TCC-RODOLFO_LUIS_DOS_SANTOS_SALDANHA-BCC-UEL-2017

Prévia do material em texto

RODOLFO LUIS DOS SANTOS SALDANHA
BUSINESS INTELLIGENCE: ANÁLISE SOBRE AS
SOLUÇÕES DE BI E ESTUDO DE CASO USANDO
PENTAHO
LONDRINA–PR
2018
RODOLFO LUIS DOS SANTOS SALDANHA
BUSINESS INTELLIGENCE: ANÁLISE SOBRE AS
SOLUÇÕES DE BI E ESTUDO DE CASO USANDO
PENTAHO
Trabalho de Conclusão de Curso apresentado
ao curso de Bacharelado em Ciência da Com-
putação da Universidade Estadual de Lon-
drina para obtenção do título de Bacharel em
Ciência da Computação.
Orientador: Prof. Dr. Rodolfo Miranda de
Barros
LONDRINA–PR
2018
Rodolfo Luis dos Santos Saldanha
Business Intelligence: análise sobre as soluções de BI e estudo de caso usando
Pentaho/ Rodolfo Luis dos Santos Saldanha. – Londrina–PR, 2018-
46 p. : il. (algumas color.) ; 30 cm.
Orientador: Prof. Dr. Rodolfo Miranda de Barros
– Universidade Estadual de Londrina, 2018.
1. Business Intelligence. 2. Pentaho. 3. Data Mining. I. Rodolfo Miranda de
Barros. II. Universidade Estadual de Londrina. III. Business Intelligence: análise
sobre as soluções de BI e estudo de caso usando Pentaho
CDU 02:141:005.7
RODOLFO LUIS DOS SANTOS SALDANHA
BUSINESS INTELLIGENCE: ANÁLISE SOBRE AS
SOLUÇÕES DE BI E ESTUDO DE CASO USANDO
PENTAHO
Trabalho de Conclusão de Curso apresentado
ao curso de Bacharelado em Ciência da Com-
putação da Universidade Estadual de Lon-
drina para obtenção do título de Bacharel em
Ciência da Computação.
BANCA EXAMINADORA
Prof. Dr. Rodolfo Miranda de Barros
Universidade Estadual de Londrina
Orientador
Prof. Dr. Evandro Bacarin
Universidade Estadual de Londrina
Prof. Dr. Vitor Valério de S. Campos
Universidade Estadual de Londrina
Londrina–PR, 08 de fevereiro de 2018
Este trabalho é dedicado a todos que me deram suporte durante minha graduação,
principalmente minha mãe, pois sem ela não seria nada.
AGRADECIMENTOS
Antes de tudo gostaria de agradecer especialmente à minha mãe, Antonia Maria
dos Santos Saldanha, por todo o suporte e estímulo, emocional e financeiro, que ela me
proporcionou desde muito criança até os dias de hoje. Passamos por momentos bastante
conturbados durante esses anos e ela se manteve ao meu lado em todas as situações
difíceis, me incentivando de todas maneiras até que eu pudesse chegar a esse momento de
concluir meu nível superior. Nunca serei capaz de explicitar o quão sou.
Agradeço profundamente à minha irmã, que sempre me tratou como um filho, ao
meu pai e familiares que ajudaram a moldar o futuro profissional que serei.
Sou muito grato também aos amigos que adquiri ao longo dessa graduação, tanto
os que conheci em Londrina como os que fizeram parte do meu intercâmbio. Uma vez
que se muda para longe de casa, amigos se tornam uma segunda família e as pessoas que
me aproximei foram extremamente cruciais nos momentos em que pensei ser improvável
superar o horário cheio de aulas e trabalhos extensos, como também fizeram possível
momentos de descontração se tornarem ainda melhor.
Muito obrigado a todos os docentes do Departamento de Computação da Uni-
versidade Estadual de Londrina pelo tempo e atenção dedicados para que o máximo de
conhecimento fosse transmitido. Não esquecendo dos servidores do mesmo Departamento
que tentaram auxiliar da melhor maneira que podiam sempre que podiam. Agradeço espe-
cialmente ao meu orientador, Prof. Dr. Rodolfo Miranda de Barros, pela orientação neste
trabalho de conclusão de curso, pois foi uma honra ter me juntado a ele e aprendido com
sua experiência no assunto.
“Twenty years from now, you will be more
disappointed by the things that you didn’t do than by
the ones you did do, so throw off the bowlines, sail
away from safe harbor, catch the trade winds in your
sails. Explore, Dream, Discover.“
(Mark Twain)
SALDANHA, R. L.. Business Intelligence: análise sobre as soluções de BI e es-
tudo de caso usando Pentaho. 46 p. Trabalho de Conclusão de Curso (Bacharelado
em Ciência da Computação) – Universidade Estadual de Londrina, Londrina–PR, 2018.
RESUMO
Líderes de organizações, independentemente do tamanho (sejam pequenas, médias ou
grandes), enfrentam constantemente problemas que refletem no crescimento de seus negó-
cios. O crescimento contínuo depende do entendimento de como os negócios funcionam,
reconhecendo oportunidades, tomando atitudes e percebendo benefícios mensuráveis de
uma maneira repetida. A partir da entrega de conhecimento utilizável para a pessoa certa
dentro da janela de oportunidade apropriada, técnicas e ferramentas de Business Intel-
ligence (BI) ajudam o usuário visualizar as mudanças certas para que uma organização
seja bem sucedida. Esse trabalho tem o objetivo de fazer um estudo sobre as soluções de
BI de modo geral e, mais especificamente, será feita um estudo de caso usando o Pentaho
como ferramenta do estudo.
Palavras-chave: Business Intelligence, Pentaho, Data Mining
SALDANHA, R. L.. Business Intelligence: overview over BI solutions and study
case using Pentaho. 46 p. Final Project (Bachelor of Science in Computer Science) –
State University of Londrina, Londrina–PR, 2018.
ABSTRACT
Regardless the size of an organization, its leaders constantly face problems that reflect the
growth of their business. The continuous growth depends heavily on the understanding of
how the business run, recognizing opportunities, taking action and noticing measurable
benefits in a repeatable way. By delivering useful knowledge to the right person within
the appropriate opportunity window, Business Intelligence (BI) techniques and tools help
the user visualize necessary changes to make the organization thrive. This paper is aimed
to make an overview over the BI solutions. It will be conducted a study case utilizing
Pentaho suite as the main tool of the study.
