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

Transcrição

1 Encontro de Ensino, Pesquisa e Extensão, Presidente Prudente, 22 a 25 de outubro, BUSINESS INTELLIGENCE, O ELEMENTO CHAVE PARA O SUCESSO DAS ORGANIZAÇÕES. Andrios Robert Silva Pereira, Renato Zanutto Cleps, Rodrigo da Silva Lima Guilherme Sistemas de Informação, Faculdade de Informática Universidade do Oeste Paulista (UNOESTE), andrios@unoeste.br RESUMO A utilização de Business Intelligence (BI) é um dos principais fatores críticos de sucesso para a sobrevivência de uma organização nos últimos anos, já faz algum tempo que as empresas que não adotam essas metodologias ficam estagnadas no tempo ou até mesmo falem por não conseguirem acompanhar o mercado. Com a globalização e a busca cada vez mais constante por informações em tempo real, para alguns processos específicos dentro das empresas as decisões passam a ser tomadas através do uso de inteligência artificial e não mais aguardam a análise de uma pessoa para serem tomadas. Este trabalho tem como objetivo explicar os fundamentos do Business Intelligence e abordar as técnicas de inteligência artificial que já vêm sendo utilizadas e a perspectiva dessas tecnologias agregadas ao BI. Palavras chave: Business Intelligence;Inteligência Artificial;decisão;informação INTRODUÇÃO E OBJETIVO Na atualidade, os mercados ao redor do mundo estão interligados através do fácil acesso à informação, com a internet cada dia mais presente na casa de cada consumidor os empresários de empresas físicas têm enfrentado cada dia mais desafios a cerca da perda de consumidores para mercados virtuais, assim como os comércios eletrônicos disputam entre si essa demanda por produtos adquiridos através da internet. Ambos os lados precisam estudar o comportamento de seus consumidores para, primeiramente não perder os atuais aumentando seu indicie de satisfação e conseguir atrair um número maior de clientes visando um maior faturamento. Com o uso do BI essas empresas podem refinar as informações extraídas a partir de suas rotinas diárias que são armazenadas em um DW (DATAWAREHOUSE), de forma que os possibilitem analisar e tratar de forma mais específicas possíveis incidentes imperceptíveis sem o uso dessas técnicas, como: realizar campanhas publicitárias para públicos alvo evitando a publicidade em massa e o conseqüente desperdício de capital com marketing de produtos que não são de interesse de determinado cliente, além de muitos outros benefícios. O objetivo deste trabalho é apresentar os fundamentos do Business Intelligence através da teoria a cerca de seus componentes e alguns cases de sucesso na implementação dessa ferramenta. Começando pelo DATAWAREHOUSE que é o princípio da tecnologia em questão, este consiste em um armazém de dados como o próprio nome diz, ou seja, são bases de dados que

2 Encontro de Ensino, Pesquisa e Extensão, Presidente Prudente, 22 a 25 de outubro, fogem à conhecida técnica de normalização de dados, pois a idéia é armazenar uma massa de dados para posterior análise sobre seus padrões e variações. Na seqüência serão apresentados os métodos para extração de informações consistentes dessas bases de dados, conhecidas como técnicas de Data Mining(mineração de dados) e por fim as formas de análise dessas informações para auxilio na tomada de decisão ou automatizada ou através de uma análise mais específica feita por desde um gestor de nível operacional até o nível estratégico da organização. MATERIAL E MÉTODOS A metodologia utilizada foram estudos realizados em bibliografias e pesquisas em artigos científicos já publicados além de revistas do gênero. RESULTADOS E DISCUSSÃO Business Intelligence (BI) é um termo guarda chuva que inclui arquiteturas, ferramentas, bancos de dados, aplicações e metodologias. O termo BI foi cunhado pelo GartnerGroup em meados da década de Contudo, o conceito iniciou muito antes, com suas raízes nos sistemas de geração de relatórios SIG dos anos 1970, Turban [1]. O BI pode ser dividido em três grandes componentes: Data Warehouse, Data Mining e relatórios de saída, a seguir serão explanados cada um dos componentes destacados acima. DATA WAREHOUSE A Continental Airlines, uma empresa de aviação norte americana em 1994 estava prestes a passar pelo terceiro processo de falência segundo a legislação americana e provavelmente o ultimo. Foi quando Gordon Bethuneque, tendo assumido a presidência deu inicio ao plano GoFowardonde enfatizou a melhoria dos indicadores de desempenho valorizados pelos clientes através de um melhor entendimento das necessidades dos mesmos, para isso foi necessário um investimento de US$ 30 milhoes em hardware e no primeiro ano identificou e eliminou mais de US$ 7 milhoes em fraude e reduziu os custos em US$ 41 milhoes, Turban[1]. Todo esse investimento foi apenas em hardware, ou seja, servidores para comportar a estrutura de um Data Warehouse que processa informações em tempo real. A equipe de TI da empresa se manteve, o que nos demonstra que apenas com a mudança da metodologia de trabalho já é possível realizar grandes mudanças utilizando BI e com o patrocínio adequado pode se obter os

