A aplicação do Business Intelligence no segmento de Saúde Pública Ambulatorial

Tamanho: px
Começar a partir da página:

Download "A aplicação do Business Intelligence no segmento de Saúde Pública Ambulatorial"

Transcrição

1 A aplicação do Business Intelligence no segmento de Saúde Pública Ambulatorial Gilberto Capatina Valente 1, Newton Naoki Ahagon 1 1 Atech Tecnologias Críticas, São Paulo, SP Resumo Este artigo descreve o processo de desenvolvimento do sistema de Business Intelligence, como ferramenta de apoio à tomada de decisões estratégicas, desenvolvido a partir das informações ambulatoriais geradas no SIGA Saúde, que é um sistema integrado de gestão e assistência à saúde pública. O artigo apresenta a metodologia utilizada para construir o sistema a partir da identificação das áreas de interesse e dos principais relatórios gerenciais almejados pelos gestores, para ter mais conhecimento sobre o Sistema Único de Saúde (SUS) nos municípios e nos estados do Brasil que utilizem o SIGA Saúde. Palavras-chave: Business Intelligence, Data Warehouse, Sistema de Apoio a Decisão, Data Marts. Abstract This paper describes the Business Intelligence development process as strategical decision support system, developed from information stored in SIGA Saúde relational database, a public heath care integrated system. The paper describes the methodology used to develop the system from subject areas and the management reports desired from managers for getting more knowledge about SUS in the cities and states in Brazil wich uses SIGA Saúde. Key-words: Business Intelligence, Data Warehouse, Decision Support System, Data Marts Introdução Com a globalização, o mundo impulsionou forças competitivas, as organizações se tornaram mais ágeis e competitivas e os clientes mais exigentes. As organizações são pressionadas pelo mercado a melhorar os serviços prestados aos clientes, melhorar constantemente os processos de negócio, qualidade, resolver os pontos de deficiência, ter colaboradores capacitados e ter conhecimento sobre o negócio, dentre outros. Assim, entende-se que elas têm a obrigação de buscar o conhecimento para obter vantagem competitiva sustentável. Um sistema de Business Intelligence (BI) permite ter uma visão objetiva da organização e da qualidade de atendimento aos clientes por indicadores alinhados aos objetivos estratégicos do negócio e à missão do negócio, obtidos de informações dispersas nas bases de dados existentes, como suporte ao processo de tomada de decisões estratégicas. Assim como outra organização, o segmento de Saúde Pública também visa cada vez mais prestar serviços de qualidade e eficiência à população e, por esse motivo, precisa seguir as tendências tecnológicas de extração de conhecimento gerado pelos sistemas de informação transacionais Estes sistemas normalmente possuem bases de dados em diferentes tecnologias, plataformas e totalmente desintegradas. Para que haja uma consolidação destes dados de forma que um ser humano possa ter informações para a tomada de uma decisão, entra em cena uma arquitetura que oferece total apoio aos sistemas de Business Intelligence, denominada Data Warehouse (DW), que possibilita a transformação de grandes quantidades de dados existentes na organização. Esta transformação consiste em oferecer informações úteis e confiáveis, de fácil e rápido acesso, que formem o conhecimento e apóiem o processo de tomada de decisão para a oferta de serviços de maior qualidade, adquirindo assim, maior satisfação e confiança dos usuários do Sistema Único de Saúde (SUS). O objetivo desse trabalho é descrever o processo de desenvolvimento, a arquitetura e tecnologias utilizadas no projeto de Business Intelligence para apoio a gestão ambulatorial, tendo como fonte de dados o SIGA Saúde, um sistema de informação integrado de Gestão e Assistência em Saúde Pública. Além disso, serão apresentadas as dificuldades encontradas neste processo de modelagem, desenvolvimento e homologação da criação de um ambiente de Data Warehouse na obtenção dos dados do sistema do SIGA utilizado como base de informações.

2 Metodologia Definição - O BI é um processo integrado que envolve conceitos, metodologias, arquiteturas e tecnologias e infra-estrutura, que permite a análise de informações armazenadas historicamente em uma organização, provenientes de diversas fontes de dados e sistemas de informação, a fim de extrair inteligência ou conhecimento sobre o negócio. Arquitetura - Para um adequado sistema de BI, foi adotada a arquitetura tradicional do Data Warehouse composta pela fonte de dados dos sistemas transacionais, uma área de transformação e carga de dados denominada Staging Area, a base de dados do Data Warehouse segmentado em Data Marts integrados, o que permitiu uma construção incremental de DW e a camada de apresentação, também conhecida como Online Analytical Processing (OLAP). Segundo Bill Inmon e Ralph Kimball, um Data Warehouse é uma coleção de dados corporativos, orientados a assuntos, integrados, históricos e não atualizáveis para suporte a tomada de decisões, análises gerenciais e descobrimento de tendências [2] e [4]. Os sistemas transacionais ou Online Transactions Processing (OLTP) são os sistemas de informação ou bases de dados que automatizam um processo de negócio e registram dados diários da organização, no caso, a fonte de dados é o SIGA Saúde. O Data Warehouse é carregado com dados provenientes do sistema transacional por um processo denominado Extraction, Transformation and Loading (ETL), que corresponde ao processo de extração da fonte de dados, transformações e padronizações de dados, caso seja necessário o carregamento dos dados para a base de dados do Data Warehouse, de forma programada e de acordo com a necessidade de execução destas cargas. Os dados são carregados em tabelas com estrutura de colunas relacionais parecidas com a da base de dados transacional, porém em uma instância intermediária do banco de dados do DW denominada Staging Area, sem relacionamentos, chaves estrangeiras e constraints de banco de dados. Abaixo segue um exemplo do modelo de dados criado no DW: Figura 1. Modelo de Entidade Relacionamento da área de interesse de Atendimento A Staging Area é o elo de ligação entre o sistema transacional e a base de dados do DW, onde os dados provenientes dos sistemas de informação, no caso o SIGA Saúde, são transformados por regras implementadas em procedures PL/SQL do Oracle para carga correta no DW, como por exemplo, a carga de vagas e agendamentos locais e regulados do SIGA Saúde de forma unificada no DW. Diariamente a Staging Área será carregada com as informações do dia anterior e apagadas no próximo processo de carga. E por isso, é considerada como um estágio de extração anterior e temporário ao processo de transformação e carga na base DW [2]. A necessidade de carga programada por ETL é diária, com processamento noturno, também por execução de procedures PL/SQL que deverão ser agendadas na configuração do SGBD. No atual estágio deste trabalho, o processo ainda não foi agendado por estar em fase de homologação e as execuções estarem sendo executadas seqüencialmente para a obtenção de um volume de dados relevante para a sua validação. Como exemplo, a carga para um mês de informações da base do DW leva em torno de dois dias para ser executado, após algumas alterações para melhoria e diminuição do tempo de execução deste processo. Nesse cenário, as áreas de interesse do negócio são denominadas de Data Marts, que corresponde a um subconjunto lógico e físico de segmentação e organização do DW e da camada de apresentação na arquitetura de DW [2]. A camada de apresentação de dados, também chamada de Front-end, é a interface que apresenta as informações ao usuário e é normalmente composta por ferramentas de criação de relatórios gerenciais padronizados, de consultas ad hoc (de domínio conhecido pelo usuário), denominadas como OLAP (Online Analytical Processing) e extensões como o SIG (Sistema de Informação Geográfica) e o Data Mining (Mineração de dados não intuitivos por

