A Evolução do BI Por: Carlos Barbieri A evolução das estratégias de BI A história da evolução das estratégias de BI (Business Intelligence) pode ser contada pela descrição de algumas fases diferentes, para as quais a maioria das empresas que abraçaram o conceito, deverão se preparar e entender. A primeira é a própria era do pré-bi, onde as empresas se caracterizam pela grande avidez de informação, mas não conseguem resolver as suas necessidades nesse particular. Pode ser denominada a fase de ditadura da informação, plenamente caracterizada pela existência de grandes estoques de dados mas por pouca disponibilidade de informação. As empresas exercitam as suas funções básicas através dos sistemas transacionais estabelecidos com predominância de bancos de dados relacionais, onde milhares de tabelas se incumbem de atender a faceta transacional do modelo mas não permite a produção necessária de informações decisórias. São frutos diretos das implementações dos antigos sistemas legados e assim permanecem, mesmo depois da fase ERP, que, por estilo, resolve integração, mas não necessariamente informação, criando redomas blindadas de informação. Alguns autores chamam esta etapa de zona de responsabilidade, onde os dados estão simplesmente pesando nos balanços das empresa como um "hability", mas não são devidamente transformados no insumo vital requerido, a informação. Ocupam espaços em discos, exigem DBA a tratálos, demandam SGBD para gerenciá-los, mas não se traduzem em ganhos decisórios e negociais. O sentido ditatorial aparece pelo fato de poderem ser acessados somente por uma reduzida equipe, aquela mais diretamente associada a sua produção e manutenção. Nos ambientes pós-erp, essa incongruência permaneceu em muitas empresas, onde restrições de acesso e a própria impenetrabilidade dos pacotes se transformaram em instrumentos de poder. Além disso, somente certos níveis da alta gerência estariam autorizados a certos recursos de informação, arduamente obtidos a partir das estruturas relacionais. 1
A primeira etapa de BI inicia-se com a criação dos primeiros marts departamentais que começam a produzir informações dimensionais especificamente focadas para aquelas soluções de negócio. A área cliente normalmente é a primeira a demandar algo dessa natureza, seguido de marketing, vendas, etc. Essas soluções individuais deverão ser alinhavadas por uma visão de integração que, entretanto, não as agigante em volume e em tempo de desenvolvimento. Os usuários consumidores de informação já não serão somente os da alta gerência e a informação se aproximará daqueles que melhor poderão transformá-la em recursos positivos para a empresa A etapa subseqüente, acontece pela alinhavo destas aplicações informacionais departamentais, aumentando o seu espaço de utilização e introduzindo um grau maior de democratização no seu uso. Outros departamentos e áreas passam a usufruir das métricas, indicadores e dimensões existentes, aumentando desta forma o valor intrínseco de cada unidade de informação. Até esse momento a platéia de clientes é interna e a empresa distribui todo o seu fluxo informacional através da intranet. Chega-se à era de CRM, naquilo que a sigla tem de mais preciso: melhoria dos relacionamentos com os clientes. Um conjunto de informações importantes poderá, a partir de agora, ser também compartilhada por clientes estratégicos, através do uso de extranets, transformando o oferecimento de seus dados em competentes instrumentos de fidelização e negócio. BI-Evolução: Vendas de Informações A venda de informações como elemento de negócio A evolução das estratégias de BI-Business Intelligence certamente passará pela fase de comercialização de informações, insumo que valerá ouro nos próximos anos de rings imprevisíveis e de competições leoninas. No Brasil, este aspecto ainda está pouco desenvolvido, motivado por restrições culturais e pelo receio tupiniquim, plenamente justificado, de possíveis usos indevidos e subterrâneos 2
das informações. Nos EUA, entretanto, muitas empresas abrem os seus DW e sistema de informações para oferecer aos clientes e interessados específicos, o seu vasto acervo de informações. A gigantesca rede de supermercados oferece as suas informações de POS (pontos de venda) às empresas de pesquisas de mercado ávidas por saber sobre o comportamento do cliente vespertino no estado de Iowa durante o período de inverno. Às vezes, vale mais a pena pagar pela informação real detectada na boca do caixa do que elaborar uma pesquisa extensa para capturar informações com os sabores e rigores estatísticos. Uma grande rede de distribuição de produtos farmacêuticos/hospitalar oferece o seu DW para mostrar informações sobre esses produtos, seus compradores e distribuidores, sua logística e a circulação destes insumos pelos sistema de saúde do país. Quanto valeria o cadastro geo-referenciado de uma grande concessionária de energia elétrica, mostrados somente os dados por segmentações específicas, onde a estatística esconderia o lado privado e pontual da informação? Algumas incursões em vendas de informações para malas diretas foram feitas (e continuam sendo), mas estamos falando de BI como catalisador de informações negociais, numa outra dimensão, com outros valores agregados. Bem mais do que etiquetas perdidas. Aspectos de segurança e privacidade