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 da Informação Docente: Prof. Polloni 4 ano A sala 301 EQUIPE : EDGAR MASAYUKI SAITO R.A 0610125 MARCIA PORTELO R.A 0610156 ANGÉLICA CARVALHO R.A 0610168 ADRIANA MARQUES R.A 0610216 São Paulo, Maio de 2001
SUMÁRIO Business Intelligence...02 Conceito...03 Interface...03,04,05,06 Caso Unibanco - BI da IBM...06,07 Bibliografia...08 1
BUSINESS INTELLIGENCE INTELIGÊNCIA NOS NEGÓCIOS O real valor das empresas não está baseado apenas no lucro. É composta pela rapidez com que reage às transformações de todo processo de negócio, os concorrentes e os clientes. A pressão dos tempos modernos, as ondas sucessivas de reestruturações, fusões, globalização, entre outras, têm provocado um severo dano à capacidade de gestão de negócios: as informações estão saindo do controle e com elas a capacidade de estratégia e os mecanismos de pensamento da organização. As empresas estão buscando informações, para a Inteligência nos Negócios (Business Intelligence), através de ferramentas e produtos dirigidos a integração de sistemas especializados para gestão empresarial de negócios nas áreas de finanças, logística, manufatura, tecnologia, recursos humanos e gestão de talentos, (CRM, Supply Chain, Business Intelligence, ECR, Comércio Eletrônico, ASP e aplicações especificas para diversos segmentos da atividade econômica). Business Intelligence possibilita levar a informação certa na hora certa aos executivos da empresa, usando ferramentas de visualização fáceis de serem entendidas e manuseados, transformando os dados transacionais em informações diferenciais nos negócios. Com todas as informações empresariais lapidadas, é possível Ter subsídios para a tomada da decisão, analise e acompanhamento eficiente de cada processo. Hoje, empresas e pessoas utilizam-se desde simples programas até o mais complexo sistema que integram toda malha de valor de uma empresa, ligando os seus negócios aos dos seus clientes, fornecedores, transportadoras, bancos, entre outras. Segundo um estudo efetuado com 65 empresas pelo International Data Corporation, o retorno médio dos investimentos de Business Intelligence foi de 400% em um prazo de 2 a 3 anos. Para atrair e conversar com seus clientes, você precisa possuir um perfil preciso deles, seus desejos, suas necessidades, seus padrões de compra. As soluções de Business Intelligence criam esse quadro através da análise e interpretação de grandes quantidades de informação (demográfica, históricas de compra de produtos, vendas e serviços adicionais, pedidos de serviço, experiências através da Internet e transações ON-LINE); assimilação da informação, desenvolvimento de estratégias baseadas em fatos, para conseguir uma vantagem competitiva. 2
As empresas são sustentadas por três grandes pilares: o Mercado, seus Processos e as Pessoas que formam sua capacidade de trabalho. Com um consumidor cada vez mais exigente, as empresas precisam superar diversos desafios, oferecer mais opções em produtos e serviços e manter-se em sintonia com suas necessidades. As empresas precisam transformar seus dados em informações rápidas e confiáveis, para acompanhar a evolução de seus negócios, detectando suas necessidades, para poder tomar a decisão correta e ampliar seus lucros. CONCEITO Business Intelligence, compreende técnicas, métodos e ferramentas que possibilitam ao usuário analisar dados e, com base nessas análises, emitir respostas que possam subsidiar objetivo e confiavelmente os processos de decisão numa empresa. Entre essas tecnologias podemos citar o uso de Data Warehouses, Sistemas de Suporte à Decisão (DSS), Sistemas de Informações Executivas (EIS), Sistema de Gestão Integrados (ERP) e Ferramentas de Mineração. INTERFACE Desde sua primeira geração, os computadores foram usados para executar aplicações comuns de negócios. Os primeiros sistemas tratavam trocas diárias de negócios nas empresas modernas, estes sistemas tem importância fundamental por representarem a aplicação dos conceitos de tecnologia sobre os negócios. Não tardou muito para ficar claro à maior parte das empresas que os dados armazenados nesses sistemas poderiam ser usados para ajudar os administradores a tomar melhores decisões nas suas áreas de negócios. Na década de 60 começaram a ser desenvolvidos os sistemas de informações gerenciais caracterizados pelo uso de sistemas de informações gerenciais caracterizados pelo uso de sistemas de informação na produção de relatórios gerenciais. 3