Keywords: Business Intelligence, Pentaho, Data Mining
LISTA DE ILUSTRAÇÕES
Figura 1 – Esquema Estratégia Corporativa e Estratégia de BI[1] . . . . . . . . . . 23
Figura 2 – Componentes de BI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
Figura 3 – Etapas do descobrimento do conhecimento . . . . . . . . . . . . . . . . 25
Figura 4 – Etapas do desenvolvimento de um sistema de Business Intelligence . . . 27
Figura 5 – Gráfico de comparação entre ferramentas de BI . . . . . . . . . . . . . 31
Figura 6 – Pilha de componentes do Pentaho [2] . . . . . . . . . . . . . . . . . . . 32
Figura 7 – Diagrama da tabela das dimensões e tabela fato . . . . . . . . . . . . . 37
Figura 8 – Exemplo de Transformação no PDI . . . . . . . . . . . . . . . . . . . . 38
Figura 9 – Criação das dimensões do cubo no Schema Workbench . . . . . . . . . 39
Figura 10 – Cubo multidimensional da empresa fictícia Steel Wheel . . . . . . . . . 40
Figura 11 – Análise de lucros da Steel Wheel . . . . . . . . . . . . . . . . . . . . . 41
LISTA DE ABREVIATURAS E SIGLAS
BI Business Intelligence
TI Tecnologia de Informação
ETL Extraction, transformation and load
OLAP On-line Analytical Processing
DW Data Warehouse
PDI Pentaho Data Integration
PUC Pentaho User Console
PAC Pentaho Administration Console
UX User Experience
SUMÁRIO
1 INTRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2 FUNDAMENTAÇÃO TEÓRICA . . . . . . . . . . . . . . . . . 23
2.1 Business Intelligence . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.1.1 Conceitos gerais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.1.2 Etapas de implementação de uma estratégia de BI . . . . . . . 26
2.1.3 Vantagens de uma estratégia de BI . . . . . . . . . . . . . . . . . 27
2.1.4 Problemas de implementação de uma estratégia . . . . . . . . . 29
2.1.5 Ferramentas de BI . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.2 Pentaho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.2.1 Vantagens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.2.2 Preocupações . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3 ESTUDO DE CASO . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.1 Data Warehouse . . . . . . . . . . . . .. . . . . . . . . . . . . . . . 37
3.2 Cubo multidimensional e relatórios . . . . . . . . . . . . . . . . . 39
4 DISCUSSÕES E DIFICULDADES . . . . . . . . . . . . . . . . 43
REFERÊNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
21
1 INTRODUÇÃO
Na última década, empresas tem presenciado um grande investimento em Tecno-
logia da Informação (TI) chegando ao ponto que alguns especialistas estimam que metade
do capital investido em negócios é direcionado a esse setor. A maioria desses investimentos
tem o objetivo de melhorar sistemas que administram operações diárias e gerar relatórios
mais frequentes e volumosos. Entretanto, é notado entre companhias de diferentes indús-
trias que apesar de ricas em dados, as empresas são escassas de informações substanciais.
Em outras palavras, os negócios não conseguem aproveitar as informações que possuem
[3].
Business Intelligence (BI) vem como uma resposta para essa necessidade de avaliar
melhor os dados, sendo o passo lógico seguinte para administração em TI. Feito da maneira
correta, BI tem potencial imensurável e ajuda organizar informações chave que necessárias
para o aumento do lucro e desempenho de uma empresa [4].
Definir uma estratégia de BI ajuda a modelar e governar o sucesso de um projeto
de BI através do alinhamento da TI e da companhia e permite que a organização espe-
cifique quão precisa as informações relevantes devem ser para que possam dar suporte e
conduzir as principais iniciativas do negócio[5]. Ainda mais, a plataforma escolhida pode
aumentar o impacto de empregados em uma organização e nas indústrias e setores que
eles representam, uma vez que uma estratégia de BI pode sugerir a adoção de tecnologias
novas da plataforma de BI, levando a novos estilos de administração e até criar uma mu-
dança na organização para que se torne mais flexível e ágil, aumentando o desempenho
do negócio tanto em níveis estratégicos como organizacionais.
Portanto, a escolha de uma plataforma de BI é uma decisão delicada e requer uma
análise aprofundada. No mercado, há muitas plataformas e o importante é entender que
ferramentas vêm e vão, tendo o papel fundamental de apoiar as necessidades informacio-
nais da organização. O processo de escolha não é trivial, porém decisiva na condução da
organização para o alcance de resultados. É essencial a capacidade de analisar de forma
crítica cada tecnologia, verificando qual a solução que melhor se adéque a estratégia da
empresa. Logo, não existe a melhor ou pior ferramenta de BI, e sim aquela que melhor se
adapta as necessidades do negócio [1].
Neste trabalho será explorada apenas uma ferramenta dentre a vasta variedade
existente no mercado. O Pentaho, a suíte utilizada nesse trabalho, é amplamente usado
em diversas empresas bem sucedidas e serão aplicadas em um estudo de caso de empresa
fictícia para que seja analisado os principais aspectos de tal ferramenta.
23
2 FUNDAMENTAÇÃO TEÓRICA
2.1 Business Intelligence
No início dos anos 90, BI emergiu com o objetivo de dar aos usuários finais, ou
CEO’s, um acesso direto e melhor as informações relevantes sobre uma organização. Visa
fornecer um acesso, independente do departamento de TI, à informação e gerar relatórios
customizáveis sobre determinados aspectos. Trata-se de uma extensa categoria de aplica-
ções e tecnologias usadas para coletar, arquivar, analisar e acessar dados que ajudam na
tomada de decisão. Na realidade, Business Intelligence é um ambiente em que adminis-
tradores tem acesso à informações confiáveis, consistentes, compreensivas e, usando essas
informações, são capazes de analisar estrategicamente a posição da entidade no passado,
presente e futuro.
Figura 1 – Esquema Estratégia Corporativa e Estratégia de BI[1]
Para que uma empresa sobreviva e seja competitiva no mercado, é necessário que a
mesmo desenvolva uma estratégia. Para tal estratégia ser bem sucedida, é necessário uma
previsão de circunstâncias de futuras e entendendo o passado é o melhor método para
tentar fazer suposições sobre o futuro [3]. Portanto, a informação é o principal ingrediente
de qualquer estratégia, permitindo a análise de mercado e detectar comportamentos es-
pecíficos [6], sendo assim, BI é muito importante. Uma iniciativa em BI por parte de uma
organização fornece muito pouco uso estratégico a não ser que ela seja orientada pelos
objetivos de um negócio. Antes de embarcar em algo do gênero, a organização precisa
investir na definição de uma estratégia de BI que ressalte como o BI vai ajudar a organi-
zação encontrar seus objetivos de negócios estratégicos e operacionais [5]. Uma estratégia
de BI precisa prover um framework para a organização que a permita obter oportunidades
com stakeholders chaves, oferecer uma perspectiva da empresa como um todo, previsão
de vantagens esperadas e definir um mapa de como o BI e componentes analíticos de
tecnologia do programa de BI se encaixam para suprir as necessidades do negócio.