são pontos chaves nessa abordagem, mas não deverão ser impeditivos. A qualidade dos dados e o seu perfeito empacotamento e segmentação estatística dariam o brilho semelhante ao dos rótulos dos produtos hoje comoditizados. A empresa passaria, desta forma, a oferecer produtos externos de BI, que usam as informações estocadas por muitos anos e ricas em valores dimensionais que ajudarão, a partir de agora, nas decisões de seus clientes especiais. É a cooperação e fidelização como alavanca do número de usuários por unidades de informação, que se mostrará elemento fundamental na diluição de seus custos e na melhoria de seu valor de conteúdo. Essas informações poderiam ser graciosamente oferecidas para clientes especiais, como fator diferencial, ou vendidas para outros, como elemento de negócio. Muitas empresas, hoje, já adotam estas duas estratégias (de cessão e venda) de informações como alavancas fundamentais de seu negócios, conscientes de sua presença na chamada economia da informação. Os 3
projetos de DW de uma empresa, passariam, a partir destas novas premissas, a contar com os aspectos de possíveis consumos externos daquelas informações, com melhorias nos intrincados cálculos de seu ROI. Esses dados e informações poderão, numa fase subseqüente, ser analisados pelas emergentes estratégias de mining, numa espécie de lapidação do acervo bruto que lhes conferirá maior densidade informacional. E as empresas terão transformados os seus estoques herméticos de dados, habitantes de sistemas, arquivos e de ERP s indevassáveis em ouro em pó... BI: O valor da informação Quanto valem as informações contidas num sistema de BI? A proposta de BI (Business Intelligence) ganha, a cada dia, os contornos amadurecidos das soluções que vieram para ficar. Depois de definidas as etapas básicas de implementação de um projeto BI, contemplando a implantação de data marts departamentais, consolidados gradativamente num Data Warehouse corporativo, chega-se à fase de exposição dos dados negociais para o mercado externo. A primeira etapa inicia-se através da cessão de uso de informações negociais para clientes especiais e posteriormente desembarca-se na fase de venda, onde cubos de informações poderão ser comercializados no mercado, mantidos, claro, os aspectos críticos de segurança e privacidade de informações. No fundo, as fases de implementação de uma abordagem BI, estão sendo definidas segundo a ótica do aumento crescente do número de usuários por unidade de informação. Uma espécie de índice per capita de BI. A idéia é tentar atribuir valores que representem a maior utilização dos dados disponíveis num mart ou warehouse, tanto para usuários internos, quanto para externos. Algumas fórmulas estão surgindo com esta finalidade e uma delas, apresentada por Bernard Liautaud, criador do bem sucedido produto BO (Business Object), define o valor da informação, baseado na idéia similar (de valor) de rede feita por Bob MetCalfe, inventor da Ethernet. Este, sugeriu que uma rede tem um valor definido 4
na razão quadrada do número de unidades conectadas a ela. No caso, o valor da informação de um data mart ou warehouse, segundo Liautaud, também estaria na razão quadrada do número de usuários internos de uma área que usufrui dos dados, multiplicado pelo número de áreas diferentes que dele se utilizam. Uma coisa do tipo: valor BI = (n**2) * m, onde "n" é igual ao número de usuários de uma área, e "m" é igual ao numero de áreas usuárias. Se imaginarmos que um data mart inicialmente estabelecido numa empresa seria utilizado, por exemplo, por 10 pessoas de uma mesma unidade organizacional, o valor intrínseco daquele depósito seria 100 BI ou seja (( 10**2) * 1). Caso um outro usuário de outra área, passe a utilizá-lo também, o valor passaria para 242 BI, (11**2) * 2, com um aumento de 142%. Embora sejam cálculos desprovidos de ciência e sem nenhuma base estatística palpável, serve pelo menos para trazer a tona uma discussão sobre o conceito de valor da informação, agora numa escala de métrica definida. Isso sugere claramente que o valor da informação armazenado num DW/DM será gradativamente ampliado na medida em que a democratização do seu uso se intensifique, inclusive para além das fronteiras do seu firewall. Uma possível extensão à fórmula, não contemplada diretamente na proposta de Liautaud poderia ser o acréscimo de mais dois fatores, que considerariam, de maneira diferenciada, o usuário externo à empresa que também se utiliza da informação pelas propostas de fidelização e aqueles que pagam pelo seu uso, numa relação, agora, de comércio de informação. A fórmula final seria algo como: valor da informação = (n**2)* x, onde x seria igual ao (número de usuários internos * fator_usuário interno + número de usuários externos * fator_crm + número de usuários externo_pagos * fator_venda_informação). 5