3 modelos estatísticos como agrupamentos e predições, de domínio parcial pelos usuários). Processo de Desenvolvimento As fases do projeto de BI seguidas foram: Levantamento Preliminar, Planejamento, Análise do Negócio, Projeto, Construção, Testes, Homologação e Implantação. Na fase de Levantamento Preliminar do projeto de BI foram feitas reuniões com os usuários para identificar os relatórios gerenciais e as áreas de interesse. A partir do protótipo de cada relatório gerencial especificado e validado foi possível identificar as áreas de interesse para o projeto de BI: Básicos: Estabelecimentos, Profissionais, Usuários SUS e Procedimentos. Complexos: Equipes de Saúde, Atividades Coletivas, Vacinação, Vagas, Agendamentos, Fila de Espera, Atendimentos e Regulação. Os objetivos das áreas de interesse que derivaram os Data Marts com o mesmo nome são os seguintes: Estabelecimentos permitirá um maior conhecimento da quantificação, distribuição administrativa e caracterização dos Estabelecimentos de Saúde da rede assistencial no município. Profissionais permitirá um maior alocação nos Estabelecimentos de Saúde e caracterização dos Profissionais de Saúde como especialidade e forma de contratação, que podem auxiliar na identificação de falta de profissionais e especialidades para possíveis ações de contratações. Usuários SUS permitirá um maior distribuição e caracterização dos Usuários SUS cadastrados no município como, por exemplo, faixa etária, sexo, nacionalidade, residentes em outros municípios, endereço, distrito administrativo e escolaridade. Permitirá também avaliar a qualidade dos dados no processo de cadastramento. Procedimentos - permitirá um maior distribuição e caracterização dos procedimentos solicitados e realizados, de acordo com a Tabela Unificada, nas regiões administrativas, estabelecimentos de saúde, nos seus grupos, subgrupos, forma de organização e nos níveis de complexidade de atenção básica, média e alta complexidade. Poderá auxiliar, por exemplo, nos processos de Faturamento, Atenção Básica e Regulação, incluindo a gestão do processo de autorização de procedimentos de alta complexidade (APAC) no que se refere a unidades solicitantes, unidades executantes, incluindo prestadores de serviço, autorizador/regulador, CID e tipo de APAC. Equipes de Saúde permitirá um maior distribuição e caracterização das Equipes de Saúde, Agentes Comunitários, Micro-Áreas e Famílias. Atividades Coletivas permitirá um maior conhecimento e administração da quantificação, distribuição e caracterização das atividades coletivas de acordo com as regiões administrativas, estabelecimentos de saúde, procedimentos, nº de sessões, nº de inscritos, nº de participantes, faixa etária, sexo e raça. Vacinação - permitirá um maior distribuição dos lotes de vacinas, caracterização, e administração dos lotes e vacinações nas regiões administrativas, estabelecimentos de saúde, tipo de vacinação, vacinas, dose válida e não válida, apoiando na atividade de mapas e produção vacinal. Vagas - permitirá um maior conhecimento e avaliação e administração da quantificação, distribuição e caracterização das ofertas de vagas para agendamentos de acordo com as regiões administrativas, estabelecimentos de saúde, especialidades, profissionais de saúde, tipo de atendimento e cancelamentos. Agendamentos - permitirá um maior distribuição e caracterização dos agendamentos de acordo com as regiões administrativas, estabelecimentos de saúde, especialidades, profissionais de saúde, tipo de atendimento e cancelamentos. Também permitirá avaliar a demanda reprimida e as regiões de maior movimentação por especialidade para possíveis ações de distribuição e contratações. Fila de Espera - permitirá um maior distribuição e caracterização das filas de espera para agendamentos, de acordo com as regiões administrativas, estabelecimentos de saúde, usuários SUS em espera, especialidades, tipo de atendimento e prioridades para uma melhor administração e atendimento dos pacientes em espera com mais agilidade.

4 Atendimentos - permitirá um maior distribuição e caracterização dos atendimentos, de acordo com as regiões administrativas, estabelecimentos de saúde, especialidades, tipo de atendimento, especialidade, profissional de saúde, CID e Procedimentos. Também permitirá conhecer melhor toda a produção, diagnósticos mais freqüentes, apoio à vigilância epidemiológica, condutas dos profissionais, que podem promover melhorias e programas de saúde para uma melhor assistência ao usuário SUS. Regulação - permitirá um maior distribuição, caracterização e administração das solicitações de agendamentos, autorização de agendamentos, devolução de solicitações de agendamentos, reguladores, nível de regulação (Regional ou Central), unidades solicitantes, unidades executantes e unidades reguladoras. Também permitirá o atendimento dos pacientes em espera com mais agilidade, avaliar as regiões de maior movimentação por especialidade para possíveis ações de distribuição e contratações. Definida as áreas de interesse acima foi possível fazer um Planejamento do Projeto: requisitos, cronograma, formação da equipe, custo, prazos, entregas, tecnologia de apoio, infra-estrutura e ambientes de desenvolvimento, homologação e produção [1]. Em seguida, iniciada a fase de Análise de Negócio, foi elaborado protótipo na ferramenta OLAP e de telas da funcionalidade de relatórios gerenciais no SIGA Saúde, que foram verificados e validados pelos usuários, o que permitiu uma melhor definição do escopo para a arquitetura de dados. A arquitetura de dados, já na fase de Projeto, foi desenvolvida em três tipos de modelos de dados, conforme a proposta de Ralph Kimball: o modelo de dados relacional do DW, o modelo de dados relacional da Staging Area e o modelo dimensional dos Data Marts [1] e [3]. Figura 2. Arquitetura do processo de ETL. A partir da revisão dos processos, regras e conceitos, foi feita uma modelagem de dados relacional do DW das áreas de interesse identificadas de forma padronizada e mais simplificada como, por exemplo, um modelo para área de interesse vagas e outro para Agendamentos, unificação dos modelos de agenda local e regulada e padronização do status para estas duas áreas de interesse. Por outro lado, foi feita também a modelagem de dados relacional da Staging Area, de acordo com cada área de Interesse, com as mesmas tabelas do modelo de dados relacional do SIGA Saúde. Finalmente, foi feita a modelagem de dados dimensional dos Data Marts, na representação Estrela (Star Schema), proposta por Ralph Kimball [2], composto de uma tabela central de totalizações, denominada tabela Fato, em um conjunto de tabelas periféricas ligadas à tabela fato, denominadas Dimensões e em alguns casos, foi necessária a representação Floco de Neve (Snow Flake), que normaliza dimensões. Segue abaixo um exemplo de modelo de representação Estrela da tabela fato de Atendimento. Segue abaixo a arquitetura do processo de ETL do projeto mencionado acima: Figura 4. Modelo de representação Estrela da tabela fato de Atendimento Em todos os modelos, os metadados e as regras necessárias para os procedimentos de ETL associadas às tabelas da Staging Area foram

5 documentados em uma ferramenta de mercado para modelagem de dados. Na fase de Construção, foram criados as tabelas e os índices, implementados os procedimentos de extração, transformação e carga (ETL) na linguagem PL/SQL, definidos os metadados de orientação, bem como as suas execuções no SGBD, tanto no ambiente de desenvolvimento para testes e ajustes, como no do ambiente de homologação, dentro de um período menor para efeito e facilidade de homologação pelo usuário [1]. Ainda nesta fase, os mapeamentos dos Data Marts, Cubos ou Universos das áreas de interesse foram construídos na ferramenta de OLAP denominada Infomax da Atech, uma customização com recursos adicionais de uma ferramenta de Business Intelligence, utilizando o DW como uma estrutura relacional de dados, compondo um tipo de implementação denominado de ROLAP (Relational Online Analytical Processing). A ferramenta Infomax customizada para atender o BI em Saúde Pública foi batizado como Infosaude, uma ferramenta amigável ao usuário que oferece recursos de drag and drop, gráficos, planilhas, drill up, drill down e publicação de relatórios, onde também foram registrados os metadados para orientação. Figura 3. Apresentação do relatório de agendamentos em planilha ou gráfico. Também está sendo implementado o SIG, de acordo com os Data Marts em mapa geográficos do município integrados à ferramenta OLAP Infosaude. Utilizando uma aplicação para visualização de informações geográficas, o sistema apresenta a distribuição de quantidades de agendamentos, por exemplo, pelas divisões operacional/administrativa do município Esta aplicação possui as funcionalidades mais comuns encontradas nas ferramentas SIG de mercado, como: aproximação (zoom in), afastamento (zoom out), deslocamento (pan), pesquisa e seleção. Além disso, é apresentada a legenda de cores temáticas para determinar em que faixa de valor cada região se encontra. A vantagem deste sistema é de ter a percepção visual na distribuição espacial dos indicadores relacionados às áreas de interesse definidos pelo cliente. Figura 4. Apresentação de indicador de quantidades de agendamentos através de mapa temático. Na fase de construção também foram realizados testes em termos de resultados e performance das procedures de ETL, dos resultados obtidos na ferramenta OLAP comparando com dados do próprio sistema transacional, em um ambiente de desenvolvimento [1]. A etapa de Homologação está em andamento, sendo realizada pelo cliente através da aplicação Infosaude, utilizando a ferramenta OLAP de extração de relatórios, onde receberam um rápido treinamento, em um ambiente dedicado à homologação. Foram realizadas diversas reuniões para dirimir as dúvidas e levantar os desvios nos resultados esperados no BI, a partir dos dados do sistema transacional. A cada avaliação foram executados os ajustes necessários nos procedimentos de carga ou na própria estrutura de dados do Data Warehouse e executado o ETL no ambiente de homologação para uma nova avaliação dos resultados obtidos [1]. A fase de Implantação, próxima etapa, contemplará a instalação do sistema de BI no ambiente de produção, seja como ferramenta OLAP e toda a carga de dados. Também será realizado o treinamento na ferramenta OLAP Infosaude aos usuários autorizados a utilizá-la [1]. Discussão e Conclusões Para este projeto de BI, estão sendo muito importante as ações de um patrocinador com visão em tendência tecnológica, que investiu e apresentou os benefícios e resultados, bem como usuários que conheçam o negócio e a tecnologia e que saibam como analisar os dados tradicionalmente gerados diariamente pelo sistema transacional, para gerar informações que o permitam conhecer melhor o negócio para ações que possam melhorar a qualidade de

