Open Source Business Intelligence com

Transcrição

1 pentaho_ Open Source Business Intelligence com Conheça o ambiente de BI livre mais utilizado no Brasil e saiba como essa poderosa ferramenta foi construída sobre a plataforma Java Givanildo Santana do Nascimento gsnascimento@gmail.com é graduado em Sistemas de Informação, especialista em Melhoria de Processos de Software e mestre em Ciência da Computação. Possui as certificações Certified Function Point Specialist, Sun Certified Java 2 Platform Programmer e Sun Certified Web Component Developer for J2EE Platform. Trabalha como analista de Sistemas na Petrobras, desenvolvendo soluções de TIC para Exploração e Produção de Petróleo. É sócio-diretor da empresa MPS Soluções em Tecnologia da Informação, na qual atua como consultor em TI e conduz um projeto de Bussiness Intelligence para o Poder Judiciário brasileiro. É membro da equipe técnica da Revista MundoJ, escrevendo e revisando artigos e cobrindo eventos de tecnologia no Brasil e no exterior. termo Business Intelligence (BI) define um conjunto de conceitos e métodos para melhorar a O tomada de decisão por meio de sistemas baseados em dados e informações. Trata-se de um termo amplo que combina arquitetura, ferramentas, bancos de dados, aplicações, processos e metodologias, no contexto dos sistemas de suporte à decisão. O BI representa a habilidade de se estruturar, integrar e explorar informações normalmente guardadas em estruturas de Data Warehouse (DW) e Data Marts (DM), com o objetivo de desenvolver percepções, entendimentos e conhecimentos capazes de conduzir organizações a um melhor processo de tomada de decisão (BARBIERI, 2011). Aplicativos operacionais Data Mart Software de automação de escritórios Dados externos Equipamentos de automação E T L OLAP Data Mining EXTRAÇÃO, TRANSFORMA- FONTES DE DADOS ÇÃO E CARREGAMENTO Figura 1. Componentes de um ambiente BI. Fonte: Cazella (2011). DATA WAREHOUSE EXPLORAÇÃO / 20

2 Java e Pentaho BI Suite Community Edition A maioria das ferramentas e aplicações de Business Intelligence são tidas como custosas e complexas. De fato, integrar um grande volume de dados e deles extrair informações que suportem a tomada de decisões não é uma tarefa simples. Porém muitos projetos de BI não dispõem de orçamentos capazes de patrocinar a aquisição de ferramentas comerciais com custos expressos em quatro ou mais dígitos, em dólares. Esses custos elevados impediriam o início de muitos projetos executados por empresas de pequeno e médio porte. Por outro lado, os recursos de integração de dados e análise de informações oferecidos pelas ferramentas comerciais são muito importantes no desenvolvimento de aplicações de BI profissionais. A solução desse problema técnico-econômico pode ser encontrada nas ferramentas livres de BI. Este artigo apresenta o Pentaho BI Suite Community Edition, a ferramenta de BI livre mais utilizada no Brasil, desenvolvida sobre a plataforma Java. O ambiente de BI, ilustrado na figura 1, é composto pelas fontes de dados operacionais, pelos processos de Extração, Transformação e Carregamento (ETL), pelo DW, DM e pelos métodos de exploração. Os dados operacionais são carregados nas bases DW e DM por processos ETL. Durante a carga, os processos ETL também realizam operações de limpeza, preenchimento e correção nos dados. Após serem carregados no DW, os dados preenchem os DM modelados de forma dimensional, orientados a assuntos ou processos de negócio. O DW e os DM são então explorados pelo usuário utilizando ferramentas de processamento analítico OLAP e técnicas de mineração de dados (CAZELLA, 2011). O número de projetos de BI cresceu rapidamente em todo o mundo, de acordo com os relatórios anuais do Gartner Group. A tabela 1 mostra que o BI integra a lista