UNIVERSIDADE DO EXTREMO SUL CATARINENSE - UNESC CURSO DE PÓS-GRADUAÇÃO ESPECIALIZAÇÃO EM MBA EM GESTÃO EMPRESARIAL DÉBORA EULÁLIA TANQUELLA GOMES

Tamanho: px
Começar a partir da página:

Download "UNIVERSIDADE DO EXTREMO SUL CATARINENSE - UNESC CURSO DE PÓS-GRADUAÇÃO ESPECIALIZAÇÃO EM MBA EM GESTÃO EMPRESARIAL DÉBORA EULÁLIA TANQUELLA GOMES"

Transcrição

1 UNIVERSIDADE DO EXTREMO SUL CATARINENSE - UNESC CURSO DE PÓS-GRADUAÇÃO ESPECIALIZAÇÃO EM MBA EM GESTÃO EMPRESARIAL DÉBORA EULÁLIA TANQUELLA GOMES AVALIAÇÃO DE UMA FERRAMENTA DE BUSINESS INTELLIGENCE PARA SUPORTE À DECISÃO CRICIÚMA, NOVEMBRO DE 2007

2 1 DÉBORA EULÁLIA TANQUELLA GOMES AVALIAÇÃO DE UMA FERRAMENTA DE BUSINESS INTELLIGENCE PARA SUPORTE À DECISÃO Monografia apresentada a Diretoria de Pós- Graduação da Universidade do Extremo Sul Catarinense UNESC, para obtenção do título de especialista em MBA em Gestão Empresarial. Orientador: Dr. Stanley Loh CRICIÚMA, NOVEMBRO DE 2007

3 2 Dedico este trabalho ao querido e tão desejado bebê que estou esperando. Que nos traga muita alegria.

4 3 AGRADECIMENTOS Agradeço ao Professor Dr. Stanley Loh, pela orientação neste trabalho. Aos meus pais, e meu esposo Rodrigo.

5 4 RESUMO A crescente preocupação com a tomada de decisão nas organizações deparou-se com um problema também crescente: o volume de informações de nível operacional existente nos diversos sistemas distribuídos pelas organizações. As empresas possuem muita informação a nível operacional nos sistemas, porém nem sempre é possível acessá-las de uma forma mais gerencial. Para obter informações gerenciais de uma maneira rápida e de fácil manuseio, a fim de ajudar nas tomadas de decisão, as empresas podem empregar a utilização da solução de BI - Business Intelligence, com o conceito de inteligência nos negócios. Este trabalho apresenta um estudo de caso de uma implantação de uma ferramenta de BI realizada na empresa Carbonífera Criciúma S/A, a fim de melhorar o processo de tomada de decisão. O trabalho descreve as principais características do BI, bem como todo o processo de implantação, validação e análise das informações. As informações obtidas com a ferramenta escolhida permitiram à empresa melhoras nos procedimentos internos, nas análises de novas estratégias de mercado bem como uma grande melhora no processo de tomada de decisão. Palavras-chave: Business Intelligence; Data Warehouse; Tomada de Decisão.

6 5 LISTA DE ILUSTRAÇÕES Figura 1: Exemplo de Tabela no BI...26 Figura 2: Exemplo de Gráfico no BI...27 Figura 3: Exemplo de Mapa no BI...28 Figura 4: Detalhamento de uma consulta...29 Figura 5: Destacando Informações...30 Figura 6: Destacando Informações...30 Figura 7: Agrupando Informações...31 Figura 8: Agrupando Informações...32 Figura 9: Configurando Valores...33 Figura 10: Faixas e Períodos...33 Figura 11: Configurando Fórmulas...34 Figura 12: Cubos Virtuais...34 Figura 13: Cubos Virtuais...35 Figura 14: Indicadores...35 Figura 15: Indicadores...36 Figura 16: Exemplo de Alerta...37 Figura 17: Exemplo de Alerta...37 Figura 18: Exemplo de Alerta...38 Figura 19: Favoritos...38 Figura 20: Classificação de Valores...39 Figura 21: Exportar Consultas...40 Figura 22: Exportar Consultas...41 Figura 23: Exportar Consultas...41 Figura 24: Filtros...42 Figura 25: Construção de Consultas...43 Figura 26: Ferramenta de Busca...43 Figura 27: Configurar Tarefas...44 Figura 28: Agendar Tarefas...45 Figura 29: Configurar Detalhamento...46 Figura 30: Monitorar Tarefas...47 Figura 31: Representação de um Cubo...48

7 6 Figura 32: Cubo Editado...49 Figura 33: Indicador de Consumo de Memória...50 Figura 34: Detalhamento de um Cubo...51 Figura 35: Tabela HUR_DTS_Employee no banco Stage...53 Figura 36: Tabela MAT_DTS_Receiving_Fact no banco Stage...54 Figura 37: Programa Extrator...54 Figura 38: Extrator Editado...55 Figura 39: Dados da Tabela MAT_DTS_Receiving - Banco DataWarehouse...56 Figura 40: Campos da Tabela MAT_DTS_Receiving - Banco DataWarehouse...56 Figura 41: Campos da Tabela MAT_DTS_Receiving Stage...57 Figura 42: Conteúdo do arquivo texto MAT_DTS_FACT.txt...57

8 7 SUMÁRIO 1 INTRODUÇÃO Justificativa Tema Problema Objetivos Objetivo geral Objetivos específicos REVISÃO DE LITERATURA Os Dados e as Informações nas Empresas A Evolução da Informação nos Sistemas A Gestão do Conhecimento (Knowledge Management) Inteligência Competitiva (CI Competitive Intelligence) Business Intelligence Ferramentas e Estrutura de Business Intelligence Data Warehouse e Data Mart ODS (Operacional Data Store) OLAP (On-Line Analytical Processing) Modelo Dimensional Data Mining ESTUDO DE CASO A Empresa Escolha e Motivação pelo Business Intelligence O Projeto de Business Intelligence O processo de implantação da solução de Business Intelligence na Carbonífera Criciúma Descrição e Visão Geral da Ferramenta Funcionalidades Administrando o Datasul BI Arquitetura Cubos Data Marts Extração, Cargas e Transformação de Dados... 51

9 8 3.9 Ganhos Efetivos com a Solução de Business Intelligence Os Objetivos Alcançados e os Problemas Solucionados CONCLUSÃO REFERÊNCIAS... 62

10 9 1 INTRODUÇÃO 1.1 Justificativa No atual cenário competitivo, onde um dos diferenciais é o conhecimento das informações do negócio e a perfeita análise delas, a tomada de decisão passou a ser fundamental para as organizações. Neste aspecto, a área de Tecnologia da Informação vem contribuir provendo uma solução que busca integrar todas as informações disponíveis em sistemas de gestão empresarial e outros sistemas da empresa: trata-se de Business Intelligence (Inteligência de Negócios). Este tipo de solução visa agrupar e apresentar as informações das mais variadas áreas, possibilitando a análise por meio de relatórios e telas criadas pelos próprios usuários, de acordo com suas necessidades específicas, podendo assim, analisar situações passadas, atuais e futuras. Com este trabalho, serão evidenciados os objetivos e as características de implantação de uma solução de Business Intelligence, bem como seus ganhos. 1.2 Tema decisão. Avaliação de uma ferramenta de Business Intelligence para suporte à 1.2 Problema De que forma uma ferramenta de Business Intelligence pode contribuir para a melhoria dos resultados na empresa? 1.4 Objetivos Objetivo geral Analisar o uso e os resultados obtidos com a implantação de uma Ferramenta de Business Intelligence em uma empresa de extração de carvão

11 10 mineral Objetivos específicos Acompanhar a implantação/instalação de uma ferramenta de Business Intelligence. Avaliar a integridade dos dados que a ferramenta traz para a tomada de decisão. Analisar os resultados e a usabilidade da ferramenta. Demonstrar as vantagens e os benefícios obtidos com o uso da ferramenta.

12 11 2 REVISÃO DA LITERATURA 2.1 Os Dados e as Informações nas Empresas Oliveira (1998, p. 05) nos diz que enquanto os dados operacionais estão focados normalmente em uma só área, os dados informacionais freqüentemente se relacionam a um número diferente de áreas e precisam relacionar grande quantidade de dados operacionais. Já Cassarro (2001, p. 35) nos traz que: As informações podem ser operacionais ou gerenciais. Operacionais, é a necessária à realização de uma função, de uma operação. São os dados que alimentam o sistema. Informação gerencial é todo resumo de informações operativas que chega até um gerente, pondo-o a par de algo de sua competência, permitindo-lhe tomar uma decisão. Os sistemas de informações gerenciais devem fornecer informações de que os gestores necessitam para assim, tomarem suas decisões. As informações devem ser concebidas e processadas com base nos princípios e procedimentos de gestão da empresa. A informação é fundamental no apoio às estratégias e processos de tomada de decisão, bem como no controle das operações empresariais. Sua utilização representa uma intervenção no processo de gestão, podendo, inclusive, provocar mudanças organizacionais, à medida que afeta os diversos elementos que compõem o sistema de gestão (BEUREN, 1998, p. 43). As informações exercem assim, um papel cada vez mais decisório nas empresas para que as mesmas se adaptem aos novos paradigmas do mercado globalizado. É indiscutível a importância das informações em cada uma das fases do processo de tomadas de decisões (CASSARRO, 2001, p. 41). Ainda de acordo com Cassarro (2001, p. 45): As informações podem ser internas quando produzidas dentro da própria empresa, pelos vários procedimentos internos, podem ser externas, vindas das instituições públicas ou privadas com as quais a empresa mantém contatos ou realiza negócios. São externas também as informações que a empresa busca no mercado, de modo a conhecer o cenário atual em que opera e, a partir deste conhecimento, ser capaz de desenvolver cenários futuros alternativos.