6 atendimento e assistência aos usuários SUS e não apenas disponibilizar os dados. Um dos maiores desafios de um projeto de DW é a gestão de requisitos, que deve ser muito bem definido no início do projeto. Na fase de Levantamento de Requisitos e Análise de Dados deve ter o acompanhamento e validação do usuário, para que não haja ajustes, retrabalho ou complementos na fase de homologação. Naturalmente, em um projeto deste porte sempre há a necessidade da realização de ajustes a partir da análise dos resultados. Tomamos como aprendizado e melhoria no processo, a participação ativa do cliente não apenas na fase de validação dos requisitos, como na validação dos modelos obtidos na arquitetura de dados, para um processo de homologação mais rápido e alinhado. As solicitações de ajustes e complementos aumentaram o escopo previsto no início do projeto, o que resultou em um trabalho de revisão dos modelos e das procedures de ETL para atender os resultados esperados. Vale ressaltar a facilidade de utilização das ferramentas de consulta, relatórios e publicação pelas ferramentas utilizadas neste projeto. Porém, a arquitetura criada e o processo utilizado em seu desenvolvimento independe da ferramenta OLAP utilizada, possibilitando a portabilidade, caso seja necessária. O próximo passo é a extensão para a extração de informações qualitativas pelo processo, técnicas e ferramentas de Data Mining e a utilização da técnica de Dashboards (painel de indicadores) para acompanhamento dos indicadores de performance, obtidos pela técnica de Balanced Scorecard alinhada aos objetivos e metas da empresa. Agradecimentos Os autores agradecem ao Dr. Cláudio Giuliano da Costa pelo apoio no projeto, aos Srs. Pedro Scarpim, Marcelo Ribeiro de Almeida e Renato Barreto Rosolem por desenvolverem essa oportunidade de negócio, ao Sr. Robert Douglas Barbosa Funchal que participou na construção e a Sra. Lucia Beatriz de Area Leão Alves por gerenciar o projeto. Referências [1] MOSS, Larissa T. ; ATRE, Shaku. Business Intelligence Roadmap, The Complete Project Lifecycle for Decision Support Applications. Boston: Addison-Wesley, [2] KIMBALL, Ralph; ROOS, Margy The Data Warehouse Toolkit. Rio de Janeiro: Campus, [3] KIMBALL, Ralph. The Data Warehouse Lifecycle Toolkit Expert Methods for Designing, Developing and Deploying Data Warehouses. New York: John Willey & Sons, [4] INMON, W. H. Como Construir o Data Warehouse. Rio de Janeiro: Campus, [5] MACHADO, Felipe N. Rodrigues. Tecnologia e Projeto de Data Warehouse. São Paulo: Érica, [6] BARBIERI, Carlos. Business Intelligence Modelagem e Tecnologia. São Paulo: Axcel Books, [7] MONTEIRO, André Vinícius G.; PINTO, Marcos Paulo O.; COSTA, Rosa Maria E. M.Uma Aplicação de Data Warehouse para Apoiar Negócios. Rio de Janeiro, Contato Gilberto Capatina Valente possui MBA em Inteligência Competitiva com ênfase em BI/BPM pela FIAP e MBA em Gestão de Tecnologia da Informação pela Fundação Getúlio Vargas e é graduado em Ciência da Computação pela Pontifícia Universidade Católica de São Paulo, atuando na área de Tecnologia da Informação há 15 anos. É Consultor Sênior da Atech, onde atua nos projetos de implantação e evolução do SIGA Saúde e no projeto de BI para gestão ambulatorial. Newton Naoki Ahagon possui graduação em Engenharia Elétrica na Universidade de São Paulo com ênfase em Automação e Controle. É consultor especialista em sistemas de BI e SIG (Sistemas de Informações Geográficas) na Atech, e implantou soluções de BI e SIG para as Secretarias de Segurança Pública nos estados de Pernambuco, Mato Grosso, Ceará, Amazonas, Acre e Rondônia. Atualmente desenvolve solução de BI para gestão ambulatorial. Endereço: Rua do Rócio, o. andar, São Paulo, SP, telefone: e

DESENVOLVIMENTO DE PLUG-INS KETTLE PARA GERAÇÃO DE MONDRIAN SCHEMA A PARTIR DE BASES RELACIONAIS, UTILIZANDO A METODOLOGIA AGILE ROLAP.

DESENVOLVIMENTO DE PLUG-INS KETTLE PARA GERAÇÃO DE MONDRIAN SCHEMA A PARTIR DE BASES RELACIONAIS, UTILIZANDO A METODOLOGIA AGILE ROLAP. DESENVOLVIMENTO DE PLUG-INS KETTLE PARA GERAÇÃO DE MONDRIAN SCHEMA A PARTIR DE BASES RELACIONAIS, UTILIZANDO A METODOLOGIA AGILE ROLAP. Eduardo Cristovo de Freitas Aguiar (PIBIC/CNPq), André Luís Andrade

Leia mais

Curso Data warehouse e Business Intelligence

Curso Data warehouse e Business Intelligence Curso Data warehouse e Business Intelligence Fundamentos, Metodologia e Arquitetura Apresentação Os projetos de Data Warehouse e Business Intelligence são dos mais interessantes e complexos de desenvolver

Leia mais

Curso Data warehouse e Business Intelligence Fundamentos, Metodologia e Arquitetura

Curso Data warehouse e Business Intelligence Fundamentos, Metodologia e Arquitetura Curso Data warehouse e Business Intelligence Fundamentos, Metodologia e Arquitetura Apresentação Os projetos de Data Warehouse e Business Intelligence são dos mais interessantes e complexos de desenvolver

Leia mais

PLANO DE ENSINO PRÉ-REQUISITOS: ENS

PLANO DE ENSINO PRÉ-REQUISITOS: ENS UNIVERSIDADE DO ESTADO DE SANTA CATARINA UDESC CENTRO DE EDUCAÇÃO SUPERIOR DO ALTO VALE DO ITAJAÍ CEAVI PLANO DE ENSINO DEPARTAMENTO: DSI Departamento de Sistema de Informação DISCIPLINA: Data Warehouse

Leia mais

Uma Ferramenta Web para BI focada no Gestor de Informação

Uma Ferramenta Web para BI focada no Gestor de Informação Uma Ferramenta Web para BI focada no Gestor de Informação Mikael de Souza Fernandes 1, Gustavo Zanini Kantorski 12 mikael@cpd.ufsm.br, gustavoz@cpd.ufsm.br 1 Curso de Sistemas de Informação, Universidade

Leia mais

IMPLANTAÇÃO DO DW NA ANVISA

IMPLANTAÇÃO DO DW NA ANVISA IMPLANTAÇÃO DO DW NA ANVISA Bruno Nascimento de Ávila 1 Rodrigo Vitorino Moravia 2 Maria Renata Furtado 3 Viviane Rodrigues Silva 4 RESUMO A tecnologia de Business Intelligenge (BI) ou Inteligência de

