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

Transcrição

1 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 tempo não hábil Forma inflexível Alto custo de implantação 06 de abril de Por volta de 1970, surgiram novas tecnologias: armazenamento de dados em disco e o SGBD Surgiu a idéia de um banco de dados, também definido como uma única fonte de dados para todo o processamento O banco de dados promoveu uma visão de uma organização baseada em dados A chegada de novas tecnologias, como os PC s e as linguagens de 4ª geração, permitiu-se que o usuário final assumisse um papel mais ativo As interfaces gráficas permitiram que os usuários finais, os analistas de negócios e gerentes pudessem controlar os sistemas e os dados 2 5 Com o passar do tempo as empresas começaram a perceber que poderiam analisar de forma otimizada seus dados Com esses dados disponíveis, os gerentes perceberam que poderiam detectar tendências e tomar decisões eficientes Começaram a ser desenvolvidos aplicativos para transformar esses dados em dados estratégicos(em informações) O termo foi criado pelo Gartner Group em 1992 e significa: Um conjunto de conceitos, métodos e recursos tecnológicos que habilitam a obtenção e distribuição de informações geradas a partir de dados operacionais, históricos e externos, visando proporcionar subsídios para a tomada de decisões gerenciais e estratégicas

2 Começaram a surgir os primeiros produtos realmente direcionados aos analistas de negócios, que possibilitavam rapidez e uma maior flexibilidade de análise Vantagens: Geração de resposta a perguntas complexas de negócios em minutos, sem a necessidade de construção de programas ou sistemas inteiros 7 10 Características dos novos sistemas de BI: Extrair e integrar dados de múltiplas fontes Valorização da experiência Procurar relações de causa e efeito Transformar os registros obtidos em informação útil para o conhecimento empresarial 8 11 Ferramentas: Data Warehouses Planilhas Eletrônicas Geradores de Consultas e Relatórios EIS (Enterprise Infomation System) Data Marts Data Mining OLAP (On-Line Analytical Processing) Bill Inmon ou Ralph Kimball? Modelo de dados físico: Star-schema, Snow-flake, M-E/R ou outro? Qual SGBD: Oracle, DB2, Sybase ou Teradata? Qual a máquina, sistema operacional e plataforma usar?

3 Cuidados na implementação: 1. Envolvimento executivo 2. Administração do ambiente apoiada por metadados 3. Dimensionamento do escopo do projeto adequado à organização 4. Emprego de tecnologia efetivo Bill Inmon x Ralph Kimball Data Warehouse Bill Inmon - coleção de dados orientados por assuntos, integrados, variáveis com o tempo e não voláteis, para dar suporte ao processo de tomada de decisão Kimball - um conjunto de ferramentas e técnicas de projeto, que quando aplicadas às necessidades específicas dos usuários e aos bancos de dados específicos permitirá que planejem e construam um data warehouse Data Warehouse & Data Marts 5. Equipe com elevado conhecimento em BI e negócio 6. Excesso de expectativas dos usuários 7. Resistência humana 8. Obtenção dos dados de forma produtiva, precisa e no tempo adequado 9. Utilização de dados que não sejam confiáveis Data Warehouse Data Warehouse & Data Marts O que é um DW? DW Repositórios de dados por assunto Construção de qualquer visão de dados Detalhados Variável com o tempo Limitado pela tecnologia e pelos dados que puderem ser adquiridos Históricos Não voláteis Integrados Propósito de um departamento ou da empresa toda Fonte de dados para geração dos SADs 15 DM Resolve um problema empresarial particular Limitado pelas exigências ou possibilidades do usuário 18 3

4 Data Warehouse & Data Marts DW DM Amplo, limpo e íntegro Vantagens Grupos de necessidades / esforço concentrado Escopo limitado Menor custo de implementação e manutenção de SADs Prototipados rapidamente 19 OLAP OLAP (On-Line Analytic Processing) Funcionalidades: slice and dice, drill down, drill up, drill across, drill throught Tipos de OLAP: MOLAP, ROLAP, HOLAP 22 Data Warehouse & Data Marts Star Schema Diagrama mais simples de um DW Fácil entendimento Melhor desempenho Extensível Região Tempo Tabela Fato Dimensão 4 Produto Dimensão Data Warehouse x Banco de Dados Acesso a vários registros Muitos índices Informações históricas Grande capacidade de processamento e armazenamento Dados detalhados e resumidos Habilidade para extrair, tratar e agregar dados de múltiplos sistemas operacionais em DM ou DW separados Armazenam dados em formato multi-dimensional permitindo rápido agregamento de dados e detalhamento das análises 21 Multidimensional Databases Exemplos Caché - Microsoft Analysis Services - Oracle - e10g/index.html MDH (Multi-Dimensional and Hierarchical) ferramenta baseada em Linux, open source

5 Multidimensional Databases Analysis Manager Produtos Open Source de BI Pentaho: OpenI: Greenplum Inc.: YALE (Yet Another Learning Environment): BEE Project: MarvelIT: SpagoBI: DecisionStudio-Professional: Multidimensional Databases Produtos Comerciais de BI SAS/MDDB ACE*COMM Actuate Alphablox Analysis Center Library Applix Business Objects Cognos Cyberscience DataHabitat Decision Technology Information Builders Hyperion Solutions Corporation IBM e Datasul BI KCI Computing MaxQ Technologies Metrinomics - Metrivox Microsoft Analysis Services MicroStrategy OutlookSoft Panorama ProClarity Oracle Business Intelligence 10g QlikView Siebel Systems SAP Business Information Warehouse SAS Institute Saksoft Synola Ltd Stratws Da teoria à prática Conclusão Dados são extraídos, limpos, consistidos, unificados e carregados Alerta conforme indicadores de desempenho Acompanhamento da estratégia Data Mining Relatórios Análises multidimensionais ou OLAP BI: tomada de decisões estratégicas Dados Informação Conhecimento Ação Data Warehouse Data Mart OLAP / Star Schema / MDDB Produtos

6 Contato Programa de Capacitação em Liderança [email protected] [email protected] 31 6