24
2.1.1 Conceitos gerais
O artigo [7] define BI como "os processos, tecnologias e ferramentas necessárias para
transformar dados em informação, informação em conhecimento e conhecimento em planos
que guiam ações de negócios rentáveis". Logo, interpretando conceitos, BI se trata de um
conjunto de tecnologias que permitem o cruzamento de informações e suportam a análise
dos indicadores de performance de um negócio, auxiliando a tomada de decisão. Por estas
definições pode ser notado que se trata de uma área consideravelmente abrangente e que
conta com uma série de componentes como pode ser visto na Figure 2.
Figura 2 – Componentes de BI
Organizações coletam diversas informações operacionais e transacionais internas
diariamente. Todos esses dados podem ser transformados em conhecimento utilizável para
a melhora de desempenho através de ferramentas de BI. Responsáveis por decisões em
companhias tomam melhores ações de negócios baseados em aquisições, análises, inter-
pretações e explorações sistemáticas de informações [8]. Nesse momento em que entram
os conceitos de big data, data mining e data warehouse, os quais são imprescindíveis para
o entendimento desenvolvimento de BI.
Antes de tudo, o conceito de big data deve ser explicado, pois todos os outros
conceitos dependem deste primeiro. Usando a definição do livro [9], big data se trata
obviamente de um grande volume de dados, mas não é apenas em relação a quantidade
em si. Big data se trata também da velocidade rápida em que os dados são produzidos e
o formato complexo de diferentes fontes.
De acordo com [10], data warehouse é um banco de dados contendo dados extraí-
dos do ambiente de produção da empresa, que foram selecionados e depurados de uma
(geralmente big data), tendo sido otimizados para processamento de consulta e não pro-
cessamento de transações. A construção de um data warehouse é basicamente o primeiro
passo para a análises em grandes quantidades de dados em sistemas de apoio à decisão
como Business Intelligence. Para a construção do data warehouse necessita-se definir as
chamadas tabela de fato e tabela de dimensão, além do relacionamento entre as mesmas.
A tabela de fato armazena medições do negócio e aspectos que estão sendo mensurados
pela estratégia de BI. Cada medida é obtida na intersecção de todas as dimensões, as quais
25
são as tabelas de dimensão e armazenam as descrições textuais das dimensões do negó-
cio. Cada uma dessas descrições textuais ajuda a definir um componente da respectiva
dimensão.
Por definição de [11], data mining é o processo de descobrir padrões e conhecimento
de grandes quantidades de dados e as fontes desses dados incluem banco de dados, data
warehouses, Internet, outros repositórios ou dados transmitidos para o sistemas dinamica-
mente. Este processo é feito após toda a coleta de informações, ou seja, datawarehousing
e os dados são processados por algoritmos estatísticos com o objetivo de recuperar infor-
mação útil. Data mining é a aplicação do processo analítico racional - técnicas estatísticas
- tomando vantagem dahabilidade computacional de mergulhar mais profundamente no
significado de padrões, não a estatística puramente em si [12]. Quando aliada com um
armazenamento em data warehouse e conceitos de BI, data mining pode dar a companhias
e negócios precisão e segurança no momento da tomada de decisões.
Na Figure 5 mostra as etapas do descobrimento, englobando todos os conceitos
acima citados. Primeiramente é feita a limpeza e integração da big data no banco de dados
e é transferido para o data warehouse. Logo em seguida começa a etapa da mineração de
dados, tornando possível a elaboração de padrões até chegar no conhecimento, o qual
pode ser apresentado em diversas formas, mas o mais comum entre eles é o cubo OLAP
multidimensional e ele será aplicado no estudo de caso mais em frente.
Figura 3 – Etapas do descobrimento do conhecimento
Um cubo OLAP é chamado de estrutura multidimensional que contém informação
26
sobre um pedaço de dado bem definido de uma fonte de dados e é baseado na tabela
fato e dimensões, citado acima, organizado de diferentes formas. O processo de adquirir
dados de um banco de dados e construir os cubos necessários é chamado de análise de
dados. Pode haver centenas de cubos em um data warehouse, sendo que cada um deles é
composto por sua tabela fato e suas respectivas dimensões.
O OLAP é um conceito de interface com o usuário que proporciona a capaci-
dade de ter idéias sobre os dados, permitindo analistas, gerentes e executivos analisá-los
profundamente em diversos ângulos e sintetizar informações sobre a empresa através de
comparações, visões personalizadas, análise histórica e projeção dos dados em diferentes
cenários. É uma interface com o usuário e não uma forma de armazenamento de dados,
porém se utiliza do armazenamento para poder apresentar as informações. O OLAP e o
Data Warehouse são destinados a trabalharem juntos, enquanto o DW armazena as infor-
mações de forma eficiente, o OLAP deve recuperá-las com a mesma eficiência, porém com
muita rapidez. As duas tecnologias se complementam, ao ponto de que um DW para ser
bem sucedido, já na sua concepção, deve levar em consideração o que se deseja apresentar
na interface OLAP [13].
2.1.2 Etapas de implementação de uma estratégia de BI
Baseado em [14], o processo de BI possui atividades ou etapas (Figure 4) que
necessitam ser entendidas para que a implementação da solução tenha efetividade. E
para ser efetivo a solução precisa ser eficiente, ou seja, necessita fazer de forma correta
o proposto, que nesse caso é fornecer informações "inteligentes"para os administradores.