Leia mais

Aplicação de Data Warehousing no Cadastro de Ficha Limpa do TSE

Aplicação de Data Warehousing no Cadastro de Ficha Limpa do TSE Aplicação de Data Warehousing no Cadastro de Ficha Limpa do TSE Mateus Ferreira Silva, Luís Gustavo Corrêa Lira, Marcelo Fernandes Antunes, Tatiana Escovedo, Rubens N. Melo mateusferreiras@gmail.com, gustavolira@ymail.com,

Leia mais

TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE

TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto OLPT x OLAP Roteiro OLTP Datawarehouse OLAP Operações OLAP Exemplo com Mondrian e Jpivot

Leia mais

Uma aplicação de Data Warehouse para apoiar negócios

Uma aplicação de Data Warehouse para apoiar negócios Uma aplicação de Data Warehouse para apoiar negócios André Vinicius Gouvêa Monteiro Marcos Paulo Oliveira Pinto Rosa Maria E. Moreira da Costa Universidade do Estado do Rio de Janeiro - UERJ IME - Dept

Leia mais

CONSIDERAÇÕES SOBRE ATIVIDADES DE IDENTIFICAÇÃO, LOCALIZAÇÃO E TRATAMENTO DE DADOS NA CONSTRUÇÃO DE UM DATA WAREHOUSE

CONSIDERAÇÕES SOBRE ATIVIDADES DE IDENTIFICAÇÃO, LOCALIZAÇÃO E TRATAMENTO DE DADOS NA CONSTRUÇÃO DE UM DATA WAREHOUSE CONSIDERAÇÕES SOBRE ATIVIDADES DE IDENTIFICAÇÃO, LOCALIZAÇÃO E TRATAMENTO DE DADOS NA CONSTRUÇÃO DE UM DATA WAREHOUSE Fabio Favaretto Professor adjunto - Programa de Pós Graduação em Engenharia de Produção

Leia mais

SUMÁRIO 1. INTRODUÇÃO... 2 2. O QUE É DATA WAREHOUSE?... 2 3. O QUE DATA WAREHOUSE NÃO É... 4 4. IMPORTANTE SABER SOBRE DATA WAREHOUSE... 5 4.

SUMÁRIO 1. INTRODUÇÃO... 2 2. O QUE É DATA WAREHOUSE?... 2 3. O QUE DATA WAREHOUSE NÃO É... 4 4. IMPORTANTE SABER SOBRE DATA WAREHOUSE... 5 4. SUMÁRIO 1. INTRODUÇÃO... 2 2. O QUE É DATA WAREHOUSE?... 2 3. O QUE DATA WAREHOUSE NÃO É... 4 4. IMPORTANTE SABER SOBRE DATA WAREHOUSE... 5 4.1 Armazenamento... 5 4.2 Modelagem... 6 4.3 Metadado... 6 4.4

Leia mais

Business Intelligence. Business Intelligence. Business Intelligence. Business Intelligence. Business Intelligence

Business Intelligence. Business Intelligence. Business Intelligence. Business Intelligence. Business Intelligence Juntamente com o desenvolvimento desses aplicativos surgiram os problemas: & Data Warehouse July Any Rizzo Oswaldo Filho Década de 70: alguns produtos de BI Intensa e exaustiva programação Informação em

Leia mais

DATA WAREHOUSE. Introdução

DATA WAREHOUSE. Introdução DATA WAREHOUSE Introdução O grande crescimento do ambiente de negócios, médias e grandes empresas armazenam também um alto volume de informações, onde que juntamente com a tecnologia da informação, a correta

Leia mais

Sistemas de Apoio à Decisão (SAD) - Senado

Sistemas de Apoio à Decisão (SAD) - Senado Sistemas de Apoio à Decisão (SAD) - Senado DW OLAP BI Ilka Kawashita Material preparado :Prof. Marcio Vitorino Sumário OLAP Data Warehouse (DW/ETL) Modelagem Multidimensional Data Mining BI - Business

Leia mais

MBA EM BUSINESS INTELLIGENCE

MBA EM BUSINESS INTELLIGENCE MBA EM BUSINESS INTELLIGENCE Como a sua empresa estrutura informações estratégicas? Como as decisões são tomadas? São considerados, dados, informações e tendências, de macroambientes? O quanto você conhece

Leia mais

A importância da. nas Organizações de Saúde

A importância da. nas Organizações de Saúde A importância da Gestão por Informações nas Organizações de Saúde Jorge Antônio Pinheiro Machado Filho Consultor de Negócios www.bmpro.com.br jorge@bmpro.com.br 1. Situação nas Empresas 2. A Importância

Leia mais

Data Warehousing Visão Geral do Processo

Data Warehousing Visão Geral do Processo Data Warehousing Visão Geral do Processo Organizações continuamente coletam dados, informações e conhecimento em níveis cada vez maiores,, e os armazenam em sistemas informatizados O número de usuários

Leia mais

Banco de Dados - Senado

Banco de Dados - Senado Banco de Dados - Senado Exercícios OLAP - CESPE Material preparado: Prof. Marcio Vitorino OLAP Material preparado: Prof. Marcio Vitorino Soluções MOLAP promovem maior independência de fornecedores de SGBDs

Leia mais

Business Intelligence para Computação TítuloForense. Tiago Schettini Batista

Business Intelligence para Computação TítuloForense. Tiago Schettini Batista Business Intelligence para Computação TítuloForense Tiago Schettini Batista Agenda Empresa; Crescimento de Dados; Business Intelligence; Exemplos (CGU, B2T) A empresa Empresa fundada em 2003 especializada

Leia mais

DATA WAREHOUSING. Data Warehousing

DATA WAREHOUSING. Data Warehousing DATA WAREHOUSING Data Warehousing Sumário Conceitos / Autores chave... 3 1. Introdução... 3 2. Modelos de Data Warehouse... 4 3. Processo de Extração, Transformação e Carga de Dados... 6 4. Data Mart versus

Leia mais

Planejamento Estratégico de TI. Prof.: Fernando Ascani

Planejamento Estratégico de TI. Prof.: Fernando Ascani Planejamento Estratégico de TI Prof.: Fernando Ascani Data Warehouse - Conceitos Hoje em dia uma organização precisa utilizar toda informação disponível para criar e manter vantagem competitiva. Sai na

Leia mais

Data Warehouse. Djenane Cristina Silveira dos Santos¹, Felipe Gomes do Prado¹, José Justino Neto¹, Márcia Taliene Alves de Paiva¹

Data Warehouse. Djenane Cristina Silveira dos Santos¹, Felipe Gomes do Prado¹, José Justino Neto¹, Márcia Taliene Alves de Paiva¹ Data Warehouse. Djenane Cristina Silveira dos Santos¹, Felipe Gomes do Prado¹, José Justino Neto¹, Márcia Taliene Alves de Paiva¹ ¹Ciência da Computação Universidade Federal de Itajubá (UNIFEI) MG Brasil

Leia mais

Tópicos Avançados Business Intelligence. Banco de Dados Prof. Otacílio José Pereira. Unidade 10 Tópicos Avançados Business Inteligence.

Tópicos Avançados Business Intelligence. Banco de Dados Prof. Otacílio José Pereira. Unidade 10 Tópicos Avançados Business Inteligence. Tópicos Avançados Business Intelligence Banco de Dados Prof. Otacílio José Pereira Unidade 10 Tópicos Avançados Business Inteligence Roteiro Introdução Níveis organizacionais na empresa Visão Geral das

Leia mais

Data Warehouses. Alunos: Diego Antônio Cotta Silveira Filipe Augusto Rodrigues Nepomuceno Marcos Bastos Silva Roger Rezende Ribeiro Santos

Data Warehouses. Alunos: Diego Antônio Cotta Silveira Filipe Augusto Rodrigues Nepomuceno Marcos Bastos Silva Roger Rezende Ribeiro Santos Data Warehouses Alunos: Diego Antônio Cotta Silveira Filipe Augusto Rodrigues Nepomuceno Marcos Bastos Silva Roger Rezende Ribeiro Santos Conceitos Básicos Data Warehouse(DW) Banco de Dados voltado para

Leia mais

Adriano Maranhão BUSINESS INTELLIGENCE (BI),

Adriano Maranhão BUSINESS INTELLIGENCE (BI), Adriano Maranhão BUSINESS INTELLIGENCE (BI), BUSINESS INTELLIGENCE (BI) O termo Business Intelligence (BI), popularizado por Howard Dresner do Gartner Group, é utilizado para definir sistemas orientados

Leia mais

Aplicação A. Aplicação B. Aplicação C. Aplicação D. Aplicação E. Aplicação F. Aplicação A REL 1 REL 2. Aplicação B REL 3.

