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
A tradução do nome facilita:“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
Definido o que é BI, temos algumas considerações, oufundamentos 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
Mas o que se tem de “inteligência” em levantamento de dadose 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
Percebemos, que nas formas apresentadas (com exceção daintuição) 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
Análise Entendimento Ação MonitoramentoCiclo 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
Produto Vendas Banana 16.000,00 Laranja 16.000,00 Cidade Vendas Curitiba 16.000,00 Salvador 16.000,00 Semestre Vendas Primeiro 16.000,00 Segundo 16.000,00Análise 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
ConceitoExiste 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
Indexados para suportar intensa pesquisa
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: