Processo Decisório, OLAP e Relatórios Corporativos OLAP E RELATÓRIOS CORPORATIVOS

Transcrição

1 Processo Decisório, OLAP e Relatórios Corporativos OLAP E RELATÓRIOS CORPORATIVOS

2 Sumário Conceitos/Autores chave Introdução OLAP Operações em OLAP Arquiteturas em OLAP Consultas e Relatórios Corporativos Conclusões Atividade Materiais complementares Bibliografi a Processo decisório, OLAP e Relatórios corporativos 2

3 Conceitos/Autores-chave Glossário de uma dimensão dependem da granularidade considerada. Dice Cubo É a estrutura que armazena os dados em formato multidimensional. Como já foi dito, pode ter mais de três dimensões. Dimensão Uma dimensão é uma unidade de análise com dados agregados. Por exemplo, a dimensão tempo poderia ter os dados agregados em dias, meses, anos, etc. A dimensão local poderia ter os dados agrupados em bairro, cidade, estado, país, etc. Hierarquia São representadas pela granularidade das dimensões, por exemplo, país, estado, cidade. Existem operações em OLAP para navegar por uma hierarquia. Membro É um subconjunto de uma dimensão. Por exemplo, em uma dimensão de tempo o nível mês poderia ter os membros Janeiro, Fevereiro, Março, etc. Note que os membros Medida É uma dimensão especial para comparações. Pode ser, por exemplo, lucro, custo, etc. Drill-down É uma operação que permite desagregar uma dimensão. Exemplo: estado->cidade. Roll-up É o inverso do Drill-down, agrega uma dimensão. Exemplo: cidade->estado. Drill-through Detalha além do cubo. Vai até o nível de registros. Slice Faz restrição de um valor ao longo de uma dimensão. Faz restrições de valores em várias dimensões. Semelhante ao Slice, só que mais complexo. Processo decisório, OLAP e Relatórios corporativos 3

4 Pontos críticos Diferenças entre OLTP x OLAP O termo OLAP significa On-Line Analytical Processing. Inicialmente será feita uma comparação de OLAP com OLTP (On-Line Transaction Processing), o qual é utilizado no processamento de transações em bancos de dados relacionais. Ao lado há uma tabela comparativa: Operação Típica No modelo OLTP são efetuadas transações, que podem ser, por exemplo, uma atualização de um registro, uma remoção, uma recuperação ou uma criação. Já no modelo OLAP os dados servem para ser analisados, por exemplo, saber qual foi o produto mais vendido há dois meses. Granularidade No modelo OLTP os dados são tratados com o máximo de detalhamento, já no OLAP os dados estão agregados, ou seja, há um resumo dos dados. Esse resumo é o necessário para que sejam feitas análises. Temporalidade Temporalidade dos dados: No OLTP o que importa são os dados atuais, por exemplo, se o preço de um produto passa de x para y então x é apagado e substituído por y. No OLAP o passado importa, pois os dados são utilizados para análise e previsões futuras, ambas as atividades que necessitam de informações sobre o passado. Logo o modelo OLAP considera as informações atuais e também as informações anteriores, as quais no OLTP poderiam não mais existir. Recuperação No modelo OLTP geralmente, poucos registros são recuperados em uma consulta. Por exemplo, o preço de um produto, os dados de um cliente. No OLAP vários registros são recuperados, por exemplo, a quantidade vendida de um dado produto em cada um dos últimos sete meses agrupados por cidade. Usuários No modelo OLTP existem muitos usuários utilizando o sistema ao mesmo tempo, porém com consultas mais simples. No OLAP existem poucos usuários com consultas mais complexas. OLPT Orientação O modelo OLTP é orientado a registros, termo que é muito comum em informática e geralmente significa uma linha em uma tabela de um banco de dados relacional. O modelo OLAP utiliza arrays, os quais são bons para representar dimensões como, por exemplo, a dimensão tempo ou a dimensão lugar. Consulta OLAP Operação Típica Transação Análise Granularidade Atômico Agregado Temporalidade dos dados Presente Histórico, atual e projetado Recuperação Poucos registros Muitos registros Usuários Muitos Poucos Orientação Registros Arrays Consulta Predefinida Ad-hoc No modelo OLTP os tipos de consultas que podem ser realizadas já são predefinidos, por exemplo, consultar o preço de um produto ou consultar o débito de um cliente. No OLAP as consultas são ad-hoc, ou seja, são definidas de acordo com os interesses de quem realiza a consulta, por exemplo, qual o total de vendas de um dado produto em cada um dos últimos três meses por cidade. Processo decisório, OLAP e Relatórios corporativos 4