Nas décadas de 70 e 80, a nova tecnologia possibilitou a criação de um sistema de apoio direto que fornece relatórios interativos para a solução de problemas complexos com sugestões de alternativas e assistência a decisões finais. Percebemos até aqui que são inúmeros os sistemas que fornecem como feedback aos usuários a emissão de relatórios, entretanto para que o mesmo possa analisar os dados, e com base nessas análises, emitir respostas que possam subsidiar objetivamente os processos de decisão numa empresa são necessárias técnicas e ferramentas que possibilitem a realização de maneira confiável. A tecnologia envolvida em tais ferramentas apresenta-se compreendidas sob Business Intelligence. Entre suas tecnologias podemos citar o uso de: DataWarehouse; Sistemas de Suporte a Decisão (DSS); Sistemas de Informações Executivas (EIS); Sistemas de Gestão Integrados (ERP); Ferramentas de Mineração (Data Mining) de Dados. Em uma abordagem superficial, podemos definir cada uma delas por seus pontos mais pitorescos. Os DataWarehouses podem ser compreendidos como uma associação tecnológica que geram um sistema de dados que proporcionam informações para a tomada de decisões. Todos os bancos de dados do mercado podem, em teoria, ser usados como gerenciadores do DW. O DW é um banco de dados físico que fica separado dos demais sistemas transacionais e é feito numa modelagem dimensional. Existem uma série de ferramentas que automatizam o processo de alimentação do DW por parte dos sistemas transacionais, essas são chamadas ferramentas de extração, filtragem e carga de dados. Mas, anterior a implantação do DW necessariamente, deverá ocorrer à aplicação de uma metodologia que levante os "objetos gerenciais" para que se possa iniciar a modelagem lógica/física, que deverá ser num esquema dimensional, de preferência o STAR-SCHEMS. Nesta etapa é importante a documentação através de ferramentas CASE, como o SYSTEM ARCHTECS, o ELWIN ou o POWER DESIGNER (módulo warehouse arquitecs). 4
Para a visualização de dados, existe uma classe especifica de ferramentas, comumente conhecidas como OLAP. Há varias subclasses como ROLAP (Relational OLAP) onde a arquitetura é composta por um SGBD + Ferramenta ROLAP, permitindo a analise de grandes volumes de dados, uma outra subclasse é a MOLAP (Multidimensional OLAP) onde é agregada tal ferramenta ao SGBD possibilitando a permanência dos dados num formato simples no SGBD e dos dados consolidados no servidor MOLAP que é na verdade um banco de dados multidimensional. No servidor MOLAP, uma terceira ferramenta pode ser agregada ao SGBD onde o processamento OLAP acontece na maquina cliente sem tráfego de rede nem problemas de escalabilidade. Hoje no mercado, boas ferramentas tratam os dados de maneira compacta. Uma Quarta subclasse a ser apresentada é o uso de ferramenta OLAP junto ao sistema MOLAP, onde se faz o uso da integração de uma interface para realização de consultas por usuários, se tornando um sistema mais completo. Apesar de outras ferramentas possibilitarem a visualização dos dados como o Excel ou o Access, as mesmas não apresentam nem performance nem capacidade de ver os dados multidimensionalmente, para as analises das informações. Podemos observar que os DataWarehouses compreendem uma tecnologia que permitem o agrupamento de dados de diversas fontes, a fim de que possam ser usados para análises portas análises exigirem uma correta preparação, formatação e disponibilidade, os DWs não podem ser considerados simples pacotes de "DW" que se propõem a substituir os sistemas transacionais sendo usados para entrada e consistência de dados, emissão de relatórios convencionais nem armazenamento de dados para a análises para evitarmos fracassos em sua implementação em áreas de negócios. Os sistemas de suporte a decisão ou (DSS) são ferramentas integradas num universo de informações que permitiram a elaboração de