Além do mais ela precisa ser eficaz, ou seja, atingir o objetivo, que nesse caso seria tomar
a decisão de forma precisa.
a) Mobilização dos stakeholders: É necessário a identificação dos stakeholders,
ou seja, das partes interessadas do processo de BI. Precisa ser explicitado quem
são os principais beneficiados da solução além de adquirir o apoio total da alta
gestão. Deve mostrar os benefícios que o projeto trará para a organização, além
de promover discussões sobre os diversos assuntos relacionados à gestão através
de indicadores.
b) Levantamento dos objetivos: Antes mesmo de mapear os dados, é preciso
listar as necessidades informacionais que os gestores possuem. Para isso é ne-
cessário fazer rodadas iterativas com os usuários da solução e, nesse momento,
não há preocupação com a viabilidade das informações nessa atividade. Nas
entrevistas serão levantados os principais anseios dos gestores, que deverão par-
tir do questionamento: “Quais informações necessito para tomar decisões mais
efetivas?”. Ao final das “n“ reuniões necessárias para levantar todas as pers-
pectivas (dimensões e fatos) é gerado uma matriz com a relação completa das
27
necessidades da organização.
c) Mapeamento das fontes dos dados: Só aqui começa-se a preocupar com a
existência ou não dos dados necessários para gerar as informações solicitadas
na etapa anterior. É analisado todo o tipo de fontes de dados existentes na
empresa, tal como CDs, planilhas, banco de dados, etc... Se os dados existirem,
é feito o mapeamento estruturado de como o dado entrará na etapa de desen-
volvimento da solução BI. No caso de inexistência de dados, os participantes do
levantamento serão informados, para que seja provocada na organização o ques-
tionamento sobre a necessidade desses dados ou de serem criadas alternativas
de fontes para a busca dos dados.
d) Construção da solução BI: Nessa etapa é dado início à construção propria-
mente dita da solução de Business Intelligence. É feita a modelagem, o processo
de ETL (extração, transformação e carga) e alimentada na base consolidada
do Data Warehouse. Apesar de ser uma etapa no diagrama, essa é a maior
atividade de todo o processo, pelo menos 50% de todo o trabalho está nesta
fase.
e) Disponibilização aos usuários: Enfim, é disponibilizado o uso da solução
para os usuários (gestores). Mas não é somente “disponibilizar” a ferramenta e
acabou. Significa fazer um grande trabalho de capacitação e envolvimento dos
usuários, conscientização do uso correto da informação e definição dos níveis
de permissão de cada participante, pois nem todos poderão ter acesso irrestrito
às informações do BI.
Figura 4 – Etapas do desenvolvimento de um sistema de Business Intelligence
2.1.3 Vantagens de uma estratégia de BI
As empresas almejam informações com qualidade, otimização dos processos, asser-
tividade nas decisões, insights valiosos, inteligência nos negócios, maior competitividade
no mercado, inovação, alcance de metas e objetivos, enfim, resultados. Buscando sempre,
28
principalmente, a alta aderência das soluções aos negócios. Sistema de BI é uma organi-
zação viva e expansão é um procedimento incremental que nunca acaba. Apesar de BI
ser usado para atingir alvos estratégicos, não há um conjunto definido de fatores e eles
sempre mudam.
Os benefícios da prática de BI só serão visíveis com o auxílio de pessoas [15]. No
entanto, de maneira geral podem ser mencionados alguns benefícios tais como: tomada
de decisão de forma mais pautada por líderes; minimização de riscos nas ações, pois serão
utilizados fatos ao invés da subjetividade; previsão através de tendências baseados em
dados.
Deve ser considerado mais especificamente sobre o retorno de investimento (ROI)
substanciais da ação de BI, há benefícios diretos e indiretos que devem listados:
∙ Diretos
1. Diminuição de custos por projeto
– Projetos podem ser planejados e postos em ação com menos tempo e di-
nheiro, assim como problemas não previstos são menos prováveis.
2. Menor desperdício em infraestrutura redundante
– O lado técnico permanece o mesmo para projetos através da organização.
Como resultado, times podem focar no projeto em si ao invés de soluções
organizacionais isoladas e treinar novamente funcionários todas as vezes,
pois a estratégia de BI cria uma padronização. Times podem utilizar os
mesmos componentes técnicos e fazer uso dos produtos mais atualizados
para um determinado projeto.
3. Posição mais forte frente a vendedores
– Padronização da estratégia de BI através de uma organização facilita o
suporte em todos os níveis e aumenta a habilidade da organização em
lidar efetivamente com vendedores.
∙ Indiretos
1. Melhor experiência do usuário final
– Adoção e aceitação da estratégia de BI aumentará significativamente quando
as aplicações da organização são padrão e criará facilidade na procura por
recursos.
2. Redução da pressão no time de TI
– Departamentos de TI podem concentrar em grandes áreas de prioridade,
como entrega de produtos aos clientes e problemas complexos de arquite-
tura.
29
3. Maior eficiência no uso de BI
– De acordo com o grupo Gartner, BI terá tornado-se um problema estra-
tégico chave para companhias. Essa visão ajuda organizações projetarem
objetivos usando os recursos corretos de maneira mais coordenada.
2.1.4 Problemas de implementação de uma estratégia
Apesar de BI ser um tópico de extrema preocupação em muitas organizações, ainda
há deficiênciasna área de pesquisa. Um número considerável de companhias estão imple-
mentando sistemas de BI, mas não são todos que percebem os benefícios desses sistemas.
De acordo com [16], apenas 24% do projetos de BI são classificados como projetos muito
bem sucedidos e, de com um estudo da TDWI, mais da metade das companhias não tem
um plano para controlar a qualidade dos dados. Esses dados mostram também que BI é
um investimento de alto risco, mas com um retorno que compensa a possibilidade de falha.
Infelizmente os maiores obstáculos para implantação de um sistema BI em organização se
deve principalmente a falta de visão estratégica e a barreira cultural.
Entender as etapas de um processo de BI é muito importante para a conquista
do sucesso pleno na implementação da solução. Podemos acabar no erro de ignorar al-
gumas etapas, ou inverter a sequência das atividades, prejudicando de maneira crítica
todo o projeto. Algo impensável e nunca antes alcançado pelos diversos gestores em suas
organizações, que sempre enfrentaram o problema da má qualidade dos dados, falta de
integridade entre as bases de dados e do mais primordial: saber o que deve ser medido e
analisado.
De acordo com [6], as fontes de dados de pouca qualidade são incontáveis e uma
importante fonte é o processo para introdução dos dados que produzem a maioria dos
problemas e a interface de sistemas. Em geral, a maioria da fonte dos erros de dados caem
nas seguintes categorias:
∙ A falta de rotinas de validação é uma fonte responsável pela introdução de
dados ruins pela Web ou pelos sistemas operacionais.
∙ Dados válidos, mas não corretos eventualmente podem ser aceitos pelas rotinas
de validação. Erros de digitação que respeitam regras de validação podem passar.
∙ Formato errado de sintaxe e estrutura acontece quando há fontes de sistemas
diferentes e tais diferenças são mapeadas e transformadas em um formato padrão.
Erros podem acontecer nessa padronização.
∙ Mudanças inesperadas no sistema é uma situação que ocorre, por exemplo,
quando administrador do banco de dados adiciona um novo campo ou um novo
30
código e esquece de notificar o administrador do sistema que faz as importações
essas mudanças.
