seguir, visando atingir determinados cenários no futuro. Os planos são 
mais amplos, com foco no longo prazo – geralmente entre 5 e 10 anos – e devem ser feitos 
em sintonia com o mercado, usando instrumentos que permitam mensurar e analisar fatores 
internos e externos para a elaboração dos objetivos.
• Planejamento e controle tático: O planejamento tático é mais detalhado que o estratégico, pois 
contém passos e metas para o alcance dos propósitos traçados pela alta administração. Os 
objetivos da empresa são segmentados para cada departamento ou setor organizacional. “O 
planejamento tático deve ficar sob responsabilidade da gerência intermediária, que elabora 
Pág. 17 de 83
processos e adota ferramentas com o objetivo de atingir as estratégias da empresa. O tempo 
para execução de cada plano proposto varia de 1 a 3 anos.” (LEME, 2017)
• Planejamento e controle operacional: “No planejamento operacional do negócio, os processos 
e as ações elaborados pelo nível tático se tornam rotinas e tarefas concretas. Esse é o nível 
que demanda menos tempo de abrangência – normalmente apenas alguns meses.” (LEME, 
2017) O nível de detalhamento é alto e inclui as pessoas responsáveis pelas atividades, os 
procedimentos básicos a serem realizados, os recursos e equipamentos para a execução de 
tarefas, os resultados pretendidos e até mesmo a análise de riscos. O planejamento operacional 
está diretamente ligado às atividades que os funcionários fazem no desempenho de suas 
funções. Por isso, as ações operacionais devem ser planejadas em conjunto com eles. As 
ações operacionais costumam ser mais formalizadas, com procedimentos bem estruturados.
BUSINESS INTELLIGENCE
Business Intelligence e Business Intelligence 2 .0
Um cenário que ainda é bastante comum de se encontrar nas empresas atualmente são 
sistemas que não se comunicam, não têm documentação ou sua documentação é ruim e deficiente, 
fazendo que a disponibilização e consulta às informações seja muito dificultada. Neste ambiente, 
as inconsistências são grandes, fato que leva o tomador de decisão a não usar o seu sistema e, 
muitas vezes, a tomar suas decisões baseado apenas na sua experiência de mercado.
No mundo corporativo, nos tempos atuais, tomar decisões exige um volume de dados cada vez 
maior, assim como mais e melhores informações. As organizações, de forma geral, possuem muitos 
dados, porém pouca informação. A falta de informação pode prejudicar sobremaneira a tomada 
de decisão dentro das organizações corporativas. Para ajudar neste processo, existem métodos e 
procedimentos que realizam a extração e a análise de informações que permitem aos executivos 
lidarem com problemas de decisão cuja dimensão ultrapassa a capacidade cognitiva normal, ou 
excede os recursos temporais e financeiros disponíveis.
Pág. 18 de 83
Figura 8 – Business Intelligence .
Fonte: Rawpixel.com/ Shutterstock.
A maioria destes métodos, procedimentos e ferramentas são genericamente chamados de 
Business Intelligence.
IMPORTANTE!
 “Business Intelligence é um termo guarda-chuva que inclui arquiteturas, ferramentas, bancos de 
dados, aplicações e metodologias que objetivam permitir o acesso interativo aos dados (às vezes 
em tempo real), proporcionar a manipulação desses dados e fornecer aos gerentes e analistas de 
negócios a capacidade de realizar a análise adequada para a tomada de decisão”.
(Fonte: TURBAN et al., 2009, p. 27)
O conceito de Business Intelligence, ou Inteligência de Negócios, surgiu na década de 1980, 
introduzido pelo Gartner Group, para descrever a capacidade das organizações em acessarem 
dados e explorarem as informações, geralmente armazenadas em DWs, analisando e desenvolvendo 
interpretações que permitem tomadas de decisões mais seguras e consistentes.
Ao analisarem as informações correntes e o desempenho histórico da empresa, os tomadores 
de decisão conseguem notar importantes relações entre estas informações, que as tornam muito 
valiosas, servindo de base para melhores e mais precisas decisões.
De acordo com Turban et al. (2009), o processo de BI se baseia na transformação de dados em 
informações, depois em decisões e, finalmente, em ações.
Pág. 19 de 83
Figura 9 - Transformação de dados.
Fonte: elaborado pelo autor.
As vantagens que o BI pode trazer para uma empresa incluem:
• Elimina a sobrecarga dos sistemas operacionais;
• Facilita o acesso à informação;
• Facilita a navegação dos usuários de negócios pelos dados e informações da empresa;
• Consolida informações de diversas fontes;
• Preserva dados históricos da empresa;
• Fornece informação única e consistente para toda a empresa.
Com o advento da internet/web 2.0, o conceito de BI também ganhou a denominação de 
Business Intelligence 2 .0, indicando uma extensão da web 2.0 no cenário corporativo. O BI 2.0 
estende o uso das informações, buscando utilizar o fluxo de dados que é gerado em tempo real e 
extrair conhecimento das informações.
O BI 2.0 é uma visão renovada do uso das informações pelas empresas, ampliando o uso dos DWs 
e das ferramentas de consulta analítica por meio de um processo automatizado e mais dinâmico 
de tomada de decisão, permitindo ações mais inteligentes.
Pág. 20 de 83
O cenário corporativo atual é formado por processos que ocorrem em tempo real, em que 
notícias que chegam a cada minuto podem fazer diferença, e o BI 2.0 visa deixar estas informações 
disponíveis para que a organização as utilize no momento em que precisar delas. Como exemplos 
podemos citar os aplicativos de bancos online, que oferecem oportunidade de realização de 
transações financeiras em tempo real, e os aplicativos de empresas aéreas, com passagenssendo 
vendidas online, check-in realizados fora dos balcões e cartões de embarque usando QR codes 
enviados para os e-mails e apresentados em telas de dispositivos móveis. Ocorre que todos estes 
processos geram muitos, muitos dados!
Figura 10 – Check-in realizado por aplicativo móvel.
Fonte: <https://conteudo.imguol.com.br/blogs/125/files/2015/07/AlexSutton_PressImage_6-2.jpg>.
De acordo com Santos (2017), para adaptar os modelos de negócios para o cenário em tempo real, 
os aplicativos de software utilizam programação dirigida a eventos, ou event-driven programming. 
Os dados fluem em tempo real em arquiteturas orientadas a serviços, ou SOA (Service-Oriented 
Architecture), utilizando serviços interoperáveis, que permitem a integração de aplicativos.
Sistemas transacionais x sistemas de apoio à decisão
Antes de prosseguirmos nos conceitos ligados ao BI, caro aluno, convém conceituarmos e 
definirmos a diferença entre um sistema transacional e um sistema de apoio à tomada de decisão.