Aplicação A. Aplicação B. Aplicação C. Aplicação D. Aplicação E. Aplicação F. Aplicação A REL 1 REL 2. Aplicação B REL 3. Sumário Data Warehouse Modelagem Multidimensional. Data Mining BI - Business Inteligence. 1 2 Introdução Aplicações do negócio: constituem as aplicações que dão suporte ao dia a dia do negócio da empresa,

Leia mais

Data Warehouses Uma Introdução

Data Warehouses Uma Introdução Data Warehouses Uma Introdução Alex dos Santos Vieira, Renaldy Pereira Sousa, Ronaldo Ribeiro Goldschmidt 1. Motivação e Conceitos Básicos Com o advento da globalização, a competitividade entre as empresas

Leia mais

Universidade do Estado de Santa Catarina UDESC Centro de Ciências Tecnológicas CCT Engenharia de Produção e Sistemas Sistemas de Informação (SIN)

Universidade do Estado de Santa Catarina UDESC Centro de Ciências Tecnológicas CCT Engenharia de Produção e Sistemas Sistemas de Informação (SIN) Universidade do Estado de Santa Catarina UDESC Centro de Ciências Tecnológicas CCT Engenharia de Produção e Sistemas Sistemas de Informação (SIN) SISTEMAS COM ERP Profº Adalberto J. Tavares Vieira ERP

Leia mais

Professor: Disciplina:

Professor: Disciplina: Professor: Curso: Esp. Marcos Morais de Sousa marcosmoraisdesousa@gmail.com Sistemas de informação Disciplina: Introdução a SI Noções de sistemas de informação Turma: 01º semestre Prof. Esp. Marcos Morais

Leia mais

Data Warehouse Processos e Arquitetura

Data Warehouse Processos e Arquitetura Data Warehouse - definições: Coleção de dados orientada a assunto, integrada, não volátil e variável em relação ao tempo, que tem por objetivo dar apoio aos processos de tomada de decisão (Inmon, 1997)

Leia mais

PLANO DE ENSINO DO 2º SEMESTRE LETIVO DE 2012

PLANO DE ENSINO DO 2º SEMESTRE LETIVO DE 2012 PLANO DE ENSINO DO 2º SEMESTRE LETIVO DE 2012 Curso: TECNOLOGIA EM GESTÃO COMERCIAL Habilitação: TECNÓLOGO Disciplina: NEGÓCIOS INTELIGENTES (BUSINESS INTELLIGENCE) Período: M V N 4º semestre do Curso

Leia mais

srbo@ufpa.br www.ufpa.br/srbo

srbo@ufpa.br www.ufpa.br/srbo CBSI Curso de Bacharelado em Sistemas de Informação BI Prof. Dr. Sandro Ronaldo Bezerra Oliveira srbo@ufpa.br www.ufpa.br/srbo Tópicos Especiais em Sistemas de Informação Faculdade de Computação Instituto

Leia mais

Thiago Locatelli de OLIVEIRA, Thaynara de Assis Machado de JESUS; Fernando José BRAZ Bolsistas CNPq; Orientador IFC Campus Araquari

Thiago Locatelli de OLIVEIRA, Thaynara de Assis Machado de JESUS; Fernando José BRAZ Bolsistas CNPq; Orientador IFC Campus Araquari DESENVOLVIMENTO DE AMBIENTE PARA A GESTÃO DO CONHECIMENTO RELACIONADO AOS DADOS PRODUZIDOS PELO SISTEMA DE GERENCIAMENTO DE TRANSITO DA CIDADE DE JOINVILLE/SC PARTE I Thiago Locatelli de OLIVEIRA, Thaynara

Leia mais

BUSINESS INTELLIGENCE BI Aplicado à Gestão das Águas Subterrâneas. Frederico Cláudio Peixinho Flávio Luis de Mello 23 a 26 de Outubro de 2012

BUSINESS INTELLIGENCE BI Aplicado à Gestão das Águas Subterrâneas. Frederico Cláudio Peixinho Flávio Luis de Mello 23 a 26 de Outubro de 2012 XVII Congresso Brasileiro de Águas Subterrâneas Bonito - MT Serviço Geológico do Brasil CPRM BUSINESS INTELLIGENCE BI Aplicado à Gestão das Águas Subterrâneas Frederico Cláudio Peixinho Flávio Luis de

Leia mais

KDD E MINERAÇÃO DE DADOS:

KDD E MINERAÇÃO DE DADOS: KDD E MINERAÇÃO DE DADOS: Revisão em Data Warehouses Prof. Ronaldo R. Goldschmidt ronaldo@de9.ime.eb.br rribeiro@univercidade.br geocities.yahoo.com.br/ronaldo_goldschmidt 1 DATA WAREHOUSES UMA VISÃO GERAL

Leia mais

AGILE ROLAP - UMA METODOLOGIA ÁGIL PARA IMPLEMENTAÇÃO DE AMBIENTES DE NEGÓCIOS BASEADO EM SERVIDORES OLAP.

AGILE ROLAP - UMA METODOLOGIA ÁGIL PARA IMPLEMENTAÇÃO DE AMBIENTES DE NEGÓCIOS BASEADO EM SERVIDORES OLAP. AGILE ROLAP - UMA METODOLOGIA ÁGIL PARA IMPLEMENTAÇÃO DE AMBIENTES DE NEGÓCIOS BASEADO EM SERVIDORES OLAP. Luan de Souza Melo (Fundação Araucária), André Luís Andrade Menolli (Orientador), Ricardo G. Coelho

Leia mais

Business Intelligence aplicado a área da saúde: potencializando a tomada de decisão

Business Intelligence aplicado a área da saúde: potencializando a tomada de decisão Business Intelligence aplicado a área da saúde: potencializando a tomada de decisão Daiane Kelly de Oliveira 1, Dorirley Rodrigo Alves 1 1 Instituto de Ciências Exatas e Informática PUC Minas Campus Guanhães

Leia mais

Resumo dos principais conceitos. Resumo dos principais conceitos. Business Intelligence. Business Intelligence

Resumo dos principais conceitos. Resumo dos principais conceitos. Business Intelligence. Business Intelligence É um conjunto de conceitos e metodologias que, fazem uso de acontecimentos e sistemas e apoiam a tomada de decisões. Utilização de várias fontes de informação para se definir estratégias de competividade

Leia mais

Business Intelligence Um enfoque gerencial para a Inteligência do Negócio.Efrain Turban e outros.tradução. Bookman, 2009.

Business Intelligence Um enfoque gerencial para a Inteligência do Negócio.Efrain Turban e outros.tradução. Bookman, 2009. REFERÊNCIAS o o Business Intelligence Um enfoque gerencial para a Inteligência do Negócio.Efrain Turban e outros.tradução. Bookman, 2009. Competição Analítica - Vencendo Através da Nova Ciência Davenport,

Leia mais

Interatividade aliada a Análise de Negócios

Interatividade aliada a Análise de Negócios Interatividade aliada a Análise de Negócios Na era digital, a quase totalidade das organizações necessita da análise de seus negócios de forma ágil e segura - relatórios interativos, análise de gráficos,

Leia mais

Arquitetura de Disseminação de Informações baseada em Datawarehouse 05/04/2006

Arquitetura de Disseminação de Informações baseada em Datawarehouse 05/04/2006 Arquitetura de Disseminação de Informações baseada em Datawarehouse 05/04/2006 Agenda A Informal Perspectiva Histórica Modelos de Arquitetura Benefícios para Gestão Caso de Referência Agenda A Informal

Leia mais

Prof. Ronaldo R. Goldschmidt. ronaldo.rgold@gmail.com

Prof. Ronaldo R. Goldschmidt. ronaldo.rgold@gmail.com DATA WAREHOUSES UMA INTRODUÇÃO Prof. Ronaldo R. Goldschmidt ronaldo.rgold@gmail.com 1 DATA WAREHOUSES UMA INTRODUÇÃO Considerações Iniciais Conceitos Básicos Modelagem Multidimensional Projeto de Data