13 12 Vemos assim, que as empresas estão em constante troca de informações, ora como fornecedores, ora como clientes. O desafio maior da informação é o de habilitar os gestores a alcançar os objetivos propostos para a organização, por meio do uso eficiente dos recursos disponíveis (BEUREN, 1998, p. 43). 2.2 A Evolução da Informação nos Sistemas Cassarro (2001, p. 34) diz que: [...] é de conselho geral que a informação é ao mesmo tempo matéria-prima e produto acabado da atividade de sistemas. E sabe-se também que a informação adequadamente estruturada - contribui para que a empresa se torne mais e mais dinâmica, a ponto de afirmarmos que tanto mais dinâmica será uma empresa quanto melhores e mais adequadas forem as informações de que os gerentes dispõem para as suas tomadas de decisão. Nos anos 70, alguns estudiosos diziam que os dados seriam responsáveis por uma revolução na sociedade. Embora, ainda funcionavam sob um foco mais tecnológico do que negocial. A primeira geração de sistemas de Gerência de Dados havia surgido com um modelo hierárquico estruturado e em níveis. Nos anos 80, surgiu a administração dos dados e o modelo relacional, trocando a rigidez das estruturas hierárquicas pela flexibilidade das relações. Nos anos 90 o ponto alto foi o casamento entre a informação e a comunicação. Os dados e as informações estariam então, espalhados pela internet. Surgiu o comércio eletrônico, , relacionamentos e vendas virtuais. O ano 2000 chegou e com ele a era da sedução do cliente, da inteligência aplicada aos negócios. Os clientes passaram a ter mais opções de produtos e serviços, e com isso começou a era da competitividade acirrada onde um simples detalhe pode fazer a diferença. As empresas começaram então a dar importância às informações sobre clientes e aplicá-las no mercado. Os grandes bancos de dados corporativos começaram a produzir variantes, como os Depósitos de Dados (Data Warehouse), exatamente com a finalidade de entregar aos tomadores de decisão, a informação na forma mais precisa possível. De início a informática fez os dados. Depois transformou-os em informação. Agora o objetivo é usinar conhecimentos, a partir daquelas matériasprimas (BARBIERI, 2001, p. 05).

14 A Gestão do Conhecimento (Knowledge Management) Conhecimento é diferente de dado e informação, embora os três termos estejam relacionados. O sucesso ou fracasso de uma organização, em muitas vezes, pode depender da importância e utilização destes termos (DAVENPORT; PRUSSAK, 1998). Para um melhor entendimento de assuntos relacionados ao conhecimento em uma organização, Davenport e Prusak (1998) definem os termos citados: Conhecimento: é uma mistura de vários elementos, de experiências condensadas e valores, a qual proporciona uma estrutura para a avaliação e incorporação de novas experiências e informações. Nas organizações, o conhecimento costuma estar embutido em documentos, rotinas, processos, práticas e normas organizacionais. O conhecimento também existe dentro das pessoas, faz parte da complexidade e imprevisibilidade humana. O conhecimento é mais valioso que os dados e informações, por estar próximo da ação. O conhecimento pode e deve ser avaliado pelas decisões ou tomadas de ação às quais ele leva. Em muitos casos, uma vez que o conhecimento e as decisões estão na cabeça das pessoas, pode ser difícil determinar o caminho que vai do conhecimento até a ação (DAVENPORT; PRUSAK, 1998). Barbieri (2001, p. 06) faz uma citação definindo a Gestão do Conhecimento e sua relação com Business Intelligence: A gerência do conhecimento (KMS), pelo seu lado, objetiva estabelecer uma aproximação integrada e colaborativa para capturar, criar, organizar e usar todos os ativos de informação de uma empresa. Enquanto Business Intelligence é mais compartimentada, objetiva e focada em estruturas definidas, a KMS trabalha o ativo de informações, independentemente da sua forma, estrutura e domínio. Segundo Barbieri (2001), as empresas enfrentam um grande desafio atualmente: não só organizar a gerência do conhecimento (KMS), como também estabelecer uma ponte entre ambos, a gerência do conhecimento (KMS) e Business Intelligence. As empresas que trabalham com Business Intelligence (BI) transformam dados em informação, produzindo relatórios. Por exemplo, na gestão do conhecimento (KMS), a tarefa é realizar as devidas combinações, compilações, subscrições e distribuição, ou seja, o objetivo é transformar dados em conhecimento. De acordo com Barbieri (2001), as abordagens de BI e KMS detêm-se em

15 14 analisar e atuar dentro da empresa, enquanto uma terceira abordagem observa o mundo exterior da empresa, a inteligência competitiva, chamada de CI Competitive Intelligence. 2.4 Inteligência Competitiva (CI Competitive Intelligence) Segundo Teixeira Filho (2001, p. 87), inteligência competitiva é o resultado da análise de informações e dados coletados, que irá embasar decisões. O processo de inteligência competitiva é que dá a visão geral consistente, a partir das informações. O autor ilustra o conceito de inteligência competitiva como uma pirâmide com três camadas (da base para o topo): fontes, análise e sistemas de inteligência. A inteligência competitiva oferece a idéia de explorar o outro lado, o dos concorrentes, obtendo informações detalhadas sobre os competidores e o mercado onde se guerreia pela opção do cliente (BARBIERI, 2001 p. 07). Teixeira Filho (2001) salienta que no fluxo real da inteligência competitiva, podemos ressaltar três pontos básicos: 1. A informação precisa ser pesquisada e coletada, pois nem sempre está disponível; 2. O processo de inteligência competitiva, para dar resultado precisa ser permanente e não esporádico; 3. O quadro de referência competitiva evolui no tempo e, por isso, precisa ser avaliado historicamente. Já Serra (2002, p. 15) diz que a definição de vários autores para a inteligência competitiva pode ser demonstrada como uma pirâmide, mostrando os quatro lados: Lado 1: Pessoas: seleção, treinamento, alocação e gestão das equipes que irão atuar em inteligência competitiva na organização; Lado 2: Processos: são os processos e atividades relacionadas à inteligência competitiva na organização; Lado 3: Informação: são as informações existentes no universo de interesse da instituição, as quais serão manipuladas pelas pessoas, nos processos de inteligência competitiva; Lado 4: Tecnologia: engloba toda a infra-estrutura de Tecnologia da informação, para suportar os processos de inteligência competitiva na organização. Existem várias ferramentas e/ou técnicas disponíveis que auxiliam a

16 15 organização a obter vantagem competitiva, com um único fundamento: o armazenamento de uma grande massa de dados que compõe o negócio da organização, o que possibilita uma exploração e análise de informações úteis e necessárias para as decisões a serem tomadas (SERRA, 2002, p.18). 2.5 Business Intelligence Segundo Serra (2002, p. 21) o grande desafio de qualquer indivíduo que gerencia processos é a análise dos fatos relacionados a seu dever. Diante disso, a análise deve ser feita com ferramentas e dados disponíveis, detectando tendências e tomando decisões eficientes no tempo correto. Daí surgiu o conceito de Business Intelligence. Esse conceito surgiu na década de 70, ainda que, na época, não se utilizasse o termo Business Intelligence, alguns produtos foram fornecidos para os analistas de negócios, porém exigiam programas exaustivos e intensos, e não apresentavam respostas em tempo hábil para a tomada de decisões, além de possuir alto custo de implantação. Com o surgimento dos bancos de dados relacionais, dos PC s e das interfaces gráficas, aliados ao aumento da complexidade dos negócios, surgiram os primeiros produtos direcionados aos analistas de negócios (SERRA, 2002, p. 22). Segundo Serra (2002), um sistema de Business Intelligence apresenta as seguintes características: Extrair e integrar dados de múltiplas fontes; Fazer uso da experiência; Analisar dados contextualizados; Trabalhar com hipóteses; Procurar relações de causa e efeito; Transformar os registros obtidos em informação útil para o conhecimento empresarial. Segundo Barbieri (2001, p. 34), o conceito de BI Business Intelligence pode ser definido como a utilização de variadas fontes de informação para se definir estratégias de competitividade nos negócios da empresa. Percebemos que as empresas possuem hoje, um grande problema, tem a sua disposição um grande número de dados desordenados, mas enfrentam dificuldades na extração de informações para a gerência tomar suas decisões. Tanto

17 16 em ERP quanto em outros sistemas usados pelas empresas, as informações não estão lapidadas o suficiente para poder analisá-las. Os dados estão escondidos em milhares de tabelas ou às vezes não conseguimos relacioná-los com o que realmente interessa. O objetivo maior da técnica de BI está exatamente na definição de regras e técnicas para a formatação adequada destes volumes de dados, visando transformá-los em depósitos estruturados de informações, independente de sua origem (BARBIERI, 1988, p. 22). 2.6 Ferramentas e Estrutura de Business Intelligence Segundo Barbieri (2001, p. 48) o conceito de BI pode ser entendido, numa de suas vertentes, como diretamente relacionado ao apoio e subsídio aos processos de tomada de decisão baseados em dados trabalhados especificamente para a busca de vantagens competitivas. Os dados dos ERP e dos outros sistemas da empresa, estão formatados e estruturados de forma transacional, dificultando o tratamento informacional. Enquanto que no BI, estarão em uma estrutura dimensional, onde várias tabelas de entrada estarão se relacionando com algumas tabelas de informação. Barbieri (2001, p. 35) afirma que: A estrutura dimensional modifica a ordem de distribuição de campos por entre as tabelas, permitindo uma formatação estrutural mais voltada para os muitos pontos de entrada específicos (as chamadas dimensões) e menos para os dados granulares em si (os chamados fatos). Desta forma, numa estrutura de BI (dimensional) várias tabelas de entrada estarão se relacionando com algumas tabelas de informação. Na verdade existe um remanejamento de dados e tabelas, um relacionamento entre tabelas fato e tabelas dimensão. De acordo com Barbieri (2001, p. 48), BI deve ser entendido como o processo de desenvolvimento de: Estruturas especiais de armazenamento de informações como Data Warehouse (DW) e ODS (Operational Data Store), com o objetivo de se montar uma base de recursos informacionais, capaz de sustentar a camada de inteligência da empresa e possível de ser aplicada aos seus negócios, como elementos diferenciais e competitivos. Juntamente com o conceito de DW, DM e ODS, o conceito de BI contempla também o conjunto de ferramentas de desenvolvimento de aplicações e de ferramentas ETC