De acordo com Terribili Filho (2009), “é no sistema transacional que ocorrem as transações de 
negócio, através dos quais se realizam as operações básicas das empresas como compras, vendas, 
saques bancários, pagamentos etc.”. Estes sistemas apresentam como principais características 
alta velocidade no tempo de resposta e baixo volume de dados envolvidos na transação. Para estes 
sistemas, as informações históricas não são relevantes.
Pág. 21 de 83
Um sistema transacional fornece apoio à execução e monitoramento dos negócios de uma 
organização, gerando e armazenando os dados destas transações operacionais. Estes sistemas 
têm como características básicas alta taxa de atualização e acesso pontual a um grande volume de 
dados, com pesquisas que resultam em pequena quantidade de dados. Geralmente são sistemas 
operacionais não integrados, conhecidos como OLTP (Online Transactional Processing), que realizam 
transações, como sistemas de contabilidade, de compra, de controle de estoque, de inventário, de 
folha de pagamento, de controle financeiro, além de ERPs e CRMs.
(Fonte: SILBERSCHATZ et al., 2012)
Os sistemas transacionais manipulam dados que ficam armazenados em bancos de dados, 
gerenciados por um Sistema Gerenciador de Banco de Dados (SGBD). Estes sistemas são chamados 
de transacionais, pois toda atualização dos dados é feita dentro de uma “transação”. Essas transações 
podem ser bem sucedidas, resultando na gravação de dados ou, em caso de problemas, não são 
finalizadas, permitindo que o banco de dados retorne ao estado anterior, garantindo a integridade 
dos dados.
Figura 11 – ATM.
Fonte: Dobo Kristian/ Shutterstock.
 Para ficar mais claro o conceito, imagine você diante de 
um caixa eletrônico, ou ATM (Automated Teller Machine), para 
efetuar um saque de sua conta bancária. Você certamente 
vai querer que a resposta seja muito rápida, não é mesmo? 
Neste tipo de operação (saque), o volume de informações 
envolvidas é relativamente baixo (agência, conta corrente, 
senha, valor requisitado, saldo disponível e limite de cheque 
especial) e não é necessário que seus dados históricos sejam 
considerados (se você tem financiamentos, há quanto tempo 
é cliente, qual é seu saldo médio dos últimos meses etc.).
Um Sistema de Apoio à Decisão (SAD) tem características completamente distintas de um sistema 
transacional, pois utiliza “inteligência” para efetuar suas transações, como prover informações para 
se definir uma campanha de marketing, elaborar as táticas futuras para o lançamento de novos 
produtos, descobrir qual a melhor estratégia para se aumentar as vendas de um dado produto etc. 
Um SAD geralmente utiliza como repositório de dados um DW, que está desvinculado das bases de 
dados que dão sustentação aos sistemas transacionais, também chamadas de On Line Transaction 
Processing (OLTP).
Pág. 22 de 83
Figura 12 – Financiamento.
Fonte: Indypendenz/ Shutterstock.
Novamente, para ficar mais claro, voltemos ao caso da 
instituição bancária. Um exemplo de SAD poderia ser conhecer 
os potenciais clientes para se realizar uma campanha de 
financiamento de veículos. Neste caso, o banco poderia 
considerar como potenciais clientes somente aqueles que 
já sejam proprietários de veículos, que realizaram algum 
tipo de financiamento com o banco nos últimos cinco anos, 
cujo saldo médio nos últimos 12 meses seja superior a R$ 
5.000,00 e com a restrição de que sua idade acrescida do 
prazo de financiamento não supere 70 anos. Para se chegar à lista de clientes potenciais para esta 
campanha, seria necessário consultar as informações que estão no DW e não na base de dados 
dos sistemas transacionais.
Segundo Terribili Filho (2009), em função das particularidades do tipo de processamento e de 
transação, o ambiente dos sistemas de BI deve ser dissociado do ambiente transacional, uma vez 
que no BI as pesquisas são mais complexas e há um volume muito maior de informações, das quais 
os dados históricos são de grande importância. Assim o tempo de resposta de uma transação de 
BI pode ser muito mais lento do que o de uma operação transacional.
Figura 13 – Grupo Pão de Açúcar.
Fonte: <https://interhunter.files.wordpress.com/2016/12/captura-de-tela-2016-12-05-c3a0s-8-14-29-pm.png>
Pág. 23 de 83
Um exemplo interessante de BI é o utilizado pela rede de supermercados Pão de Açúcar. Em sua 
estratégia, o cliente da rede, quando efetua suas compras, recebe determinada pontuação como 
“Cliente Mais”, que lhe dá algumas facilidades e benefícios futuros, porém, o mais importante para 
o BI é que o sistema registre o seu histórico de consumo no DW. Assim, a rede pode utilizar esta 
base de dados para direcionar campanhas de marketing como, por exemplo, fazer uma promoção 
de venda de vinhos estrangeiros para clientes que tenham comprado vinhos nacionais nos últimos 
seis meses, acima de uma determinada quantidade. O direcionamento da campanha aumenta o 
nível de retorno, reduz os custos de divulgação e tende a aumentar a fidelidade do cliente. Talvez 
não seja uma mera coincidência dizer que o grupo está entre as maiores redes varejistas do Brasil.
Ainda para melhorar as explicações acerca das diferenças entre os sistemas transacionais 
e os SADs, é importante dizermos que periodicamente os dados são extraídos dos sistemas 
transacionais para serem armazenados no DW. Para estas operações são utilizadas ferramentas 
chamadas ETL (Extract, Transform and Load), que estudaremos mais à frente. Este processo de 
criação e manutenção dos DWs inclui a extração dos dados dos vários sistemas transacionais, a 
transformação (padronização) e sua carga no DW.
SAIBA MAIS
“Empresa: antigo Grupo Pão de Açúcar, agora GPA, do grupo francês Casino
Cliente: Diretoria de Marketing e Diretoria de TI
Objetivo: Cada item, de cada caixa, de cada loja, de cada bandeira do Grupo podendo ser analisada 
no dia seguinte pela área de marketing e isso ser o cerne de uma operação de inteligência e 
relacionamento poderia trazer novos insights e feedbacks para organização, como também alimentar 
o Programa Mais com detalhes dos hábitos de consumo de cada cliente, de forma a nutrir a área de 
Inteligência de Mercado com informação estratégica interna valiosa para competir para vencer.
Objetivo: Construir e implantar uma solução que permitisse à área de Inteligência do Grupo Pão 
de Açúcar conhecer o comportamento de vendas, a partir de cada ticket de venda. Incluir novas 
informações e dar manutenção.