das dez maiores prioridades em Tecnologia da Informação (TI) desde 2005 e esteve no topo dessa lista por quatro anos consecutivos, de 2006 a De uma forma mais ampla, as empresas priorizaram a melhoria dos processos de negócios, entendendo que as informações e o conhecimento fornecidos pelas aplicações de BI são elementos essenciais para o aumento da eficiência e da efetividade, suporte à competitividade e à inovação. Assim, investimentos em aplicações de BI focadas em mineração de dados aumentaram 4,8% de 2005 para 2006 e 11,2% de 2007 para 2008 (GARTNER GROUP, 2005a, 2005b, 2006, 2007, 2008, 2009, 2010, 2011). 21 \

3 NEW ANALYSIS VIEW NEW REPORT MANAGE CONTENT NEW DATA SOURCE Figura 2. Componentes do Pentaho integrados. Fonte: Tabela 1. Prioridade das aplicações de BI de 2005 a ANO PRIORIDADE MELHORAR PROCESSOS DE NEGÓCIO PRIORIDADE BI ª 2ª ª 1ª ª 1ª ª 1ª ª 1ª ª 5ª ª 5ª Fonte: Gartner Group (2005b, 2006, 2007, 2008, 2009, 2010, 2011). Contudo, o agravamento da crise financeira internacional provocou cortes significativos nos orçamentos de TI a partir de Isto fez com que o BI deixasse de ocupar o primeiro lugar na lista das maiores prioridades em TI e, em 2010 e 2011, caísse para a quinta posição. Em seu lugar, foram priorizadas tecnologias de maior produtividade, menor risco e retorno de investimento mais rápido (GARTNER GROUP, 2005a, 2005b, 2006, 2007, 2008, 2009, 2010, 2011). Nesse contexto, as ferramentas Open Source Business Intelligence (OSBI) desempenham um papel essencial para a viabilização de muitos projetos de BI que não dispõem de dezenas ou centenas de milhares de dólares para investirem em ferramentas comerciais já em seu início. Os recursos poupados podem ser investimentos em hardware, treinamento e serviços de desenvolvimento. Porém não é possível abrir mão da qualidade, da funcionalidade, da riqueza de recursos e da produtividade conferida pelas ferramentas tradicionais de BI. Sem esses atributos, a aplicação desenvolvida não atenderia aos recursos de informação e usabilidade do cliente. O Pentaho é uma plataforma de BI livre desenvolvida em Java e mantida pela empresa Pentaho Corporation, com o apoio de uma comunidade crescente de desenvolvedores no Brasil e em todo o mundo. Os componentes do Pentaho contemplam ferramentas de integração de dados (ETL) e metadados, relatórios, dashboards, análises OLAP, gestão de conteúdo e mineração de dados. A figura 2 mostra como esses componentes são combinados em um ambiente orientado à analise de dados e informações. Ao integrar esses componentes, a plataforma Pentaho possibilita o desenvolvimento de soluções complexas para problemas de negócios que demandam o processamento de grandes volumes de dados. O Pentaho é distribuído em três edições diferentes: Community Professional e Enterprise. A edição Community, está disponível gratuitamente no site As edições Professional e Enterprise possuem recursos adicionais e planos de suporte prestados pela Pentaho Corporation e seus parceiros, mas são licenciadas mediante subscrição anual. Os recursos adicionais das edições pagas incluem suporte a Mobile e ferramentas avançadas de integração de dados e relatórios. Este artigo tem o objetivo de apresentar uma visão geral do ambiente Pentaho BI Suite Community Edition, descrevendo os seus principais componentes. Antes de descrever o ambiente Pentaho serão apresentadas as técnicas fundamentais de Data Warehousing, as diferenças entre aplicações transacionais e analíticas e os fundamentos da mineração de dados. O entendimento dessas técnicas é essencial para o aprendizado pleno do Pentaho BI Suíte. / 22