3 Encontro de Ensino, Pesquisa e Extensão, Presidente Prudente, 22 a 25 de outubro, mais incríveis resultados, como no caso da Continental Airlines que passou de uma empresa que quase desapareceu para uma das maiores empresas do ramo em atividade. Um Data Warehouse (DW) é um conjunto de dados produzido para oferecer suporte à tomada de decisões, Turban [1]. Os DW na maioria das vezes são corporativos, ou seja, é criado apenas um repositório para toda a organização, mas há casos em que o BI é aplicado em áreas especificas da empresa, o que gera um subconjunto dos DataWarehouse denominados Data Marts (DM). Os DM concentram uma quantidade menor de dados em relação a um DW, existem estruturas diferentes de implementação de um DW onde este pode ser dividido em Data Marts para se adequar a infra estrutura física da empresa. Nos casos de DM criados pela opção de estrutura de BI, alimentação do mesmo é realizada a partir do banco de dados corporativo através do processo de ETL (Extração, Transformação e Carga), ou seja, são extraídas informações especificas do processo em questão e essas informações são inseridas no Data Mart. Mas segundo Turban [1], controles locais como: levantamentos de KPI por setores isolados da empresa, planilhas de controle, etc, podem ser considerados Data Marts, existindo a possibilidade de em uma implementação de um DW corporativo esses DM serem utilizados para a alimentação da base maior (DW). A figura I, Eckerson [2], ilustra quatro possíveis estruturas de Data Warehouse com seus prós e contras.

4 Encontro de Ensino, Pesquisa e Extensão, Presidente Prudente, 22 a 25 de outubro, Figura 1. Arquiteturas alternativas para empreendimentos de data warehousing. Eckerson [2]. DATA MINING O Data Mining é um processo que usa técnicas estatísticas, matemáticas, de inteligência artifical e de aprendizagem automática para extrair e identificar informações úteis e conhecimento subseqüente de bancos de dados, Turban [1]. Existem vários métodos acerca desta segunda grande divisão do BI, pois é um dos processos mais demorados e complexos uma vez que precisam ser definidos os algoritmos para organização e extração de informações da massa de dados. Em se tratando de massa de dados, uma falha na escolha do algoritmo ou até mesmo dos dados a serem processados pode gerar uma grande perda para a empresa, portanto deve se fazer um estudo sobre o negócio em questão e entender os dados antes da definição do processo de Data Mining conforme processo de data mining recomendado pelo CRISP DM (Figura II). Turban [1] criou uma lista dos dez erros crassos em data mining: 1. Selecionar o problema errado para data mining. 2. Ignorar o que seu patrocinador pensa sobre o eu é data mining e o que realmente pode e não pode fazer.