Solução: Foi desenhado o modelo de dados e implantado o Data Mart de Tickets e seus processos, 
em conjunto com um parceiro, em um processo que carregasse informações de cada venda de cada 
loja do Grupo, armazenando-as em um repositório central (Data Mart) para uso da área de Inteligência 
de Mercado.
Resultados Alcançados: Crescimento, mais resultados e informações estratégicas para o 
posicionamento de bandeiras, ofertas de produtos e relacionamento com clientes.”
Fonte: <http://brainworks.com.br/casos-de-sucesso/>.Pág. 24 de 83
Arquitetura e ferramentas de BI
Como vimos, a complexa situação que envolve a tomada de decisões pode ser apoiada com 
a utilização de SADs que utilizem um DW e ferramentas para o gerenciamento e tratamento dos 
dados e das informações, buscando vantagens competitivas para o negócio.
Há controvérsias entre especialistas sobre a arquitetura e quais ferramentas e componentes 
constituem um sistema de BI. A figura 14 ilustra uma arquitetura possível, e os componentes 
ferramentas mais importantes são descritas a seguir.
Figura 14 – Arquitetura e Ferramentas de BI.
Fonte: SANTOS, 2017.
• DW – Data Warehouse: um repositório de dados especial preparado para dar suporte a aplicações 
de tomada de decisões. O DW transforma o conjunto de dados históricos, obtido com base 
na estratégia de negócios da empresa, em informações unificadas que são armazenadas em 
um repositório central confiável, através de uma base de dados integrada.
• Ferramentas OLAP – On Line Analytical Processing: ou ferramentas de processamento 
analítico online. Permitem a análise dos dados por diversas dimensões, de forma que seja 
possível identificar com rapidez e facilidade o desempenho dos negócios. São ferramentas de 
análise e exploração de dados para atividades mais interativas e investigativas, possibilitando 
o cruzamento, detalhamento e resumo de dados de maneira mais rápida. Podem utilizar 
ferramentas de Query & Report ou de consulta e reporte para execução e extração periódica 
de informações com médio ou alto grau de detalhamento, possibilitando a construção de 
relatórios através de comandos simplificados.
Pág. 25 de 83
• Ferramentas de monitoramento de performance: incluem dashboards e scorecards que fornecem 
uma visão dos indicadores de desempenho corporativo, gráficos e planilhas, e podem incluir 
sistemas mais sofisticados, como cubos tridimensionais e até ferramentas de realidade virtual.
Gerentes e executivos se beneficiam muito com as soluções de BI, pois essas ferramentas os 
ajudam a gerenciar melhor o seu negócio. As empresas que não conseguem implementar de forma 
adequada essas soluções acabam ficando em séria desvantagem competitiva.
Figura 15 – Gartner Group.
Fonte: <https://iot.do/wp-content/uploads/sites/2/2016/03/gartner_0.jpg>.
Os consultores do Gartner Group sugerem as seguintes questões essenciais para a análise das 
soluções de BI:
• Como a empresa pode maximizar seus investimentos em BI?
• De que funcionalidades do BI as empresas precisam e o que estão usando hoje?
• Quais são os custos ocultos associados ao investimento em BI?
Sendo assim, o processo de criação e implantação de inteligência nos negócios deve ser 
realizado de forma cuidadosa, seguindo uma metodologia para que a empresa seja bem sucedida 
com sua utilização.
O processo de criação de inteligência nos negócios de uma empresa começa pela identificação 
e priorização de projetos ligados ao BI. Nesse processo, a empresa utiliza medidas de ROI (Return 
on Investment – retorno sobre investimento) e TCO (Total Cost of Ownership – custo total de 
propriedade) para estimar a relação custo/benefício da implantação do projeto de BI. Além disso, 
são analisados os impactos da implantação do BI na tomada de decisões dentro da organização 
em cada um dos níveis de administração.
De acordo com Turban et al. (2009), questões importantes ligadas ao processo de implantação 
e gerenciamento do BI incluem a definição de:
Pág. 26 de 83
• Quem deve atuar como tomador de decisão na priorização dos projetos de BI;
• Como realizar a integração em nível gerencial;
• Como estabelecer parcerias entre chefes de áreas funcionais e líderes de áreas de produtos 
e serviços;
• Como estabelecer uma harmonia entre os clientes do BI (ligados ao negócio) e os fornecedores 
(ligados à TI).
Figura 16 - ROI.
Fonte: Wright Studio/ shutterstock
De acordo com Turban et al. (2009, p. 35), definidas estas 
questões, a equipe responsável pela governança do BI deve 
partir para as ações:
1. Criar categorias de projetos (estratégicos, de 
investimentos, de oportunidades de negócios etc.);
2. Definir critérios de seleção de projetos;
3. Estabelecer uma estrutura para se determinar os 
riscos do projeto;
4. Gerenciar as interdependências do projeto;
5. Monitorar e ajustar a composição do portfólio de 
serviços e demandas do BI.
O sucesso do BI depende de uma boa governança, e as razões fundamentais para o investimento 
em seus projetos devem estar alinhadas com a estratégia de negócios da empresa. O BI deve 
servir como uma forma de mudar a maneira como a empresa conduz suas operações de negócio, 
melhorando seus processos e transformando a tomada de decisões em processos mais orientados 
à análise de dados.
CPM e BI
Neste ponto é interessante, caro aluno, fazermos uma discussão sobre as fronteiras que separam 
e/ou unem os conceitos de CPM e BI. Como já dissemos, o CPM, de acordo com o Gartner Group, é 
“um termo genérico que descreve todos os processos, metodologias, métricas e sistemas necessários 
para medir e gerenciar a performance de uma organização”. O CPM pode ser considerado, então, 
uma solução mais abrangente e complementar aos tradicionais sistemas de gestão, na qual regras 
de negócio complexas, ligadas à administração do negócio e governança corporativa, são utilizadas 
de forma a se conseguir mensurar o desempenho do negócio.
De acordo com Macedo (2011), uma solução de BI de alto desempenho deve possuir no mínimo 
as seguintes características:
Pág. 27 de 83
• Permitir rápido desenvolvimento e alta flexibilidade de implementação;
• Interagir com todas as fontes de dados da empresa;
• Preservar e complementar os investimentos em DW;
• Permitir ajustes aos novos requerimentos de negócio;
• Realizar análises consistentes com dados corporativos;
• Incorporar planilhas com informes corporativos;
• Realizar consultas ad hoc, ou seja, com objetivos específicos;
• Ter conectividade bidirecional com múltiplas bases de dados;
• Permitir rápida assimilação do ambiente pelos usuários;
• Ter precisão e unicidade dos dados de origem.
Ainda de acordo com Macedo (2011), para se alcançar o CPM seria necessário adicionar às 
características listadas anteriormente as seguintes possibilidades:
• Orçamento, planejamento e simulação flexíveis;
• Personalização de qualquer requisito de negócio;
• Controle direto do usuário na aplicação e publicação no tempo do negócio;
• Gerência dos requisitos de planejamento estratégico;
• Fluxos de trabalho e dados integrados consistentemente, com planilhas centralizadas;
• Reporting baseado em pesquisas na web de forma intuitiva;
• Acesso às informações gerenciais e estratégicas em qualquer lugar e a qualquer momento;
• Alta escalabilidade e suporte para grande volume de dados e usuários;
• Altíssima satisfação dos usuários.
Assim, de forma simplificada, um resumo sobre a diferença de BI e CPM poderia ser: BI fornece 
soluções para mostrar o porquê do status atual dos negócios, respondendo à pergunta: Por que 
estamos desta maneira?, e CPM adiciona as respostas às perguntas: Como estamos? Como deveríamos 
estar?, além de responder a: Quanto capacitamos, produzimos, satisfazemos ou lucramos?
Macedo (2011) afirma que outra maneira de ajudar a explicar o CPM é dizendo o que ele não 
é. CPM não é simplesmente uma solução de BI, não é uma ferramenta de análise de dados a ser 
implementada em um único departamento, não é uma tecnologia e não é um software complicado. 
CPM pode ser, então, definido como a integração de vários componentes em um só ambiente, capaz 
de agrupar de forma consistente e integrada soluções para análise, orçamento, planejamento, BI, 
integração de dados, previsões, simulações, scorecards e dashboards.
Pág. 28 de 83
ABA ACONTECEU
Alemanha e a vitória na Copa do Mundo 2014
A edição 2014 do maior evento esportivo do mundo trouxe o assunto Business Intelligence à tona em 
nível mundial e mostrou quea solução pode auxiliar a alcançar de objetivos nos mais diversos ramos 
de desempenho e busca de resultados.
Um software desenvolvido na Alemanha analisava dados extraídos numericamente, como velocidade 
de corrida e número de passes. Também escaneava comportamentos individuais de atletas e do time 
como um todo.
Os relatórios foram passados aos jogadores e à comissão técnica. Com a utilização deles, o grupo 
se preparou para executar jogadas mais rapidamente, envolver as outras equipes e reter a bola. O 
resultado? O mundo todo viu e o Brasil sentiu na pele.
(Fonte: <http://knowsolution.com.br/4-casos-de-sucesso-em-business-intelligence-que-voce-precisa-conhecer/>)
A FIAT Automóveis tinha o desafio de deixar o novo Uno com “a cara do consumidor”, e com as 
soluções de Business Intelligence e pesquisas nas ferramentas de mídias sociais e mobilidade, 
oferecidas pela empresa SAS, a FIAT teve ótimos resultados. A tecnologia atendeu às expectativas 
quanto à capacidade de processar todos os dados, ajudar em uma pesquisa inovadora, colaborar 
na tomada de decisão e ainda trazer uma visão de futuro para entenderem melhor as demandas do 
mercado. O novo Uno foi sucesso de vendas e críticas, fazendo a empresa ter a honra de receber o 
prêmio Carro do Ano 2011, pela Revista AutoEsporte.
(Fonte: <https://unisalgp.wordpress.com/2015/06/15/casos-de-sucesso-business-intelligence-e-big-data-
analytics/>)
DATA WAREHOUSE
Definições de data warehouse e data warehousing
Como vimos até aqui, as ferramentas de BI têm por objetivo prover a informação certa à pessoa 
certa na forma certa no tempo certo.
A hierarquia das informações em uma organização empresarial começa pela coleta de dados, 
que são transformados em informação, mas essas informações precisam ser organizadas de tal 
forma que ganhem componentes “inteligentes” para que possam ser usadas em favor das melhores 
decisões. As ferramentas de BI reúnem os processos que tornam as informações “inteligentes”.
Mas, para que isso aconteça, é necessário que os dados sejam armazenados em repositórios 
diferentes dos tradicionais bancos de dados transacionais: é necessária a construção de um DW 
(data warehouse).
Pág. 29 de 83
Como vimos, caro aluno, os bancos de dados tradicionais são transacionais, ou seja, foram 
projetados para inclusões, alterações, exclusões e consultas simples aos dados. Estes bancos são 
conhecidos como OLTP (On Line Transaction Processing), ou bancos que realizam processamento 
online de transações. Já os DW têm a característica distinta de que são direcionados principalmente 
para aplicações de apoio às decisões. Eles são otimizados para a recuperação de dados, não para 
o processamento rotineiro de transações.
Figura 17 – Data warehouse.
Fonte: Aa Amie/ Shutterstock.
O DW funciona como um repositório de dados, integrando e consolidando as informações de 
fontes internas, que em sua maioria provêm de fontes heterogêneas e fontes externas. Além disso, 
os dados do DW são filtrados e limpos, permitindo que análises gerenciais e estratégicas dos 
principais processos de negócio sejam realizadas de forma a oferecer suporte à tomada de decisão.
“O Data Warehouse (DW) representa uma grande base de dados capaz de integrar, de forma concisa e 
confiável, as informações de interesse para a empresa, que se encontram espalhadas pelos sistemas 
operacionais e em fontes externas, para posterior utilização nos sistemas de apoio à decisão. Um DW 
tem, normalmente, informações sobre assuntos de negócio da empresa por um período histórico de 
no mínimo três anos, podendo, em alguns casos, chegar até os primeiros anos de informação, pois 
seu objetivo é determinar padrões de comportamento, indicadores de crescimento por tempo etc.”
(Fonte: MACHADO, 2012, p. 44.)
O DW possibilita a análise de grandes volumes de dados que são coletados de sistemas 
transacionais. Os dados em um DW não são voláteis, ou seja, eles têm registros permanentes e não 
podem ser alterados. Quando é necessário fazer correções ou atualizações, os dados obsoletos 
são descartados e as alterações são inseridas como novos dados (TURBAN et al., 2009).
Pág. 30 de 83
Pela sua capacidade de armazenar grandes volumes de dados e de possibilitar importantes 
análises sobre estes dados, os DWs são elementos fundamentais, formando o “núcleo” dos sistemas 
de informações gerenciais e de apoio à decisão no ambiente de BI.
Existe um termo correlato à utilização de DWs, conhecido como data warehousing. O termo data 
warehousing não se refere a um produto, mas a uma estratégia que reconhece a necessidade de 
armazenar os dados provenientes de diferentes sistemas de informação e consolidá-los, de forma 
a fornecer informações aos diversos profissionais de uma empresa para que possam tomar as 
decisões do negócio de modo rápido e eficaz.
Geralmente o DW armazena informações sobre os processos de várias atividades do negócio, 
de forma que possam ser realizados cruzamentos e consolidações das diferentes unidades de 
negócios da empresa.
Muitas empresas necessitam criar DWs, que, como vimos, são enormes repositórios de dados, 
para que possam melhorar o processo de tomada de decisões. Os dados são importados de várias 
fontes diferentes, são “limpos” e organizados de forma adequada às necessidades da empresa. 
A integração dos dados permite ao executivo ter uma visão corporativa dos dados. No entanto, 
essa integração, ou seja, a migração dos dados mantidos pelos sistemas transacionais para o DW, 
não é um processo fácil, nem barato e exige muito planejamento. A figura 18 ilustra os principais 
componentes necessários à criação de um DW.
Figura 18 – Criação de um data warehouse.
Fonte: <http://gooddata.com.br/blog/componentes-business-intelligence/>.
Pág. 31 de 83
Os motivos que justificam um alto investimento para a implantação de um DW em uma organização 
reúnem a existência, na empresa, de:
• Várias plataformas de hardware e de software não integradas;
• Constantes alterações nos sistemas transacionais corporativos;
• Dificuldade acentuada na recuperação de dados históricos em períodos superiores ao ano 
em que as operações são realizadas;
• Existência de sistemas e “pacotes” de fornecedores diferentes;
• Falta de uma padronização e integração dos dados existentes nos diversos sistemas;
• Carência de documentação e segurança no armazenamento dos dados.
O resultado de um projeto de DW traz grandes benefícios à organização, dos quais se destacam:
• Informações ficam disponíveis para os gestores;
• Permite uma visão das curvas de comportamento do negócio;
• Confere agilidade às ferramentas para apoio à decisão;
• Fornece segurança e confiabilidade das informações para a decisão;
• Permite uma maior abrangência da visão dos indicadores de desempenho;
• Fornece recursos mais abrangentes para a análise de negócios;
• Necessidades e expectativas executivas são atendidas por TI;
Características de um DW
Figura 19 – Características de um Data Warehouse.
Fonte: <http://ssd.areadeservico.com/index_ficheiros/image005.jpg>
Pág. 32 de 83
De acordo com Inmon (1997), que é considerado o criador do conceito de data warehousing, 
existem basicamente quatro características que descrevem um DW:
• Orientado ao assunto: os dados são organizados de acordo com o assunto ao invés da aplicação.
• Integrado: todos os atributos e convenções de tipos são unificados e integrados, de forma 
que signifiquem sempre a mesma coisa.
• Variação em relação ao tempo: há espaço para o armazenamento de dados que têm cinco, dez 
ou mais anos, de forma que possam ser utilizados em comparações, tendências e previsões.
• Não-volatilidade: os dados não são atualizados ou modificados em nenhum momento; uma 
vez que entram no DW, passam a ser somente acessados, nunca alterados.
Os dados de um DW são precisos em relação ao tempo, representam resultados operacionais 
realizados em um determinado momento de tempo: precisamente o momento em que foram 
capturados.Assim, os dados do DW são um snapshot (fotografia instantânea), um conjunto estático 
de registros de uma ou mais tabelas. Isso implica que não podem ser atualizados. Para ficar mais 
claro este conceito, caro aluno, imagine apenas que um dado relativo às vendas de um certo produto 
em um determinado mês nunca mais terá seus valores modificados.
Nos DWs, a data é um elemento essencial e um componente-chave, pois faz parte de um projeto 
estruturado sobre janelas do tempo. Nos DWs, os espaços de tempo são significativamente maiores 
do que os armazenados em um sistema transacional, situando-se entre três, cinco ou dez anos, 
podendo até se estenderem por maiores períodos de tempo.
Outra característica de suma importância em um DW é que todos os seus dados têm um alto 
nível de integração. Isso significa que um mesmo atributo não pode significar coisas diferentes em 
dados semelhantes. As convenções de nomes, valores de variáveis, e outros atributos físicos de 
dados, como tipos de dados, são formalmente unificados e integrados nessa base única. Assim, ao 
se referir ao sexo, por exemplo, não se podem usar valores diferentes, como “f” e “m” e “feminino” 
e “masculino”, ou, ainda, “0” e “1”.
Em ambientes de múltiplas plataformas, a característica de integração se torna fundamental, 
pois é necessária a unicidade de informações. A existência de sistemas mais antigos com padrões 
de codificação de dados diferentes pode levar à existência de diferentes convenções entre os 
sistemas operacionais. Neste caso, quando forem carregados para o DW, devem ser resolvidos 
pelos processos de filtragem e agregação.
Pág. 33 de 83
No DW, os dados são organizados por assunto e contém informações importantes para o suporte 
à decisão. O fato de estes dados estarem organizados por assunto (como vendas, produtos, clientes 
etc.) permite que os usuários determinem como está o desempenho da empresa em termos de 
lucratividade e também permite que se determinem as razões deste desempenho.
Por exemplo, uma empresa de seguros utilizando um DW poderia organizar seus dados por 
consumidor, prêmio e franquia, ao invés de diferentes produtos (automóvel, vida etc.). Os dados 
são organizados por assunto, contendo somente as informações necessárias para o processo de 
suporte à decisão. (TURBAN et al., 2009)
Pessoas envolvidas no processo de data warehousing
Figura 20 – Equipes.
Fonte: Rawpixel.com/ Shutterstock.
Por sua abrangência, o processo de data 
warehousing envolve desde profissionais de TI até 
analistas de negócios que podem ser considerados 
usuários do ambiente.
Esse ambiente inclui administradores do 
projeto, administradores de dados, projetistas 
de banco de dados, administradores de bancos 
de dados e dos sistemas operacionais, que têm 
uma importância muito grande no processo 
de integração entre os ambientes transacionais e os ambientes dimensionais. Há também os 
programadores e os analistas de sistemas para a extração e limpeza dos dados, além dos analistas 
dos aplicativos, que acessarão as informações, e os usuários finais.
De acordo com Machado (2012, p. 32), essas pessoas encontram-se agrupadas por papéis da 
seguinte forma:
• Analistas responsáveis pela carga dos dados: representam os programadores que necessitam 
conhecer o mapeamento entre o DW e os sistemas transacionais, além de todos os requisitos 
necessários à filtragem e à integração dos dados.
• Usuários finais: são os gerentes, executivos e analistas de negócio que utilizam a informação 
para apoio à tomada de decisão. Esses usuários apresentam uma grande familiaridade com 
os termos do negócio e estão sempre em busca da solução de um problema ou de novas 
oportunidades. Eles podem ser divididos em dois grupos: os usuários diretos e os usuários 
Pág. 34 de 83
indiretos. Os usuários diretos são aqueles que acessam livremente o DW como um todo e os 
usuários indiretos acessam os data marts (DMs) especializados.
• Analistas responsáveis pelo desenvolvimento e manutenção do DW e dos DMs: equivalem aos 
administradores de bancos de dados e administradores de dados dos SGBDs. Estabelecem 
o nível de preocupação com os metadados, com a arquitetura de armazenamento e com a 
estrutura dos dados, visando, principalmente, melhorar o desempenho das consultas. É comum 
o estabelecimento de equipes diferentes para os dois ambientes.
• Administradores de dados: têm um papel de fundamental importância nesse contexto novo, 
pois seu papel de integrador dos ambientes transacional e dimensional é fator de garantia de 
qualidade e da existência íntegra do DW, por meio de metodologias de acompanhamento e 
administração dos metadados entre os sistemas transacionais e seu processo de manutenção 
de extração, transformação e carga do DW.
Etapas de implantação de um DW
A implementação de um projeto de DW depende de ações políticas e técnicas. No campo político, 
é necessário que exista o suporte da alta direção da empresa e o comprometimento dos gerentes 
e analistas de negócios. No campo técnico existem diferentes abordagens de implementação que 
devem ser analisadas para que a escolha possa ajudar que os benefícios do projeto possam ser 
mais rapidamente visíveis e acelerar o processo de obtenção de apoio interno.
Um DW deve estar em consonância com as necessidades de negócio da empresa. Assim, a área 
de negócio deve ser a patrocinadora da iniciativa. Muitos projetos iniciados pela área de sistemas 
ou de TI fracassaram por não terem o apoio político necessário da direção da empresa ou por não 
terem definido um caso de negócio concreto.
Para implantar um projeto de DW, uma das primeiras atividades é a extração dos dados, que têm 
origem em diversas fontes com diferentes formatos. Após a extração, os dados são transformados 
e carregados no DW. Este processo é denominado ETL (Extract, Transformation, Load). Os dados 
podem ser inseridos no DW e depois transferidos para os DMs, ou os DMs podem ser criados antes 
do DW, com dados específicos de cada departamento da empresa, e depois transferidos para o DW. 
O DW é um repositório de dados multidimensional e dá suporte às ferramentas OLAP que extraem 
informações dos dados, permitindo que a análise dos negócios da empresa seja realizada. Essa 
análise apoia os tomadores de decisão, fornecendo aos gestores respostas rápidas para as questões 
mais importantes para os negócios.
Pág. 35 de 83
A figura 21 ilustra as etapas de elaboração de um DW.
Figura 21 – Etapas e componentes do processo de implantação de um DW.
Fonte: <https://flavioaf.files.wordpress.com/2011/09/092811_2050_aintelignci1.png>.
De acordo com a UEM (2011),
A primeira fase do processo de data warehousing consiste em “isolar” a sua informação 
operacional atual, preservando a segurança e integridade de aplicações de OLTP 
críticas ao mesmo tempo em que permite o acesso à mais ampla possível base de 
dados. O banco de dados ou data warehouse resultante pode consumir centenas de 
gigabytes - ou mesmo terabytes - de espaço em disco. O que é necessário então são 
técnicas eficientes para armazenar e acessar grandes quantidades de informação. Além 
disso, grandes organizações analisaram que somente sistemas de processamento 
paralelo podem oferecer largura de banda suficiente para estas aplicações.
O DW reúne dados que são extraídos de diferentes bancos de dados, e estes dados são 
transformados e enviados para o DW de forma seletiva. Sempre que uma atualização nos dados do 
DW é requerida, é necessário que ocorra novamente o processo de transformação e movimentação 
de dados, portanto, é importante que isso seja feito de forma automatizada, controlada e bem 
gerenciada.
Um outro conceito importante ligado ao DW são os metadados. Os metadados se referem à 
informação que descreve o modelo e a definição dos elementos das fontes de dados, sendo os 
meios que permitem que o usuário final possa compreender o que representam os dados no DW.
Pág. 36 de 83
O que sãometadados?
O prefixo “Meta” vem do grego e significa “além de”. Assim Metadados são informações 
que são acrescidas aos dados e que têm como objetivo informar-nos sobre eles para 
tornar mais fácil a sua organização.
Os metadados têm tradicionalmente sido vistos como separados do núcleo duro da 
informação, ou seja, a que está relacionada com as transações de negócio. O que 
não quer dizer que não sejam importantes. Definições e regras de negócio, detalhes 
de segurança, informação de domínios, tags XML são metadados.
A sua utilização estende-se, no entanto, a outros campos além da gestão documental. 
Por exemplo, a tecnologia Data Warehouse consiste em extrair e consolidar dados 
de múltiplas fontes em uma base de dados que possa ser consultada de várias 
maneiras pelos usuários com ferramentas de suporte à decisão. Os metadados são, 
neste contexto, um instrumento essencial para a gestão do repositório e incluem 
informações como lista de conteúdo, origem dos dados, transformações (como 
filtragens ou cálculos efetuados na transferência para a localização atual), versão, 
modelos de dados etc.
Os metadados podem ser estruturados ou não estruturados. Exemplo de não 
estruturados: o índice produzido por um sistema de indexação e pesquisa em texto 
integral. Estruturados são, por exemplo, um sistema de classificação de arquivo ou 
o dicionário de dados de um SGBD. (METADADOS, 2002)
Metadados podem ser basicamente definidos como “dados que descrevem os dados”, 
ou seja, são informações úteis para identificar, localizar, compreender e gerenciar 
os dados. Quando documentamos os metadados e os disponibilizamos, estamos 
enriquecendo a semântica do dado produzido, agregando seu significado real, e dando 
suporte à atividade de Administração de Dados executada pelo produtor desse dado. 
No caso do IBGE, que produz dados, os metadados são fundamentais. O Sistema 
de Metadados do IBGE visa facilitar o acesso do público em geral às informações 
produzidas pelo IBGE, descrevendo seu acervo institucional. Através desse sistema 
é possível verificar características e documentos relacionados aos produtos do 
Instituto. Navegando pelos metadados, o usuário do sistema pode localizar, interpretar 
e acessar os dados disponíveis nos sistemas de informação do IBGE. (IBGE, 2018)
De acordo com Macedo (2011),
a limpeza dos dados é um importante aspecto da criação de um DW eficiente. Devem 
ser removidos certos aspectos dos dados operacionais que podem atrasar muitas 
consultas. O estágio de limpeza deve ser o mais dinâmico possível para acomodar 
todos os tipos de consulta, mesmo aquelas que requerem informações de baixo nível. 