∙ A variedade de interfaces possuem uma arquitetura complexa nos dias atuais e
complicam a atualização constante.
∙ A falta de checagem da integridade referencial é muitas vezes desativado
pelos administradores quando a importação está ocorrendo visando o aumento do
desempenho do sistema, causando problemas.
∙ Erros de conversão de dados ocorrem porque programadores não alocam tempo
suficiente para entender a fonte e destino do modelo de dados. Consequentemente,
os códigos escritos geram erros e uma mudança na migração de programas ou na
interface dos sistemas podem criar milhares de entradas erradas.
∙ Fragmentação de definições e de regras são provenientes de empresas divididas
em departamentos, divisões e grupos operacionais, sendo que cada um deles pos-
sui um processo de negócios gerenciado por sistema distinto. Inevitavelmente, cada
grupo lentamente começa a usar definições levemente diferentes para entidades co-
muns e aplicar regras diferentes para a computação das mesmas coisas.
∙ Mudança nas dimensões podem criar problemas na qualidade dos dados de
acordo com as expectativas dos usuários que analisam os dados. Por exemplo, se
um analista deseja computar o total dos ativos comprados por uma companhia no
ano passado, mas a companhia fundiu com a qual bens já haviam sido comprados
anteriormente podem gerar problemas.
2.1.5 Ferramentas de BI
De acordo com a definição de [1], a “ferramenta” é um instrumento que, como o
próprio nome sugere, faz parte de um conjunto maior que auxilia na operacionalização
de uma solução. Quando a ferramenta vem antes da concepção da solução, podemos
criar abismos entre o que o negócio realmente quer e o que será oferecido. Dessa forma
teríamos um problema claro de inversão de propósito. As ferramentas de BI possibilitam
a busca e interpretação de informações armazenadas na corporação, garantindo maior
precisão nas tomadas de decisão. Permite à gerência de conhecimento objetiva estabelecer
uma aproximação integrada e colaborativa para capturar, criar, organizar e usar todos os
ativos de informação de uma empresa.
No mercado atual, há diversas ferramentas de BI disponíveis que podem ser usadas
para propósitos acadêmicos e comerciais [17], divididas em vários segmentos como visto
na Figure 5. Portanto, não é uma tarefa fácil compará-las. No entanto, nessa pesquisa o
foco é em apenas uma delas que foi escolhida com base na pesquisa conduzida por [18], e a
31
ferramenta escolhida foi o Pentaho. É considerado uma “empresa menor com um portfólio
focado em um segmento específico do mercado, sendo ou limitado em alguma capacidade
técnica por concentrar-se em algumas características específicas ou não de nível global e
se concentra em regiões específicas do mundo”.
Figura 5 – Gráfico de comparação entre ferramentas de BI
2.2 Pentaho
De acordo com [1], o Pentaho surgiu com o desejo de alcançar uma mudança po-
sitiva no mercado de análise de negócio dominada por grandes vendedores que ofereciam
produtos baseados em plataformas com custo elevado. A partir daí, cinco experientes
desenvolvedores de sistemas (daí a origem do prefixo Penta) fundaram, em 2004, o Pen-
taho. Ainda mais, referenciando [2] "o Pentaho é uma solução completa de BI. Enquanto
alguns não passam de portais com capacidade de executar relatórios e cubos OLAP, o
Pentaho é um grande workflow que trata tudo como processos e serviços integrados". Se
trata de uma iniciativa pioneira da comunidade de desenvolvimento Open Source para
proporcionar ferramentas de Business Intelligence para que as organizações melhorem sua
performance, eficiência e efetividade na gestão da informação. O Pentaho Business Intel-
32
ligence é a ferramenta open source mais utilizada do mundo, contendo um ambiente de
desenvolvimento integrado e bastante poderoso. [19].
Na realidade, o Pentaho é um business intelligence suite ao invés de um único
produto, pois é composto por um conjunto de programas de computador que trabalham
juntos para criar e entregar soluções de BI. Alguns desses componentes fornecem funci-
onalidades que são bastante básicas, como autenticação de usuário ou administração de
conexão de banco de dados. Outros componentes possuem funcionalidades que operam
em um nível acima, como visualização de dados usando gráficos e tabelas.
Geralmente, mas não sempre, os componentes que oferecem funcionalidade de
alto nível dependem dos componentes que oferecem funcionalidades de baixo nível. Por
exemplo, o conjunto de programas que formam a suite inteira podem, literalmente, ser
vistos como uma pilha de componentes, cada um deles e cada nível chega mais próximo
do usuário final. A pilha de componentes do Pentaho pode ser visto na Figure 6, onde
todos os componentes que compõe a solução estão expostos.
Figura 6 – Pilha de componentes do Pentaho [2]
A maioria dos usuários finais irão interagir com a camada de apresentação, a qual
pode ter diferentes formas. O Pentaho pode ser acessado pelo navegador, mas os compo-
nentes podem ser acoplados em portais. Talvez a forma mais comum de apresentação é
exportar o conteúdo do Pentaho como PDF e enviar por e-mail para o usuário.
A plataforma Pentaho, conhecida como Pentaho Open BI, é composta de aplica-
ções open source para criação de soluções de Business Intelligence. De acordo com [2],
33
existem módulos e destacam-se entre eles:
∙ BI Server: Front-end de interação com o usuário final. Provê dois “auto-serviços”
conhecidos como PUC (Pentaho User Console) e PAC (Pentaho Administration
User). O WAQR (Web AdHoc Query and Reporting) permite criação de relatórios
on-line, via web, e o OLAP (On Line Analytical Processing) permite navegação
através de níveis (nível agregado ao menor grão). E em se tratando de BI, o OLAP
é o coração da análise e dá acesso aos relatórios publicados pelo Report Designer.
∙ ReportDesigner: Esta ferramenta deve ser utilizada para criação de relatórios com-
plexos. Quando for necessário criar relatórios mais interativos e elaborados esta fer-
ramenta é a mais adequada, pois fornece mais recursos que a ferramenta de geração
de relatórios ad-hoc.
∙ Design Studio: Esta é uma ferramenta que é baseada no Eclipse (API para desen-
volvimento). Um ambiente de desenvolvimento de soluções avançadas de BI.
∙ Aggregation Designer: Uma ferramenta gráfica que ajuda a melhorar a eficiência do
cubo Mondrian, criando tabelas agregadas. Porém seu uso deve ter cuidados.
∙ Metadata Editor: Ferramenta que mapeia os bancos de dados e seu conteúdo em
uma visão de negócios a partir da qual usuários podem compor relatórios, via web,
através do WAQR. Permite adição de uma camada de metadados a uma fonte
de dados existente. Normalmente usada para produzir uma camada que facilita a
criação de relatórios ou análises, porém seu uso não é obrigatório.
∙ Pentaho Data Integration: Ferramenta ETL (antigo projeto Kettle), que permite
acessar e preparar fontes de dados para análise, mineração e geração de relatórios
OLAP. Ele é normalmente iniciado quando se quer preparar dados para análise.
∙ Pentaho Schema Workbench: Uma ferramenta gráfica que realiza a criação de es-
quemas ROLAP para análise. Este é um passo necessário para preparar os cubos.
Ele possui integração com BI Server e permite publicar o esquema desenvolvido
diretamente nele.
Finalmente, o Pentaho é o atual líder de Soluções Open Source de Business In-
telligence, se trata de uma ferramenta indiscutivelmente completa. O Pentaho construiu
sua solução de BI integrando diferentes tipos de projetos existentes e complexos e ainda
apresenta excelentes resultados, pois em um estudo comparativo entre o Pentaho e outra
ferramenta [20] também igualmente poderosa, Pentaho obteve substancialmente melhores
resultados. Não deixando de ser mencionado as inúmeras empresas famosas, brasileiras e
internacionais, que são clientes da plataforma, como a Telefônica (empresa de telefonia do
34
Brasil), Nasdaq (mercado de ações americano), OLX (site de publicação de classificados)
e etc. Portanto, definitivamente se trata de uma ótima ferramenta de estudos.
2.2.1 Vantagens
De acordo com o acordo com a artigo [21] que faz uma análise das principais fer-
ramentas de BI disponíveis no mercado, empresas procurando por uma solução que seja
capaz de misturar e analisar repositórios baseados no SQL tradicional, arquivos ad hoc,
banco de dados NoSQL e dados não estruturados (como postagens em mídias sociais,
registro de dados e transmissão de dados de máquina de fontes IoT) deveriam usar o
Pentaho. O foca atual da empresa e visão do futuro, como seus investimentos em mar-
keting e vendas, são completamente focados em big data e no mercado emergente de
IoT, favorecendo implementações especializadas e avançadas. Inúmeras corporações estão
começando a reconhecer essas capacidades que são um diferencial e agora servem como
referência para projetos complexos.
As capacidades da plataforma aumentam com a integração da PDI com o R e
a Weka, as quais são ótimas ferramentas de análise de dados. Ainda mais, o custo da
licença, derivado do fato de ser uma companhia open-source, são outros motivos para a
adoção do Pentaho.
Não esquecendo, conectividade com fonte de dados, armazenamento próprio de
dados e ETL, análise e conteúdos embarcados avançados estão entre as principais capaci-
dades do Pentaho. Os resultados são alinhados com suas prioridades e seu posicionamento
estratégico. Muitos dos casos de uso de clientes do Pentaho começaram com a versão en-
terprise open-source e depois evoluíram para a versão comercial. O foco da empresa está
mudando, mas a herança de sua versão open-source fornece essa mudança com uma rede
de sistemas integradores e uma presença geográfica global, algo difícil para algumas com-
panhias.
2.2.2 Preocupações
O Pentaho continua a enfrentar desafios importantes na área de experiência (UX)
e foi classificado como uma de suas áreas com pior desempenho por seus usuários. Pes-
quisas também classificaram o Pentaho como levemente abaixo da média de vendedores
para benefícios atingidos por negócios, em antepenúltimo para habilitação do usuário e no
último quarto para disponibilidade de recursos avançados no mercado. Esses fatores con-
tribuem para que a ferramenta fique colocado no último quarto para sucesso do produto
entre organizações no quesito de experiência do usuário. Pelo fato de não haver novos
problemas, os atuais provavelmente se tornarão principal prioridade para a empresa para
segurar o mercado de big data e IoT quando outras empresas entrarem nesse segmento.
35
Pentaho foi ranqueado no quarto mais abaixo da classificação em operações, afe-
tado pelas baixas notas em componentes mais profundos da categoria: suporte geral,
qualidade do produto e migração da experiência. Esse problema pode ser resultado da
transição acelerada para novas tecnologias em big data e IoT, mas enquanto os novos
lançamentos continuam a consertar problemas incrementalmente, os problemas mais pro-
fundos ainda não foram resolvidos. Devido a sua classificação, é provável que futuros
upgrads que resolvam os problemas ou o uso de tecnologia inovativas demorem mais.
Assim como segmento operações, Pentaho está classificado na mesma colocação
em entendimento de mercado, que é uma combinação medidas baseada na complexidade
de análises e facilidade de uso. Ao contrário do foco do Pentaho em resolver problemas
complexos de big data, sua nota em complexidade de análise é apenas um pouco acima da
média das outras ferramentas, apontando que os clientes não estão usando tal ferramenta
por causa dessa característica. Facilidade de uso é também uma preocupação dos usuários
desta plataforma, mas, novamente, a ferramenta se encontrar no final da classificação
em todas as categorias relacionadas a facilidade, como administração e implementação,
desenvolvimento de conteúdo e consumo do usuário final.
O acúmulo de problemas relacionados com o produto e clientes podem contribuir
para o fato que o Pentaho tenha sido classificado terrivelmente no quesito de viabilidade
futura, mesmo que essa opinião reflita um leva melhora em relação a anos anteriores. Com
o constante crescimento que tem ocorrido, é esperado que melhoras venham rapidamente
para preservar seu status visionário nesse mercado intensamente crescente.
37
3 ESTUDO DE CASO
Para o estudo de caso foi utilizado um conjunto de dados nativo do Pentaho de
uma empresa fictícia chamada Steel Wheels. Nas sessões seguintes serão seguidas as etapas
de implementação da solução de BI.
3.1 Data Warehouse
Para a construção do data warehouse, primeiramente foi necessário o entendimento
do banco de dados da empresa Steel Wheels, analisando como as entidades se relacionam
e qual medida pode ser mensurada a partir do cubo multidimensional. Primeiramente, de
acordo com o artigo [10], é necessário a construção da tabela das dimensões do cubo e da
tabela fato. Esse esquema está exposto na Figure 7 e medida escolhida para esse cubo foi a
quantidade de vendas. Lembrando que, como falado anteriormente, em um data warehouse
pode haver inúmeros cubos, mas para esse estudo essa foi a escolha dimensional.
