Sobre o que falaremos nesta aula?

Business Intelligence - BI

Inteligência de Negócios

Prof. Ricardo José Pfitscher Elaborado com base no material de:

José Luiz Mendes Gerson Volney Lagmman

Introdução

Sobre o que falaremos nesta aula?

Ferramentas inteligentes com capacidades de previsões?
Ferramentas que trabalham sozinhas e fazem tudo?
Ferramentas uteis as organizações para monitoramento

automático do chão de fábrica e de estoques?

Business Intelligence - Conceito

“Inteligência nos (dos) negócios”

BI muitas vezes é caracterizado por um software específico
“Este é um software de BI”

Mas definitivamente BI envolve:

Processo de coleta, organização, análise, compartilhamento, e

monitoramento de informações para dar suporte a gestão de negócios

Normalmente um conjunto de ferramentas que utilizam

informações para facilitar a tomada de decisão

Melhor qualidade e momento exato

As informações são cruzadas, trabalhadas, indicadores são

analisados, fazendo com que se tenha melhor desempenho nos negócios

Business Intelligence - Fundamentos

fundamentos a estudar

A ideia de “pensar” sobre as informações relacionadas a

produção e a organização não é tão recente quanto se imagina

O conceito surgiu na década de 80
As organizações

desenvolveram habilidades para analisar dados e informações, e com base nesta análise, empregar (implantar) formas de utilizar este resultado na tomada de decisão

O uso típico das informações é avaliar o ambiente

organizacional, como complemento utiliza-se:

Business Intelligence - Fundamentos

e informações?

Vamos esquecer um pouco as organizações, e pensar nas

formas que usamos no nosso aprendizado:

Podemos aprender com experiências dos outros:

Um pai diz ao filho: não coloque a mão no fogo, vai te queimar!

Provavelmente esse pai já se queimou um dia fazendo isso

Estudar uma disciplina sobre sistemas operacionais, você leu que um processo ocupa um espaço na memória (ou o professor te falou)

Alguém, em algum momento, comprovou aquilo
Podemos aprender com nossas experiências:

Sempre cozinhei arroz com agua fria, um dia coloquei agua quente e vi que é mais rápido para chegar ao mesmo resultado

Podemos aprender com nossas intuições/sensações:

O que eu não posso fazer se meu carro derrapar em uma curva?

Não preciso ouvir a experiência de ninguém, e nem ter feito isso, para saber

que não vai dar certo.

Business Intelligence - Fundamentos

intuição) utilizamos da informação para promover a inteligência

Em sistemas computacionais não é diferente

Estatísticas sobre situações anteriores pode ajudar a estimar uma

possibilidade futura
Probabilidade

E de onde vêm estas informações?

As primeiras fontes são advindas de meios internos

Cada fonte na organização contribui com aquilo que é importante para a tomada de decisão sobre a sua área

As segundas fontes vêm de meios externos
Necessidade de consumidor

Pressões competitivas

Business Intelligence - Fundamentos

Mas porque as empresas buscam essa inteligência nos

negócios?

A medida que a inteligência é acumulada a competitividade da

organização é aumentada

O uso de inteligência é um aspecto fundamental para a

sobrevivência de alguns negócios

Os sistemas (componentes) de BI são compreendidos em

duas classes:

Front-end Systems

Parte do sistema visível ao usuário

Back-end Systems

Parte que trabalha por debaixo dos panos, sem ação direta do usuário

Business Intelligence - Fundamentos

Front-end Systems (SSD, SSE, OLAP)

Identificar padrões nos dados
O usuário pode formular questões

O usuário pode pedir relatórios estratégicos

Back-end Systems

1. Os dados da organização

Gerados de transações por exemplo

2. São extraídos do banco de dados da organização 3. São filtrados (tratados) por alguma regra

Business Intelligence - Fundamentos

Extração – Carregamento -Transformação

Armazenamento

Ações dos usuários Dados sobre os dados (facilita o acesso)

Business Intelligence - Fundamentos

Resumindo, um sistema de BI deve permitir:

Extração de dados de uma ou mais fontes, e transformá-los em

informações uteis e relevantes

Formatação dos dados para formulação de relatórios e gráficos
Análises multidimensionais

Criação de cenários alternativos

Simulações

Facilidade de acesso aos usuários

Pré-requisito para a maioria dos softwares

Ciclo de Atividades de BI

Uma solução de BI é caracterizada pela interação

ordenada de quatro processos: Análise, entendimento,

ação e monitoramento

BI

Ciclo de Atividades de BI

Análise

Formulação de modelos e visões dos sistemas relacionados

aos objetos de negócios
Através de métodos e processos

Os modelos e visões são a base para entendimento de quais

processos são relevantes

Esta etapa é fundamental para o desempenho das outras fases

Ciclo de Atividades de BI

Entendimento [1/2]

Levantamento dos aspectos chaves dos sistemas que são

objetos de negócios

Podem ser modificados e controlados para melhorar a eficiência e a

eficácia dos processos

Mas o que é eficiência de um processo e o que é eficácia de

um processo?