Leia mais

Soluções de Inteligência de Negócio e Mercado

Soluções de Inteligência de Negócio e Mercado Soluções de Inteligência de Negócio e Mercado Fernando Garre e Majela Fortes Especialistas em consultoria de Business Intelligence / Data Warehouse Consultoria focada nas Soluções de Business Intelligence

Leia mais

BUSINESS INTELLIGENCE Prof. Fabio Purcino

BUSINESS INTELLIGENCE Prof. Fabio Purcino Aula Teste BUSINESS INTELLIGENCE Prof. Fabio Purcino Faça o download desta aula Use um leitor de QR Code Definição Business Intelligence é um conjunto de conceitos e técnicas que buscam extrair conhecimento

Leia mais

ACOMPANHAMENTO TESTE 6. Fonte: Carlos Barbieri. Fonte: Carlos Barbieri

ACOMPANHAMENTO TESTE 6. Fonte: Carlos Barbieri. Fonte: Carlos Barbieri PÓS-GRADUAÇÃO LATO SENSU Curso: Banco de Dados Disciplina: Data Warehouse e Business Intelligence Professor: Fernando Zaidan Unidade 2.1 - Cubos 2012 ACOMPANHAMENTO IMPLEMENTAÇÃO 8 7 9 TESTE 6 CONSTRUÇÃO

Leia mais

Bloco Administrativo

Bloco Administrativo Bloco Administrativo BI Business Intelligence Objetivo O objetivo deste artigo é dar uma visão geral sobre o Módulo Business Intelligence, que se encontra no Bloco Administrativo. Todas informações aqui

Leia mais

FUNDAMENTOS DE SISTEMAS DE INFORMAÇÃO

FUNDAMENTOS DE SISTEMAS DE INFORMAÇÃO @ribeirord FUNDAMENTOS DE SISTEMAS DE INFORMAÇÃO Rafael D. Ribeiro, M.Sc,PMP. rafaeldiasribeiro@gmail.com http://www.rafaeldiasribeiro.com.br Lembrando... Aula 4 1 Lembrando... Aula 4 Sistemas de apoio

Leia mais

Capítulo 1 - A revolução dos dados, da informação e do conhecimento 1 B12 4

Capítulo 1 - A revolução dos dados, da informação e do conhecimento 1 B12 4 Sumário Capítulo 1 - A revolução dos dados, da informação e do conhecimento 1 B12 4 Capítulo 2 - Reputação corporativa e uma nova ordem empresarial 7 Inovação e virtualidade 9 Coopetição 10 Modelos plurais

Leia mais

Thalita Moraes PPGI Novembro 2007

Thalita Moraes PPGI Novembro 2007 Thalita Moraes PPGI Novembro 2007 A capacidade dos portais corporativos em capturar, organizar e compartilhar informação e conhecimento explícito é interessante especialmente para empresas intensivas

Leia mais

Sistemas de Apoio à Inteligência do Negócio

Sistemas de Apoio à Inteligência do Negócio Sistemas de Apoio à Inteligência do Negócio http://www.uniriotec.br/~tanaka/sain tanaka@uniriotec.br Visão Geral de Business Intelligence Evolução dos Sistemas de Informação (computadorizados) 1950 s:

Leia mais

Business Intelligence

Business Intelligence 1/ 24 Business Intelligence Felipe Ferreira 1 Nossa empresa Jornal O Globo Jornais Populares Parcerias Grupo Folha Grupo Estado 2 1 Fundada em 1925 3100 funcionários 2 Parques Gráficos e SP Globo: 220

Leia mais

Faculdade Pitágoras Curso Superior de Tecnologia: Banco de Dados

Faculdade Pitágoras Curso Superior de Tecnologia: Banco de Dados Faculdade Pitágoras Curso Superior de Tecnologia: Banco de Dados Disciplina: Ferramentaspara Tomadade Decisão Prof.: Fernando Hadad Zaidan Unidade 1.2 1 Conceitos Iniciais Tomada de Decisão, Modelagem

Leia mais

Business Intelligence e ferramentas de suporte

Business Intelligence e ferramentas de suporte O modelo apresentado na figura procura enfatizar dois aspectos: o primeiro é sobre os aplicativos que cobrem os sistemas que são executados baseados no conhecimento do negócio; sendo assim, o SCM faz o

Leia mais

Processo Decisório, OLAP e Relatórios Corporativos OLAP E RELATÓRIOS CORPORATIVOS

Processo Decisório, OLAP e Relatórios Corporativos OLAP E RELATÓRIOS CORPORATIVOS Processo Decisório, OLAP e Relatórios Corporativos OLAP E RELATÓRIOS CORPORATIVOS Sumário Conceitos/Autores chave... 3 1. Introdução... 5 2. OLAP... 6 3. Operações em OLAP... 8 4. Arquiteturas em OLAP...

Leia mais

MODELAGEM GRÁFICA DE DATA WAREHOUSES E DATA MARTS USANDO UML

MODELAGEM GRÁFICA DE DATA WAREHOUSES E DATA MARTS USANDO UML 1 MODELAGEM GRÁFICA DE DATA WAREHOUSES E DATA MARTS USANDO UML JOANA SCHEEREN Porto Alegre 2009 2 JOANA SCHEEREN MODELAGEM GRÁFICA DE DATA WAREHOUSES E DATA MARTS USANDO UML Trabalho de Conclusão de Curso

Leia mais

Assessoria Técnica de Tecnologia da Informação - ATTI SIGA SAÚDE - BUSINESS INTELLIGENCE BI SIGA-SP. Manual de Orientação

Assessoria Técnica de Tecnologia da Informação - ATTI SIGA SAÚDE - BUSINESS INTELLIGENCE BI SIGA-SP. Manual de Orientação Assessoria Técnica de Tecnologia da Informação - ATTI SIGA SAÚDE - BUSINESS INTELLIGENCE BI SIGA-SP Versão 1 Manual de Orientação Conteúdo 1. Introdução 3 2. Abrangência 4 3. Vagas 5 4. Fila de Espera

Leia mais

Uma estrutura (framework) para o Business Intelligence (BI)

Uma estrutura (framework) para o Business Intelligence (BI) Uma estrutura conceitural para suporteà decisão que combina arquitetura, bancos de dados (ou data warehouse), ferramentas analíticas e aplicações Principais objetivos: Permitir o acesso interativo aos

Leia mais

Aplicando Técnicas de Business Intelligence sobre dados de desempenho Acadêmico: Um estudo de caso

Aplicando Técnicas de Business Intelligence sobre dados de desempenho Acadêmico: Um estudo de caso Aplicando Técnicas de Business Intelligence sobre dados de desempenho Acadêmico: Um estudo de caso Ana Magela Rodriguez Almeida 1, Sandro da Silva Camargo 1 1 Curso Engenharia de Computação Universidade

Leia mais

BANCO DE DADOS DISTRIBUÍDOS e DATAWAREHOUSING

BANCO DE DADOS DISTRIBUÍDOS e DATAWAREHOUSING BANCO DE DADOS DISTRIBUÍDOS e DATAWAREHOUSING http://www.uniriotec.br/~tanaka/tin0036 tanaka@uniriotec.br Introdução a Data Warehousing e OLAP Introdução a Data Warehouse e Modelagem Dimensional Visão

Leia mais

BUSINESS INTELLIGENCE, O ELEMENTO CHAVE PARA O SUCESSO DAS ORGANIZAÇÕES.

BUSINESS INTELLIGENCE, O ELEMENTO CHAVE PARA O SUCESSO DAS ORGANIZAÇÕES. Encontro de Ensino, Pesquisa e Extensão, Presidente Prudente, 22 a 25 de outubro, 2012 88 BUSINESS INTELLIGENCE, O ELEMENTO CHAVE PARA O SUCESSO DAS ORGANIZAÇÕES. Andrios Robert Silva Pereira, Renato Zanutto

Leia mais

Projeto de Data Warehousing sobre Informações em Saúde para dar Suporte a Análise de Faturamento Hospitalar

Projeto de Data Warehousing sobre Informações em Saúde para dar Suporte a Análise de Faturamento Hospitalar Projeto de Data Warehousing sobre Informações em Saúde para dar Suporte a Análise de Faturamento Hospitalar Newton Shydeo Brandão Miyoshi Joaquim Cezar Felipe Grupo de Informática Biomédica Departamento

Leia mais

Data Warehouse: uma classificação de seus Custos e Benefícios

Data Warehouse: uma classificação de seus Custos e Benefícios Data Warehouse: uma classificação de seus Custos e Benefícios Marcos Paulo Kohler Caldas (CEFET-ES/CEFET-PR) marcospaulo@cefetes.br Prof. Dr. Luciano Scandelari (CEFET-PR) luciano@cefetpr.br Prof. Dr.