5 1. Introdução Há alguns anos, o uso da tecnologia de informática vem sofrendo várias mudanças no que tange ao acesso e à análise de dados. Estas transformações estão moldando um novo paradigma baseado no armazenamento, tratamento e análise de imenso volume de dados. Conseqüentemente, as grandes empresas estão começando a explorar as possibilidades oferecidas pelas diversas técnicas e ferramentas atualmente disponíveis para aprimorar o processo de tomada de decisão. As implicações destas mudanças para o mundo dos negócios são enormes. Assim, este novo paradigma envolve o uso de sistemas especificamente projetados para o tratamento dos dados e geração de conhecimento de forma flexível em tempo hábil para análises, pelos gestores das empresas. Com as ferramentas Data Warehouse e OLAP, os relatórios e as consultas passam a ser feitos pelos próprios usuários dos sistemas sem que haja a necessidade de um profundo conhecimento em tecnologias computacionais, sendo sua confecção barata, rápida, confiável e adaptável aos modelos diversos de negócios. Tempo Ao usarem essas ferramentas os gerentes gastam um tempo bem menor manipulando os dados e construindo modelos conforme suas necessidades, usando melhor o tempo para as necessárias análise e soluções de problemas. É bastante comum encontrarmos a aplicação dessas técnicas nas áreas financeiras, vendas e marketing, assim como, em outras áreas de negócio que precisam de análise dos dados. Processo decisório, OLAP e Relatórios corporativos 5

6 2. OLAP O Processamento Analítico on-line (OLAP) é definido como uma categoria da tecnologia de software que permite que analistas, gerentes e executivos obtenham, de maneira rápida, consistente e interativa, acesso a uma variedade de visualizações possíveis de informação que foi transformada de dados puros para refletir a dimensão real do empreendimento do ponto de vista do usuário. Resumidamente, OLAP nada mais é que um conjunto de funcionalidades que facilitam a análise multidimensional (INMON, 2005). As visualizações multidimensionais geradas pelo OLAP são suportadas por bancos de dados multidimensionais e fornecem a base técnica para cálculos e análises requeridas pelas aplicações do Data Warehouse. As ferramentas OLAP são as aplicações que nossos usuários finais têm acesso para extraírem os dados de suas bases com os quais gera relatórios capazes de responder às suas questões gerenciais. Elas surgiram juntamente com os sistemas de apoio á decisão para fazerem a extração e análise dos dados contidos nos Data Warehouses e Data Marts. determina as demandas dos gerentes e analistas por sistemas de informação capazes de fornecer desde respostas rápidas a complexas consultas de negócios. A indústria de sistemas de informação tem respondido a essas demandas com avanços como os bancos de dados analíticos, data marts, data warehouse, técnicas de data mining e estruturas multidimensionais de bancos de dados, e com servidores e produtos de software especializados que apóiam o processo analítico on-line (OLAP). O caráter competitivo e dinâmico do ambiente de negócios globalizado de hoje, Processo decisório, OLAP e Relatórios corporativos 6