Os dados devem ser extraídos de fontes de produção em intervalos regulares de 
tempo e concentrados de maneira centralizada, mas é importante que o processo de 
limpeza remova duplicações e normatize as diferenças entre os atributos dos dados.
Pág. 37 de 83
Figura 22 – Metadados.
Fonte: seekeaw rimthong/Shutterstock.
Oliveira e Felipe (2014) afirmam que
somente após o processo de limpeza é que os dados podem ser transferidos para 
o DW. O DW é tipicamente um grande repositório de dados em um sistema de alta 
performance, do tipo SMP- Symmetric Multi-Processing ou MPP- Massively Parallel 
Processing, ou seja, sistemas multiprocessados ou paralelos. Somente um sistema 
com alto poder de computação pode garantir a eficiência do processo de implantação 
de um data warehousing, dada a complexidade envolvida no processamento e 
consultas e dada a grande quantidade de dados que geralmente a organização 
deseja armazenar.
Arquitetura de DW
A escolha da arquitetura pode não ser prioridade no começo de um projeto de DW, pois pode 
ser definida ou mesmo modificada após o início da implementação. Entretanto, pode-se despender 
um longo tempo caso seja esta a opção inicial.
A escolha da arquitetura do DW é uma decisão gerencial do projeto, normalmente baseada em 
fatores relativos à infraestrutura disponível, às características do negócio (porte da empresa), ao 
escopo desejado, à capacitação dos empregados da empresa e, principalmente, ao orçamento 
disponibilizado ou projetado para o investimento.
A abordagem de implementação escolhida é uma decisão que pode causar fortes impactos 
quanto ao sucesso de um projeto de DW. Muitas variáveis afetam a escolha da implementação e da 
arquitetura, entre elas o tempo para a execução do projeto, o retorno do investimento a ser realizado, 
a velocidade dos benefícios da utilização das informações, a satisfação do usuário executivo e os 
recursos necessários à implementação da arquitetura.
Pág. 38 de 83
A seleção de uma arquitetura determinará ou será determinada pelo local onde o DW ou os DMs 
serão armazenados. Há diversas opções que podem ser determinantes na definição da arquitetura, 
por exemplo: os DMs podem residir em uma instalação central, podem ser distribuídos em instalações 
remotas ou locais, podem ser administrados de forma centralizada ou independente.
A seguir apresentaremos as principais arquiteturas e exporemos sua configuração básica.
Arquitetura global
De acordo com Machado (2012, p. 50),
a arquitetura global é a que suporta toda ou a maior parte dos requisitos ou necessidades 
de um Data Warehouse integrado com grande grau de acesso e utilização das 
informações para todos os departamentos de uma empresa. O termo global reflete 
o escopo de acesso e utilização das informações na empresa e significa apenas 
“por toda a empresa”.
Nesta abordagem, o DW é projetado e construído com base nas necessidades da empresa como 
um todo, como um repositório comum de dados de suporte à decisão, acessível em toda a empresa 
e disponível para todos da empresa.
A arquitetura global pode ser fisicamente centralizada ou fisicamente distribuída nas instalações 
de uma organização.
• A centralização física é utilizada quando a organização tem sede única em um único lugar e 
o DW é administrado por um departamento de TI.
• A distribuição física é utilizada quando a organização tem sede e outras filiais em diversos 
locais físicos e os dados estão em instalações físicas diferentes. A administração também é 
feita por um departamento de TI.
Dizer que um departamento de TI administra o DW não significa dizer que esse departamento 
realiza o controle do DW. Por exemplo, na arquitetura global fisicamente distribuída o DW pode ser 
controlado por um outro departamento, como o de Planejamento Estratégico, que fica responsável 
por decidir quais dados devem ser carregados no DW, quando deve ser realizada a carga incremental 
ou sua atualização e quais setores e pessoas terão direito de acesso aos dados.
O departamento de TI e seus profissionais realizam a administração e a implementação do DW, 
notadamente porque é o TI que administra as redes de comunicação de dados da empresa e sua 
infraestrutura associada.
Pág. 39 de 83
A figura abaixo ilustra os dois caminhos de utilização de uma arquitetura global para DW. No 
topo da figura você pode observar que o DW está distribuído em três instalações físicas, e na parte 
de baixo, o DW reside em uma única instalação.
Figura 23 – Arquitetura global centralizada e distribuída.
Fonte: MACHADO, 2012, p. 51.
Os dados são extraídos de sistemas transacionais e de fontes de dados externas por processos 
batch, ou seja, em lote em horários de baixa das operações. Os dados são filtrados, aqueles não 
necessários são excluídos e a transformação é realizada visando atender critérios de qualidade e 
respeitar os requisitos levantados para o projeto. Após este processo, os dados são então carregados 
para o DW para que os usuários finais tenham acesso a eles.
Machado (2012) afirma que a arquitetura global habilita os usuários finais a utilizar visões 
corporativas de dados, que normalmente são requisitos de negócio, e alerta que esse tipo de 
arquitetura consome muito tempo de desenvolvimento e administração, e tem a desvantagem que 
seu custo de implementação é muito elevado.Arquitetura de DMs independentes
É a arquitetura normalmente sugerida pelos fornecedores de software para consulta de informações 
no DW, pois é isolada e agrada os usuários.
De acordo com Machado (2012, p. 51),
Pág. 40 de 83
a arquitetura independente implica em Data Marts stand alone controlados por 
um grupo específico de usuários e que atende somente às suas necessidades 
específicas e departamentais, sem foco corporativo nenhum. Este fato faz com que 
não exista nenhuma conectividade desses Data Marts com outros Data Marts de 
outros departamentos ou áreas de negócio.
Nesta abordagem, cada departamento realiza a extração dos dados dos seus sistemas 
transacionais, com apoio do setor de TI. O setor de TI somente auxilia na manutenção técnica do 
ambiente, não sendo responsável pelo controle da implementação e do desenvolvimento do DW. 
Caso existam dados externos a serem utilizados, o setor de TI deve ser envolvido para orientar a 
adequação dos formatos de arquivos e demais aspectos técnicos.
A figura 24 ilustra esta arquitetura.
Figura 24 – Arquitetura de DMs independentes.
Fonte: MACHADO, 2012, p. 52.
A arquitetura independente requer profissionais de TI especializados, mas tanto a equipe 
operacional quanto os recursos podem ser administrados pelo grupo responsável pelo projeto do 
DW ou pelo próprio departamento.