consultas de forma flexível e a emissão de relatórios de fechamento integração de informações visando ao nível estratégico da organização. Sua abordagem se dá de forma direta quando do fornecimento de relatórios interativos em telas de computador, este apoia todos os aspectos e fases da tomada de decisões. As consultas e saídas diversas podem ser criadas facilmente através de recursos de desenho e construção com interfaces gráficas elaboradas e ao alcance do usuário, geralmente um estrategista que necessita cruzar alguns valores de maneira rápida para um emergencial posicionamento diante de uma situação de mercado. Alem dos acima citados, há também os tradicionais sistemas de informações executivas (EIS) que merecem Ter seus pontos mais característicos apresentados aqui. O EIS trabalha agregando funções de suporte a decisões, ambas permitem a elaboração de consultas de alto nível como por exemplo a 5
modelagem de hipóteses de negócios para testes e verificação de viabilidade ou não. As ferramentas de Data Mining, ocupam uma posição de destaque em BI, por gerar novas perspectivas para o uso de DSS e EISD, tais ferramentas possibilitam a recuperação das informações essenciais dentre os dados coletados, para uma correta tomada de decisão. Essas ferramentas permitem o cruzamento de informação, segundo uma modelagem feita pelo gerente e sue acervo de conhecimento. Sistemas de ERP (Enterprise Resource Planning) oferecem aos usuários, a capacidade de modelar todo o panorama de informações que possui, integração conforme função operacional e condições de relacioná-las para a produção de respostas integradas a consultas de gestão de todo o negócio. É permitida por esta ferramenta a criação de modelos de informações relevantes para os processos de tomada de decisão. É importante salientar que para sua implementação se faz necessário ter um conhecimento do universo em que serão aplicados (empresa+parceiro+mercado alvo) e a adaptação da organização no sentido de permitir o fluxo de informação desejado. A utilização integrada de tais ferramentas pode ser assim apresentada: A construção de um DataWarehouse pode ser recomendável com a imposição de padrões e fusões de dados para os registros temporais de informações como vendas, ofertas, promoções, desempenho de parceiros, etc. Tais dados podem ser processados com ferramentas de Data Mining ou DSS/EIS. Para o suporte às decisões estratégicas, teríamos analises implementadas com elementos poderosos de levantamento do potencial mais competitivo no mercado: a informação. EXEMPLO DE BUSINESS INTELLIGENCE UNIBANCO - Business Intelligence implantado pela IBM O desafio: Ter um Unibanco para cada cliente, mais moderno e dinâmico. Poder oferecer de modo personalizado, uma grande variedade de serviços financeiros, 6
informações exclusivas, maior rentabilidade, diversificação dos ganhos e custos operacionais cada vez menores. A solução: A solução de Business Intelligence da IBM em implantação estará substituindo os Data Marts existentes, proporcionando melhor integração e consistência entre eles. A solução é constituída de um DataWarehouse corporativo e um Data Mart voltados especialmente para a área de marketing do Unibanco. Os usuários do banco estarão acessando informações através de uma interface GUI cliente/servidor. Estes usuários poderão submeter análises complexas para acompanhamento da produção, monitoramento de novos contratos e contas, monitoramento de KPI, fidelidade de clientes e muitos outros. Atualmente, mais de 100 usuários utilizam interface Web based (browser) para o acesso a consultas pré-definidas. O resultado: Com a criação do Data Mart e Datawarehouse, a capacidade de analise junto aos usuários aumentará substancialmente. Assim como a satisfação dos clientes do banco. 7
BIBLIOGRAFIA FACES Belo Horizonte, v.1, n 1, pág.48 a 53 maio de 2001. HABERKORN E. Teoria do ERP São Paulo Makron Books 1998. JAMIL, G. Automação Empresarial Belo Horizonte Editora: UMA 1998. Gestão Empresarial São Paulo v.1, março/abril de 1999. Developers Magazine, v.2, Maio, 1998. Sites: http://www.datawarehouse.inf.br, acessado em 20/03/01. http://www.informationweek.com.br, acessado em 22/04/01. 8