18 17 Extração, Tratamento e Carga, fundamentais para a transformação do recurso de dados transacional e informacional. Aplicações especiais de tratamento desses dados, como OLAP e Data Mining Data Warehouse e Data Mart Barbieri (2001, p. 49) define que: Data Warehouse, cuja tradução literal é armazém de dados, pode ser definido como um banco de dados, destinado a sistemas de apoio à decisão e cujos dados foram armazenados em estruturas lógicas dimensionais, possibilitando o seu processamento analítico por ferramentas especiais (OLAP e Mining). Data Warehouse veio para trazer aos executivos e gerentes uma forma diferente de ver dos dados de informações dos usuários. Permite analisar operações atuais com as passadas, podendo assim prever as situações futuras. Goldschmidt e Passos (2005, p. 165) dizem que: Data Warehouse é um conjunto de dados baseado em assuntos, integrado, não-volátil, variável em relação ao tempo, e destinado a auxiliar em decisões de negócios. A orientação a assunto, aliada ao aspecto de integração permite reunir dados corporativos em um mesmo ambiente de forma a consolidar e apresentar informações sobre um determinado tema. Serra (2002, p. 140) define Data Warehouse: é um banco de dados voltado para suporte à decisão de usuários finais, derivado de diversos outros bancos de dados operacionais. Garantir a qualidade dos dados é o aspecto mais relevante na criação do Data Warehouse. Serra (2002, p. 141) complementa, citando que a definição bem desenhada do Data Warehouse objetiva satisfazer as necessidades de análise de informações dos usuários, como monitorar e comparar as operações atuais com as passadas, podendo assim prever as situações futuras. Ao transformar, consolidar e racionalizar as informações dispersas por diversos banco de dados e plataformas, permite que sejam feitas análise estratégicas bastante eficazes, em informações antes inacessíveis ou subaproveitadas (SERRA, 2002, p. 141). Data Warehouse, de acordo com Serra (2002, p. 141): É considerado um conjunto de diversas tecnologias, como ferramentas de extração e conversão, banco de dados com o intuito de possibilitar

19 18 consultas complexas, ferramentas inteligentes de prospecção e análise de dados e ferramentas de administração e gerenciamento. Data Mart é essencialmente um Data Warehouse, porém, trata de problema local ou departamental. Barbieri (2001, p. 50) nos afirma que: o termo Data Mart (Mercado de Dados) significa, neste cenário, depósito de dados que atende a certas áreas específicas da empresa e voltados também para o processo decisório gerencial. Data Mart, na definição de Serra (2002, p. 136): É um pequeno Data Warehouse que fornece suporte à decisão de um pequeno grupo de pessoas. Por ser departamental, o Data Mart é atrativo por possuir baixo custo e tempo menos de implementação, com crescentes avanços tecnológicos. Ainda segundo Serra (2002, p.136), os Data Marts podem servir como veículo de teste para empresas que desejam explorar os benefícios do Data Warehouse. Em geral, a passagem de dados de um ambiente operacional (banco de dados clássico) para um Data Warehouse necessita de carga de dados, transformação e consolidação dos dados. De acordo com Barbieri (2001, p. 51): As ações de extração/transformação/carga definirão procedimentos de busca, transformação e carga de dados oriundos das diversas fontes existentes na empresa, além de seus procedimentos de manutenção. Os subprocessos de transformação definirão as estratégias e rotinas de consolidação, sumarização e agregação dos dados e os mecanismos de disponibilização assegurarão o seu amistoso através de interfaces gráficas. Teixeira Filho (2001, p. 149) ressalta a importância da qualidade dos dados em um Data Warehouse: Muitos consideram que um DW é a solução mágica para os problemas associados às deficiências de dados operacionais. Entretanto, se um DW for criado usando-se os mesmos princípios que produzem ilhas de informação não integradas encontradas em ambientes legados, ele provavelmente será um fiasco. O produto de um DW é informação que é utilizada por tomadores de decisão. Se a matéria-prima é de má qualidade, o produto não poderá ser bom e a atividade suportada pelo produto, ou seja, a decisão, ficará comprometida.

20 ODS (Operacional Data Store) Barbieri (2001, p. 48) nos afirma que ODS está relacionado com o armazenamento e tratamento de dados operacionais, de forma também consolidada, porém sem as características dimensionais. Com isso, entendemos que ODS seria um cadastro consolidador de informações, no qual são mantidas ainda as características originais vindas dos sistemas legado e ERP. Nele é feita certa uniformização de todos os dados da empresa para um Data Warehouse. O ODS, além de ser a metade do caminho entre o legado e o Data Warehouse, também oferece informações importantes do ponto de vista decisório, devido a sua característica de consolidação e integração de várias fontes de dados. (BARBIERI, 2001, p. 49) OLAP (On-Line Analytical Processing) O termo OLAP (On-Line Analytical Processing) hoje muito difundido, traduzido para Processamento Analítico On-Line, representa a característica de se trabalhar os dados, com operadores dimensionais, possibilitando uma forma múltipla e combinada de análise (BARBIERI, 2001). As aplicações OLAP possuem o cubo de dados, recurso que permite o cruzamento e visualização dos dados. Goldschimidt e Passos (2005, p. 171) nos trazem que existem diversos operadores OLAP que permitem acessar os dados em modelos multidimensionais. A seguir encontram-se indicados alguns deles: Drill up/down Utilizado para aumentar ou reduzir o nível de detalhe da informação acessada. Exemplo: Vendas por país, Vendas por UF. Slicing Utilizado para selecionar as dimensões a serem consideradas na consulta. Exemplo: Visualizar as vendas, separadas por país e por mês. Dicing Utilizado para limitar o conjunto de valores a ser mostrado, fixando-se algumas dimensões. Exemplo: Vendas no estado de Minas, de um determinado produto em um determinado ano. Pivoting Utilizado para inverter as dimensões entre linhas e colunas. Exemplo: Ao visualizar vendas por produto e por estado, aplicar o operador para visualizar as vendas por estado e por produto. Data Surfing Executar uma mesma análise em outro conjunto de dados. Exemplo: Ao visualizar as vendas no Brasil, aplicar o operador para realizar a mesma consulta na Inglaterra. Fórmula Serve para manipular dados dentro de um banco de dados

21 20 multi-dimensional. As fórmulas definem relacionamentos entre membros. Um servidor OLAP pode utilizar fórmulas aonde existam membros de mais de uma dimensão Modelo Dimensional Barbieri (2001, p. 35) nos traz que: A estrutura dimensional modifica a ordem de distribuição de campos por entre as tabelas, permitindo uma formatação estrutural mais voltada para os muitos pontos de entradas específicos (as chamadas dimensões) e menos para os dados granulares em si (os chamados fatos). Isso significa que numa estrutura dimensional os dados estarão numa forma quase estelar, onde várias tabelas de entradas estarão se relacionando com algumas (poucas) tabelas de informações, criando uma notação mais sintética, legível e objetiva. O modelo dimensional oferece clara e diretamente os elementos que se precisa para buscar as informações sobre fatos via dimensões de referências, diferindo da malha relacional, ou de rede, próprias dos modelos anteriores, onde não existem estruturas específicas de entrada. Oliveira (1998, p. 27) nos diz que: O modelo dimensional permite às pessoas pensar sobre o negócio nos termos simples de dimensões como tempo, mercado e produto. Se nós pensarmos no negócio em termos de um cubo com nossas dimensões formando a base do cubo, o ponto de interseção das três dimensões dentro do cubo equivale a um ponto de medição para o negócio. Um executivo pode descrever os processos de sua companhia como a venda de produtos em uma variedade de mercado e verificar a performance ao longo do tempo Data Mining Barbieri (2001, p. 178) nos traz que: Enquanto as técnicas OLAP objetivam trabalhar os dados existentes, buscando consolidação em vários níveis, trabalhando fatos em dimensões variadas, a técnica de Mining busca algo mais que a interpretação dos dados existentes. Visa fundamentalmente realizar interferências, tentando como que adivinhar possíveis fatos e correlações não explicitadas nas montanhas de dados de um DW/DM. As ferramentas de Mining estão muito mais relacionadas com tratamento especial da informação do que com estruturação de dados. Segundo Goldschmidt e Passos (2005, p. 53), existem basicamente dois tipos de medidas de interesse que podem ser associadas aos modelos de Conhecimento em Mineração de Dados:

22 21 Medidas de interesse objetivas: São baseadas na estrutura dos padrões descobertos e nas estatísticas a eles relacionados. Medidas de interesse subjetivas: São as crenças que os especialistas no domínio da aplicação tenham com relação aos dados e aos modelos de conhecimento gerados. Surpresa (conhecimentos não esperados), contradições (conhecimentos que contrariem determinadas expectativas dos especialistas), ou ainda alternativas de ações estratégicas (conhecimentos que ofereçam informações estratégicas) são exemplos de medidas de interesse subjetivas. Carvalho (2005, p. 07) nos diz que: Data Warehouse é a memória da empresa e Data Mining é a Inteligência da empresa. Data Mining quando aplicado na empresa, melhora a interação entre empresa e cliente, aumenta as vendas e dirige as estratégias de marketing. A mineração dos dados ainda é mais uma arte do que uma ciência. O sentimento do especialista não pode ser dispensado, mesmo que as mais sofisticadas técnicas sejam utilizadas. Portanto, com o Data Mining, podemos capitalizar as informações como, por exemplo, descobrir padrões de comportamento de clientes, tendências e riscos de mercado.

23 22 3 ESTUDO DE CASO Neste capítulo será apresentada a implantação de uma ferramenta de Business Intelligence, em uma empresa de mineração, com o objetivo de melhorar a tomada de decisão. Veremos todas as fases do processo e os resultados obtidos com a implantação da ferramenta. 3.1 A Empresa A Carbonífera Criciúma S/A é uma empresa mineradora de carvão, constituindo-se atualmente na empresa líder deste segmento. Atendendo às necessidades do setor energético nacional a partir de jazida própria, garante o combustível necessário ao mercado de geração termelétrica e contribui para com o desenvolvimento e para com a economia da região. Simultaneamente ao seu desenvolvimento econômico, a Carbonífera Criciúma construiu sua história de sucesso, pautando-se pela valorização de seus colaboradores, por intermédio de políticas sociais significativas, bem como por maciços investimentos na recuperação e na preservação ambiental, gerando uma maior qualidade de vida na região. A empresa possui um escritório na cidade de Criciúma - SC e a mina de produção na cidade de Forquilhinha - SC. Os dois pontos são interligados através de um link de rádio próprio. Assim, todos os dados digitados na unidade de produção, são automaticamente gravados nos servidores que ficam no escritório. A empresa possui 1 servidor para o ERP e outro exclusivamente para o BI. 3.2 Escolha e Motivação pelo Business Intelligence A Carbonífera Criciúma S/A conta com um sistema ERP implantado em todos os seus setores. O sistema ERP começou a ser implantado em 2002, onde a empresa focava seus esforços no controle e na obtenção de informações de nível operacional. Hoje, o sistema ERP está totalmente integrando, inclusive à contabilização de todos os módulos. Nos dias atuais, a empresa busca a melhoria, e os processos são revistos e sofrem adequações. O objetivo proposto nos dias atuais

24 23 é a preocupação com a redução de custos e com o gerenciamento das informações para tomada de ações e decisões. Mesmo tendo desenvolvido relatórios específicos além dos que já constam no ERP, a empresa ainda sentia necessidade de extrair mais informações que contribuíssem para a tomada de decisão. A necessidade se dava por uma ferramenta de fácil manuseio que pudesse atender aos gestores dos vários departamentos da Empresa. Pois, com o ERP tinham-se muitos dados, mas pouca extração de informação e difícil manuseio com os mesmos. Sentia-se a necessidade de um fluxo de caixa mais eficaz e atualizado diariamente. Necessidade de relatórios flexíveis sobre compras, faturamento, gestão de Recursos Humanos, produção, manutenção industrial e custos. Fazendo um estudo de mercado considerou-se a melhor opção a implantação de uma ferramenta de Business Intelligence. Sendo assim, a iniciativa de implantar uma ferramenta de Business Intelligence, foi inicialmente motivada pela perspectiva de se extrair conhecimento da base de dados do sistema ERP. A empresa escolheu o BI da Datasul visando uma melhor compatibilidade com o ERP, maior rapidez, segurança e parceria na implantação. O Datasul Business Intelligence é uma ferramenta de consulta para usuários finais (gestores) prover análises e relatórios. Os usuários podem rapidamente acessar os dados da empresa com uma interface amigável. Isso faz com que os usuários estejam bem informados sobre toda a empresa, bem como cruzar dados, fazer projeções e assim fazer análises antes impossíveis de serem feitas. Esperava-se então, com a implantação da ferramenta, extrair informações e levá-las aos gestores de maneira fácil de manusear. Permitindo adicionar perspectivas, analisando riscos de mercado, diminuindo custos com relação à produção. 3.3 O Projeto de Business Intelligence Um dos pontos considerados importantes para o sucesso do projeto é o levantamento das necessidades. Outro ponto que garante o sucesso ou fracasso na implantação de um Business Intelligence é o planejamento e envolvimento das

25 24 pessoas. Normalmente, o levantamento de necessidade é feito como se fosse um levantamento de sistemas para o nível operacional ou ERP. Por exemplo, em qualquer departamento da empresa, se o usuário é questionado sobre suas necessidades, a resposta pode ser exatamente o que ele precisa tendo como base os relatórios estruturados diários que eles recebem. Com isso, a tática empregada foi a de não perguntar nada aos gestores, antes de mostrar o que é possível fazer. Com isso foi feita uma demonstração usando uma base de dados de teste, para que todos pudessem visualizar o que é possível se extrair da ferramenta O processo de implantação da solução de Business Intelligence na Carbonífera Criciúma O processo de implantação da solução de Business Intelligence na Carbonífera Criciúma S/A passou por algumas fases distintas. O roteiro de implantação obedeceu às seguintes fases: Apresentação inicial: O software foi apresentado aos gestores da empresa, abrangendo todo o projeto, os recursos analíticos existentes, a metodologia utilizada e a padronização dos conceitos; Levantamento de necessidades: Como os gestores já tiveram uma prévia de como o software funcionava, as entrevistas tenderam a ser mais rápidas. O levantamento foi conduzido por um gerente de projetos da empresa desenvolvedora do software, juntamente com o Gerente de Informática da Carbonífera, que trataram com todos os gestores dos setores envolvidos no projeto. Preparação dos dados/interface: Foi feito um estudo com os gestores onde se identificou que informações eram interessantes para serem tratadas no BI. Também foi feita uma análise sobre o banco de dados do ERP, analisando datas, notas fiscais, itens de estoque, relatórios contábeis com o objetivo de avaliar se o BI conseguiria contemplar a todos os processos previstos. Com isso foi possível também avaliar os dados do ERP, verificar se existia alguma data inválida, fornecedor com CGC errado, isto dificultaria a futura exportação dos dados para o BI. Validação dos dados: Com os dados exportados para o BI, foi feito a validação em todos os setores. Ou seja, foram consolidados vários relatórios para se saber se os dados exportados não continham erros.

26 25 Carga de dados: Após os dados terem sido validados, foi realizada a carga inicial. Foi durante esta fase que se realizou a automatização das cargas dos dados. Os dados são importados para o banco de dados do Business Intelligence, por meio de cargas diárias programadas. Administração do sistema: Foi realizado um treinamento do consultor da empresa do Software para os administradores do sistema da Carbonífera Criciúma, no qual as regras para manutenção do cadastro dos usuários foram apresentadas. O treinamento foi realizado para que os administradores possam ter uma autonomia em tarefas básicas. Treinamento com usuários: Por se tratar de uma ferramenta simples e com informações específicas de cada área, os treinamentos foram realizados individualmente, dentro do local de trabalho de cada um. O treinamento foi feito sob responsabilidade de um funcionário de TI e o consultor da Datasul. Customizações: As customizações são necessárias quando existe a necessidade de modificar algo na ferramenta. Na Carbonífera Criciúma foram alterados alguns extratores para que pudessem trazer os dados necessários para atender aos gestores. 3.4 Descrição e visão geral da ferramenta O Datasul BI é uma solução de Business Intelligence, com aplicações e cubos pré-definidos, integrados aos produtos Datasul que a empresa já possui. Os assuntos estão divididos em áreas, como por exemplo, Comercial, Finanças, Controladoria, Produção e Custos, Materiais, e Gestão do Capital Humano. Este BI foi desenvolvido com tecnologia Microsoft.NET e possui integração com os produtos Microsoft Office (Outlook, Word, PowerPoint e Excel). O banco de dados relacional e multidimensional que o produto utiliza é o Microsoft SQL Server. Esta ferramenta foi implantada em uma arquitetura cliente/servidor ou para uma arquitetura web. 3.5 Funcionalidades As funcionalidades existentes são as seguintes: Tabela - ferramenta de cruzamento de dados que permite

27 26 detalhamento de informações. Através dela é possível criar análises relacionando múltiplas dimensões com múltiplas medidas. Temos aqui, uma característica Slicing e Dicing. Entre as dimensões é possível fazer detalhamentos sem que se abandone o nível anterior de informações, conforme podemos visualizar na figura 1: Figura 1: Exemplo de Tabela no BI Gráfico - ferramenta que permite a visualização das informações na forma de diferentes tipos de gráficos, como gráficos de barras, linhas, pizza, área e radar. O sistema permite que o usuário efetue a escolha do gráfico mais adequado para melhor exibir um conjunto de informações.

28 27 Figura 2: Exemplo de Gráfico no BI Mapa - ferramenta de análise que permite a visualização das informações por estados. Atualmente, disponível somente para o país Brasil.

29 28 Figura 3: Exemplo de Mapa no BI Detalhamento - funcionalidade que permite acesso direto à base de dados relacional para exibir detalhes de uma consulta. Esta funcionalidade também é conhecida como Drill Through. Exemplo: Exibir as notas fiscais que compõem o faturamento do dia 10/05/2005 do representante X.

30 29 Figura 4: Detalhamento de uma consulta Destacando Informações - Destacar informações das consultas através de cores que servem para identificar a medida dos objetos da consulta. Para permitir que em uma consulta os valores qualificativos e/ou quantitativos das medidas sejam observados ou mensurados de uma forma simples e de fácil entendimento, o Datasul BI disponibiliza a ferramenta de destaque de informações por faixa de valores. A inserção dessa ferramenta pode se dar por intermédio da barra de Menu (opção Formatar, Destacar por Faixa) ou diretamente pela barra de Tarefas, opção Destacar por Faixa. O destaque de informações pode ser aplicado a todos os níveis de uma determinada dimensão, sendo que nesse caso, é recomendado utilizar cores diferentes entre os níveis e sub-níveis, permitindo uma melhor identificação dos destaques.

31 30 Figura 5: Destacando Informações Figura 6: Destacando Informações Agrupando Informações - O agrupamento de informações permite que sejam efetuados novos agrupamento que venham a atender a uma determinada necessidade da empresa. Ao incluir um agrupamento, será incluso outro de forma automática com as informações que não foram agrupadas no agrupamento inserido.

32 31 Esse agrupamento será inserido com o nome de Outros. Caso seja necessário informar mais grupos, é necessário selecionar as informações a serem agrupadas, dentro do agrupamento Outros. Nesse caso, será criado um novo grupo no mesmo nível do grupo inserido inicialmente e do grupo outros. Figura 7: Agrupando Informações Ao inserir um agrupamento de informações, automaticamente será criado outro agrupamento com as informações que não foram selecionadas. Esse novo agrupamento exibe o nome de Outros. Caso necessário, o agrupamento pode ser renomeado. Para isso é necessário clicar com o botão direto do mouse sobre o agrupamento a ser renomeado, selecionar a opção renomear e informar o novo nome do agrupamento.