7 O termo OLAP foi definido por E.F.Codd (2006), também criador, em 1993, de um conjunto de 12 regras utilizadas para avaliar a ferramenta por desenvolvedores e usuários. São elas: Visão Conceitual Dimensionalidade Relatórios Flexíveis Visão conceitual multidimensional - Onde os usuários manipulem os modelos multidimensionais de dados com facilidade e intuitivamente. Transparência Interação fácil com os frontends habituais dos usuários devendo permitir a inclusão de uma ferramenta analítica onde o usuário desejar, sem que isso, provoque impacto na funcionalidade. Acessibilidade Tratamento dos dados heterogêneos de forma lógica que permita a conversão para apresentação aos usuários de forma única, coerente e consistente. Desempenho Consistente Desempenho consistente de fornecimento de informações - Apesar do tamanho do banco de dados, o usuário não deve observar redução significante no desempenho de fornecimento de informações. Arquitetura cliente/servidor É importante que a ferramenta tenha capacidade de operar num ambiente cliente/ servidor. Dimensionalidade genérica - A dimensão dos dados não deve influenciar a estrutura dos dados e os formatos dos relatórios. Manipulação Manipulação dinâmica da matriz esparsa Com base na densidade dos dados, a ferramenta deve possibilitar o ajuste do esquema físico para o desempenho máximo. Suporte Multiusuário Prover acesso simultâneo sem prejudicar a segurança e a integridade dos dados. Operações Irrestritas Operações irrestritas com dimensões cruzadas - Qualquer conjunto de dados deve poder ser acessado, a qualquer momento, para cálculos. Manipulação Intuitiva Manipulação intuitiva de dados - A realização dos cálculos e a manipulação dos dados devem ocorrer da maneira mais intuitiva possível. Os relatórios devem ter a capacidade de fazer a apresentação dos dados de forma lógica e sintetizada ou, ainda, informações que sejam o resultado de cálculos de um modelo criado, conforme qualquer visão. Dimensões e Níveis Dimensões e níveis de agregação ilimitados - Deve ser possível a acomodação de pelo menos quinze e até vinte dimensões de dados, dentro de um modelo analítico comum e cada dimensão deve possibilitar um número sem limites de níveis de agregação definido pelo usuário. Processo decisório, OLAP e Relatórios corporativos 7

8 3. As Operações em OLAP Quatro tipos de operações são utilizados em OLAP para analisar dados (KIMBALL, 1998) que são: Drill Down/Roll Up Drill Across Drill Throught Slice and Dice Drill Down/Roll Up As operações Drill Down e Roll up são operações para movimentar a visão dos dados dos níveis hierárquicos. Com a capacidade de drill o usuário pode navegar do mais alto nível até o dado detalhado e com a capacidade de roll up o usuário pode navegar do nível de detalhe até o mais alto nível de sumarização de dados. Drill Down O drill down ocorre quando o usuário aumenta o nível de detalhe da informação, diminuindo o nível de granularidade. Drill Down ESTADO Roll Up Drill Up ou Roll Up O drill up ou roll up é o contrário. Ele ocorre quando o usuário aumenta o nível de granularidade, diminuindo o nível de detalhamento da informação. CIDADE CIDADE CIDADE CIDADE CIDADE Exemplo de Operação Drill Down e Roll Up. Processo decisório, OLAP e Relatórios corporativos 8

9 Drill Across As operações Drill Across ocorrem quando o usuário pula um nível intermediário dentro de uma mesma dimensão. Por exemplo: a dimensão tempo é composta por ano, semestre, mês e dia. O usuário executa um drill across quando ele passa de ano direto para semestre ou mês. Drill Throught As operações Drill Throught ocorrem quando passa de uma informação contida em uma dimensão para outra. Por exemplo: a pessoa está na dimensão tempo e no próximo passo começa a analisar a informação por região. Slice and Dice As operações Slice and Dice são operações para realizar navegação por meio dos dados na visualização de um cubo, solicitando diferentes perspectivas. Volume de Vendas Blusas Calças Volume de Vendas Blusas e Calças Cliente Carolina Cliente Fabiana Janeiro Fevereiro Março Cliente Carolina Cliente Fabiana Volume de Vendas Blusas e Calças Volume de Vendas Blusas Calças Jan/2003 Jan/2004 Jan/2003 Jan/2004 Cliente Carolina Cliente Fabiana Exemplo de Operação Drill Across. Janeiro Fevereiro Março Cliente Carolina Cliente Fabiana Exemplo da Operação Slice and Dice. Importante Fatiar ou realizar slice é a operação de visualizarmos somente a produção de um tipo de produto, por exemplo, blusas. Dice é a mudança de perspectiva da visão. É a extração de um subcubo ou a interseção de vários slices. Outras duas operações também utilizadas são pivot e rank. A operação pivot muda o eixo de visualização. Por exemplo, passar a dimensão tempo da horizontal para a vertical. Por outro lado, a operação rank ordena os membros de uma dimensão de acordo com algum critério. Utilizando essas operações, os usuários conseguem ver a informações sobre ângulos que anteriormente inexistiam sem a implementação de um Data Warehouse e a utilização de uma ferramenta OLAP. Processo decisório, OLAP e Relatórios corporativos 9

