Sobre o que falaremos nesta aula?

Transcrição

1 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? Qual a sensação dos alunos com o tema? Qual a experiência dos alunos com o tema? O que é no fim das contas BI? 1

2 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, ou 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: Pesquisas de mercado Pesquisas industriais Análises competitivas 2

3 Business Intelligence - Fundamentos Mas o que se tem de inteligência em levantamento de dados 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 Percebemos, que nas formas apresentadas (com exceção da 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 Aspectos econômicos e tecnológicos Tendências culturais 3

4 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 4. São armazenados em um DataWarehouse 5. São atualizados com alguma frequência definida 4

5 Business Intelligence - Fundamentos Dados sobre os dados (facilita o acesso) Armazenamento Extração Carregamento - Transformação Ações dos usuários Business Intelligence - Fundamentos Alguns benefícios do uso de BI 5

6 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 6

7 Ciclo de Atividades de BI Uma solução de BI é caracterizada pela interação ordenada de quatro processos: Análise, entendimento, ação e monitoramento Análise Entendimento BI Monitoramento Ação 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 de BI 7

8 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 o objeto de negócios da empresa, é realizar uma ação nas redes de maior lucratividade, e encontrar o que esta sendo feito certo nelas, replicando para as outras. 8

9 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 avaliados) o ciclo de Atividades de BI é reiniciado, voltando então a análise do sistema transformado por ações anteriores 9

10 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 e quem vai pagar por ela 10

11 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 Software especializado para BI Recursos Humanos capacitados Cultura Organizacional adequada 11

12 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 Como identificar as oportunidades de uso de BI? 12

13 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? Onde estão sendo tomadas decisões boas? 13

14 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 7. Construir mapas de interesse que indicarão os sistemas prioritários para desenvolvimento 14

15 Oportunidades de uso QUAIS INFORMAÇÕES Mapa de interesses dificuldade baixa Alta prioridade baixo alto impacto Baixa prioridade alta Alguns pontos (termos) fortes em BI 15

16 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 qualquer uma das dimensões 16

17 Análise multidimensional Exemplo: dados de vendas por semestre, por produto, e por cidade Semestre Vendas Primeiro ,00 Segundo ,00 Produto Vendas Banana ,00 Laranja ,00 Cidade Vendas Curitiba ,00 Salvador ,00 Análise multidimensional Exemplo: Apresentação dos mesmos dados de forma multidimensional (mais detalhado) Semestre Produto Cidade Valor Primeiro Banana Curitiba 3.000,00 Salvador 1.000,00 Laranja Curitiba 4.000,00 Salvador 8.000,00 Segundo Banana Curitiba 6.000,00 Salvador 6.000,00 Laranja Curitiba 3.000,00 Salvador 1.000,00 17

18 Análise multidimensional Exemplo: representação gráfica Cidade Semestre 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 e ágil 18

19 Análise multidimensional Visualização das informações OLAP Online Analitical Processing 19

20 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: Drill Slicing Dicing Pivoting Data Surfing Consultas Ad-Hoc 20

21 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 país e por mês e o somatório 21

22 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 Ex.: Vendas por produtos por estado / por estado por produto 22

23 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 O Usuário define os parâmetros 23

24 Data Warehouse Data Warehouse Conceito 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 Lembram-se da nossa inteligência? 24

25 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 Suporte ao conjunto de ferramentas para apresentação e análise 25

26 Data Warehouse Dados Operacionais ERP Dados Externos Camada de Aquisição da Informação Camada de Armazenamento da Informação DM Camada de Disponibilização da Informação Gerente de Produto Reunir Refinar Agregar Armazenar DW Montagem LAN O DW é formado por fontes de dados internas e externas DM Gerente de Crédito Data Marts extraem e ajustam porções de DWs aos requisitos específicos de grupos/departamentos Data Warehouse Fontes de dados 26

27 Data Warehouse Exemplos de uso Utiliza as relações diretas no armazenamento Utiliza matrizes multifimensionais Metadados 27

28 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 28

29 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 Mineração de dados 29

30 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 conhecimentos 30

31 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 companhia de cartão 31

32 Data Mining DM Método automático para descobrir padrões em todos os dados do grupo Busca por questões desconhecidas, ferramenta utilizada para busca de conhecimento OLAP Trabalha com alguns dados e deve perfurar em busca de detalhes. São explorados manualmente Exploração através de verificação. O analista elabora uma hipótese para confirma-la ou refutá-la Resumo da obra 32

33 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, LAUDON, Kenneth C., LAUDON, Jane P. Gerenciamento de Sistemas de Informação. 3 ed. Rio de Janeiro: LTC, NONAKA, I.; TAKEUCHI, H. Criação de conhecimento na empresa. Rio de Janeiro: Campus, STAIR, Raplh M., REYNOLDS, George W. Princípios de Sistemas de Informação, 4 ed. Rio de Janeiro: LTC, SEZÕES et Al. Manual Business Intelligence. Disponível em: 33

34 Exercício Em grupos de 5 alunos Entregar até o fim da aula: Diferenciar: Data Warehouse X Data Mart X Data Mining X OLAP 34