Eficiência: Fazer as coisas certo

Processos com mínimo consumo de recursos

Eficácia: Fazer a coisa certa

Identificar quais processos desenvolver para atingir os objetivos

Ciclo de Atividades de BI

Entendimento [2/2] – Exemplo

Disparidade de lucratividade entre lojas de uma rede

varejista

O que a gerência deve fazer?

Empenhar seus esforços em descobrir os problemas das redes

de menor lucratividade?

Uma melhor solução em termos de entendimento, avaliando

Ciclo de Atividades de BI

Ação

Formulado o modelo (visão) de um sistema
Feito um real entendimento do problema
Dois passos conjuntos devem ocorrer:
Decisão e Ação

Decisão: indica o que deve ser feito, resultado direto da análise e do

entendimento

Ação: Utilidade da decisão, é o ato em si

Ciclo de Atividades de BI

Monitoramento

Nem todo mundo acerta sempre

Os resultados da ação devem ser avaliados e comparados com

aquilo que era esperado

O monitoramento ocorre através de variáveis de

controle, pertencentes ao modelo e visão correntes e

formuladas desde o processo de análise

Após a finalização desta etapa (onde os resultados são

Implementando BI

Implementando BI

Algumas questões estão relacionadas a implementação de

BI, e sobre estas questões algumas decisões devem ser

tomadas:

Questões de alinhamento de metas: determinar

propostas de curto e médio prazo

Questões de base: Coleta de informações de

competência atual e suas necessidades

Custos e riscos: Estimar as consequências financeiras da

nova iniciativa de BI

Cliente e “stakeholder”: Quem serão os beneficiados

Implementando BI

Métricas relacionadas: Definir parâmetros métricos

(de medida) para os requerimentos de informações

operacionalizadas

Mensuração metodológica: Como serão medidos os

requerimentos métricos

Resultados relacionados: Definição de quem será o

monitor do programa de BI, ou seja, aquele que vai

verificar se os objetivos estão sendo atingidos. Envolve

testes e avaliação dos resultados

Implementando BI - Facilitadores

Alguns fatores são facilitadores para sucesso na

implantação:

Tecnologia (tecnologia de informação)

Disponibilidade de dados

Redes de computadores

Padronização de processos de interação para

compartilhamento de conhecimento

Implementando BI - Softwares

Alguns softwares que implementam BI:

OBIEE, Oracle Business Intelligence Enterprise Edition
Hyperion, da empresa Homônima, comprada pela Oracle
IBM Cognos Business Intelligence, da IBM

Microsoft SQL server com alguns componentes: Reproting

Services, Integration Services e Analyses Services

SAP Netware Business Intelligence, da SAP

SAS Enterprise Business Intelligence Plataforms, da

SAS informática

Oportunidades de uso

Algumas perguntas fundamentais definem uma

oportunidade de uso de BI

Onde utilizar BI?

Quem utilizará BI?

Quais informações devem participar do modelo de BI?

Oportunidades de uso

ONDE? Se as perguntas abaixo forem feitas, cabe

o uso de BI

O que está funcionando bem?

O que está funcionando mal?

O que está consumindo muitos recursos?

O que está consumindo muito tempo?

Onde podem existir oportunidades mal aproveitadas?

Onde estão sendo tomadas decisões ruins?

Oportunidades de uso

QUEM? Identificar o grau hierárquico dos

usuários em potencial

Níveis hierárquicos mais baixos

Dados específicos, detalhados, altamente especializados, e de apoio a

atividades operacionais

Níveis hierárquicos mais altos

Dados gerais, sumarizados e de apoio a atividades gerenciais

Oportunidades de uso

QUAIS INFORMAÇÕES? Existe uma sequência ideal

para identificar as informações relevantes

1. Identificar valores

2. Classificá-los em obtenção direta (mensuração e

observação) ou obtenção indireta (cálculos matemáticos ou equações)

3. Identificar medidas que contextualização os valores 4. Definir grau de detalhamento necessário para valores 5. Identificar áreas de oportunidades, grupamentos de

valores que identificam sistemas que servem de apoio a tomada de decisão

6. Ordenar áreas de oportunidades em critérios, como

exemplo: impacto potencial e dificuldade de operacionalização

Oportunidades de uso

QUAIS INFORMAÇÕES – Mapa de interesses

baixo alto impacto baixa alta dificuldade Alta prioridade Baixa prioridade

Análise Multidimensional

Análise multidimensional

Capacidade de observar um banco de dados no formato

de um cubo, contendo múltiplas dimensões

O usuário pode analisar o seu negócio a partir de

Análise multidimensional

Exemplo: dados de vendas por semestre, por produto, e

por cidade

Análise multidimensional

Exemplo: Apresentação dos mesmos dados de forma

multidimensional (mais detalhado)

Semestre Produto Cidade Valor Primeiro Banana Curitiba 3.000,00

Análise multidimensional

Exemplo: representação gráfica

Semestre C id a d e

Análise multidimensional

Vantagens

Modelo mais natural para o usuário, o que leva a uma

facilidade de navegação pelas informações

O acesso ao dado é feito de forma direta

Um mesmo conjunto de informações é associada a um fato
Pode ser visto sob varias óticas (dimensões), de forma simples

Análise multidimensional

Visualização das informações

OLAP - Conceito

Capacidade de manipular e analisar uma grande

quantidade de dados sob múltiplas perspectivas

Pesquisa de maneiras diversificadas e flexíveis

Conceitualmente os dados são organizados em forma

multidimensionais

Operações generalizadas de OLAP:

Agregação, sumarização e projeção, tipicamente reduzem

a dimensionalidade do hiper-cubo

Detalhamento, inverso das anteriores

Rotação, as variáveis que caracterizam os valores do

hiper-cubo troca de lugar com outras dimensões

OLAP – Operações básicas

Operações básicas em ferramentas OLAP:

OLAP – Operações básicas

Drill

Exploração em diferentes níveis de detalhe das informações
Drill Down/Up
Subir ou descer o detalhamento

Exemplo: Aumentar ou Diminuir o nível de detalhe em vendas

por país ou estado

OLAP – Operações básicas

Slicing

Consegue-se ver a informação sobre ângulos que

anteriormente (antes do DW) não eram possíveis

Exemplo: Selecionar as dimensões para consulta, vendas por

OLAP – Operações básicas

Dicing

Ver informação através de diferentes ângulos

Limitar o conjunto de valores a algumas dimensões. Ex.: Vendas

no estado de minas (por produto e por ano)

OLAP – Operações básicas

Pivoting

Trocar informações entre linhas e colunas

OLAP – Operações básicas

Data surfing

Executar uma mesma análise em outro conjunto de dados
Ex.: Vendas no Brasil/ Vendas no Reino Unido

OLAP – Operações básicas

Consultas Ad-hoc

Consultas que não sejam pré-definidas

Unem recursos das ferramentas às necessidades dos usuários
Consultas com acesso casual, único e tratamento dos dados

com parâmetros não utilizados anteriormente.

Executado de forma interativa

Data Warehouse

Data Warehouse

Existe uma confusão do termo com o BI
É um componente de BI

Conjunto de tecnologias para transformar dados em informações

além de armazena-las para acessos de outras ferramentas

É um ambiente e não um produto

Estratégia que reconhece a necessidade de armazenar dados em

sistemas de informações e consolidá-los para auxilio aos diversos profissionais nas tomadas de decisão.

Rápido e eficaz

Os acessos e análises sobre os dados são feitos por outra

ferramentas e módulos (OLAP)

Séries históricas que possibilitam análise sobre eventos passados,

facilitando a tomada de decisões em eventos futuros

Data Warehouse

Usos

São utilizados em basicamente três meios

1. Gerando relatórios e gráficos, a informação necessária é

advinda de uma única fonte de dados

2. O data warehouse é utilizado para OLAP, este compara

os dados e tem a capacidade de responder questionamentos do tipo: “E se?” e “Porque?”

3. Como Data Mining, “garimpa” as informações revelando

padrões e relações escondidas. Gera hipóteses.

Data Warehouse

Arquitetura

Podemos organiza-lo em camadas 1. Aquisição da informação

Reunir, refinar, agregar os dados relacionados aos sistemas de

produção

2. Armazenamento da informação

Armazém da informação, guarda os dados

3. Disponibilização da informação

Data Warehouse

Dados Operacionais ERP Dados Externos

Reunir Refinar Agregar Armazenar DW Montagem DM DM LAN Gerente de Produto Gerente de Crédito Camada de Aquisição da Informação Camada de Armazenamento da Informação Camada de Disponibilização da Informação

O DW é formado por fontes de dados internas e externas

Data Marts extraem e ajustam porções de DWs aos requisitos específicos de grupos/departamentos

Metadados

São considerados o dicionário de informações

São dados sobre dados (é um dado sobre a informação) que

descrevem o data warehouse

São divididos em:
Técnicos

Informações sobre fonte de dados,

Autorizações de acesso, aquisição de dados, transformações

realizadas, etc...

Negócios

Áreas de assunto, homepage, relatórios, ...
Para que servem os metadados?

Facilitam acesso ao usuário para entender o conteúdo da informação
Muitas ferramentas de busca utilizam os metadados

Data Marts

Sub-conjunto de dados de um data warehouse

São dados referentes a um assunto especial (vendas,

controladoria) ou diferentes níveis de sumarização

(Vendas anual, Vendas Mensal)

São dados obtidos do data warehouse

Extraem e ajustam porções do data warehouse aos

requisitos específicos de grupos/departamentos

Resumindo: São retiradas partes do todo para agilizar as

buscas.

O setor financeiro não precisa saber de informações

relacionadas a engenharia

Data Mining

Conceito

Processo de explorar grandes quantidades de dados a procura

de padrões consistentes
Busca por regras de associação
Detectar relacionamentos sistemáticos
Detectam novos subconjuntos de dados

Descoberta de informação relevante sobre dados operacionais
Permite que as organizações gerenciem os relacionamentos de

causa e efeito de forma mais eficiente

Data Mining

Como Implementar

Utilizam de algoritmos baseados em redes neurais, estatísticas

e algoritmos de aprendizado

Exploram gigantescas bases de dados em busca de informação (ex.:

descobrir o comportamento do consumidor)

Ferramentas que são capazes de aprender a partir dos dados

Gerando e validando grande números de hipóteses

Destacando conhecimento ao usuário e descobrindo novos

Data Mining

Barreiras do uso:

O custo deste tipo de ferramenta é alto
As ferramentas são complexas

A preparação dos dados a serem minerados envolve 80% do

tempo

Devem ser limpos e consistentes

Dificuldades em se estimar a taxa de retorno

O objetivo é descobrir tendências em algo invisível, como aprender

(estimar) sobre o desconhecido? (programas não têm intuição)

Data Mining

Exemplos de uso em diversas áreas

Vendas

Identificar padrões de comportamento de consumidores
Quais consumidores serão atingidos nas campanhas de

marketing

Finanças

Detectar padrões de fraudes no uso de cartões de crédito
Identificar os consumidores que estão tendendo a mudar a

Data Mining

DM OLAP

Método automático para

descobrir padrões em

todos os dados do grupo

Trabalha com alguns dados

e deve perfurar em busca

de detalhes. São

explorados manualmente

Busca por questões

desconhecidas, ferramenta

utilizada para busca de

conhecimento

Exploração através de

verificação. O analista

elabora uma hipótese para

confirma-la ou refutá-la

Resumo – Componentes

Componentes básicos envolvidos em solução de BI:
Datawarehousing (DW): Local onde os dados são

armazenados e posteriormente consultados

Processo de carga: Processo de integração, limpeza e

agregação. Converte dados operacionais em dados consolidados

IA: Inteligência artificial. Agentes inteligentes para suporte

operacional

Metadata Manager: Gerenciamento dos objetos Metadados,

mapeamento entre linguagem do usuário e modelo físico.

OLAP: Elaboração de consultas até relatórios sofisticados
Sistema de segurança: Proteção de dados, controle de

acesso, etc.

Portal: Porta de acesso as soluções

Referências

INMON, W. H. Como construir o Data warehouse. Rio de

Janeiro: Campus, 1997.

LAUDON, Kenneth C., LAUDON, Jane P. Gerenciamento de

Sistemas de Informação. 3 ed. Rio de Janeiro: LTC, 1999.

NONAKA, I.; TAKEUCHI, H. Criação de conhecimento na

empresa. Rio de Janeiro: Campus, 1997.

STAIR, Raplh M., REYNOLDS, George W. Princípios de

Sistemas de Informação, 4 ed. Rio de Janeiro: LTC, 2002.

SEZÕES et Al. Manual Business Intelligence.

Disponível em:

Exercício – Em grupos de 5 alunos

Entregar até o fim da aula:

Diferenciar: