PARA ESTUDAR O CLIENTE, AS LOJAS SEVEN ELEVEN ESTUDAM OS DADOS Se você mora nos EUA, provavelmente existe uma loja SEVEN-ELEVEN no seu bairro, e provavelmente é um lugar conveniente para comprar uma lata de Coca-Cola ou um sandwich. De fato, a Seven-Eleven é a cadeia de lojas de Conveniência número um dos Estados Unidos, com 3.300 lojas franqueadas e 2.500 lojas próprias. A empresa começou cerca de 80 anos atrás vendendo gelo em barra. Quando as modernas geladeiras elétricas começaram a substituir as originais que nada mais eram do que armários de madeira abastecidos com gelo a administração de cada loja perguntou aos clientes, um a um, quais itens eles gostariam de guardar em seus novos eletrodomésticos. Por falar diretamente com os clientes e estocar apenas os clientes que eles queriam, a empresa cresceu e prosperou. Ao longo do tempo a Seven-Eleven afastou-se de suas raízes e acabou perdendo o contato como consumidor. Não havia meios de saber o que vendia bem em cada lona, por isso a companhia deixava fornecedores como a Coca-Cola e a Frito-Lay decidir o que colocar nas prateleiras. Mas as lojas Seven-Eleven não são todas iguais. O que os clientes querem depende em grande medida do bairro e da região do país onde a loja se localiza. O que vende em Boston não vende no Texas. Como as margens de lucros são muito baixas no seguimento de conveniência, um aumento de 0,25% no volume de vendas pode significar a diferença entre o sucesso e o fracasso. Assim, saber exatamente o que vender em cada loja faz uma grande diferença. Em 2004, a Seven-Eleven instalou servidores e comutadores de rede HP em todas as suas lojas, próprias e franqueadas, para implementar um sistemas de informação de varejo. Esse sistema coleta dados dos terminais de ponto-de-venda de cada loja sobre cada compra feita diariamente pelos seis milhões de clientes norte-americanos da rede, e transmite estas informações em tempo real para um banco de dados ORACLE de 7 terabytes operados pela Eletronic Data Systems (EDS). Com esse banco de dados, a Seven-Eleven controla as transações de compra e também as analisa, procurando padrões de demanda, preço e interesse por novos produtos, como a Diet Pepsi Slurpee. O sistema oferece aos gentes de loja informações sobre vendas diárias, semanais e mensal de cada item, ajudando-os a determinar quais itens encomendar e em quais quantidades. /os gerentes usam essas informações, além de seu conhecimento próprio do bairro, para tomar a decisão final de pedidos. Todos os dias às 10 da manhã, os gerentes fazem os pedidos em estações de trabalho ou computadores de mão. O sistema consolida estes pedidos e os transmite aos fornecedores da Seven-Eleven. Os pedidos são consolidados 4 vezes por dia uma para cada faixa de fuso horário em que as lojas da Seven-Eleven operam. Os pedidos de artigos perecíveis são agregados na sede da Seven-Eleven, e transmitidos para os fornecedores de perecíveis e para as padarias, que os preparam e entregam no dia seguinte. Graças à Tecnologia da Informação, a Seven-Eleven voltou às origens: está novamente indo ao encontro das necessidades do cliente. Por acompanhar e analisar, conhece os consumidores tão estreitamente como na época em que os donos da loja cumprimentavam cada cliente que cruzava a porta. BANCO DE DADOS Um banco de dados é um conjunto de arquivos relacionados entre si que contém registros sobre pessoas, lugares ou coisa. O mais bem sucedido banco de dados da história é o da Lista Telefônica, pois é um registro referente a pessoas físicas e jurídicas que possuem telefone, com
quatro tipos de informação sobre cada usuário de telefone: sobrenome, primeiro nome, endereço e número de telefone. Além do desenvolvimento dos bancos de dados digitais, as empresas usavam grandes arquivos de metal, cheios de arquivos de papel, para armazenar informações referentes a transações. Clientes, fornecedores, estoque e funcionários. Costumavam usar também listas laboriosamente coletadas e datilografadas para resumir as informações dos arquivos de papel. Ainda podemos encontrar bancos de dados manuais, feitos em papel, em muitos consultórios médicos, onde os registros dos pacientes são armazenados em centenas de fichas. ORGANIZANDO ARQUIVOS EM UM BANCO DE DADOS RELACIONAL Se você armazenasse informações em arquivos de papel, provavelmente teria um arquivo para cada entidade/assunto e seus atributos. Em um sistema de informação o banco de dados organiza os dados de maneira muito parecida, agrupando dados relacionados entre si. O banco de dados relacional é o tipo de banco de dados mais comum hoje em dia. Banco de dados relacionais organizam os dados em tabelas bidimensionais (denominadas relações) com colunas e linhas. Cada tabela contém dados referentes a uma entidade e seus atributos. Na maioria dos casos, montasse uma tabela para cada entidade de negócio. Tabela de Banco de Dados Relacional Modelo de tabela de banco de dados relacional para a entidade FORNECEDOR na forma como ela representa a entidade e seus atributos. Até agora a tabela FORNECEDOR não possui nenhuma informação sobre as peças que um fornecedor particular provê a sua empresa. PEÇA é uma entidade separada de fornecedor logo os campos com informações sobre peças devem ser armazenados em uma tabela PEÇA independente. (ENTIDADE é um objeto ou ser sobre o qual criou-se uma tabela)
As informações sobre peças e fornecedores não podem ser guardadas na mesma tabela, pois se assim fosse cada linha da tabela conteria atributos referentes à PEÇA e atributos referentes à FORNECEDOR. Como um fornecedor pode fornecer mais de uma peça seriam necessárias várias linhas em cada fornecedor para mostrar todas as peças que ele fornece. Sendo assim teríamos grande quantidade de dados redundantes sobre fornecedores, e será difícil buscar as informações sobre uma peça em particular, porque não saberemos se esta peça é a primeira ou a décima quinta no registro do fornecedor. Portanto uma tabela separada PEÇA deve ser criada para armazenar estes três campos e resolver o problema. A tabela peça deve conter outro campo, o Número_Fornecedor (código interno) para que se saiba o fornecedor de cada peça. ESTABELECENDO A RELAÇÃO Com o intuito da certeza de que entendemos a relação entre as duas tabelas, uma representação denominada DIGRAMA ENTIDADE/RELACIONAMENTO é usada para esclarecer relações entre as tabelas de um banco de dados relacional. Maior utilidade deste diagrama é dizer de que maneira duas ou mais tabelas se relacionam. Em um banco de dados relacional, as tabelas podem ter relacionamentos um-para-um, um-para-muitos ou muitos-para-muitos. banco de dados para mainframes e computadores de porte médio A relação entre as entidades FORNECEDOR e PEÇA no exemplo acima é uma relação do tipo um-para-muitos: cada fornecedor pode fornecer mais de uma peça, mas cada peça tem apenas um único fornecedor. Para cada registro na tabela FORNECEDOR pode haver muitos registros correlatos na tabela PEÇA. Diagrama entidade/relacionamento básico Este diagrama mostra a relação entre as entidades FORNECEDOR e PEÇA.
SISTEMAS DE GERENCIAMENTO DE BANCOS DE DADOS Um sistema de gerenciamento de bancos de dados (DBMS DATA BANK MANAGEMENT SYSTEM) é um tipo de software específico usado para criar, armazenar, organizar e acessar dados a partir de um banco de dados. Exemplos de DBMS: Microsoft Access, Banco de dados para computadores pessoais; } DB2, Banco Oracle Database, Microsoft SQL Server, MYSQL, Banco de dados popular de código fonte aberto. de dados para mainframes e computadores de porte médio O DBMS livra o programador ou o usuário final da tarefa de entender onde e como os dados estão realmente armazenados, separando a visão lógica e física dos dados. Visão lógica: como os usuários finais veem os dados. Visão física: como os dados estão realmente estruturados e organizados. COMO USAR BANCO DE DADOS PARA MELHORARO DESEMPENHO E A TOMADA DE DECISÃO NA EMPRESA Empresas usam DBMS para monitorar transações básicas, como pagamento a fornecedores, processamento de pedidos, atendimento a clientes e pagamento a funcionários, mas elas também precisam de DBMS que as ajudem a administrar o negócio de maneira mais eficiente e, ao mesmo tempo, auxiliem gerentes e funcionários a tomar melhores decisões. Se uma empresa quiser saber qual produto é mais aceito pelo mercado, ou quais clientes são mais lucrativos, a resposta estará nos dados. Em uma grande empresa, com grande bancos de dados ou grandes sistemas para funções separadas, como manufaturas, vendas e contabilidade, são necessários recursos e ferramentas especiais para analisar vastas quantidades de dados e extraí-los de múltiplos sistemas. DATA WAREHOUSES Banco de dados que armazena dados correntes e históricos de potencial interesse para os tomadores de decisão de toda a empresa. Os dados originam-se de muitos sistemas operacionais centrais, como sistemas de vendas, contas de clientes e manufatura, podendo incluir ainda dados provenientes de transações em sites. O data warehouse consolida e padroniza as informações oriundas de diferentes bancos de dados operacionais, de modo que elas possam ser usadas por toda a empresa para análise gerencial e toma da de decisões
Componentes de um Data Warehouse Dados correntes e históricos são extraídos de sistemas operacionais internos à organização. Esses dados são combinados com dados de fontes externas e reorganizados em um banco central projetado para análise gerencial e produção de relatórios. O diretório de informações fornece aos usuários informações sobre os dados disponíveis no armazém. DATA MARTS Empresas podem montar data warehouse de âmbito empresarial, nos quais um armazém central de dados atende à organização inteira, ou podem criar armazéns menores, descentralizados denominados data marts. DATA MART é um subconjunto de um Data Warehouse, no qual uma porção resumida ou altamente focalizada de dados da organização é colocada em um banco separado destinada a uma população específica de usuários. Ex. Uma empresa pode desenvolver data marts de vendas e marketing para tratar informações de clientes. Um data mart em geral focaliza uma única área de interesse ou linha de negócios, de modo que pode ser montado com mais rapidez e a custo mais baixo do que um data warehouse de âmbito empresarial.
OLAP Imagine que uma empresa venda quatro produtos diferentes porcas, pinos, arruelas e parafusos nas regiões leste, oeste e central. se você quisesse fazer uma pergunta bem direta, do tipo Quantas arruelas foram vendidas no último trimestre? Poderia facilmente encontrar a resposta consultando o seu DBMS, mas e se você quisesse saber quantas arruelas foram vendidas em cada região e também comparar os resultados reais com a projeção de vendas? Para isso seria necessário um OLAP (On Line Analitic Process) Processamento Analítico On Line, o qual permite a análise multidimensional dos dados, de forma que os usuários vejam os dados de diferentes maneiras, pois usa múltiplas dimensões. Cada aspecto da informação produto, preço, custo, região ou período de tempo representa uma dimensão diferente. Desta forma cada gerente pode fazer uma análise multidimensional (ou várias análises dimensionais) específica(s) quanto aos itens que busca informação e confrontá-los com a previsão de vendas. O OLAP permite que os usuários tenham respostas on-line a questões específicas como essas com uma velocidade razoável, mesmo quando os dados estejam armazenados em um DBMS gigantesco, com números de vendas de vários anos. DATA MINING O DATA MINING (mineração de dados) é mais orientados por descoberta. Oferece percepções dos dados corporativos que não podem ser obtidos com o OLAP descobrindo padrões e relacionamentos ocultos em grandes DBMS e inferindo regras a partir deles para prever comportamentos futuros. Esse modelos e regras podem então ser usados para guiar o processo de decisão e prever o efeito destas decisões. Os tipos de informações que podem ser obtidos como DATA MINING incluem associações, sequências, classificações, aglomerações e prognósticos. A VIRGIN MOBILE AUSTRALIA, por exemplo, usa um data warehouse e um data mining para aumentar a fidelidade dos clientes e lançar novos serviços. A empresa criou um data warehouse que consolidou os dados do sistema integrado, do sistema de gerenciamento do relacionamento com o cliente e dos sistemas de cobrança em um gigantes com banco de dados. Graças ao DATA MINING pode determinar o perfil demográfico dos novos clientes e relacioná-los aos tipos de aparelhos telefônicos que eles compravam, assim como identificar o desempenho de cada loja e das campanhas no ponto-de-venda. O DATA MINING é uma ferramenta poderosa e lucrativa, mas impõe desafios no que diz respeito à proteção da privacidade. A tecnologia do DATA MINING pode combinar informações oriundas de diversas fontes para criar uma imagem digital de cada um de nós nossa renda, nosso padrões de locomoção, nossos hobbies, nossa família, nosso interesses políticos, etc.
Uma série de ferramentas analíticas trabalha com os dados armazenados nos bancos de dados, encontrando padrões e insights que ajudam gerentes e funcionários a tomar melhores decisões e, assim, aprimorar o desempenho organizacional.