Figura 7 – Diagrama da tabela das dimensões e tabela fato
Para o processo de extração dos dados do banco de dados, transformação dos dados
para a formação do cubo e finalmente carregar no data warehouse esse dados transfor-
mados é usado o PDI, ou Spoon, do Pentaho para integração dos dados. São criadas as
chamadas "transformações"e todo o processo ETL ocorre. Na Figure 8 é exposto todas as
Transformações usadas no estudo de caso e o exemplo de uma Transformação (o arquivo
possui extensão .ktr).
38
Entendendo o que é uma transformação, primeiramente é necessário diferenciar
Transformações e Job, dois conceitos muito importantes do PDI. Em ambos é possível
criar passos para automatizar tarefas, porém, no primeiro criamos alguma tarefamais
detalhada, pois oferece maiores recursos para o tratamento dos dados. Enquanto no se-
gundo podemos utilizar para integrar várias Transformações, criando assim um projeto
com várias etapas de tratamento, ainda é possível adicionar regras de validação e controle
de fluxo. É interessante conseguirmos dividir um projeto em Transformações que fazem
pequenas tarefas, assim é possível reaproveitá-las.
Exemplificando, imagina-se um caso onde é preciso ler um arquivo de texto e
executar uma determinada ação nele. Não é necessário criar uma Transformação para
cada arquivo, ao invés disso, pode se criar apenas uma, que recebe o nome do arquivo
através de uma variável, e executa as ações. Desta forma esta transformação poderia ser
reutilizada em vários projetos.
O Job é responsável controlar um conjunto de Transformações, com ele pode-se
criar um fluxo que utilize as Transformações para um determinado projeto. Com a sua
utilização é possível “copiar” informações entre Transformações. Através do Job também
é possível executar outros Jobs, criando rotinas mais complexas.
Figura 8 – Exemplo de Transformação no PDI
Após as Transformações de cada dimensão do cubo e da fato realizadas com su-
cesso, o data warehouse está pronto e carregado com todas as informações necessárias
para a continuação da solução de BI. Nessa etapa é necessário um certo cuidado, pois na
importação dos dados erros podem ocorrer, como nas situações citadas na subseção 2.1.4
e gera uma série de problemas em etapas a frente, dificultando a implementação do cubo.
39
3.2 Cubo multidimensional e relatórios
Para a criação do cubo multidimensional foi utilizado o Mondrian Schema Work-
bench, parte da Pentaho suite, o qual é uma interface que permite a criação e teste do
cubo visualmente. Esses arquivos do esquema são modelos de metadados XML que são
criados em uma estrutura específica usada pelo Mondrian. Não é necessário que um cubo
exatamente físico seja construído e mantido, apenas que um modelo de metadados seja
construído.
Na figura Figure 9 ilustra a interface do Mondrian com a criação do cubo, mos-
trando a medida e suas dimensões, já adicionado os graus de granularidade, ou níveis
como é falado na interface. Após a construção do cubo, é preciso que o cubo seja publi-
cado no BI Server, mais especificamente no PAC, para que o usuário final tenha acesso
as informações geradas.
Figura 9 – Criação das dimensões do cubo no Schema Workbench
Em seguida, temos a Figure 10 em que está exposto o cubo na forma final, o qual
é disponível para o usuário final (administrador da empresa) para que sirva de auxílio na
tomada de decisão. Como ilustrado, uma análise detalhada pode feita através do cubo
OLAP por ser incrivelmente detalhado em todas as suas dimensões e granularidades
disponíveis. Infelizmente, a visão de todos os dados não ficou claro na imagem, pois não
coube na tela, mas é possível ter uma noção de como os dados ficam expostos.
40
Figura 10 – Cubo multidimensional da empresa fictícia Steel Wheel
Deve ser lembrado também que uma grande variedade de relatórios podem ser
gerados, tais como balanço da empresa, lista do inventário, relatório da situação do pedido
para cada empresa e etc. Todos esses relatórios são customizáveis e ajustam-se de acordo
com a necessidade de cada empresa. A Figure 11 é uma análise de lucros, levando em
conta quais modelos de carros foram vendidos em determinadas épocas do ano e em
determinados mercados.
41
Figura 11 – Análise de lucros da Steel Wheel
43
4 DISCUSSÕES E DIFICULDADES
O cenário atual realmente não parece animador. Empresas fechando, faturamento
despencando, profissionais à procura de recolocação, e tudo isso parece muito distante
de acabar. Diante deste panorama, muitas empresas estão revendo sua postura e enxer-
gam na inovação (e renovação) a chance para se manterem firmes ou de, quem sabe, se
reapresentarem ao mercado.
Ao contrário do que muitos pensam, a crise não deve ser vista como motivo de
desânimo e justificativa do insucesso, mas sim como desafio e principalmente preparação.
A crise vem para todos, e aqueles que souberem fazer a leitura correta do momento, irão
ganhar espaço no mercado. É na crise que surgem grandes oportunidades e a exemplo
disso estão muitas startups, que enxergam na situação a perfeita chance de suas ideias e
propostas disruptivas ganharem força. Isso porque as exigências do consumidor nos bens
e serviços do mercado são cada vez maiores, tanto em qualidade, quanto em preço.
A crise torna oportuno a aplicação de BI para auxiliar a tomada de decisão e gerar
insights de negócio que trarão monetização de produtos e serviços. Está aí o motivo pela
grande procura por profissionais de análise de dados. Várias empresas compreendem a
importância deste profissional, e entendem o poder transformador que as soluções de BI
podem agregar ao seu negócio. Analisar dados não é apenas importante, como passa a ser
indispensável para manter a competitividade nessa conjuntura pouco favorável. É hora
das organizações reverem os custos? Sem dúvida. Porém, mais do que isso, é o momento
para entender a situação “adversa” e transformá-la em oportunidade para os negócios.
E nesse momento o BI pode fazer toda a diferença: transformar os dados, em valiosas
informações para melhor decidir. Informações precisas possibilitam identificar padrões e
direcionar objetivos em curto, em médio e até longo prazo. E são as decisões assertivas
que direcionam as empresas rumo ao sucesso.
Considerando agora mais especificamente o Pentaho e o estudo de caso desse tra-
balho, tive duas dificuldades principais ao seu decorrer. Primeiramente, senti certa difi-
culdade na instalação dos elementos da suite, pois vários problemas de compatibilidade
ocorreram no decorrer do trabalho, alguns mais simples de serem resolvidos, como al-
gumas versões do PDI não são compatíveis com a versão mais atual do JDK, e outros
as vezes nem sempre tão corriqueiros de serem consertados como compatibilidade entre
versões dos elementos da própria suite. Acredito que que essa dificuldade se deve a falta
de documentação disponível na Internet para encontrar tais erros mais facilmente e, por
ser uma versão da ferramenta open-source, esperava um pouco mais de tópicos relacio-
nados ao assunto. No entanto, apesar de relativo esforço, todos os erros de compatibili-
dade/instalação foram solucionados. Agora falando da minha segunda e maior dificuldade
44
nesse trabalho, posso afirmar que questões conceituais foram meus principais obstáculos.
