Pós-Graduação Business Intelligence

Pós-Graduação Business Intelligence Tendências de Mercado de Business Intelligence Aula 03 Gestão de Desempenho dos Negócios usando BI

Case Toyota O problema: A Toyota Motor Sales USA (toyota.com) é a distribuidora norteamericana de carros e caminhões fabricados pelo Toyota; A empresa compra os carros da fábrica no Japão e em outro países, e os vende a concessionárias da Toyota em todos os Estados Unidos; Custo médio de manter um veículo durante o trânsito, em um pátio é de US$ 8/dia (leva-se em média entre 9 e 10 dias em trânsito, totalizando um gasto entre US$ 72 e US$ 80 por carro para 2 milhões de carros por ano, o custo era de US$ 144 US$ 160 milhões anuais custo totalmente ALTO; 1990 enfrenta-se problemas na sua cadeia de suprimentos, nas suas operações e nos custos de manter os carros no pátio ;

Case Toyota O problema: Incapacidade de entregar os carros às concessionárias CLIENTES INSATISFEITOS compra de carros nas concorrentes HONDA que em 2003 e 2004, os carros híbridos começaram a ser fabricados e a competição com a Honda se intensificou; Toneladas de relatórios não tinham objetivo claro a gerência não era capaz de utilizar esses dados e relatórios estrategicamente; Os departamentos internos não conseguiam compartilhar informações ou faziam isso muito lentamente; Relatórios acionáveis eram produzidos muito tarde; Geravam-se relatórios sobrepostos dados imprecisos;

Case Toyota O problema: A gestão era incapaz de tomar decisões a tempo não estava segura de quais dados eram válidos; O gerenciamento do TLS (Toyota Logistic Services) exige um controle do estoque de carros, rastreamento e gestão da cadeia de suprimentos precisos a fim de garantir que os carros certos sejam entregues às concessionárias corretas em tempo hábil tudo era realizado manualmente (agendamento e processos), conduzidos com informações incorretas; (Exemplo: se uma pessoa cometesse um erro na entrada de dados quando um navio aportava, esse erro perduraria por toda a cadeia de suprimentos) - nesse ponto a gerência analisava dados que indicavam que os navios nunca haviam atracado semanas depois que eles já estavam no porto;

Case Toyota O problema: O departamento de TI não era capaz de responder às necessidades cada vez maiores do negócio; CIO demitido!!! E agora???

Case Toyota A solução: Primeiro ponto claro: um data warehouse era necessário; Eram necessárias ferramentas de software para processar, extrair e manipular os dados; Uma solução de inteligência de negócios (BI) era necessária; Só que tudo não é maravilha: depois de uma experiência malsucedida de BI (conceito certo com fornecedores de software errados), em 2000 a Toyota mudou para uma tecnologia melhor Utilizou-se de um data warehouse Oracle e uma plataforma de inteligência de negócio da Hyperion um novo sistema foi criado;

Case Toyota A solução: Novo recurso de dashboard da Hyperion permitia aos executivos examinar visualmente pontos de acesso nas suas unidades de negócio e investigar mais detalhadamente para identificar os problemas EXATOS e suas CAUSAS; Traffic Lights (diferentes cores, exemplo, vermelho para perigo) fazia com que o gerente pudesse, em tempor real, por exemplo, ver quando o ritmo da entrega está desacelerando e IMEDIATAMENTE localizar as fontes dos problemas e até mesmo, AVALIAR hipotéticas soluções potenciais.

Case Toyota Resultados: No prazo de alguns dias, o sistema começou a fornecer resultados surpreendentes (o sistema ajudou a descobrir que a Toyota era cobrada duas vezes por uma remessa específica via transporte ferroviário (um erro de US$ 800.000); A Toyota norte-americana conseguiu aumentar o volume de carros que ela gerenciava em 40% entre 2001 e 2005, enquanto a força de trabalho crescia em apenas 3%; O tempo em trânsito foi reduzido em mais de 5%; O sucesso do TLS com seu BI se espalhou por toda a Toyota norte-americana e então para toda a empresa;

Case Toyota A solução: O antigo gerente de TLS (hoje responsável pela divisão de serviços ao cliente), utiliza painéis de controle, ou dashboards, no seu escritório, assim como todos os diretores financeiros e executivos por toda a Toyota (por exemplo, para melhor gerenciar despesas, compras, etc.); Ficou claro também que, quanto mais pessoas utilizavam as ferramentas de análise de dados, mais lucros a Toyota podia ter; Sistema atualizado em 2003 e 2005, com novas ferramentas adicionadas conforme a demanda; Com esses e outros benefícios do sistema, ajudaram a matriz, a alcançar as maiores margens de lucro na indústria automobilística;

Case Toyota A solução: Com esses resultados, sua fatia de mercado aumentou consistentemente até a crise global de 2008. Mas isso à tornou adaptativa, e 2010 a Toyota começa a produzir robôs que auxiliam os consumidores (por exemplo, robôs de serviço para idosos) acreditando que há uma ótima oportunidade aí (empresa apostando na nova tecnologia gatilho Hype Cycle); Por um estudo independente pela IDC Inc., indica que a Toyota alcançou um retorno sobre o investimento em inteligência de negócios de 506% (o retorno médio sobre investimento para as outras 43 empresas da Fortune 500 que participaram do estudo foi de 112%).

Case Toyota Barbara Cooper, Toyota Group Vice President and Chief Information Officer, Information Systems, Toyota Motor Sales U.S.A. 2006 sales: $179.02 billion

Características do Sistema da Toyota Baseava-se em: Excesso de dados desorientadores que estavam repletos de erros e nos quais não era possível confiar; Concorrência forte na indústria automobilística, principalmente a Honda; Problemas de comunicação e de coordenação ao longo da cadeia de suprimentos; Incapacidade dos departamentos de compartilhar dados de uma maneira oportuna; Incapacidade da gerência de obter as informações que ela precisava para a tomada de decisão.

Características do Sistema da Toyota Os sistemas incluíam: Um data warehouse com dados históricos; Ferramentas para conduzir análise e manipulação de dados; Uma visualização da interface com o usuário (um painel de controle, ou dashboard), destinado principalmente à alta gerência.

Componentes da Toyota (BI) Ambiente de data warehouse Ambiente analítico de negócios Desempenho e estratégia Fonte de Dados Pessoal técnico Constrói o data warehouse Organização, sumarização, padronização, etc DW Usuários de negócios Acesso Manipulação, resultados Gerentes/Executivos Gestão do desempenho de negócio (business performance management BPM) Estratégias Componentes futuros de sistemas inteligentes Interface com usuário Navegador, portal Painel de controle (dashboard)

Maximizando Desempenho O SUCESSO DE UMA ORGANIZAÇÃO É AVALIADO POR MEIO DE RESULTADOS. OS RESULTADOS DEVEM SER MEDIDOS POR MEIO DE UM CONJUNTO DE INDICADORES QUE AVALIEM O DESEMPENHO DO NEGÓCIO. 15

Divulgação Gerenciamento AVALIANDO DESEMPENHO BSC DIMENSÃO FINANCEIRA Escopo do KPI Planejamento CLIENTES VISÃO E ESTRATÉGIA DIMENSÃO DE PROCESSOS Formatação da base de indicadores Medições DIMENSÃO DE APRENDIZADO E CRESCIMENTO EVA EVA Formação de relatórios e distribuição PLANILHA EXCEL LUCROS CUSTO DE OPORTUNIDA DE 16

Balance Scorecard A grande idéia Medir o desempenho para acompanhar e ajustar a estratégia de negócios O Balance Scorecard torna visível as consequências financeiras agregadas de medidas não financeiras que geram sucesso financeiro de longo prazo: O que é importante para nossos acionistas? Como os clientes nos percebem? Quais processos internos podem agregar valor? Somos inovadores e estamos prontos para o futuro? 17

Balance Scorecard Quando dever ser usado: Perspectiva financeira : Análise dos resultados positivos através da estratégia da empresa, sua implementação e execução Perspectiva do cliente: Análise dos custos e lucro brutos com esforços relativos à serviço e satisfação do cliente Perspectiva do processo interno: Análise de satisfação da empresa através da preparação e administração de processos de negócio Perspectiva de aprendizado e crescimento: Análise do desenvolvimento e retenção de recursos humanos, conhecimento e sistemas 18

Balance Scorecard Quando deve ser usado 19

Balance Scorecard Análise Final Impacto mais equilibrado de índices não-financeiros 20

EVA valor econômico agregado A grande idéia É uma medida de desempenho financeiro destinada a mostrar o verdadeiro lucro econômico de uma empresa. É apropriada a ser usada para: Estabelecer metas Avaliar desempenho Definir bônus Comunicar-se com investidores Fazer orçamento de capital Avaliações Focaliza a medição tanto de valor quanto de desempenho Lucro Líquido EVA = Operacional depois dos impostos [ Capital x O Custo do Capital ] (NOPAT) 21

EVA valor econômico agregado Quando deve ser usado: Deve ser dada atenção especial à quatro áreas para uma aplicação bem-sucedida: Medição Administração Motivação Estado de espírito Medição Acompanhe o EVA mês a mês Administração Incorpore o EVA no processo de tomada de decisões Cultura Crie comprometimento em toda a empresa com o EVA Motivação Ofereça recompensas para os aumentos no EVA 22

EVA valor econômico agregado Análise Final: Um dos principais problemas da tentativa de calcular o custo verdadeiro do capital é que você precisa decidir quais anomalias devem ser incluídas no cálculo Estimular os gerentes a se libertar do seu estado de espírito atual e pensar lateralmente pode acarretar grande realizações Deve ser visto não como uma camisa-de-força, mas como uma lista de itens para consideração 23

Fluxo de Dados Corporativos Spreadsheet application RDBMS / data warehouse Text files SQL reporting applications Mainframes / OLTP 24

Demanda de Informações Growing gap Source: Gartner Group 25

Transformação de Dados Informação Exploration / analysis SQL reporting Relational warehouse Cleansing / normalization Data Transaction processing 26

Existe mercado? 27

BUSINESS INTELLIGENCE O que é Business Intelligence? Definição: Business Intelligence é o resultado da análise de dados coletados e transformados em informações que irá embasar decisões. SERRA, Laércio. 28

O que é Business Intelligence? Ao analisar os dados históricos e atuais, situações e desempenhos, os tomadores de decisão obtêm valiosos insights para que eles possam tomar decisões mais inteligentes e melhores. O processo de Inteligência de Negócio (Business Intelligence), baseia-se na transformação dos dados em informações, depois em decisões e, por fim, em ações. 29

BUSINESS INTELLIGENCE INTELIGÊNCIA CONHECIMENTO Permite antecipar o evento INFORMAÇÃO Permite dar respostas ao evento DADOS Permite registrar o evento 30

ARQUITETURA DE SISTEMA DE BI FONTE DE DADOS ETL (Extração, Carga e Transformação dos Dados Data Warehouse (Repositório de dados) Front-end (acesso do usuário) Query/Relatórios Dados Externos Extração População Replicação Recuperação Data Mart1 Consulta Análise OLAP ERP s Outros Bancos de Dados Extração Extração ETL População Replicação Recuperação População Replicação Recuperação Data Mart2 Data Mart3 Consulta Consulta Análise estatísticas Previsões Data Mining BSC 31

FONTE DE DADOS de todos tipos provenientes de diversas fontes FONTES DE DADOS oriundos de diversos meios arquivados de diversos modos 32

ETL (EXTRAÇÃO, TRANSFORMAÇÃO E CARGA) Diversas fontes 12 cm 4,5 polegadas 450 mm 2 pés Transformando ETL Padronizando cm SQL Server Oracle Access Texto ETL SQL Server m,f 1,0 mas,fem masculino, feminino ETL M F 33

DATA WAREHOUSE DATA MART Data warehouse departamental Finanças Estoque Vendas Técnico DATA WAREHOUSE Corporativo 34

HOLDING BSC HOLDING DATA WAREHOUSE Data Mart ACESSO DO USUÁRIO INDICADORES COMUNS LUCRO RENTABILIDADE FLUXO DE CAIXA ENERGIA EVA Data Mart OLAP INDICADORES DE DESEMPENHO FINANÇAS Data Mart Data Mining KPI EXCEL NEGÓCIOS ETL Data Mart INDICADORES ESPECÍFICOS CLIENTES FORNECEDORES CANAIS DE COMERCIALIZAÇÃO INDUSTRIAL 35

CONCLUSÃO PLANO ESTRATÉGICO DA INFORMAÇÃO PLANO ESTRATÉGICO DOS NEGÓCIOS O PLANO ESTRATÉGICO DE INFORMAÇÃO TEM QUE ESTAR EM SINCRONIA COM O PLANO ESTRATÉGICO DOS NEGÓCIOS, PARA QUE A EMPRESA OTIMIZE SUA GESTÃO. 36

"...Uma base de dados, por maior que seja, não é informação. Ela é minério de informação. Para que a matériaprima se transforme em informação, ela precisa ser organizada para uma tarefa, dirigida para desempenho específico, aplicada a uma decisão... - Peter F. Drucker 37

Pós-Graduação Business Intelligence Obrigado! Prof. Gustavo Santade santade@gmail.com 38