4 OPERACIONAL DATA WAREHOUSE INCLUIR ACESSAR EXCLUIR INCLUIR Tratamento de dados registro por registro EXCLUIR ALTERAR CARREGAR Carregamento e acesso a grandes quantidades de dados ACESSAR Figura 4. Operações sobre os dados no OLTP e no OLAP. Fonte: Cazella (2011). Data Warehousing Os Sistemas de Online Transaction Processing (OLTP) suportam a execução dos processos de negócio, coletam e armazenam os dados em bancos de dados estruturados, na maior parte dos casos, de acordo com a modelagem relacional normalizada. Estruturas de dados relacionais normalizadas são eficientes para a atualização e o armazenamento de dados, entre outros motivos, por minimizarem redundâncias. No entanto, na medida em que o volume de dados armazenados aumenta, a eficiência para a realização de processamento analítico diminui, pois é necessário obter as informações desejadas em múltiplas tabelas, frequentemente localizadas em bancos de dados distintos. As alternativas existentes para se melhorar o desempenho da execução de consultas em bases OLTP, como criação de índices e desnormalização de banco de dados, terminam por prejudicar o desempenho da atualização de dados (NASCIMENTO, 2012). Já os Sistemas OLAP normalmente acessam dados em estruturas informacionais como o DW, tendo como principais propriedades: 1. orientação a assuntos ou processos de negócio; 2. integração; 3. não volatilidade; 4. variação no tempo e 5. suporte à decisão. A integração de dados é considerada a característica mais importante do DW. Esta característica garante a unicidade na representação dos dados que passam do ambiente operacional para o DW. Os dados que populam o DW são originários de diversos sistemas operacionais, documentos semi-estruturados e fontes de dados externas. Cada um desses ambientes apresenta características específicas, como, por exemplo, tipos e domínios de dados, unidades de medidas e convenções internas. Um exemplo clássico é a notação para o gênero (masculino ou feminino); nos sistemas operacionais, o gênero pode ser representado por valores como M ou F, m ou f, 1 ou 2. No DW esses valores precisam ser integrados em domínio único, por isso durante o processo de integração eles são convertidos para um estado uniforme, como ilustra a figura 3. AMBIENTE OPERACIONAL Aplicação A M,F Aplicação B H,M Aplicação C 0,1 DATA WAREHOUSE Figura 3. Integração de dados de gênero no DW. M,F Em geral, a passagem de dados das bases operacionais para o DW não é tão simples quanto uma mera extração e carga de registros. Muitas vezes é necessário realizar transformações, conversões, integração e consolidação de dados. Os processos ETL são responsáveis pela realização dessas tarefas. As operações realizadas nos bancos de dados operacionais incluem inserção, atualização, exclusão e consulta, geralmente de um registro por vez. Já no DW, são realizadas operações de carga e acesso aos dados em grandes lotes, como mostra a figura 4. A granularidade é o nível de detalhamento dos dados no DW. Quanto maior for o nível de detalhes que se deseja armazenar, menor será a granularidade. O nível de granularidade afeta diretamente o volume de dados armazenados e o tipo de informações que poderão ser obtidas nas consultas. Quando se tem um nível de granularidade muito alto, há uma economia de espaço de armazenamento, mas também há uma limitação quanto à utilização dos dados para atender a consultas mais detalhadas. Quando se tem um nível de granularidade muito baixo, há uma maior disponibilidade de dados para as operações de consulta, em 23 \

