BUSINESS INTELLIGENCE APLICADO NA GESTÃO ACADÊMICA

Transcrição

1 BUSINESS INTELLIGENCE APLICADO NA GESTÃO ACADÊMICA Marcio Rodrigo Teixeira e Mehran Misaghi Instituto Superior Tupy (IST) / Sociedade Educacional de Santa Catarina (SOCIESC) Campus Boa Vista, Joinville, Brasil RESUMO A gestão dos negócios, a competitividade, o excesso de informações e a dispersão dos dados no ambiente organizacional têm se mostrado importantes barreiras a serem superadas pelos gestores na atualidade, tanto na melhoria dos processos, quanto na tomada de decisão. Este artigo aborda o tema Business Intelligence e apresenta estudos de caso visando mostrar os benefícios de sua aplicação para ajudar Instituições de Ensino Privadas a alcançar melhores resultados na sua gestão acadêmica. PALAVRAS-CHAVE Gestão Acadêmica; Business Intelligence; Data Warehouse. 1. INTRODUÇÃO Com a evolução tanto nos modelos de gestão, quanto na própria sociedade, a informação e o conhecimento passaram a serem considerados os principais patrimônios de uma organização e fatores de sucesso e diferenciação. Porém, o excesso de informações e a dispersão dos dados tem se tornado barreiras na melhoria nos processos e também na tomada de decisão. Assim sendo, podemos afirmar que a análise dos dados e informações se faz necessária, atualmente nos processos administrativos das organizações e também em um ambiente de gestão acadêmica, pois visa ajudar a tomar decisões inteligentes, mediante dados e informações recolhidas pelos diversos sistemas de informação da instituição. A seguir serão abordados temas relatando os desafios das instituições de ensino privadas, Business Intelligence, sua arquitetura e componentes, estudos de caso de aplicação dessa ferramenta em instituições de ensino.e por fim um panorama de Business Intelligence aplicado à gestão de um ambiente acadêmico privado. 2. OS DESAFIOS DAS INSTITUIÇÕES DE ENSINO PRIVADAS As velozes transformações do mundo contemporâneo têm-se mostrado um grande e contínuo desafio para organizações incluindo as instituições de ensino. As instituições de ensino, não podem mais sentir-se excessivamente confiantes com as fatias de mercado e posições conquistadas e devem buscar a melhoria de seus serviços, redução de custos operacionais e aumento da margem de lucro. Segundo Machado (2008), muitos outros setores já passaram pelo choque de concorrência e sobreviveram, agora chegou à vez das instituições de ensino. Ou elas aderem a um modelo de negócios mais contemporâneo e responsivo ou assistir-se-á nos próximos anos ao que nunca foi visto antes: instituições de ensino superior privadas sendo vendidas, fundidas e tendo suas portas fechadas. 3. BUSINESS INTELLIGENCE De acordo com Filho (2010), o objetivo de BI é permitir que se identifiquem ameaças e oportunidades de negócios, para que oportunidades sejam aproveitadas em primeira mão, ameaças sejam convertidas em boas 207

2 ISBN: IADIS chances de lucro e a capacidade de resposta à mudanças seja ampliada, junto com o dinamismo característico do mercado. Para Turban, Sharda, Aronson, King (2009), os principais objetivos do BI são permitir o acesso interativo aos dados (às vezes, em tempo real), proporcionar a manipulação desses dados e fornecer aos gerentes e analistas de negócios a capacidade de realizar a análise adequada. 3.1 Arquitetura e Componentes de BI Pessoas (Usuários do Negócio, Administradores, Desenvolvedores, Suporte Técnico) As pessoas são fundamentais em uma arquitetura de Business Intelligence, além dos processos e tecnologias envolvidas. Segundo Turban, Sharda, Aronson, King (2009), o sucesso do BI depende, em parte, de quais pessoas na organização mais provavelmente fariam uso dele. Um dos aspectos mais importantes de um sistema bem-sucedido de BI é que ele deve ser vantajoso para a empresa como um todo. Isso implica em inúmeros usuários na empresa, muitos dos quais devem ser envolvidos desde o inicio de uma decisão pelo investimento em data warehouse. A comunidade de usuário de BI é diversificada porem pode-se afirmar que a grande maioria se concentra nos níveis tático e estratégico e vale ressaltar que uns se relacionam com os outros Metadata and Master Data Management Conforme Machado (2011), os sistemas de banco de dados necessitam de informações que são armazenadas, ou seja, precisam de dados que contenham informações sobre os dados que estão armazenados no sistema. Da mesma forma, os sistemas de data warehouse possuem um repositório de metadados, que é uma abstração dos dados, ou seja, dados de mais alto nível que descrevem os dados de níveis inferiores que compõem a estrutura do data warehouse. Segundo Inmon, Hackathorn (1997), os metadados possuem um papel muito importante e especial no data warehouse. De acordo com Inmon, Welch, Glassey (1998), sem os metadados, o data warehouse e seus componentes associados no ambiente projetado são meramente componentes soltos funcionando independentemente e com objetivos separados. Conforme Barbieri (2011), Master Data Management, significa gerência de dados mestres. O que são dados mestres? Os dados mestres são os dados mais importantes existentes dentro de uma organização. O Master Data Management tem o objetivo de fornecer processos para coletar, agregar, combinar, consolidar, garantir qualidade, persistir e distribuir esses dados em toda a organização para assegurar a consistência e controle na manutenção e uso desta informação Fontes de Dados Os dados podem possuir vários formatos e ser obtidos em várias fontes como, por exemplo: CRM: Customer Relationship Management (CRM), conforme Serra (2002), engloba conceitos, métricas, processos, soluções, gestão de canais, estratégias e ferramentas das áreas de marketing, vendas e serviços. ERP: Enterprise Resource Planning, de acordo com Filho (2010), são sistemas focados no atendimento às áreas administrativas e operacionais de uma empresa, garantindo agilidade, integridade de informações e segurança. Aplicações Web: são sistemas acessados através da Internet ou uma intranet. OLTP: Online Transaction Processing, são sistemas que se encarregam de registrar todas as transações contidas em uma determinada operação organizacional. O ERP é um dos sistemas que fazem parte desta categoria. Sistemas Legados: aplicações legadas são sistemas que continuam a ser usado, apesar de existir uma tecnologia mais nova ou mais métodos mais eficientes de executar a tarefa. Outros: existem vários outros tipos de fontes de dados além dos citados anteriormente. Estas diversas fontes de dados compõe a paisagem de inteligência analítica da empresa. 208

3 3.1.4 Camada de Integração de Dados A camada de integração de dados é composta pelos seguintes componentes: Aplicação ETL: Extraction, Transformation and Load, de acordo com Turban, Sharda, Aronson, King (2009), consiste em extração (leitura dos dados de um ou mais bancos de dados), transformação (conversão dos dados extraídos de sua forma anterior na forma em que precisam estar) e carga (colocação dos dados no data warehouse). Segundo Filho (2010), pode ser um aplicativo desenvolvido internamente, um conjunto de scripts para execução em lote ou ainda um pacote comprado de um desenvolvedor. Camada de Preparação de Dados: As diferentes fontes de dados que compõem as informações de negócios da empresa precisam eventualmente, ser armazenadas em um data warehouse. O ETL facilita o meio de formatação de dados de diferentes fontes para que possam ser carregados em uma estrutura de data warehouse. Conforme Machado (2011), representa um armazenamento intermediário dos dados, facilitando a integração dos dados do ambiente operativo antes de sua atualização no data warehouse. Data Warehouse, segundo Inmon, Hackathorn (1997), é uma coleção de dados orientados a assuntos, integrados, variáveis com o tempo, não voláteis, para suporte ao processo gerencial de tomada de decisão. Conforme Machado (2011), o data warehouse proporciona uma sólida e concisa integração dos dados da empresa, para a realização de análises gerenciais estratégicas de seus principais processos de negocio com a preocupação de integrar e consolidar as informações de fontes internas e externas, preparando-os para análises e suporte a decisão. Data Marts, de acordo com Serra (2002), é um pequeno data warehouse que fornece suporte a decisão de um pequeno grupo de pessoas. Segundo Primak (2008), os data marts atendem as necessidades de unidades especificas de negocio ao invés das necessidades da corporação inteira. Através destes componentes é possível transformar os dados em informações de qualidade, úteis para toda a empresa e principalmente no processo de tomada de decisão Camada de Acesso aos Dados A camada de acesso a dados é possui os seguintes componentes: Cubos, referem-se a conjunto de dados correlacionados que são organizados para que os usuários combinem atributos a fim de criar diversas visões. O cubo é usado para representar os dados ao longo de algumas medidas de interesse. Pode ter 2, 3 ou mais dimensões. Cada dimensão representa algum atributo no banco de dados e as células no cubo de dados representam a medida de interesse. Aplicação OLAP: De acordo com Inmon, Welch, Glassey (1998), o processamento analítico online é um método importante na arquitetura do data warehouse através do qual os dados podem ser transformados em informação. OLAP é um conjunto de funcionalidades que tenta facilitar a análise multidimensional. Data Mining, segundo Tan, Steinbach, Kumar (2009), é o processo de descoberta automática de informações úteis em grandes depósitos de dados. As técnicas de mineração de dados são organizadas para agir sobre grandes bancos de dados com o intuito de descobrir padrões úteis e recentes que poderiam de outra forma, permanecer ignorados. Aplicação de BI, são ferramentas desenvolvidas para relatar, analisar e apresentar dados. As ferramentas em geral, leem os dados que tenham sido previamente armazenados em um data warehouse ou data mart. Funções comuns de tecnologias de BI são relatórios, planilhas, processamento analítico online, análises, data mining, gerenciamento de desempenho de negócios, benchmarking, e análise preditiva. Estes componentes permitem realizar análises empresariais com maior eficiência e eficácia e são a base para uma melhor tomada de decisão. 4. BUSINESS INTELLIGENCE APLICADO A GESTÃO DE UM AMBIENTE ACADÊMICO PRIVADO Fornecer recursos de TI para os gestores é uma questão vital para qualquer instituição de ensino atual, portanto a aplicação de Business Intelligence é fundamental para facilitar os processos de gestão e tomada de decisão. As instituições de ensino, podem usar o BI para diferentes tarefas, como geração de relatórios relevantes, análise financeira, planejamento estratégico, monitoramento e controle de indicadores de desempenho, administração, entre outros. 209

4 ISBN: IADIS Porem existem desafios ao iniciar a aplicação em ambientes de gestão acadêmica, uma vez que se deve configurá-lo de forma diferenciada do modo tradicional, conhecido e praticado em ambientes corporativos. Todas essas tendências são muito mais fáceis de serem observadas quando a instituição de ensino possui uma arquitetura de BI que permite atender as necessidades de informação de todos os departamentos. Segundo Norris, Baer, Leonard, Pugliese, Lefrere (2008), algumas ações primárias são necessários para evoluir da geração atual de análise acadêmica (ferramentas, soluções e serviços) para a ação analítica: Foco nos processos, soluções e comportamentos, não apenas na aquisição de ferramentas. Incorporar fatores de força de trabalho nos currículos e ofertas educacionais. Incorporar as comparações inter-institucional e inter-setorial nas soluções. Desenvolver novas práticas / soluções que garantam o alinhamento das metas institucionais, as estratégias, iniciativas, intervenções, resultados e medidas em uma variedade de maneiras, incluindo o alinhamento do institucional para o acadêmico, para o departamento, para os programas. Desenvolver a capacidade organizacional e mudança cultural para incentivar o comportamento baseado em evidências e ação com foco em inovação para melhorar o desempenho. Instituições de ensino privadas estão fazendo uso extensivo de inteligência analítica e modelagem preditiva em marketing, recrutamento e retenção. Utilizam análises dos dados de alunos para efetuar acompanhamento do desempenho acadêmico e retenção de aprendizado, desenvolveram suas infraestruturas de TI para alcançar esses objetivos de transformação, tendo em conta tanto eficiência operacional e intimidade com o cliente. Eles entendem as necessidades dos estudantes e empregadores e adaptam o currículo e ofertas de cursos procurando alinhar com as exigências do emprego. Muitas instituições de ensino estão implantando também a análise acadêmica, para criar modelos preditivos de inscrição, para prever e melhorar a retenção do aluno, para desenvolver um plano de aprendizagem individual ligado a sistema de alerta caso um indicador acadêmico do aluno fique abaixo da meta, além disso, o nível assertividade na tomada de decisão, planejamento e alocação de recursos, melhoria de processos tem sido observados. Análises com foco em questões relacionadas ao acesso, aprendizagem e desempenho dos alunos em todas as fases de sua vida acadêmica, permitem que os alunos assumam uma maior responsabilidade para o seu sucesso, em colaboração com os pais, professores e empregadores. Para exemplificar uma arquitetura analítica que compreende Business Intelligence aplicado em um ambiente de gestão acadêmico, Norris, et al (2008) retrataram em seu artigo uma estrutura que pode ser descrita como de última geração, pois os dados dos sistemas ERP s, residirão em uma "nuvem" de soluções de arquitetura aberta, que por sua vez serão acessados pela internet a partir de qualquer dispositivo, independente do sistema operacional que esteja sendo utilizado pelo usuário. 4.1 Estudos de Caso Para ilustrar a aplicação do BI em no ambiente acadêmico a Tabela 1 apresenta dois estudos de caso, um da Microsoft (2012) e outro da IBM (2009). Tabela 1. Business Intelligence aplicado em ambiente acadêmico Cliente Necessidades de Negócio Universidade de Calgary Universidade Sripatum Mais de alunos estão atualmente matriculados em cursos de graduação, pós-graduação alunos formado Atualmente, a universidade está buscando a expansão através de um plano de investimento de US $ 1,5 bilhões para aumentar a sua capacidade e atividades de pesquisa. sem fio e sistemas de e-learning. Consolidar fontes complexas e confusas de dados em informações valiosas para os tomadores de decisão. A universidade Sripatum tem campi em três locais. Anualmente são aceitos mais de novos alunos em programas de graduação, pós-graduação. A universidade quer ser a principal universidade privada da Tailândia e tem investido bastante em tecnologia da informação, incluindo redes A universidade queria otimizar relatórios para que pudessem reagir mais rapidamente às condições de mercado. 210

5 A Universidade decidiu usar BI, para permitir que os escritórios da administração, finanças e inscrição tenham acesso a painéis de informação para a análise de previsão e monitoramento de atividades. Solução/Produto IBM Cognos 8 BI Microsoft BI Benefícios Melhoria da tomada de decisão, planejamento e modelagem preditiva, otimização de links críticos na cadeia de suprimentos; análise de métricas de custo e eficiência para a otimização de negócios sem aumentos orçamentais significativos; dashboards que permitam previsão e atividades de monitoramento A universidade também queria melhorar as apresentações do seu relatório. A universidade queria que os usuários pudessem interagir mais com os dados. A universidade Sripatum reduziu o tempo de geração de relatórios e melhorou as suas capacidades analíticas. Utilização de painéis para monitorar indicadores-chave de desempenho (KPIs), e estão planejando hospedar materiais educativos na nuvem. 5. CONCLUSÃO Através do estudo realizado foi possível constatar que o atual ambiente de competitividade global tem impactado inclusive o setor de educação fazendo com que as instituições de ensino procurem ajustar o seu planejamento estratégico e organizacional, promovam a inovação e o uso da tecnologia da informação para acelerar a inteligência competitiva e analítica da instituição. Foi observado que a inteligência analítica permite que a instituição conheça suas necessidades e fraquezas, assim como, seus pontos fortes e fracos, tornando as ações estratégicas e tomadas de decisão eficazes. Para auxiliar na tomada de decisão uma das ferramentas mais importantes é o Business Intelligence que proporciona a visualização das informações em vários níveis de detalhamento, possibilitando a instituição ter um maior controle de seus negócios. O BI possui uma arquitetura que compreende tecnologias, processos e pessoas e visa auxiliar o processo de transformação dos dados em informação, informação em conhecimento e conhecimento em sabedoria, resultando em ações que beneficiam a empresa. Várias instituições de ensino conforme exemplificado através de dois estudos de caso utilizando a ferramenta IBM Cognos e Microsoft BI nas universidades de Calgary e Sripatum estão observando o potencial da inteligência analítica e estão consequentemente adotando ferramentas de BI. O futuro dessas ferramentas tende a ser baseada em cloud computing, acessível através da Internet. REFERÊNCIAS Barbieri, C, BI2 Business Intelligence: modelagem e qualidade. Elsevier, Brasil. Filho, T. L., BI Business Intelligence no Excel. Novaterra, Brasil. IBM, Powerful business intelligence for the University of Calgary. IBM Case Study. Retrieved from 01.ibm.com/software/success/cssdb.nsf/CS/SANS-7UMHVN?OpenDocument&Site=cognos&cty=en_us Inmon, W. H., et al, Gerenciando Data Warehouse. Makron Books, Brasil. Inmon, W. H., Hackathorn, R. D., Como Usar o Data Warehouse.Infobook, Brasil. Machado, F. N., Tecnologia e Projeto de Data Warehouse. Editora Érica, Brasil. Machado, L. E., Gestão Estratégica para Instituições de Ensino Superior Privadas. Editora FGV, Brasil. Microsoft, University Speeds Reporting and Improves Data Analysis with Microsoft BI Platform. Microsoft Case Studies. Retrieved from University/University-Speeds-Reporting-and-Improves-Data-Analysis-with-Microsoft-BI-Platform/ Norris, D., et al, Action Analytics: Measuring and Improving Performance That Matters. EDUCAUSE Review. Retrieved from gandimp/ Primak, F. V., Decisões com B.I. (Business Intelligence). Editora Ciência Moderna ltd, Brasil. Tan, P.-N., et al, Introdução ao Data Mining. Editora Ciência Moderna ltd, Brasil. Turban, E., et al, Business Intelligence: um enfoque gerencial para a inteligência do negócio. Bookman, Brasil. 211