5 Encontro de Ensino, Pesquisa e Extensão, Presidente Prudente, 22 a 25 de outubro, Não dedicar tempo suficiente para preparação dos dados. Exige mais esforço do que normalmente é deduzido. 4. Olha apenas resultados reunidos e não os registros individuais. O IMS DB2 da IBM consegue destacar registros individuais de interesse. 5. Ser negligente quanto ao controle de procedimento e resultados do data mining. 6. Ignorar descobertas suspeitas e ir adiante rapidamente. 7. Executar algoritmos de mining de modo repetido e cego. É importante pensar bastante sobre o próximo estágio da análise de dados. O data mining é uma atividade com muita participação ativa. 8. Acreditar em tudo que se ouve sobre os dados. 9. Acreditar em tudo que se ouve sobre sua própria análise de data mining. 10. Medis seus resultados de maneira diferente daquela que seu patrocinador usa para medir os dele. Figura 2. Processo de data mining recomendado pelo CRISP DM. Turban [1] Não existe uma única forma de realizar o data mining, depende da informação na qual se deseja chegar, algumas técnicas mais conhecidas são: classificação, agrupamento, associação, descoberta de sequencia, visualização, regressão, previsão, entre outras. A mais comumente utilizada é o método de classificação onde os históricos armazenados em um banco de dados são analisados de forma que permita realizar uma previsão de acordo com os padrões encontrados. RELATÓRIOS DE SAÍDA Os relatórios de saída consistem em formas de apresentar os dados obtidos através do processo de data mining aos tomadores de decisão, existem várias ferramentas de mercado

6 Encontro de Ensino, Pesquisa e Extensão, Presidente Prudente, 22 a 25 de outubro, para realizar tal função, sendo as mais conhecidas e utilizadas atualmente as pertencentes as empresas Microsoft e Oracle. Essa parte do BI é fundamental, pois é onde é realizado o contato com o usuário final e caso não se obtenha um bom resultado o usuário responsável pela tomada de decisão pode não interpretar de forma correta os resultados obtidos e então, se todo o processo foi realizado de forma correta tudo estará perdido devido uma falha apenas na apresentação dos dados. PROJETO E TOMADA DE DECISÃO O Business Intelligence não é um processo fácil que gera resultados a curto prazo, pois sua implantação deve ser muito bem planejada uma vez que se envolve muito investimento e em casos de falhas acarretam grandes perdas para a organização. Muitas empresas antes de obter o sucesso com a implementação de BI tiveram casos de fracasso, que foi o caso da Continental Airlines citado acima, dois anos antes do sucesso obtido no case apresentado essa mesma empresa tentou implementar BI e não conseguiu, o que acabou contribuindo para a situação critica em que chegou. Entretanto, com um trabalho bem planejado e implantado o sucesso gera resultados expressivos, segundo Turban [1], o principal benefício do BI para uma empresa é sua capacidade de fornecer informações precisas quando necessário, incluindo uma visão em tempo real do desempenho corporativo geral e de suas partes individuais. Eckerson [2] revela os resultados de uma pesquisa entre 510 corporações que indica os benefícios do BI conforme a visão dos participanetes. São eles: Economia de tempo (61%) Visão única da verdade (59%) Melhores estratégias e planos (57%) Melhores decisões táticas (56%) Processos mais eficientes (55%) Economia de custos (37%) CONCLUSÃO O Business Intelligence já é uma realidade para as organizações, pois uma empresa que não busca a redução de custos internos e analises do macro ambiente visando aumentar seu marketshare, não tem mais espaço no cenário atual.

7 Encontro de Ensino, Pesquisa e Extensão, Presidente Prudente, 22 a 25 de outubro, O desenvolvimento deste trabalho demonstrou em linhas gerais o Business Intelligence enquanto ferramenta e sua importância para as organizações. A tomada de decisão é a chave de cada negócio e se a decisão é tomada com base em informações concisas as chances de se obter sucesso são muito maiores, além disso, o BI permite a detecção de possíveis falhas com os métodos de previsão ou detectar problemas que estão ocorrendo, mas não podem ser percebidos. Com os avanços nos estudos de Inteligência Artificial ligada ao BI, as tomadas de decisão estão ficando cada vez mais automatizadas, agilizando assim uma cadeia de ações a partir de uma decisão que não mais necessita da análise de uma pessoa para ser tomada. Com os fatores do ambiente disponibilizados pela ferramenta de BI e o uso de Inteligência Artificial, pode se chegar a melhor opção dentre as possíveis através de algoritmos. Esse ramo está em constante crescimento e com algoritmos cada vez mais eficazes as organizações estão diminuindo cada vez mais as margens para erros e conseqüentemente o desperdício de capital, o que gera um mercado bastante competitivo. REFERÊNCIAS ECKERSON, W. Performance Dashboards.1.ed. Hobokenm, NJ: Wiley, TURBAN, E et al. Business Intelligence: um enfoque gerencial para a inteligência do negócio. 1.ed. Porto Alegre: Bookman, 2009.