5 Data Mart VENDAS detrimento de uma maior necessidade de espaço de armazenamento e recursos computacionais para processamento. Data Marts Na visão de Kimball e Ross (2002) um Data Mart constitui-se em um subconjunto lógico de um DW corporativo. Um DM também pode ser considerado um repositório de dados relacionados a um processo de negócio ou a um elemento da cadeia de valor organizacional, geralmente modelado de forma dimensional (BOUMAN e DONGEN, 2009). A figura 5 ilustra três Data Marts relacionados aos processos de Vendas, Compras e Estoque, extraídos de um DW corporativo central. A modelagem dimensional é uma forma de modelagem de dados em termos de fatos, dimensões e medidas, visando oferecer maior suporte à análise. A figura 6 apresenta o esquema de um modelo dimensional composto por um fato e quatro dimensões. Os fatos representam eventos ou transações do negócio, como pedidos, compras, vendas, entre outros exemplos. Dimensões são entidades envolvidas nos fatos, descrevendo: o quê, quem, onde e quando um fato aconteceu. Uma medida é um atributo ou variável numérica acerca de um fato que expressa grandezas como quantidade, valor e custo (KIMBALL e ROSS, 2002). QUEM Data Mart COMPRAS DATA WAREHOUSE Figura 5. Relação entre os Data Marts e o Data Warehouse corporativo. O QUÊ FATO QUANDO Data Mart ESTOQUE ONDE Figura 6. Esquema estrela com um fato e suas dimensões. Um exemplo de modelo dimensional do DM Vendas é apresentado na figura 7. A tabela-fato representa as vendas de produtos. As dimensões representam o cliente que comprou os produtos (Quem), os produtos vendidos (O Quê), a data da venda (Quando) e o armazém é o local onde os produtos foram vendidos (Onde). As medidas são o valor e a quantidade de unidades vendidas. A modelagem dimensional se contrapõe à modelagem normalizada, pois utiliza a redundância dos dados como forma de facilitar e acelerar a recuperação de informações. Mineração de dados A Descoberta de Conhecimento em Bases de Dados (DCBD) é o processo de busca e extração de conhecimento em bases de dados. Fayyad et al. (1996) definiram DCBD como o processo não trivial de identificação de padrões válidos e potencialmente úteis, perceptíveis a partir dos dados. Nesta concepção, a DCBD refere-se a todo processo de extração de conhecimento útil oculto em bancos de dados. O conhecimento a ser descoberto deve satisfazer a três propriedades: deve ser correto (tan to quanto possível); compreensível por usuários humanos e também deve ser interessante, útil ou novo. Além disso, o método de descoberta do conhecimento deve apresentar três características: deve ser eficiente (acura do), genérico (aplicável a vários tipos de dados) e flexível (facilmente modificável). Já a Mineração de Dados (MD) é a busca por relacionamentos e padrões distintos que existem, mas que estão ocultos em grandes volumes de dados. Até 1995, muitos autores conside ravam os termos DCBD e MD como sinônimos, mas a DCBD é mais abrangente do que a MD. A MD é o processo de pesquisa em grandes volumes de dados para extração de conhecimento utilizando técnicas de Estatística, Probabilidade e Inteligência Computacional, para procurar relações de similaridade ou discordância entre dados, com o objetivo de encontrar padrões, irregularidades e regras. Seu intuito é transformar dados aparentemente desprovidos de conexão em informações relevantes para a tomada de decisão e avaliação de resultados. A principal motivação para a utilização de MD é a grande disponibilidade de dados armazenados eletronicamente, com informações úteis, porém ocultas, podendo auxiliar na previsão de um conhecimento futuro. Em outras palavras, a MD é utilizada para se descobrir informações sem uma prévia formulação de hipóteses e buscar por algo não intuitivo, tornando dados inexpressivos em conhecimento valioso e estratégico. Existem diversos métodos de MD para encontrar respostas ou extrair conhecimento em repositórios de dados, sendo os mais importantes para a DCBD: / 24

6 Dimensão tempo Id_tempo (PK) dara_sql dia_da_semana numero_semana mes etc. Dimensão cliente Id_cliente (PK) nome_cliente perfil_cliente endereço etc. Descreve as características da dimensão Chave primária simples ATRIBUTOS textuais e DISCRETOS Fontes de restrições às consultas Tabela fato Id_tempo (PK) Id_produto (FK) Id_armazem(FK) Id_cliente (FK) venda_dolar unidades_vendidas custo_dolar Grande QUANTIDADE de DADOS Chave primária composta pelas FKs ATRIBUTOS NUMÉRICOS e valores Contém as medições do negócio Dimensão produto Id_produto (PK) codigo descricao marca categoria etc. Dimensão armazém Id_armazem (PK) nome_armazem endereço distrito etc. Figura 7. Modelo dimensional do DM Vendas. Fonte: Cazella (2011). Classificação, Modelos de Relacionamento entre Variáveis, Análise de Agrupamento, Sumarização, Modelo de Dependência, Regras de Associação e Análise de Séries Temporais (FAYYAD et al., 1996). As técnicas de Mineração de Dados desempenham as tarefas de classificação ou agrupamento dos dados e de descoberta de regras de associação entre os dados. Entre os métodos de Mineração de Dados capazes de fazer o re conhecimento de padrões destacam-se as árvores de decisão, as máquinas de vetores de suporte, os métodos estatísticos, as redes neurais, os algoritmos genéticos e as meta-heurísticas de uma forma geral. Estas técnicas vêm sendo amplamente exploradas na literatura e são atualmente suportadas por ferramentas que disponibilizam os diversos algoritmos já implementados, testados e otimizados, para uso em uma série de aplicações. Tanto o BI quanto a DCBD têm como finalidade transformar dados em informações e conhecimento, visando dar suporte à tomada de decisão. Para isso, utilizam-se de técnicas como DW e DM para preparação dos dados, para permitir que o usuário explore os dados por meio de ferramentas de análise e realizam MD para reconhecer padrões e regras por meio da Inteligência Computacional. A disponibilidade de um DW ajuda no processo de DCBD porque: (1) os dados são submetidos a limpeza antes de serem carregados no DW e (2) o acesso aos dados no DW é muito mais eficiente devido à forma como eles são estruturados. Desta forma, uma tabela-fato de um DM dimensional tem condições favoráveis à DCBD, pois armazena dados limpos, íntegros e de acesso facilitado. A tabela- -fato representa uma matriz multidimensional na qual todas as variáveis que serão submetidas à MD encontram-se presentes. Pentaho BI Suite Community Edition O ambiente Pentaho BI Suite integra as principais ferramentas, tecnologias e disciplinas do BI. O alicerce de toda a suíte é a Plataforma Java Standard Edition. Desta forma, o Pentaho roda sobre a máquina virtual Java, portanto se beneficia de todas as vantagens conferidas pelo Java, como portabilidade (write once, run anywhere), extensibilidade e robustez. É possível integrar o Pentaho a outras aplicações Java, executando processos ETL, acionando relatórios e dashboards diretamente a partir de outras aplicações. Por exemplo, a Listagem 1 apresenta o código Java para execução de uma transformação de dados desenvolvida no Pentaho Data Integration. Listagem 1. Código Java para execução de uma transformação de dados desenvolvida no Pentaho Data Integration. public static void runtransformation(string filename) { try { StepLoader.init(); EnvUtil.environmentInit(); TransMeta transmeta = new TransMeta(filename); Trans trans = new Trans(transMeta); } trans.execute(null); // É possível passar parâmetros // para a transformação ao invés de null. trans.waituntilfinished(); if ( trans.geterrors() > 0 ) { throw new RuntimeException( Ocorreram erros na execução da transformação. ); } } catch ( KettleException e ) { // TODO Tratar exceção. System.out.println(e); } 25 \

7 Figura 8. Componentes do ambiente em uma visão de camadas. A figura 8 apresenta os componentes do ambiente em uma visão de camadas. A camada de integração de dados e aplicações oferece ferramentas ETL, gestão de metadados e de integração entre aplicações. A camada de Business Intelligence Plataform oferece os recursos de segurança, administração, lógica de negócios e gestão de repositórios. Sobre essa camada rodam os serviços de relatórios construídos em tempo de projeto, relatórios e análises ad-hoc criadas pelo próprio usuário de acordo com as suas necessidades de informação, análises (OLAP), mineração de dados, dashboards e gestão de processos. Esses serviços são expostos ao usuário final por uma camada de apresentação que suporta os navegadores Web, portais, suítes de escritórios, Web services e . Portanto o ambiente Pentaho compreende todos os principais recursos esperados de um ambiente de BI profissional. O primeiro passo para a utilização do Pentaho é baixar os seus componentes a partir do site community.pentaho.com/. Como acontece com muitas ferramentas gratuitas, o caminho entre o download da ferramenta e o seu funcionamento pleno requer leituras de sites e fóruns especializados como o Planeta Pentaho (ver referências). Este artigo não tem a proposta de ser um tutorial detalhado sobre a configuração do Pentaho, mas uma referência de alto nível sobre os seus componentes. A suíte Pentaho surgiu a partir da integração de diversos projetos open-source em um ambiente razoavelmente integrado. O Pentaho Reporting foi desenvolvido a partir do JfreeReport; o Pentaho Analysis engine a partir do Mondrian; o Pentaho Analysis client teve o projeto jpivot como ponto de partida; Pentaho Data Integration é o nome dado à incorporação do Kettle à suíte Pentaho; o Weka deu origem ao Pentaho Data Mining; entre outros exemplos. Por isso, a política de licenciamento do Pentaho é complexa e confusa, composta por uma miríade de licenças, sendo umas pouco permissivas e outras mais liberais. Entre as principais licenças da suíte pode-se destacar: Eclipse Public License Version 1.0 (EPLv1) Mozilla Public License 1.1 (MPLv1.1) GNU General Public License Version 2 (GPLv2) GNU Lesser General Public License Version 2.1 (LGPLv2.1) Eclipse Public License Version 1.0 (EPLv1) Apache License, Version 2.0 GNU General Public License Version 3 (GPLv3) De forma geral, a política de licenciamento permite a utilização do Pentaho Community Edition para o desenvolvimento e execução de aplicações da mesma forma como se desenvolvem aplicações utilizando Eclipse, Tomcat, Hibernate e JFreeReport. Porém se qualquer alteração for feita nos componentes da suíte, a aplicação desenvolvida passa a estar sujeita às mesmas regras de licenciamento do componente original, muitas vezes levando à necessidade de abertura do código-fonte. Mais informações sobre as licenças podem ser encontradas nos links disponíveis nas referências deste artigo. Pentaho BI Platform and Server O Pentaho BI Platform Community Edition é composto principalmente por duas aplicações Web, a Pentaho Administration Console (PAC) e a Pentaho User Console (PUC). A PAC é a interface para o gerenciamento do status do servidor Pentaho, dos usuários e perfis de acesso às aplicações. A PAC também permite a configuração de Data Sources e o agendamento de serviços de integração de dados e relatórios. Essas funcionalidades da PAC estão ilustradas na figura 9. Em sua distribuição padrão, a PAC é uma aplicação Web empacotada como um WAR e publicada em um container Web Jetty. / 26