Leia mais

BUSINESS INTELLIGENCE -Inteligência nos Negócios-

BUSINESS INTELLIGENCE -Inteligência nos Negócios- UNIVERSIDADE SÃO FRANCISCO CENTRO DE CIÊNCIAS JURÍDICAS, HUMANAS E SOCIAIS BUSINESS INTELLIGENCE -Inteligência nos Negócios- Curso: Administração Hab. Sistemas de Informações Disciplina: Gestão de Tecnologia

Leia mais

Apresentação do Portfólio da ITWV Soluções Inteligentes em Tecnologia

Apresentação do Portfólio da ITWV Soluções Inteligentes em Tecnologia P ORTFÓ FÓLIO Apresentação do Portfólio da ITWV Soluções Inteligentes em Tecnologia versão 1.1 ÍNDICE 1. A EMPRESA... 3 2. BI (BUSINESS INTELLIGENCE)... 5 3. DESENVOLVIMENTO DE SISTEMAS... 6 3.1. PRODUTOS

Leia mais

Business Intelligence Conceitos, Metodologia de Desenvolvimento e Exemplos de BI

Business Intelligence Conceitos, Metodologia de Desenvolvimento e Exemplos de BI Matriz: Av. Caçapava, 527 CEP 90.460-130 Tecnopuc: Av. Ipiranga, 6681 Prédio 32 Sala 109 CEP 90.619-900 Porto Alegre - RS, Brasil Contate-nos: +55 (51) 3330.7777 contato@dbccompany.com.br www.dbccompany.com.br

Leia mais

Contrata Consultor na modalidade Produto

Contrata Consultor na modalidade Produto Contrata Consultor na modalidade Produto PROJETO 914BRA/1123 FNDE -EDITAL Nº 01/2009 1. Perfil: Consultor ESPECIALISTA EM PLANO DE METAS ANALISTA PROGRAMADOR DELPHI - Código 1 - CGETI. 2. Nº de vagas:

Leia mais

Uma análise multidimensional dos dados estratégicos da empresa usando o recurso OLAP do Microsoft Excel

Uma análise multidimensional dos dados estratégicos da empresa usando o recurso OLAP do Microsoft Excel Uma análise multidimensional dos dados estratégicos da empresa usando o recurso OLAP do Microsoft Excel Carlos Alberto Ferreira Bispo (AFA) cafbispo@siteplanet.com.br Daniela Gibertoni (FATECTQ) daniela@fatectq.com.br

Leia mais

ANEXO I TERMO DE REFERÊNCIA SISTEMA DE INFORMAÇÃO EM SAÚDE

ANEXO I TERMO DE REFERÊNCIA SISTEMA DE INFORMAÇÃO EM SAÚDE ANEXO I TERMO DE REFERÊNCIA SISTEMA DE INFORMAÇÃO EM SAÚDE 1. OBJETO 1.1. Contratação de empresa especializada na construção de Data Warehouse/Data Marts, culminando na criação do SIS - Sistema de Informação

Leia mais

Módulo 5. Implementando Cubos OLAP

Módulo 5. Implementando Cubos OLAP Módulo 5. Implementando Cubos OLAP Objetivos Compreender a importância da manipulação correta da segurança nos dados. Conhecer as operações que podem ser realizadas na consulta de um cubo. Entender o uso

Leia mais

Uma aplicação de Data Warehouse para análise do processo de coleta de sangue e de medula óssea

Uma aplicação de Data Warehouse para análise do processo de coleta de sangue e de medula óssea Uma aplicação de Data Warehouse para análise do processo de coleta de sangue e de medula óssea Rogério de Torres Pelito, Gleise Celeste Gonzaga Pereira, Diana Maria da Silva de Souza, André Luiz Alves

Leia mais

Universidade de Brasília Departamento de Ciência da Informação e Documentação Profa.:Lillian Alvares

Universidade de Brasília Departamento de Ciência da Informação e Documentação Profa.:Lillian Alvares Universidade de Brasília Departamento de Ciência da Informação e Documentação Profa.:Lillian Alvares Comunidades de Prática Grupos informais e interdisciplinares de pessoas unidas em torno de um interesse

Leia mais

Chapter 3. Análise de Negócios e Visualização de Dados

Chapter 3. Análise de Negócios e Visualização de Dados Chapter 3 Análise de Negócios e Visualização de Dados Objetivos de Aprendizado Descrever a análise de negócios (BA) e sua importância par as organizações Listar e descrever brevemente os principais métodos

Leia mais

Pós-Graduação MBA em Inteligência Competitiva com Business Intelligence(BI) Banco de Dados para BI 2011-11

Pós-Graduação MBA em Inteligência Competitiva com Business Intelligence(BI) Banco de Dados para BI 2011-11 Pós-Graduação MBA em Inteligência Competitiva com Business Intelligence(BI) Banco de Dados para BI 2011-11 Apresentação José Roberto Escodeiro Formação Acadêmica Mestre, Eng. de Produção, Ufscar, 2009,

Leia mais

Uma peça estratégica para o seu negócio

Uma peça estratégica para o seu negócio Uma peça estratégica para o seu negócio INFORMAÇÃO GERAL DA EMPRESA CASO DE SUCESSO EM IMPLEMENTAÇÃO BI PERGUNTAS E RESPOSTAS Fundada em 1997, Habber Tec é uma empresa especializada na oferta de soluções

Leia mais

5 Estudo de Caso. 5.1. Material selecionado para o estudo de caso

5 Estudo de Caso. 5.1. Material selecionado para o estudo de caso 5 Estudo de Caso De modo a ilustrar a estruturação e representação de conteúdos educacionais segundo a proposta apresentada nesta tese, neste capítulo apresentamos um estudo de caso que apresenta, para

Leia mais

Data Warehouse. Debora Marrach Renata Miwa Tsuruda

Data Warehouse. Debora Marrach Renata Miwa Tsuruda Debora Marrach Renata Miwa Tsuruda Agenda Introdução Contexto corporativo Agenda Introdução Contexto corporativo Introdução O conceito de Data Warehouse surgiu da necessidade de integrar dados corporativos

Leia mais

Compartilhe. Desmistificando o BI Conceitos, estruturas e principais ferramentas

Compartilhe. Desmistificando o BI Conceitos, estruturas e principais ferramentas Desmistificando o BI Conceitos, estruturas e principais ferramentas INTRODUÇÃO Compartilhe Este e-book tem a intenção de trazer algumas informações básicas sobre BI, características de tipos de arquitetura,

Leia mais

Programa do Curso de Pós-Graduação Lato Sensu MBA em Business Intelligence (BI)

Programa do Curso de Pós-Graduação Lato Sensu MBA em Business Intelligence (BI) Programa do Curso de Pós-Graduação Lato Sensu MBA em Business Intelligence (BI) Apresentação O programa de Pós-graduação Lato Sensu em Business Intelligence Inteligência Competitiva tem por fornecer conhecimento

Leia mais

ANEXOS - EDITAL Nº. 01

ANEXOS - EDITAL Nº. 01 ANEXOS - EDITAL Nº. 01 ANEXO 1 1. TÍTULO DO PROJETO DE Criação de um Data Warehouse do IFS, campus Lagarto, a partir do delineamento do perfil discente da instituição. 2. PROGRAMA: PIBITI 3. RESUMO DO

Leia mais

Arquiteturas de DW e Abordagens de Implementação. Arquiteturas e Abordagens de Implementação

Arquiteturas de DW e Abordagens de Implementação. Arquiteturas e Abordagens de Implementação Curso de Dwing TecBD-DI PUC-Rio Prof. Rubens Melo Arquiteturas de DW e Abordagens de Implementação Arquiteturas e Abordagens de Implementação Arquitetura adequada é fundamental Infra-estrutura disponível

Leia mais

Universidade de Brasília. Departamento de Ciência da Informação e Documentação. Prof a.:lillian Alvares

Universidade de Brasília. Departamento de Ciência da Informação e Documentação. Prof a.:lillian Alvares Universidade de Brasília Departamento de Ciência da Informação e Documentação Prof a.:lillian Alvares Fóruns óu s/ Listas de discussão Espaços para discutir, homogeneizar e compartilhar informações, idéias

Leia mais

Palavras-chave: On-line Analytical Processing, Data Warehouse, Web mining.