Pág. 41 de 83
Esse tipo de arquitetura impacta pouco nos recursos de TI e geralmente sua implementação é 
rápida. Porém, resulta em repositórios com pouca integração corporativa, que não permite visão 
global da empresa.
Normalmente cada DM fica acessível apenas ao pessoal do departamento “proprietário” do DM. 
Machado (2012) afirma que, infelizmente, esta é uma situação muito comum no Brasil e também 
bastante disseminada pelo mundo, reflexo do foco de negócios de venda de produtos sugerida 
pelos fornecedores de software, como já dissemos.
Arquitetura de DM integrados
De acordo com Machado (2012, p. 52),
a arquitetura de Data Marts integrados é basicamente uma distribuição da 
implementação do DW. Apesar de os Data Marts serem implementados separadamente 
por grupos de trabalho ou departamentos, eles são integrados ou interconectados, 
fornecendo uma visão corporativa maior dos dados e informações. Neste caso, o alto 
nível de integração é similar ao da arquitetura global e os usuários de um departamento 
podem acessar e utilizar os dados de um Data Mart de outro departamento.
Essa arquitetura, comparada à arquitetura de DMs independentes, permite muitas outras 
funções e acesso às informações. Entretanto, a integração dos DMs aumenta muito o nível de 
complexidade dos requisitos do ambiente. Isso requer que o setor de TI atue de forma mais incisiva 
do que na arquitetura independente, ficando sob sua responsabilidade o controle e administração 
dos Data Marts, em um ambiente mais complexo. Em contrapartida, esta arquitetura apresenta 
como vantagem a ampliação da capacidade e da qualidade da visão corporativa das informações.
A figura 25 ilustra esta arquitetura.
Pág. 42 de 83
Figura 25 – Arquitetura de DMs integrados.
Fonte: MACHADO, 2012, p. 53.
FERRAMENTAS PARA CONSTRUÇÃO E CONSULTAS A UM DW
Etapas e componentes da implantação de um ambiente de apoio à decisão
O processo de criação de um ambiente que suporte adequadamente a tomada de decisões 
corporativas envolve a construção de um grande repositório de dados, o DW, que é realizado em 
diversas etapas e utiliza ferramentas de apoio específicas, que podem ser resumidas em:
1. Fontes de dados: os dados podem vir de sistemas transacionais, de ERPs (sistemas integrados 
de gestão), de sistemas legados ou de diversas outras fontes, como bancos de dados 
transacionais, planilhas e arquivos-texto.
2. ETL: os dados são extraídos das diversas fontes, transformados e carregados nos DMs e/
ou no DW por meio de ferramentas especiais que realizam o processo de ETL.
3. Ferramentas OLAP: “navegam” nos dados do DW para realizar pesquisas e apresentar as 
informações de forma adequada aos tomadores de decisão.
4. Ferramentas de análise de big data e data mining: ferramentas para análise de big data 
e de mineração de dados procuram padrões ocultos, utilizando modelos matemáticos, 
Pág. 43 de 83
nas coleções de dados de forma a transformá-los em informações úteis para se prever 
tendências e comportamentos futuros e se alcançar metas de negócios específicas. Dentre 
as ferramentas de data mining encontram-se as de text mining, que procuram padrões 
ocultos nos arquivos de textos puros, e as de web mining, que procuram os padrões em 
páginas da web.
5. Ferramentas de monitoramento: as ferramentas de monitoramento e visualização são 
mais fáceis de serem implementadas quando os dados estão armazenados em um DW. 
As ferramentas OLAP também podem se beneficiar do DW mostrando as informações de 
forma tridimensional, ou na forma de cubos.
A figura 26 ilustra estas etapas.
Figura 26 – Etapas para implantação de um ambiente de suporte à decisão.
Fonte: Elaborado pela autora
Nas seções seguintes, os conceitos e definições de data mart, processo de ETL, OLAP, big data, 
data mining, incluindo text e web mining, e ferramentas de monitoramento serão apresentados.
Pág. 44 de 83
Extract, Transform and Load (ETL)
ETL (Extract, Transform and Load ou Extração, Transformação e Carga) é o processo de extrair 
os dados de uma ou várias fontes, transformá-los de alguma forma sem alterar seu conteúdo e 
inseri-los em outro banco de dados, que, no caso de nosso estudo, é o DW.
Os processos ETL são considerados como uma das fases mais complexas do ciclo de vida do 
DW, pois envolve diversas fontes de dados, transformações e critérios de qualidade que preparam 
os dados para o DW. Estes processos são realizados através de automatizações que podem ser 
programadas (scheduling) para execução diária, semanal, mensal, dentre outras possibilidades.
O ETL consiste na extração de dados dos sistemas transacionais, transformação e carga destes 
dados de acordo com as regras de negócio da empresa, garantindo o controle de qualidade dos dados 
para sua publicação e posterior uso.
(Fonte: traduzido de KIMBALL e CASERTA, 2004)
O processo de ETL para a construção de um DW pode contar ou não com uma staging area ou 
ODS (Operational Data Store), sendo uma decisão do projeto. De acordo com Machado (2012, p. 39), 
em projetos que envolvam vários tipos de bancos de dados ou diferentes plataformas nos quais as 
fontes de dados estejam distribuídas, a staging area torna-se muito importante para que os dados 
possam ser ali integrados e limpos.
A figura 27 ilustra o processo de ETL com staging area.
Figura 27 - Processo ETL usando staging area.
Fonte: <https://www.dbbest.com/blog/wp-content/uploads/2012/12/BI_ETL.jpg>
Pág. 45 de 83
Staging Area
De acordo com Kimball e Caserta (2004, p. 65), a decisão de se armazenar os dados fisicamente 
em uma staging area ou processá-los em memória depende de dois objetivos conflitantes: obter os 
dados das fontes para o destino tão rápido quanto possível e manter a habilidade de se recuperar de 
falhas sem ter que reiniciar o processo. Os autores indicam que há vantagens em se usar staging 
area, como: ter pontos de recuperação de dados; utilizar este repositório como backup de dados; 
e possibilitar a auditoria do processo de ETL.
Quando o histórico dos dados é mantido, a staging area é persistente, e quando os dados são 
apagados em cada carga, esta área é considerada transitória. Mas é interessante que a staging 
area assume uma forma híbrida, sendo composta de tabelas persistentes e transitórias.
Extract (Extração)
A extração é a primeira etapa do processo de ETL para obtenção dos dados no ambiente do DW. 
Consiste basicamente em ler, entender e copiar os dados necessários dos sistemas-fontes para a 
área de transformação de dados para utilizá-los posteriormente. O principal objetivo é recuperar todos 
os dados requeridos das fontes