10 4. Arquiteturas em OLAP Apesar de obedecer a uma estrutura cliente/servidor multiusuário, as ferramentas OLAP podem ser implementadas de diversas formas, classificadas em cinco tipos a seguir (INMON, 2005): 4.1 Arquitetura MOLAP A arquitetura MOLAP (Multidimensional On Line Analytical Processing) processa-se da seguinte forma: Com um servidor multidimensional o acesso aos dados ocorre diretamente no banco, ou seja, o usuário trabalha, monta e manipula os dados do cubo diretamente no servidor. Isso traz grandes benefícios aos usuários no que diz respeito à performance, mas têm-se problemas com estabilidade além de ter um custo alto para aquisição. 4.2 Arquitetura ROLAP As ferramentas ROLAP (Relational On Line Analytical Processing), possuem uma engenharia de acesso aos dados e análise OLAP com uma arquitetura um pouco diferente. Nesse caso a consulta é enviada ao servidor de banco de dados relacional e processada no mesmo, mantendo o cubo no servidor. O que podemos notar nesse caso é que o processamento OLAP se dará somente no servidor. A principal vantagem dessa arquitetura é que ela permite analisar enormes volumes de dados, em contra partida, uma grande quantidade de usuários acessando simultaneamente poderá causar sérios problemas de performance no servidor causando, inclusive, o travamento do mesmo. 4.3 Arquitetura HOLAP Recentemente surgiu a arquitetura denominada HOLAP (Hybrid On Line Analytical Processing), ou simplesmente processamento híbrido. Essa forma de acessar os dados nada mais é do que uma mistura de tecnologias onde há uma combinação entre ROLAP e MOLAP. A vantagem é que com a mistura de tecnologias pode-se extrair o que há de melhor de cada uma, ou seja, a alta performance do MOLAP com a estabilidade do ROLAP. 4.4 Arquitetura DOLAP Uma outra arquitetura é a DOLAP que é uma arquitetura desktop do OLAP, ou seja, é uma ferramenta para usuários que possuam uma cópia da base multidimensional ou de um subconjunto dela ou ainda, que queiram acessar um repositório de dados central, localmente. A vantagem dessa arquitetura é a redução da sobrecarga no servidor de banco de dados uma vez que todo o processamento OLAP acontece na máquina cliente e a desvantagem é o tamanho do microcubo que não pode ser muito grande, caso contrário, a análise pode ser demorada e a máquina do cliente não suportar. 4.5 Arquitetura WOLAP WOLAP (OLAP web) que é a tecnologia OLAP direcionada para a internet. WOLAP é a utilização de uma ferramenta OLAP a partir de um browser. Processo decisório, OLAP e Relatórios corporativos 10

11 5. Exemplos de Consultas e Relatórios Corporativos Existem diversas ferramentas que dão suporte a tecnologia OLAP, e permitem realizar consultas ou elaborar relatórios corporativos. Na Figura abaixo é possível visualizar o resultado de uma operação Roll up realizada sobre uma consulta feita na ferramenta, Analysis Service do Sistema Gerenciador de Banco de Dados SQL Server, onde a idéia é selecionar uma visão macro das vendas realizadas por cada tipo de produto. Suponha que o usuário deseje mais detalhes das vendas, isto é, não somente ter o valor total de vendas por tipo de produto, senão saber exatamente qual departamento e qual categoria de produto teve maior venda, por exemplo. Para solicitar mais detalhes na consulta, é necessário realizar a operação de Drill down, se fizer uma vez, o usuário poderá visualizar os departamentos, e se fizer duas vezes, além dos departamentos poderá ver por categoria de produto, que é justamente o que o usuário está precisando neste exemplo específico. Na figura abaixo se pode visualizar o resultado da aplicação desta operação Drill down. Totais de vendas por tipo de produto, departamento e categoria de produto. Totais de vendas por tipo de produto. Processo decisório, OLAP e Relatórios corporativos 11