33 32 Figura 8: Agrupando Informações Configurando Valores Negativos - A definição da forma de apresentação dos valores negativos permite optar por uma cor diferente dos valores positivos, permitindo dar maior destaque ao número negativo, ou optar pela cor padrão, não chamando uma atenção especial para esse valor. Além da definição da cor para os valores negativos, é possível definir o formato apresentado por esse o qual pode ser no formato Contábil (1234) ou no formato Geral

34 33 Figura 9: Configurando Valores Comparando faixas/períodos - A comparação das medidas por faixas podem ser efetuadas por datas ou por qualquer outra dimensão disponível na consulta. Para definição das faixas são disponibilizadas todas as dimensões do assunto da consulta. Figura 10: Faixas e Períodos

35 34 Criando Fórmulas - Durante a análise de uma situação, o usuário pode ter a necessidade de efetuar operações sobre as medidas de forma a obter uma informação diferenciada. As fórmulas criadas ficam armazenadas e vinculadas ao assunto, permitindo que quando outra consulta do mesmo assunto seja criada, ela tenha acesso às fórmulas já existentes para o assunto. Na lista Fórmulas, medidas e dimensões é apresentada uma lista de fórmulas existentes, medidas e dimensões que podem ser adicionadas na consulta. Já na área de cálculo estão disponíveis as funções básicas e avançadas dos cálculos. Figura 11: Configurando Fórmulas Cruzar Assuntos - Um cubo virtual é um cubo onde podem ser cruzadas informações de diversas áreas e assuntos da empresa Figura 12: Cubos Virtuais

36 35 Figura 13: Cubos Virtuais Painéis de Indicadores - A definição de indicadores permite que para uma determinada informação seja parametrizado faixa de valores para expressar algum aspecto da realidade sob uma forma que possamos observá-lo ou mensurálo. Os indicadores são definidos para campos do relatório que possuem uma maior relevância em relação aos demais e que precisam que sua visualização seja rápida e de fácil entendimento. Figura 14: Indicadores

37 36 Figura 15: Indicadores Definindo Alertas - A definição de alertas é efetuada através de um assistente que tem por objetivo auxiliar na criação. Os alertas são utilizados para indicar alguma situação em destaque entre os elementos analisados, baseada em condições que envolvam objetos e variáveis, ou para disseminação de uma determinada informação. Os alertas são mensagens que são enviadas automaticamente pelo BI, obedecendo a uma série de parâmetros, permitindo o monitoramento das informações sem a intervenção do usuário. As mensagens de alerta envidas podem ser apresentadas em tela, enviada por e/ou serviço de mensagens curtas (SMS), para usuários que não estão à frente do computador, nesse caso, o alerta é enviado ao celular. O envio de alertas pode ser periódico ou apenas quando uma determinada situação ocorrer nos dados monitorados pelo BI. Com a utilização de alertas no BI, é possível, por exemplo: Que o departamento de compra receba um alertando a possibilidade de falta de insumo; Que o representante de Manaus, receba uma mensagem de texto em seu celular referente suas metas de venda; Disponibilizar a todos os colaboradores a situação das metas da empresa em relação ao programa de distribuição de lucros & resultados.

38 37 O alerta pode ser enviado das seguintes formas: , nessa forma é enviado o nome do alerta, um texto referente a esse alerta e as consulta no qual o alerta foi configurado. Figura 16: Exemplo de Alerta Apresentado em tela Nessa forma é apresentado uma caixa de diálogo com o nome do alerta, um link para a consulta no qual o alerta foi configurado. Figura 17: Exemplo de Alerta

39 38 Mensagem SMS Nessa forma é enviada uma mensagem de texto para o celular com o nome do alerta e da consulta no qual o alerta foi configurado. Figura 18: Exemplo de Alerta Favoritos - permite agrupar as consultas, mais utilizadas pelo usuário, em uma lista, na qual podem existir pastas para melhor organizar as consultas dessa lista. Figura 19: Favoritos Classificar Valores - permite organizar os resultados por ordem crescente (curva ABC de valores), possibilitando análise de Paretto (80/20)

40 39 atribuindo números percentuais conforme representatividade de valores de cada medida. Aqui temos a característica Ranking do OLAP. Figura 20: Classificação de Valores Exportar Consultas - A opção de exportar permite que as informações da consulta do BI possam ser manipuladas no arquivo e/ou somente para congelar os valores de um determinado momento. A opção de exportar para um arquivo do MS Excel (Dinâmico) permite que seja utilizada a ferramenta de Tabela Dinâmica, a qual é uma das opções para análise dos dados do Datasul BI. Os dados são arranjados na forma de tabela, sendo que dimensões são colocadas nas linhas e colunas. As medidas são arranjadas ao centro da tabela, de forma um valor para aquela medida é informado no cruzamento de linhas e colunas. Além disso, com a característica de detalhamento é possível associar itens de uma dimensão relacionados a itens de outra dimensão. Por exemplo, podem ser associadas às

41 40 dimensões 'representante' e 'cliente' de forma a determinar quais clientes são atendidos por um determinado representante, através do detalhamento desse representante. Ao utilizar exportação para o Excel a partir da tabela dinâmica, o resultado exportado será uma tabela dinâmica, com todas as dimensões e medidas disponíveis na visão criada. Desta forma, deve-se tomar cuidado, pois estarão disponíveis todos os dados daquelas dimensões, e não somente os visualizados. Esta função permite ainda exportar os valores para editor de texto, Power Point e envio de s. Figura 21: Exportar Consultas

42 41 Figura 22: Exportar Consultas Figura 23: Exportar Consultas

43 42 Filtros - Os dados selecionados podem ser submetidos a condições para apresentação, permitindo obter os valores conforme os critérios necessários. Esses dados já filtrados podem ser novamente filtrados para facilitar análises diretamente no documento. Figura 24: Filtros Construção de Consultas - é a forma como as diferentes informações são arranjadas em uma ferramenta, dimensões utilizadas, medidas, ranking, ordenação, filtro e outros compõem uma visão. Armazenar uma visão significa guardar aquela configuração, formatação de informações para futura referência. Os valores das visões não são armazenados, pois são atualizados de acordo com a carga de dados. Caso se deseje congelar os valores de uma visão devem ser utilizadas as características de exportação.

44 43 Figura 25: Construção de Consultas Ferramenta de Busca - permite efetuar a busca de conceitos que o Datasul BI está utilizando para mostrar determinada informação (medida, dimensão, assunto, etc.). Figura 26: Ferramenta de Busca

45 Administrando o Datasul BI Figura 27: Configurar Tarefas A atualização do BI é realizada através de parâmetros pré-determinados de forma seqüencial. As informações são parametrizadas em tarefas. Os programas extratores exportam as informações mediante especificações de parâmetros definidos. Nessas tarefas serão aplicadas as regras de negócio aos dados originários das fontes (por exemplo, ERP Datasul EMS). Essas regras são especificadas em Store Procedures, comandos SQL ou programas desenvolvidos especificamente para o tratamento de informações. As tarefas de carga alimentam o Data Warehouse com as informações correspondentes ás dimensões e fatos já tratadas no banco de dados DTS_Stage, disponibilizando os dados para as análises a serem geradas na etapa seguinte. Essas tarefas geram os cubos/análises prontas para a utilização dos usuários finais do Datasul BI. As mesmas também são responsáveis por agregar antecipadamente as informações disponíveis no Data Warehouse, permitindo que as consultas

46 45 realizadas sejam mais eficientes. Figura 28: Agendar Tarefas Esta etapa consiste em configurar a execução automática dos processos de extração, transformação, carga e processamento através de um serviço do Microsoft SQL Server Agent. Os pacotes em questão são configurados através do botão configurar tarefas. Para o correto funcionamento dessa funcionalidade é necessário que estejam iniciados os serviços MS SQL Server Agent e MS SQL Server. Essa funcionalidade permite definir os horários de execução e periodicidade dos pacotes e do gerenciador de alertas. Quando da execução dos agendamentos é importante considerar que o servidor Progress deve estar disponível para as tarefas de extração. Não devem ser utilizadas unidades de rede mapeadas para as tarefas de extração.

47 46 Figura 29: Configurar Detalhamento Essa função é utilizada para que o usuário configure os campos dos assuntos a serem disponibilizados para o detalhamento das consultas no Datasul BI. Ao mesmo tempo, é possível identificar cada atributo relacionado ao assunto com um nome conceitual, facilitando assim o entendimento do usuário final que realizará o detalhamento dos dados.

48 47 Figura 30: Monitorar Tarefas O monitoramento pode ser utilizado para iniciar ou deter um pacote de tarefas. O usuário poderá saber quais tarefas se encontram em execução e quais apresentaram erro na mesma. O estado das tarefas é representado por diferentes cores, conforme lista abaixo: Azul: indica que a tarefa está em execução. Amarelo: indica que a tarefa está sendo preparada para execução. Azul claro: indica que a tarefa está aguardando a execução das tarefas anteriores. Verde: indica que a tarefa foi executada com sucesso. Vermelho: indica que a tarefa teve alguma falha durante a execução. 3.7 Arquitetura A arquitetura utilizada pelo Datasul BI consiste na utilização de dois bancos de dados no SQL Server 2000, um destinado ao armazenamento histórico

49 48 das informações exportadas do banco ERP. Este banco foi denominado como DTS_datawarehouse. O outro banco denominado DTS_stage (temporário) é utilizado para armazenar cada nova atualização dos dados, ou seja, as informações são exportadas do banco ERP e inicialmente são armazenadas no banco Stage, o qual é limpo a cada nova importação. Após a total importação das informações, os dados no banco stage são transformados conforme cada regra de negócio, e em seguida os dois bancos são sincronizados, assim os dados históricos não são perdidos. Alguns produtos de BI não utilizam o conceito de banco multi-relacional, ou seja, a interface utilizada por eles processam os dados diretamente no banco relacional do SQL, o Datasul BI utiliza a estrutura do Analisys Manager (OLAP), produto da Microsoft que compõe o próprio SQL Server. Assim, via OLAP quando o cubo é processado os dados são relacionados às suas dimensões Cubos Data Marts Figura 31: Representação de um Cubo Cubo é o nome dado a Bancos de dados multidimensionais (OLAP, data marts). São bancos de dados específicos com dados de um assunto específico. É um banco de dados multi-dimensional, geralmente referindo-se a um

50 49 caso simples de produto, mercado e tempo. Abaixo, na figura 32, temos uma representação gráfica de um cubo editado no Analisys Manager. Um cubo é formado por dimensões (Dimensions) e Medidas (Measures). Dimensões é tudo pelo qual se pode classificar ou filtrar uma consulta, no exemplo abaixo temos várias dimensões (em azul): Time (data), Product (produto) Classe de produto, store e customer (cliente). As dimensões também são denominadas chaves estrangeiras. Em amarelo temos a tabela de dados também conhecida como tabela fato. Esta tabela fato é a tabela do banco datawarehouse onde estão contidas as informações históricas. As medidas são obtidas diretamente da tabela fato, neste exemplo temos os campos store sales, unit sales e store cost como métricas. Figura 32: Cubo Editado Após o cubo ter sido atualizado existe um procedimento denominado process cub, ou seja, processamento analítico do cubo. Sem o cubo estar

51 50 processado a informação atualizada não fica disponibilizada para consulta em função de que a estrutura do Datasul BI foi construída desta forma, utilizando-se um cubo OLAP. Quando a estrutura do BI utiliza cubos OLAP, na prática quer dizer que o BI irá utilizar mais espaço em disco, pois as consultas estarão todas processadas, quando o BI não utiliza o conceito OLAP, haverá ganho em espaço em disco, mas perda de tempo em processamento. A figura 33 mostra que o cubo foi processado apenas em 40% de sua totalidade e o gráfico mostra que para processar as 22 agregações (quantidade de formas diferentes de se consultar uma informação) consumiu apenas 0.30 MB de disco. Figura 33: Indicador de Consumo de Memória Existem várias formas de se consultar uma informação dentro de um cubo já processado. No caso de se utilizar o Analisys Manager (OLAP) a própria ferramenta possui um browse para consulta. Este browse pode ser utilizado durante

52 51 a construção do cubo. Para os usuários finais, estes utilizam outras interfaces (ferramentas) para consulta. No caso do Datasul BI, este produto foi desenvolvido para utilizar ferramentas próprias de consulta, não usando nenhum produto de outro fornecedor, como por exemplo, tabela dinâmica do Excel. Apesar de que a interface de consulta lembrar muito uma tabela dinâmica, foi desenvolvida ferramenta própria para visualização. Figura 34: Detalhamento de um Cubo 3.8 Extração, Carga e Transformação de Dados O Datasul BI utiliza Módulo de ETL: componente dedicado à extração, carga e transformação de dados. É a parte responsável pela coleta das informações nas mais diversas fontes, desde sistemas ERP s até arquivos Txt s ou planilhas Excel. Toda a inteligência de negócio fica dentro da transformação de dados. Durante a extração, os dados são coletados sem nenhuma regra de negócio definida. Apenas respeita parâmetros de período para buscar as informações, isso devido a performance de atualização do produto. Conforme exemplo abaixo, onde

53 52 temos uma tarefa de extração de uma informação de um banco ERP de um período pré-determinado. A informação retirada do banco ERP é gerada em um arquivo texto pré-formatado o qual é importado em um banco SQL denominado Stage (banco temporário), neste banco stage ele sempre receberá o dado sem ser trabalhado, a cada nova atualização as suas tabelas são zeradas para receber os dados extraídos naquele momento, este procedimento é necessário para garantir a integridade das informações exportadas em períodos anteriores. A tabela do banco stage é denominada tabela fato, ou seja, contém os fatos ocorridos em cada processo do ERP, e também são exportados os cadastros denominados chaves estrangeiras, pois sem os cadastros não se pode efetuar a transformação clara do que foi citado, onde o conteúdo importado referente ao cadastro contém a informação nula e após sua transformação passará a ter um conteúdo válido. Por exemplo, a tabela do banco stage contendo o cadastro do funcionário onde temos apenas o código do funcionário e após a sua transformação passará a receber também o nome do funcionário. Outra funcionalidade que a transformação também possibilita é alteração de dados exportados, ou seja, um dado foi exportado com um determinado conteúdo, mas este é alterado conforme outra regra de negócio, ex.: eliminar funcionários que já foram demitidos, a extração exporta todo o cadastro do funcionário, mas durante a transformação é que se verifica se ele está ativo ou não, caso esteja demitido, seu funcionários são exportados e é verificado se ele está ativo ou não. A regra de negócio não está contida no ERP e sim no SQL, pois no ERP este funcionário não pode ser eliminado, mas no BI sim. Ainda neste caso, poderíamos ter a necessidade de em se consultar na ferramenta de BI a informação sobre a situação dos funcionários, então, na fase, de transformação pode-se optar em simplesmente eliminar o funcionário do BI ou criar uma nova regra (filtro) para se poder nas consultas optar em filtrar todos os funcionário ou somente os ativos. Na fase de transformação de uma informação é que se customiza a necessidade de cada empresa.

54 53 Figura 35: Tabela HUR_DTS_Employee no banco Stage Nas tabelas do banco stage (temporário) não se pode acrescentar ou eliminar nos campos, pois o extrator padrão da Datasul exige um layout prédeterminado, então, como foi necessário exportar novas informações do ERP para o BI, utilizou-se campos originais das tabelas do banco Stage para servir como ponte, ex. o campo destinado ao nr de ressuprimento em dias do estoque é uma informação do banco ERP, mas que para o BI o mesmo não foi utilizado, então, através de programas específicos de extração utilizou-se este campo para exportar o tipo de despesa classificada na ordem de compra. Atendendo assim, uma necessidade de controle de fluxo de caixa da empresa.

55 54 Figura 36: Tabela MAT_DTS_Receiving_Fact no banco Stage Figura 37: Programa Extrator

56 55 Figura 38: Extrator Editado Após terem sido sincronizadas as bases do stage com o Data Warehouse, uma nova fase de transformação é executada, agora direto sobre as tabelas do Data Warehouse. Em uma fase é copiado o conteúdo do campo de nr de ressuprimentos em dias para o campo específico do tipo de despesa, este campo foi criado somente no Data Warehouse. Em seguida, com base já no campo final do tipo de despesa também é atualizado o nome da despesa em um campo específico na tabela da Data Warehouse. UPDATE dts_datawarehouse..mat_dts_receiving_fact SET tipo_despesa = NM_Real_Ressupriment_Days UPDATE dts_datawarehouse..mat_dts_receiving_fact SET dts_datawarehouse..mat_dts_receiving_fact.tx_despesa = dts_datawarehouse..fin_dts_cash_flow.tx_cash_flow FROM dts_datawarehouse..fin_dts_cash_flow WHERE dts_datawarehouse..fin_dts_cash_flow.cd_company = dts_datawarehouse..mat_dts_receiving_fact.cd_company AND dts_datawarehouse..fin_dts_cash_flow.cd_cash_flow = dts_datawarehouse..mat_dts_receiving_fact.tipo_despesa

57 56 Figura 39: Dados da Tabela MAT_DTS_Receiving - Banco DataWarehouse Na figura 39 temos a criação dos campos código da despesa e nome do tipo de despesa na tabela de compras no banco datawarehouse. Figura 40: Campos da Tabela MAT_DTS_Receiving - Banco DataWarehouse

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. 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

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

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

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

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

Sistemas de Informação James A. O Brien Editora Saraiva Capítulo 5

Sistemas de Informação James A. O Brien Editora Saraiva Capítulo 5 Para entender bancos de dados, é útil ter em mente que os elementos de dados que os compõem são divididos em níveis hierárquicos. Esses elementos de dados lógicos constituem os conceitos de dados básicos

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

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

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

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

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

Auto Treinamento. Versão 10.05.13

Auto Treinamento. Versão 10.05.13 Auto Treinamento Versão 10.05.13 Sumário 1. OBJETIVO... 3 2. CONCEITO DE BUSINESS INTELLIGENCE... 3 3. REALIZANDO CONSULTAS NO BI-PUBLIC... 4 3.2. Abrindo uma aplicação... 4 3.3. Seleções... 6 3.4. Combinando

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

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

Sistema. Atividades. Sistema de informações. Tipos de sistemas de informação. Everson Santos Araujo everson@everson.com.br

Sistema. Atividades. Sistema de informações. Tipos de sistemas de informação. Everson Santos Araujo everson@everson.com.br Sistema Tipos de sistemas de informação Everson Santos Araujo everson@everson.com.br Um sistema pode ser definido como um complexo de elementos em interação (Ludwig Von Bertalanffy) sistema é um conjunto

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

01/12/2009 BUSINESS INTELLIGENCE. Agenda. Conceito. Segurança da Informação. Histórico Conceito Diferencial Competitivo Investimento.

01/12/2009 BUSINESS INTELLIGENCE. Agenda. Conceito. Segurança da Informação. Histórico Conceito Diferencial Competitivo Investimento. BUSINESS INTELLIGENCE Agenda BI Histórico Conceito Diferencial Competitivo Investimento Segurança da Objetivo Áreas Conceito O conceito de Business Intelligencenão é recente: Fenícios, persas, egípcios

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

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

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

Business Intelligence. BI CEOsoftware Partner YellowFin

Business Intelligence. BI CEOsoftware Partner YellowFin Business Intelligence BI CEOsoftware Partner YellowFin O que é Business Intelligence Business Intelligence (BI) é a utilização de uma série de ferramentas para coletar, analisar e extrair informações,

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

MANUAL BI- Business Intelligence

MANUAL BI- Business Intelligence 1. VISÃO GERAL 1.1 SISTEMA BI Business Intelligence: Segundo Gartner Group, a maior ameaça das empresas da atualidade é o desconhecimento... O Business Intelligence se empenha em eliminar as dúvidas e

Leia mais

A evolução da tecnologia da informação nos últimos 45 anos

A evolução da tecnologia da informação nos últimos 45 anos A evolução da tecnologia da informação nos últimos 45 anos Denis Alcides Rezende Do processamento de dados a TI Na década de 1960, o tema tecnológico que rondava as organizações era o processamento de

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

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

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

Aline França a de Abreu, Ph.D

Aline França a de Abreu, Ph.D Aline França a de Abreu, Ph.D igti.eps.ufsc.br 07 / 10/ 04 Núcleo de estudos Criado em 1997 - UFSC/EPS Equipe multidisciplinar, com aproximadamente 20 integrantes OBJETIVO Gerar uma competência e uma base

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

SISTEMAS DE APOIO À DECISÃO SAD

SISTEMAS DE APOIO À DECISÃO SAD SISTEMAS DE APOIO À DECISÃO SAD Conceitos introdutórios Decisão Escolha feita entre duas ou mais alternativas. Tomada de decisão típica em organizações: Solução de problemas Exploração de oportunidades

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

Inteligência Empresarial. BI Business Intelligence. Business Intelligence 22/2/2011. Prof. Luiz A. Nascimento

Inteligência Empresarial. BI Business Intelligence. Business Intelligence 22/2/2011. Prof. Luiz A. Nascimento Inteligência Empresarial Prof. Luiz A. Nascimento BI Pode-se traduzir informalmente Business Intelligence como o uso de sistemas inteligentes em negócios. É uma forma de agregar a inteligência humana à

Leia mais

ERP & BI ENTENTENDO A BUSCA CONSTANTE DAS EMPRESAS POR UM SISTEMA QUE FORNEÇA INFORMAÇÕES CONFIÁVEIS PARA TOMADA DE DECISÃO*

ERP & BI ENTENTENDO A BUSCA CONSTANTE DAS EMPRESAS POR UM SISTEMA QUE FORNEÇA INFORMAÇÕES CONFIÁVEIS PARA TOMADA DE DECISÃO* ERP & BI ENTENTENDO A BUSCA CONSTANTE DAS EMPRESAS POR UM SISTEMA QUE FORNEÇA INFORMAÇÕES CONFIÁVEIS PARA TOMADA DE DECISÃO* RESUMO Marilia Costa Machado - UEMG - Unidade Carangola Graciano Leal dos Santos

Leia mais

OTIMIZAÇÃO DA GESTÃO PÚBLICA ATRAVÉS DE TÉCNICAS DE BUSINESS INTELLIGENCE

OTIMIZAÇÃO DA GESTÃO PÚBLICA ATRAVÉS DE TÉCNICAS DE BUSINESS INTELLIGENCE OTIMIZAÇÃO DA GESTÃO PÚBLICA ATRAVÉS DE TÉCNICAS DE BUSINESS INTELLIGENCE Guimarilza Barbosa de Souza João Gabriel Ribeiro Luiz Cláudio de Arruda Isoton II Congresso Consad de Gestão Pública Painel 5:

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

TÉCNICAS DE INFORMÁTICA WILLIAN FERREIRA DOS SANTOS

TÉCNICAS DE INFORMÁTICA WILLIAN FERREIRA DOS SANTOS TÉCNICAS DE INFORMÁTICA WILLIAN FERREIRA DOS SANTOS Vimos em nossas aulas anteriores: COMPUTADOR Tipos de computadores Hardware Hardware Processadores (CPU) Memória e armazenamento Dispositivos de E/S

Leia mais

Autor: Júlio Battisti www.juliobattisti.com.br

Autor: Júlio Battisti www.juliobattisti.com.br Autor: Júlio Battisti www.juliobattisti.com.br Livro: Aprenda com Júlio Battisti: Excel 2010 Avançado, Análise de Dados e Cenários, Tabelas e Gráficos Dinâmicos, Macros e Programação VBA - Através de Exemplos

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

Unidade III PLANEJAMENTO ESTRATÉGICO DE. Prof. Daniel Arthur Gennari Junior

Unidade III PLANEJAMENTO ESTRATÉGICO DE. Prof. Daniel Arthur Gennari Junior Unidade III PLANEJAMENTO ESTRATÉGICO DE TECNOLOGIA DA INFORMAÇÃO Prof. Daniel Arthur Gennari Junior Sobre esta aula Gestão do conhecimento e inteligência Corporativa Conceitos fundamentais Aplicações do

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

Documento de Visão. Versão 2.5 Projeto SysTrack - Grupo 01

Documento de Visão. Versão 2.5 Projeto SysTrack - Grupo 01 Documento de Visão Versão 2.5 Projeto SysTrack - Grupo 01 Junho de 2011 Histórico de revisão: DATA VERSÃO DESCRIÇÃO AUTORES 19/02/2011 1.0 Versão inicial. João Ricardo, Diogo Henrique. 24/02/2011 2.0 Modificação

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

Identificar as mudanças que acontecem na forma e no uso de apoio à decisão em empreendimentos de e-business. Identificar o papel e alternativas de

Identificar as mudanças que acontecem na forma e no uso de apoio à decisão em empreendimentos de e-business. Identificar o papel e alternativas de 1 Identificar as mudanças que acontecem na forma e no uso de apoio à decisão em empreendimentos de e-business. Identificar o papel e alternativas de relatórios dos sistemas de informação gerencial. Descrever

Leia mais

Unidade III PRINCÍPIOS DE SISTEMAS DE. Prof. Luís Rodolfo

Unidade III PRINCÍPIOS DE SISTEMAS DE. Prof. Luís Rodolfo Unidade III PRINCÍPIOS DE SISTEMAS DE INFORMAÇÃO Prof. Luís Rodolfo Vantagens e desvantagens de uma rede para a organização Maior agilidade com o uso intenso de redes de computadores; Grandes interações

Leia mais

Uma visão abrangente dos negócios. Solução para superar barreiras e otimizar recursos na sua empresa

Uma visão abrangente dos negócios. Solução para superar barreiras e otimizar recursos na sua empresa Uma visão abrangente dos negócios Solução para superar barreiras e otimizar recursos na sua empresa Negócios sem barreiras O fenômeno da globalização tornou o mercado mais interconectado e rico em oportunidades.

Leia mais

ASSUNTO DA APOSTILA: SISTEMAS DE INFORMAÇÃO E AS DECISÕES GERENCIAIS NA ERA DA INTERNET

ASSUNTO DA APOSTILA: SISTEMAS DE INFORMAÇÃO E AS DECISÕES GERENCIAIS NA ERA DA INTERNET AULA 06 ASSUNTO DA APOSTILA: SISTEMAS DE INFORMAÇÃO E AS DECISÕES GERENCIAIS NA ERA DA INTERNET JAMES A. O BRIEN MÓDULO 01 Páginas 278 à 285 1 AULA 06 APOIO ÀS DECISÕES DE E BUSINESS 2 E business e Apoio

Leia mais

INDICE 3.APLICAÇÕES QUE PODEM SER DESENVOLVIDAS COM O USO DO SAXES

INDICE 3.APLICAÇÕES QUE PODEM SER DESENVOLVIDAS COM O USO DO SAXES w w w. i d e a l o g i c. c o m. b r INDICE 1.APRESENTAÇÃO 2.ESPECIFICAÇÃO DOS RECURSOS DO SOFTWARE SAXES 2.1. Funcionalidades comuns a outras ferramentas similares 2.2. Funcionalidades próprias do software

Leia mais

Sobre o que falaremos nesta aula?

Sobre o que falaremos nesta aula? Business Intelligence - BI Inteligência de Negócios Prof. Ricardo José Pfitscher Elaborado com base no material de: José Luiz Mendes Gerson Volney Lagmman Introdução Sobre o que falaremos nesta aula? Ferramentas

Leia mais

Administração de Sistemas de Informação Gerenciais UNIDADE IV: Fundamentos da Inteligência de Negócios: Gestão da Informação e de Banco de Dados Um banco de dados é um conjunto de arquivos relacionados

Leia mais

Módulo 2. Definindo Soluções OLAP

Módulo 2. Definindo Soluções OLAP Módulo 2. Definindo Soluções OLAP Objetivos Ao finalizar este módulo o participante: Recordará os conceitos básicos de um sistema OLTP com seus exemplos. Compreenderá as características de um Data Warehouse

Leia mais

IBM Cognos Business Intelligence Scorecarding

IBM Cognos Business Intelligence Scorecarding IBM Cognos Business Intelligence Scorecarding Unindo a estratégia às operações com sucesso Visão Geral O Scorecarding oferece uma abordagem comprovada para comunicar a estratégia de negócios por toda a

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

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

Percio Alexandre de Oliveira Prof. Maurício Capobianco Lopes - Orientador

Percio Alexandre de Oliveira Prof. Maurício Capobianco Lopes - Orientador Percio Alexandre de Oliveira Prof. Maurício Capobianco Lopes - Orientador Índice Introdução Objetivos Data Warehouse Estrutura Interna Características Principais elementos: ETC, Metadados e Modelagem Dimensional

Leia mais

Requisitos de business intelligence para TI: O que todo gerente de TI deve saber sobre as necessidades reais de usuários comerciais para BI

Requisitos de business intelligence para TI: O que todo gerente de TI deve saber sobre as necessidades reais de usuários comerciais para BI Requisitos de business intelligence para TI: O que todo gerente de TI deve saber sobre as necessidades reais de usuários comerciais para BI Janeiro de 2011 p2 Usuários comerciais e organizações precisam

Leia mais

Fundamentos da inteligência de negócios: gestão da informação e de bancos de dados

Fundamentos da inteligência de negócios: gestão da informação e de bancos de dados Fundamentos da inteligência de negócios: gestão da informação e de bancos de dados slide 1 1 Copyright 2011 Pearson Education, Inc. publishing as Prentice Hall Objetivos de estudo Como um banco de dados

Leia mais

Estudar os Sistemas de Processamento de Transação (SPT)

Estudar os Sistemas de Processamento de Transação (SPT) Estudar a Colaboração Empresarial. Objetivos do Capítulo Estudar os Sistemas de Processamento de Transação (SPT) Identificar o papel e alternativas de relatórios dos sistemas de informação gerencial. Estudar

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

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

Business Intelligence e Inteligência Analítica BUSINESS INTELLIGENCE

Business Intelligence e Inteligência Analítica BUSINESS INTELLIGENCE Business Intelligence e Inteligência Analítica BUSINESS INTELLIGENCE Sumário Conceitos/Autores chave... 3 1. Introdução... 4 2. Teoria de Negócios... 5 3. Profi ssionais de BI... 6 4. Verdades e Mitos

Leia mais

TECNOLOGIA DA INFORMAÇÃO - TI Elaborado e adaptado por: Prof.Mestra Rosimeire Ayres

TECNOLOGIA DA INFORMAÇÃO - TI Elaborado e adaptado por: Prof.Mestra Rosimeire Ayres TECNOLOGIA DA INFORMAÇÃO - TI Elaborado e adaptado por: Prof.Mestra Rosimeire Ayres Aula 6 Fazendo BI NO EXCEL USANDO TABELA DINÂMICA EXCEL PARA TOMADA DE DECISÕES A ferramenta é nada, o talento é tudo.

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

Planejamento operacional e sistemas automatizados de gestão de recursos organizacionais. Prof. Gilberto Porto porto@gilbertoporto.com.