Palavras-chave: On-line Analytical Processing, Data Warehouse, Web mining. BUSINESS INTELLIGENCE COM DADOS EXTRAÍDOS DO FACEBOOK UTILIZANDO A SUÍTE PENTAHO Francy H. Silva de Almeida 1 ; Maycon Henrique Trindade 2 ; Everton Castelão Tetila 3 UFGD/FACET Caixa Postal 364, 79.804-970

Leia mais

Esri Maps para Inteligência de Negócios Conceitos e Produtos Esri. Rodrigo Barrionuevo

Esri Maps para Inteligência de Negócios Conceitos e Produtos Esri. Rodrigo Barrionuevo Esri Maps para Inteligência de Negócios Conceitos e Produtos Esri Rodrigo Barrionuevo O que é Business Intelligence? Plataforma apoio a decisão Online Analytic Process OLAP Reporting & Ad Hoc Query Business

Leia mais

UNIVERSIDADE FEDERAL DE MINAS GERAIS BACHARELADO EM SISTEMAS DE INFORMAÇÃO

UNIVERSIDADE FEDERAL DE MINAS GERAIS BACHARELADO EM SISTEMAS DE INFORMAÇÃO UNIVERSIDADE FEDERAL DE MINAS GERAIS BACHARELADO EM SISTEMAS DE INFORMAÇÃO Proposta de Formação Complementar: BUSINESS INTELLIGENCE E SUA APLICAÇÃO À GESTÃO Aluno: Yussif Tadeu de Barcelos Solange Teixeira

Leia mais

Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan

Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan Faculdade INED Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan 1 Unidade 4.2 2 1 BI BUSINESS INTELLIGENCE BI CARLOS BARBIERI

Leia mais

Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan

Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan Faculdade INED Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan 1 Unidade 4.3 2 1 BI BUSINESS INTELLIGENCE BI CARLOS BARBIERI

Leia mais

Laudon & Laudon Essentials of MIS, 5th Edition. Pg. 1.1

Laudon & Laudon Essentials of MIS, 5th Edition. Pg. 1.1 Laudon & Laudon Essentials of MIS, 5th Edition. Pg. 1.1 SISTEMA DE APOIO À DECISÃO Grupo: Denilson Neves Diego Antônio Nelson Santiago Sabrina Dantas CONCEITO É UM SISTEMA QUE AUXILIA O PROCESSO DE DECISÃO

Leia mais

Data Warehousing. Leonardo da Silva Leandro. CIn.ufpe.br

Data Warehousing. Leonardo da Silva Leandro. CIn.ufpe.br Data Warehousing Leonardo da Silva Leandro Agenda Conceito Elementos básicos de um DW Arquitetura do DW Top-Down Bottom-Up Distribuído Modelo de Dados Estrela Snowflake Aplicação Conceito Em português:

Leia mais

DESMISTIFICANDO O CONCEITO DE ETL

DESMISTIFICANDO O CONCEITO DE ETL DESMISTIFICANDO O CONCEITO DE ETL Fábio Silva Gomes da Gama e Abreu- FSMA Resumo Este artigo aborda os conceitos de ETL (Extract, Transform and Load ou Extração, Transformação e Carga) com o objetivo de

Leia mais

Faculdade Pitágoras PROJETO DE DW FASES FCS-EM PROJETOS DE DW 08/02/2012. Unidade 2.1. Curso Superior de Tecnologia: Banco de Dados

Faculdade Pitágoras PROJETO DE DW FASES FCS-EM PROJETOS DE DW 08/02/2012. Unidade 2.1. Curso Superior de Tecnologia: Banco de Dados Faculdade Pitágoras Curso Superior de Tecnologia: Banco de Dados Disciplina: Ferramentaspara Tomada de Decisão 2 DataWarehouse Unidade 2.1 2.1 Conceitos fundamentais e Cubos Prof.: Fernando Hadad Zaidan

Leia mais

Conversão de Base de Dados Relacional para Dimensional para Business Intelligence Utilizando Banco de Dados Mysql

Conversão de Base de Dados Relacional para Dimensional para Business Intelligence Utilizando Banco de Dados Mysql Conversão de Base de Dados Relacional para Dimensional para Business Intelligence Utilizando Banco de Dados Mysql Carlos H. Cardoso 1, Roberto D Nebo 1, Luis A. da Silva 1 1 Curso de Tecnologia em Banco

Leia mais

Fornecendo Inteligência, para todo o mundo, a mais de 20 anos.

Fornecendo Inteligência, para todo o mundo, a mais de 20 anos. Fornecendo Inteligência, para todo o mundo, a mais de 20 anos. Fundada em 1989, a MicroStrategy é fornecedora líder Mundial de plataformas de software empresarial. A missão é fornecer as plataformas mais

Leia mais

Data Warehouse. Diogo Matos da Silva 1. Universidade Federal de Ouro Preto, Ouro Preto, MG, Brasil. Banco de Dados II

Data Warehouse. Diogo Matos da Silva 1. Universidade Federal de Ouro Preto, Ouro Preto, MG, Brasil. Banco de Dados II Data Warehouse Diogo Matos da Silva 1 1 Departamento de Computação Universidade Federal de Ouro Preto, Ouro Preto, MG, Brasil Banco de Dados II Diogo Matos (DECOM - UFOP) Banco de Dados II Jun 2013 1 /

Leia mais

Presidente do Quality Assurance Institute QAI Brasil Presidente do International Function Point Users Group IFPUG. Definindo e Alcançando Objetivos

Presidente do Quality Assurance Institute QAI Brasil Presidente do International Function Point Users Group IFPUG. Definindo e Alcançando Objetivos Derivação de Métricas para Projetos de BI Mauricio Aguiar ti MÉTRICAS Presidente do Quality Assurance Institute QAI Brasil Presidente do International Function Point Users Group IFPUG www.metricas.com.br

Leia mais

Data Warehouse a experiência da ANVISA

Data Warehouse a experiência da ANVISA Data Warehouse a experiência da ANVISA Camilo Mussi, Denis Murahovschi, Giliana Bettni, Luiz Gustavo Kratz Assessoria da Presidência, Agência Nacional de Vigilância Sanitária (ANVISA), Brasil Resumo -

Leia mais

Universidade de Brasília. Faculdade de Ciência da Informação. Profa. Lillian Alvares

Universidade de Brasília. Faculdade de Ciência da Informação. Profa. Lillian Alvares Universidade de Brasília Faculdade de Ciência da Informação Profa. Lillian Alvares Fóruns / Listas de discussão Espaços para discutir, homogeneizar e compartilhar informações, idéias e experiências que

Leia mais

Complemento I - Noções Introdutórias em Data Warehouses

Complemento I - Noções Introdutórias em Data Warehouses Complemento I - Noções Introdutórias em Data Warehouses Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações

Leia mais

GUIA DE FUNCIONAMENTO DA UNIDADE CURRICULAR

GUIA DE FUNCIONAMENTO DA UNIDADE CURRICULAR Curso Engenharia Informática Ano letivo 2012/13 Unidade Curricular Bases de Dados II ECTS 6 Regime Obrigatório Ano 2º Semestre 1º sem Horas de trabalho globais Docente (s) José Carlos Fonseca Total 168

Leia mais

Universidade de Brasília. Faculdade de Ciência da Informação. Prof a Lillian Alvares

Universidade de Brasília. Faculdade de Ciência da Informação. Prof a Lillian Alvares Universidade de Brasília Faculdade de Ciência da Informação Prof a Lillian Alvares Fóruns Comunidades de Prática Mapeamento do Conhecimento Portal Intranet Extranet Banco de Competências Memória Organizacional

Leia mais