12 Existe outra alternativa de ferramenta denominada Business Objects, na qual também é possível gerar relatórios, gráficos e consultas, a partir de várias perspectivas. Na figura abaixo pode-se visualizar o resultado da aplicação desta operação Drill down. Suponha que o usuário queira visualizar a marca quando expandir a categoria do produto, isto é possível com a operação drill-down. A idéia é que o relatório mostre o total do ano para cada categoria de produto, onde cada categoria de produto poderá ser detalhada por marca. A figura abaixo mostra o resultado dessa funcionalidade. Totais de vendas por Semana. Um exemplo de relatório é apresentado na figura abaixo. Veja que todas as informações estão visíveis, tornando o relatório muito grande e pouco prático. Por exemplo, o relatório está detalhado por ano e trimestre, não permitindo visualizar as informações, a fim de consultar o total de vendas no ano. Relatório com as funcionalidades de drill-down e drill-up. Outro recurso bastante utilizado em relatórios é o uso de parâmetros, que dão ao usuário a possibilidade de selecionar itens em uma lista, a fim de filtrar os dados retornados no relatório. Voltando ao nosso exemplo, podemos permitir que o usuário selecione o mês do relatório ou determinado trimestre ou ano, fazendo com que o relatório reflita os parâmetros de filtro na consulta. Esse recurso está disponível no Analysis Services 2005 e é suportado pelo Reporting Services Resultado da execução do relatório. Processo decisório, OLAP e Relatórios corporativos 12

13 6. Conclusões Neste módulo foi abordado o uso de ferramentas OLAP para o processo de tomada de decisão. A tecnologia OLAP permite que o usuário trabalhe com cálculos complexos, através de consultas com maior flexibilidade e funcionalidade. Seu uso proporciona um bom andamento e o excelente gerenciamento de uma empresa. Importante A essência das ferramentas OLAP é a rapidez, a sumarização e a análise flexível dos dados. As aplicações bem sucedidas de OLAP tendem a aumentar a produtividade de gerentes, desenvolvedores e até da organização como um todo. As ferramentas OLAP aliadas à filosofia de Data Warehouse revolucionaram o modo de se fazer negócios, garantindo agilidade e flexibilidade nas investigações e análise de dados para os usuários finais, isto é, aqueles que realmente fazem parte do processo de tomada de decisões. 7. Atividade Introdução Uma organização freqüentemente se encontra diante de problemas sérios de decisão. Uma pessoa física poderia analisar o problema e escolher a melhor alternativa de decisão de modo informal. Em uma organização, os problemas são muito mais amplos e complexos, envolvendo riscos e incertezas. Necessitam da opinião e participação de muitas pessoas, em diversos níveis funcionais. O processo de uma empresa ou organização deve ser estruturado e resolvido de modo formal, detalhado, consistente e transparente. Neste módulo, foram estudadas as fases de um processo decisório, conceitos relacionados, assim como o auxílio da tecnologia neste processo (OLAP e relatórios). Nas atividades a seguir serão aplicados esses conceitos. Processo (Atividade Individual) Depois de ler e estudar o módulo de Processo de Inteligência Empresarial, realizar as seguintes atividades: Exemplifique um caso prático dentro da sua área de atuação profissional, onde precise aplicar todas as fases do processo decisório. Detalhe as atividades realizadas em cada fase de acordo com o contexto apresentado no caso prático. Comente sua opinião sobre a utilidade de aplicar as fases do processo decisório. Cite as vantagens e as desvantagens de utilizar essas fases ao pé da letra. Explique como OLAP pode contribuir em um processo de tomada de decisões da sua área de atuação. Processo decisório, OLAP e Relatórios corporativos 13

14 Materiais complementares CAVALCANTI, M. C.; OLIVEIRA, P. C. S.; MONTEIRO, R. R.; SOARES, V. J. Análise Comparativa de Ferramentas OLAP. UFRJ, CARVALHO, B.F. Arquiteturas de Ferramentas OLAP. SQL Magazine, Rio de Janeiro, ano 1, ed. 9, p.12-16, MACHADO, F.N.R. Projeto de Data Warehouse: Uma Visão Multidimensional, São Paulo: Érica, OLIVEIRA, W, J. Data Warehouse. 2ª ed. Florianópolis: Visual Books, Bibliografi a CODD, E. F.; CODD, S. B.; SALLEY, C.T. Providing OLAP (on-line Analytical Processing) to users-analysts: An IT mandate. Disponível em: analysts.pdf Acesso em: junho de INMON, W.H., Building the Data Warehouse, Four Edition, Indianapolis, Wiley Publishing, Inc, KIMBALL, R., REEVES, L., ROSS, M. and THORNTHWAITE, W., The data Warehouse Lifecycle Toolkit: Expert Methods for Designing, Developing and Deploying Data Warehouse. John Wiley & Sons, New York, KIMBALL, Ralph; ROSS, Margy. The Data Warehouse Toolkit - Guia Completo para Modelagem Dimensional. Tradução da 2ª ed. Rio de Janeiro: Campus, Processo decisório, OLAP e Relatórios corporativos 14