Após o problema inicial de instalação, foi necessário o estudo de conceitos básicos de BI
para a implementação da solução. Portanto, a parte inicial de modelagem e integração de
dados foi a mais complexa, pois além da necessidade do conhecimento de vários conceito,
a modelagem teria reflexão em todos os passos subsequentes.
Apesar de se tratar de um conjunto de dados quase que em um estado "ideal"para
ser estudado, pois a implementação de uma solução de BI pode passar por situações
adversas que nem sempre são simuláveis, ainda assim foi possível absorver conceitos de BI
e o passo-a-passo de uma implementação. Similarmente, foi possível aprender um pouco
sobre o Pentaho e concluir que se trata de uma boa ferramenta para a geração de dados
e de fácil manuseio.
Finalizando, o BI impulsiona as vendas e o marketing das organizações, passando
pela otimização dos custos, aperfeiçoamento de processos, aumento de produtividade e
muitos outras melhorias mensuráveis (e não mensuráveis). O BI também propõe um mo-
delo de gestão através de indicadores de resultados que promove a empresa a um outro
patamar nas análises do negócio. Contudo, a visão da organização para os benefícios dis-
poníveis nessas soluções é um fator importantíssimo para a efetiva aplicabilidade nos seus
negócios. Essas sairão na frente do mercado, levando grande parcela dos consumidores
que estão sedentos por inovação.
45
REFERÊNCIAS
[1] ELIAS, D. Qual é a Melhor Ferramenta de BI? 2017. Disponível em:
<https://www.binapratica.com.br/a-melhor-ferramenta>.[2] OLIVEIRA, V. Pentaho - visão geral. 2018. Disponível em: <https://www.
binapratica.com.br/pentaho-visao-geral>.
[3] LABHANSHATRIWAL, P. N.; TAYAL, H. S. Comparison of Generalized and
Big Data Business Intelligence Tools. International Conference on Computing for
Sustainable Global Development (INDIACom), p. 3585–3588, 2016.
[4] WILLIAMS, S.; WILLIAMS, N. The profit impact of Business Intelligence. Cerra,
2006.
[5] SCHWENK, H. Business intelligence and analytics fundamentals. OVUM, 2010.
[6] VASILE, G.; MIRELA, O. DATA QUALITY IN BUSINESS INTELLIGENCE
APPLICATIONS. http://www.b-eye-network.com/view/11602, 2008.
[7] LOSHIN, S. Fundamentals of Business Intelligence for the Small and Midsize
Enterprise. TDWI, 2011.
[8] WU, J. Y. Computational intelligence-based intelligent business intelligence system:
Concept and framework. In: 2nd International Conference on Computer and Network
Technology, ICCNT 2010. [S.l.: s.n.], 2010. p. 334–338. ISBN 9780769540429.
[9] NTNU. Introduction to Big Data. [S.l.]: NTNU, 2011.
[10] BARROS, R. M. et al. O Poder das Tecnologias de Workflow e de Data Warehouse
na Aquisição e Armazenamento de Informações da Memória Organizacional: Um
Estudo de Caso. 2005.
[11] HAN, J.; KAMBER, M.; PEI, J. Data Mining - Concepts and Techniques. [S.l.]:
Morgan Kaufmann, 2012.
[12] OLIVEIRA, A.; ALVES, D.; SANTANA, F. Concepts about BI, data mining and
datawarehouse. 2006.
[13] STACKOWIAK, R.; RAYMAN, J.; GREENWALD, R. Oracle Data Warehousing
and Business Intelligence Solutions. [S.l.]: Wiley; 1st edition, 2007. ISBN
9780471919216.
[14] SILVA, R.; SILVA, F.; GOMES, C. O uso do Business Intelligence (BI) em sistema de
apoio à tomada de decisão estratégica. GEINTEC - Gestão, Inovação e Tecnologia,
2016.
[15] KISNER, G. et al. Business Intelligence como diferencial competitivo na gestão de
negócios. 2016.
https://www.binapratica.com.br/a-melhor-ferramenta
https://www.binapratica.com.br/pentaho-visao-geral
https://www.binapratica.com.br/pentaho-visao-geral
46
[16] TUCCAROGLU, B.; NAT, M. The readiness of banks for the application of Business
Intelligence solutions. In: 13th HONET-ICT International Symposium on Smart
MicroGrids for Sustainable Energy Sources Enabled by Photonics and IoT Sensors,
HONET-ICT 2016. [S.l.: s.n.], 2016. p. 127–132. ISBN 9781509037841.
[17] GOUNDER, M. S.; IYER, V. V.; MAZYAD, A. A. A survey on business intelligence
tools for university dashboard development. In: 2016 3rd MEC International
Conference on Big Data and Smart City, ICBDSC 2016. [S.l.: s.n.], 2016. p. 85–91.
ISBN 9781509013654.
[18] BI-SURVEY.COM. Comparison of the Best Business Intelligence Soft-
ware Products in 2017. 2017. Disponível em: <https://bi-survey.com/
business-intelligence-software-comparison>.
[19] PENTAHO. Pentaho. 2017. Disponível em: <http://www.pentaho.com/about>.
[20] PARRA, V. M.; SYED, A. Pentaho and Jaspersoft : A Comparative Study
of Business Intelligence Open Source Tools Processing Big Data to Evaluate
Performances. v. 7, n. 10, p. 20–29, 2016.
[21] PARENTEAUA, J. et al. Magic Quadrant for Business Intelligence and Analytics
Platforms. Gartner Group, 2016.
https://bi-survey.com/business-intelligence-software-comparison
https://bi-survey.com/business-intelligence-software-comparison
http://www.pentaho.com/about
	Folha de rosto
	Folha de aprovação
	Dedicatória
	Agradecimentos
	Epígrafe
	Resumo
	Abstract
	Lista de ilustrações
	Lista de abreviaturas e siglas
	Sumário
	Introdução
	Fundamentação Teórica
	Business Intelligence
	Conceitos gerais
	Etapas de implementação de uma estratégia de BI
	Vantagens de uma estratégia de BI
	Problemas de implementação de uma estratégia
	Ferramentas de BI
	Pentaho
	Vantagens
	Preocupações
	Estudo de caso
	Data Warehouse
	Cubo multidimensional e relatórios
	Discussões e Dificuldades
	Referências