8 Figura 9. Pentaho Administration Console (PAC). Já a PUC é a interface por meio da qual o usuário tem acesso às aplicações de BI publicadas no servidor Pentaho. A figura 10 apresenta a tela inicial do PUC. Após a autenticação do usuário, a PUC apresenta as aplicações de BI, análises OLAP e dashboards para os quais lhe foram autorizados os acessos. A figura 11 apresenta a PUC exibindo um conjunto de análises OLAP disponíveis para o usuário e uma janela de boas-vindas. Pentaho Data Integration (Kettle) O Pentaho Data Integration (PDI), também conhecido como Kettle, é uma ferramenta de integração de dados para construção de processos de Extração, Transformação e Carga (ETL). O PDI admite uma grande variedade de fontes de dados, oferece muitas possibilidades de transformação, validação e saídas para os dados transformados. A figura 12 ilustra um processo ETL para uma tabela de produtos. Os dados são extraídos de uma tabela de produtos e inseridos no fluxo, no qual passam por cálculos, adição de outras informações, até serem inseridos ou atualizados na tabela de destino. Como se pode observar, o processo é gráfico e bastante intuitivo. Os recursos oferecidos gratuitamente pelo PDI são compatíveis com os das ferramentas ETL comerciais disponíveis no mercado. O PDI foi desenvolvido sobre a plataforma Eclipse. Ele oferece as perspectivas Data Integration, Model e Visualize (ver figura 12). Todo o desenvolvimento ETL é feito na perspectiva Data Integration. As perspectivas Model e Visualize são destinadas ao desenvolvimento na abordagem Agile BI. Esta abordagem permite que uma transformação ETL seja o ponto de partida para a construção de um Cubo OLAP, o Model, e a visualização das análises OLAP diretamente no PDI (Visualize). O Pentaho Agile BI permite o desenvolvimento BI de uma forma muito flexível, indo do dado bruto à informação agregada com muita rapidez. Figura 10. Pentaho User Console (PUC). Figura 12. Pentaho Data Integration (PDI), também conhecido como Kettle. Figura 11. Aplicações e arquivos apresentados na PUC. Pentaho Analysis Services (Mondrian) O Mondrian é o servidor OLAP que permite aos usuários do Pentaho analisarem grandes volumes de informações. Ele oferece recursos de exploração de dados tradicionais em OLAP como drill, slice e dice. Na edição Community, a interface com o usuário é provida pelos plugins JPivot e Saiku Analytics. As edições Professional e Enterprise possuem também um plugin proprietário que oferece uma experiência com o usuário final superior à do JPivot e do Saiku, comparável à usabilidade encontrada nas ferramentas comerciais líderes de mercado. A figura 13 apresenta uma janela de análise de lucros por país, utilizando os recursos disponíveis nas versões comerciais do Pentaho. 27 \

9 Figura 13. Pentaho Analysis Services (Mondrian). Pentaho Reporting O Pentaho Reporting Community Edition inclui o Pentaho Report Designer (figura 14), o Pentaho Report Engine e o Pentaho Reporting SDK. Trata-se de um ambiente completo para a construção de relatórios desenvolvido sobre o JFreeReport. Esse ambiente suporta diversas fontes de dados e exporta os relatórios para PDF, Excel, HTML, texto, texto formatado, XML e csv. O funcionamento do Pentaho Report Designer é parecido com o da maioria das ferramentas de construção de relatórios. Existem bandas específicas para as áreas de cabeçalho, corpo e rodapé dos relatórios. O que chama a atenção é a fidelidade com a qual os dados são exportados para os diversos formatos. Um relatório apresentado em HTML pode ser visto em Excel ou PDF com a mesma formatação. Figura 15. Exemplo de dashboard interativo criado no Community Dashboard Framework (CDF). Pentaho Data Mining (Weka) O Pentaho Data Mining corresponde à ferramenta a Waikato Environment for Knowledge Analysis (Weka). O Weka oferece uma série de algoritmos clássicos de mineração de dados implementados e disponíveis para realização de análises avançadas nos dados. A figura 16 apresenta regras de associação entre os dados reconhecidas por meio do algoritmo Apriori. A figura 17 ilustra em um gráfico 3D as mesmas regras de associação reconhecidas pelo algoritmo Apriori. Figura 16. Regras de associação entre os dados reconhecidas por meio do algoritmo Apriori. Figura 14. Pentaho Report Designer. Community Dashboard Framework Um requisito muito comum em aplicações de BI é a construção de painéis gerenciais (ou dashboards). Para essa finalidade, o Pentaho utiliza do Community Dashboard Framework (CDF). A figura 15 apresenta um exemplo de dashboard interativo criado no CDF. Figura 17. Regras de associação exibidas em um gráfico 3D. / 28