Esta fórmula daria uma idéia aproximada do valor da informação contida nos seus depósitos de BI, agora transformada em elemento de fidelização e/ou insumo vendável. Uma espécie de quilate da era da informação valiosa. Carlos Barbieri Coordenador executivo do projeto de e-business Cemig - Cia Energética de Minas Gerais Email: barbieri@cemig.com.br ou carlos_barbieri@uol.com.br Business Intelligence As empresas fazem parte de um novo mercado regional/internacional e está competindo com o crescimento de uma economia globalizada. O aumento do capital intelectual de uma empresa é uma obrigação para quem deseja permanecer competitivo. Empresas que utilizam as informações de maneira eficiente ganham conhecimento e velocidade, obtendo uma superioridade incontestável em seus mercados. É com uma visão de Business Intelligence que permite garantir que a sua empresa seja capaz de vencer seus competidores, por meio das etapas de planejamento, projeto, modelagem dimensional e implantação de soluções de Business Intelligence. A estratégia para construir um sistema de Business Intelligence é preparar um Plano de Informação. O processo de planejamento começa com a descrição dos objetivos específicos definidos por gerentes de negócio. Os fatores críticos de sucesso da empresa são consensados com outros profissionais-chave e respectivos staff. Essa abordagem top down garante que a gerência da sua empresa esteja ciente das reais necessidades para alcançar seus objetivos. Data Warehouse O Data Warehouse é o alicerce no processo de tomada de decisões. Uma base de informação estratégica, integrada e granulada como fonte de suporte a decisão. Um processo de integração de informações a partir de várias fontes a fim de 6
oferecer uma visão integrada dos negócios, combinada a tecnologias otimizadas para a consulta de análise interativa. Em virtude do Data Warehouse apresentar uma fonte única de dados integrados, acessíveis, consistentes, flexíveis e adaptáveis, a tarefa de tomada de decisão nesse ambiente é imensamente mais fácil do que no ambiente clássico operacional. Um Data Warehouse é composto de vários Data Marts. Cada Data Mart é um conjunto de dados voltado para um processo de negócio, baseado em assunto, integrado, não volátil e variável em relação ao tempo, de apoio às decisões gerenciais. Os dados fluem do ambiente operacional para o nível do Data Warehouse sofrendo, geralmente, uma quantidade significativa de transformações. Os Data Warehouses são projetados de modo a suprir as necessidades dos decisores, com informações melhores e mais atualizadas sobre a performance comercial da empresa. Data Mining Muitas empresas possuem uma grande quantidade de base de dados, incluindo o desenvolvimento de Data Warehouses. Freqüentemente o dado não pode ser analisado por métodos estatísticos padrão. Em muitos casos a informação que está contida nessas bases de dados é sub utilizada porque o dado não pode ser facilmente acessado ou analisado. Algumas bases de dados têm crescido tanto que mesmo os administradores de sistemas nem sempre sabem quais informações seriam representativas ou quão relevantes elas poderiam ser. Seria extremamente benéfico para organizações ter uma forma de "minerar" essa grande quantidade de dados para obter informações e modelos importantes. Essa é a principal idéia do Data Mining. Ele é muito utilizado em cenários de análises exploratórias nos quais não se tem uma noção pré-determinada sobre o 7
que constituirá um resultado interessante. Ele verifica o relacionamento entre os dados e se existe padrões entre eles, indica onde começar com o processo de exploração, formula novas hipóteses e faz previsões. Data Mining é um processo interativo onde o progresso é definido através da descoberta. Ele pode ocorrer dentro de uma única origem de dados ou através de múltiplas origens. Independente da forma exata que a análise ocorrerá, a chave é adotar um recurso flexível que permita que você faça descobertas surpreendentes além dos limites da expectativa estabelecida dentro do domínio de um problema. Você pode usar o Data Mining para descobrir novas tendências de mercado, plano de estratégias de investimentos e detectar gastos não autorizados no seu sistema de contas. Além disso, você pode aplicar o Data Mining para aprimorar as campanhas de marketing, usando o resultado para prover seus clientes com suporte e atenção mais focados. Ou então, utilizar o Data Mining para problemas de reengenharia de processos de negócios nos quais o objetivo é entender as interações e relacionamentos entre práticas do negócio e organizações. Soluções de Business Intelligence Arquitetura: projeto de toda a arquitetura a ser utilizada considerando os requerimentos do negócio, o ambiente tecnológico existente na empresa e o plano estratégico da organização. Especificação de todos os componentes da arquitetura que serão empregados e como eles irão comunicar-se no sistema e seleção de produtos específicos. Extração e Transformação de Dados: projeto do processo de extração dos dados do ambiente operacional (OLTP) para a base multi-dimensional. Este processo compreende: limpeza dos dados, transformação, eliminação de dados duplicados, padronização, armazenamento e preparação do dado para uso no Data Warehouse. 8
Projeto de Modelagem do Banco de Dados: projeto de modelagem dos dados utilizando técnica específica para Data Warehouse - Modelo Dimensional. Este modelo contém as mesmas informações que um modelo relacional mas armazenado de forma simétrica, permitindo maior entendimento dos dados, melhor performance e facilidade de alterações. Desenvolvimento de Aplicações: desenvolvimento de aplicações utilizando ferramentas de elaboração de relatórios, análise e apresentação da informação para suportar uma necessidade de negócio. 9