Planejamento operacional e sistemas automatizados de gestão de recursos organizacionais. Prof. Gilberto Porto porto@gilbertoporto.com. Planejamento operacional e sistemas automatizados de gestão de recursos organizacionais Prof. Gilberto Porto porto@gilbertoporto.com.br Sistemas de Informação SE SSD/ SAE Estratégico Tipos de decisão Não

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

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

AULA 5 O E-BUSINESS E OS SISTEMAS DE APOIO ÀS DECISÕES E DE INFORMAÇÃO EXECUTIVA

AULA 5 O E-BUSINESS E OS SISTEMAS DE APOIO ÀS DECISÕES E DE INFORMAÇÃO EXECUTIVA AULA 5 O E-BUSINESS E OS SISTEMAS DE APOIO ÀS DECISÕES E DE INFORMAÇÃO EXECUTIVA APOIO ÀS DECISÕES DE E-BUSINESS E SISTEMAS DE APOIO ÀS DECISÕES Conceito O conceito básico de e-business é simples: negócios

Leia mais

Sistemas de Informações

Sistemas de Informações Sistemas de Informações Prof. Marco Pozam- mpozam@gmail.com A U L A 0 3 Ementa da disciplina Sistemas de Informações Gerenciais: Conceitos e Operacionalização. Suporte ao processo decisório. ERP Sistemas

Leia mais

Plataforma de Business Intelligence

Plataforma de Business Intelligence Plataforma de Business Intelligence ASTEN TECNOLOGIA DA INFORMAÇÃO A Asten é uma empresa do ramo da tecnologia da informação (TI) que tem seu foco na busca por soluções inovadoras. Nosso slogan criando

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

Modelando um Data Warehouse GRIMALDO OLIVEIRA

Modelando um Data Warehouse GRIMALDO OLIVEIRA Modelando um Data Warehouse GRIMALDO OLIVEIRA Sobre Grimaldo Grimaldo Oliveira grimaldo_lopes@hotmail.com Formação Mestre em Tecnologias Aplicadas a Educação pela Universidade do Estado da Bahia. Especialização

Leia mais

Noções de. Microsoft SQL Server. Microsoft SQL Server

Noções de. Microsoft SQL Server. Microsoft SQL Server Noções de 1 Considerações Iniciais Basicamente existem dois tipos de usuários do SQL Server: Implementadores Administradores 2 1 Implementadores Utilizam o SQL Server para criar e alterar base de dados

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

CAPÍTULO 7. SISTEMAS DE APOIO À DECISÃO (SAD) SISTEMAS DE SUPORTE À DECISÃO (SSD)

CAPÍTULO 7. SISTEMAS DE APOIO À DECISÃO (SAD) SISTEMAS DE SUPORTE À DECISÃO (SSD) 1 CAPÍTULO 7. SISTEMAS DE APOIO À DECISÃO (SAD) SISTEMAS DE SUPORTE À DECISÃO (SSD) A necessidade dos SAD surgiu em decorrência de diversos fatores, como, por exemplo: Competição cada vez maior entre as

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

Introdução. Formação Informática Para Estatísticos Na DPINE. Formação Informática Para Estatísticos Na DPINE. Usar Tabelas Dinâmicas em EXCEL

Introdução. Formação Informática Para Estatísticos Na DPINE. Formação Informática Para Estatísticos Na DPINE. Usar Tabelas Dinâmicas em EXCEL Usar Tabelas Dinâmicas em EXCEL Introdução Neste Módulo aprendemos o importante recurso de Tabelas Dinâmicas e Gráficos Dinâmicos. Aprendemos a criar tabelas dinâmicas, a aplicar filtros e a fazer análise

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

Companhia de Processamento de Dados do Município de São Paulo. Acessando e manipulando Cubos OLAP Utilizando o MS Excel 2000/XP

Companhia de Processamento de Dados do Município de São Paulo. Acessando e manipulando Cubos OLAP Utilizando o MS Excel 2000/XP Companhia de Processamento de Dados do Município de São Paulo Acessando e manipulando Cubos OLAP Utilizando o MS Excel 2000/XP Setembro/2003 Para acessar e manipular os dados existentes nos denominados

Leia mais

Conceitos. - Sistema de Informação, Estruturas e Classificação. - Dados x Informações. Edson Almeida Junior www.edsonalmeidajunior.com.

Conceitos. - Sistema de Informação, Estruturas e Classificação. - Dados x Informações. Edson Almeida Junior www.edsonalmeidajunior.com. Conceitos - Sistema de Informação, Estruturas e Classificação - Dados x Informações Edson Almeida Junior www.edsonalmeidajunior.com.br Definição de Sistema Uma coleção de objetos unidos por alguma forma

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

ATENÇÃO: ESTE ARTIGO NÃO PODERÁ SER UTILIZADO PARA FINS COMERCIAIS. DEVERÁ OBRIGATORIAMENTE SER REFERENCIADO COMO:

ATENÇÃO: ESTE ARTIGO NÃO PODERÁ SER UTILIZADO PARA FINS COMERCIAIS. DEVERÁ OBRIGATORIAMENTE SER REFERENCIADO COMO: ATENÇÃO: ESTE ARTIGO NÃO PODERÁ SER UTILIZADO PARA FINS COMERCIAIS. DEVERÁ OBRIGATORIAMENTE SER REFERENCIADO COMO: Fabre, Jorge Leandro; Carvalho, José Oscar Fontanini de. (2004). Uma Taxonomia para Informações

Leia mais

TotalData empresa brasileira há mais de 25 anos no mercado. Provedora de ferramentas de fácil utilização. Presente em empresas de vários segmentos

TotalData empresa brasileira há mais de 25 anos no mercado. Provedora de ferramentas de fácil utilização. Presente em empresas de vários segmentos TotalData empresa brasileira há mais de 25 anos no mercado Provedora de ferramentas de fácil utilização Presente em empresas de vários segmentos Contribuição de forma eficaz na operação de cada cliente

Leia mais

DATA WAREHOUSE. Rafael Ervin Hass Raphael Laércio Zago

DATA WAREHOUSE. Rafael Ervin Hass Raphael Laércio Zago DATA WAREHOUSE Rafael Ervin Hass Raphael Laércio Zago Roteiro Introdução Aplicações Arquitetura Características Desenvolvimento Estudo de Caso Conclusão Introdução O conceito de "data warehousing" data

Leia mais

INTEGRE Diversas fontes de informações em uma interface intuitiva que exibe exatamente o que você precisa

INTEGRE Diversas fontes de informações em uma interface intuitiva que exibe exatamente o que você precisa INTEGRE Diversas fontes de informações em uma interface intuitiva que exibe exatamente o que você precisa ACESSE Informações corporativas a partir de qualquer ponto de Internet baseado na configuração

Leia mais

BI Citsmart Fornece orientações necessárias para instalação, configuração e utilização do BI Citsmart.

BI Citsmart Fornece orientações necessárias para instalação, configuração e utilização do BI Citsmart. 16/08/2013 BI Citsmart Fornece orientações necessárias para instalação, configuração e utilização do BI Citsmart. Versão 1.0 19/12/2014 Visão Resumida Data Criação 19/12/2014 Versão Documento 1.0 Projeto

Leia mais

Módulo 4: Gerenciamento de Dados

Módulo 4: Gerenciamento de Dados Módulo 4: Gerenciamento de Dados 1 1. CONCEITOS Os dados são um recurso organizacional decisivo que precisa ser administrado como outros importantes ativos das empresas. A maioria das organizações não

Leia mais

Processos de Compras. Tecinco Informática Ltda. Av. Brasil, 5256 3º Andar

Processos de Compras. Tecinco Informática Ltda. Av. Brasil, 5256 3º Andar Processos de Compras Tecinco Informática Ltda. Av. Brasil, 5256 3º Andar 1 Centro Cascavel PR www.tecinco.com.br Sumário Controle de Compras... 4 Parametrização... 4 Funcionamento... 4 Processo de Controle...

Leia mais

Unidade II GERENCIAMENTO DE SISTEMAS. Prof. Roberto Marcello

Unidade II GERENCIAMENTO DE SISTEMAS. Prof. Roberto Marcello Unidade II GERENCIAMENTO DE SISTEMAS DE INFORMAÇÃO Prof. Roberto Marcello SI Sistemas de gestão A Gestão dos Sistemas Integrados é uma forma organizada e sistemática de buscar a melhoria de resultados.

Leia mais

SOBRE A SOFTLOG. APRESENTAÇÃO - SoftLog LOGuinho

SOBRE A SOFTLOG. APRESENTAÇÃO - SoftLog LOGuinho SOBRE A SOFTLOG A SoftLog Tecnologia é uma empresa especializada no desenvolvimento de soluções tecnológicas para empresas e instituições de diversos modais de transporte. Dentre os diversos tipos de soluções

Leia mais

MBA Inteligência Competitiva Com ênfase em BI/CPM. Metadados

MBA Inteligência Competitiva Com ênfase em BI/CPM. Metadados MBA Inteligência Competitiva BI/CPM 1 Data Warehousing PÓS-GRADUAÇÃO MBA Inteligência Competitiva Com ênfase em BI/CPM Metadados Andréa Cristina Montefusco (36927) Hermes Abreu Mattos (36768) Robson Pereira

Leia mais

Business Process Management [BPM] Get Control. Empower People.

Business Process Management [BPM] Get Control. Empower People. Business Process Management [BPM] Get Control. Empower People. O SoftExpert BPM Suite é uma suíte abrangente de módulos e componentes perfeitamente integrados, projetados para gerenciar todo o ciclo de

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

e-business A IBM definiu e-business como: GLOSSÁRIO

e-business A IBM definiu e-business como: GLOSSÁRIO Através do estudo dos sistemas do tipo ERP, foi possível verificar a natureza integradora, abrangente e operacional desta modalidade de sistema. Contudo, faz-se necessário compreender que estas soluções

Leia mais

Modelo de dados do Data Warehouse

Modelo de dados do Data Warehouse Modelo de dados do Data Warehouse Ricardo Andreatto O modelo de dados tem um papel fundamental para o desenvolvimento interativo do data warehouse. Quando os esforços de desenvolvimentos são baseados em

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

Business Intelligence para todos

Business Intelligence para todos Business Intelligence para todos CCFB - Rio de Janeiro DeciLogic - 2008 Eric Sarzana Diretor eric.sarzana@decilogic.com Agenda DeciLogic O que é o Business Intelligence? Porquê o Business Intelligence?

Leia mais

MÓDULO - I Manual Prático Microsoft Excel 2007

MÓDULO - I Manual Prático Microsoft Excel 2007 MÓDULO - I Manual Prático Microsoft Excel 2007 MÓDULO - I APRESENTAÇÃO... 1 AMBIENTE DE TRABALHO... 2 A folha de cálculo... 2 O ambiente de trabalho do Excel... 3 Faixas de Opções do Excel... 4 - Guia

Leia mais