10 Considerações Finais Este artigo apresentou uma visão geral do ambiente Pentaho BI Suite Community Edition, descrevendo os seus principais componentes. Também foram apresentados conceitos fundamentais de Data Warehousing, OLTP, OLAP e mineração de dados. Em tempos de crise financeira internacional, muitos projetos de BI, especialmente os executados por empresas de pequeno e médio porte, não dispõem de orçamentos capazes de patrocinar a aquisição de ferramentas comerciais com custos elevados. Por outro lado, os recursos de integração de dados e análise de informações oferecidos pelas ferramentas comerciais são muito importantes no desenvolvimento de aplicações de BI profissionais. O Pentaho BI Suite Community Edition apresenta-se como uma solução econômica e eficiente para esse problema. A comunidade Pentaho no Brasil é muito forte e existem casos de sucesso muito significativos de aplicações profissionais desenvolvidas no Pentaho. > BARBIERI, C. BI2 - Business Intelligence: modelagem e qualidade. Rio de Janeiro: Campus, > BOUMAN, R.; DONGEN, J. Pentaho Solutions: Business Intelligence and Data Warehousing with Pentaho and MySQL. Wiley Publishing. Indianapolis > CAZELLA, S. C. Tecnologias para Inteligência Competitiva. 1. ed. São Leopoldo: Editora Unisinos > FAYYAD, U.; PIATETSKY-SHAPIRO, G.; SMYTH, P.; UTHURUSAMY, R. Advances in Knowledge Discovery and Data Mining AAAIPress, The Mit Press. > GARTNER GROUP. Gartner says more than 50 percent of data warehouse projects will have limited acceptance or will be failures through a. Disponível em Acesso em 01 out >. Gartner Survey of 1,300 CIOs Shows IT Budgets to Increase by 2.5 Percent in b. Disponível em html. Acesso em 01 out >. Gartner Survey of 1,400 CIOs Shows Transformation of IT Organisation is Accelerating Disponível em asset_143678_11.html. Acesso em 01 out >. Gartner EXP Survey of More than 1,400 CIOs Shows CIOs Must Create Leverage to Remain Relevant to the Business Disponível em it/page.jsp?id= Acesso em 01 out >. Gartner EXP Worldwide Survey of 1,500 CIOs Shows 85 Percent of CIOs Expect Significant Change Over Next Three Years Disponível em com/it/page.jsp?id= Acesso em 01 out >. Gartner EXP Worldwide Survey of More than 1,500 CIOs Shows IT Spending to Be Flat in Disponível em jsp?id= Acesso em 01 out /referências >. Gartner EXP Worldwide Survey of Nearly 1,600 CIOs Shows IT Budgets in 2010 to be at 2005 Levels Disponível em jsp?id= Acesso em 01 out _>. Gartner Executive Programs Worldwide Survey of More Than 2,000 CIOs Identifies Cloud Computing as Top Technology Priority for CIOs in Disponível em Acesso em 01 out > KIMBALL, R.; ROSS, M. Data warehouse toolkit: o guia completo para modelagem dimensional. Rio de Janeiro: Campus, p. > NASCIMENTO, GIVANILDO SANTANA. AgileKDD: um processo ágil para a engenharia de sistemas de descoberta do conhecimento. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Sergipe, > Pentaho Analysis Services (Mondrian) - mondrian.pentaho.com/ > Pentaho BI Platform License FAQ - pentaho.com/faq/platform_licensing.php > Pentaho BI Suite Community Edition - community.pentaho.com/ > Pentaho Data Integration (Kettle) - pentaho.com/ > Pentaho Data Mining (Weka) - com/ > Pentaho Open Source Projects Licenses - pentaho.com/license/ > Pentaho Reporting - > Planeta Pentaho \