E-commerce Business Inteligence - Técnicas avançadas para aumento de performance. Gerson Ribeiro
Business Inteligence - Software Livre
-
Upload
reginaldo-franco -
Category
Documents
-
view
222 -
download
2
Transcript of Business Inteligence - Software Livre
INTELIGÊNCIA DE NEGÓCIOS USANDO SOFTWARE LIVRE DE B.I. APLICADO
A PEQUENA E MEDIA EMPRESA: UM ESTUDO DE CASO
Autor: Roginaldo Franco Soares1
Orientador: Marcelo Fiorin2
Resumo: Atualmente, as técnicas de Business Intelligence auxiliam na tomada de decisão,
tornando-se fatores decisivos para o futuro de uma organização. Neste contexto, o presente
trabalho visa apresentar o projeto e a implementação de uma das técnicas bastante
difundidas deste assunto, o Data Warehouse. Para isso será criado um deposito de dados
com auxílio de ferramentas de código aberto, buscando identificar as dificuldades e benéficos
e seu uso como ferramenta diferencial estratégica na gestão empresarial apresentando
algumas analises, relatórios que colaboram para esse entendimento, com o intuito de,
posteriormente, servir como apoio para o processo de tomada de decisão dentro de uma
empresa.
PALAVRAS-CHAVE: Business Intelligence, Decisão, Analise, Estratégia.
1 INTRODUÇÃO
O dinamismo das constantes mudanças tecnológicas e a necessidade de aprimoramento da
gestão estratégica das empresas, e a busca de um posicionamento privilegiado, permanência,
liderança de mercado impõem as empresas adotarem mudanças de comportamento e inserem
a Tecnologia da Informação no cenário de negócios como uma ferramenta diferencial de
competitividade. Porém a implantação e o uso da tecnologia não garantem o diferencial
esperado.
1 Pós-graduando do curso de Especialização Lato Sensu em Gestão de Tecnologia da
Informação do programa de Pós-Graduação da Faculdade Sul Brasil – Fasul. 2 Professor orientador do curso de Especialização Lato Sensu em Gestão de Tecnologia da Informação
do programa de Pós-Graduação da Faculdade Sul Brasil – Fasul.
A avaliação de um sistema de informação é importante para verificarmos a aderência
desse sistema e sua perspectiva de continuidade. É necessário avaliar a qualidade das
informações que serão utilizadas nas tarefas do dia-a-dia e sua confiabilidade nas tomadas de
decisão.
Os sistemas de tomada de decisão estão em crescimento no cenário dos negócios
inteligentes os quais utilizam os históricos da empresa como expertise para traçar indicadores
e metas de curto e de longo prazo.
Este artigo busca demonstrar o uso de uma solução tecnológica livre de código fonte
aberto, e atestar quanto a sua funcionalidade e idoneidade dos dados, busca demonstrar
também que é viável a utilização de ferramentas livre e possível atrelarem ao seu plano de
estratégico de negócios.
2 SISTEMAS DE BUSINESS INTELLIGENCE
Dada a motivação apresentada anteriormente, nesta seção cabe expor as definições dos
principais elementos envolvidos no estudo.
Business Inteligence (BI), ou Inteligência de Negócios, conceitua-se como um
conjunto de conceitos e métodos que são usados para auxiliar e aumentar a capacidade de
tomada de decisão fazendo uso das informações dos fatos ocorridos nas organizações.
Segundo Barbieri (2001), BI “representa a habilidade de se estruturar, acessar e
explorar informações, normalmente guardadas em DW/DM (Data Warehouse/Data Mart),
com o objetivo de desenvolver percepções, entendimentos, conhecimentos, os quais podem
produzir um melhor processo de tomada de decisão”.
O Conceito surgiu nos anos de 1980 e descreve as habilidades das corporações para
acessar dados e explorar as informações normalmente contidas em uma base de dados,
originalmente importadas de seus sistemas legados armazenadas em local especifica que são
chamados de DW/DM (Data Warehouse/Data Mart).
As analises provenientes dessas informações traz aos analistas percepções e
entendimentos das mesmas, o que as permite incrementar e pautar a tomada de decisão. As
organizações tipicamente recolhem informações com a finalidade de avaliar o ambiente
empresarial, completando estas informações com pesquisas de marketing, industriais e de
mercado, além de análises competitivas, desenvolvimento e criação de novos produtos ou
serviços.
Ao longo de sua existência as organizações competitivas acumulam experiências e
expertise à medida que ganham sustentação na sua vantagem competitiva, podendo considerar
tal expertise como o aspecto central para competir em alguns mercados. Geralmente as
primeiras fontes de dados são da própria empresa, podem ser usadas também informações
enviadas por outras empresas, isso faz com que quem decide entenda e faça da forma correta e
com menos risco.
As informações podem incluir necessidades do consumidor, processo de decisão do
cliente, pressões competitivas, aspectos econômicos e tecnológicos e tendências culturais. A
partir dos resultados podemos formar meta específica, tendo por base o objetivo
organizacional ou a visão da empresa, em seu plano estratégico de negócios.
O Data Warehouse é um composto por um banco de dados estruturado, projetado para
a análise de dados não voláteis, lógica e fisicamente transformados, provenientes de diversas
aplicações, alinhados com a estrutura da empresa, atualizados e mantidos por um longo
período de tempo, referidos em termos utilizados no negócio e sumarizados para análise
rápida. A integração de um Sistema de informação e Data Warehouse permite prover dados
históricos, e permite a recuperação de informações de forma sintética ou analíticas.
Segundo Inmon (1997, p. 33), [...] “Data warehouse é um conjunto de dados baseado
em assuntos, integrado, não-volátil, e variável em relação ao tempo, de apoio às decisões
gerenciais" [...].
Data Marts: é um banco de dados pequeno Data Warehouse que fornece suporte à
decisão de um pequeno grupo de pessoas, como por exemplo, informações necessárias para
um departamento da organização. É preciso estar ciente que as diferenças entre Data Mart e
Data Warehouse são apenas com relação ao tamanho e ao escopo do problema a ser
trabalhado onde se pretende atingir a resolução de um problema especifico.
O termo OLAP origina-se da expressão On-Line Analytic Processing, Kimball define
como a atividade de consulta e apresentação de dados textuais e numéricos de uma forma
dinâmica e multidimensional em um DW. Permite o detalhamento das consultas ou agregação
de dados em um processo OLAP.
O Data Mining refere-se a mineração de dados (DM) é definido pelo processo de
extração informação válida da base de dados, previamente desconhecida e de máxima
abrangência a partir de grandes bases de dados, usando-as para efetuar decisões importantes.
3 BUSINESS INTELLIGENCE SUITE PENTAHO
O Pentaho é uma suíte de ferramentas composta por diversos softwares livres open
source, objetivando a disponibilização de uma completa plataforma de BI. Seu
desenvolvimento está centrado na linguagem de programação de computadores Java. A suite
conta com duas versões:
• Pentaho Community Edition (CE): versão da comunidade de pessoas que
trabalham com a ferramenta, onde o suporte é dado pela própria comunidade.
• Pentaho Enterprise Edition (EE): sistema comercial, suportado pela empresa
ou por representante oficial da Pentaho.
No Brasil varias empresas utilizam o Pentaho, destacam-se dentre todas como por as
empresas: Banco do Brasil, Caixa Econômica Federal, Serpro, Rede Globo de Televisão.
De acordo com a Pentaho (2013), o Pentaho Data Integration – PDI, também
conhecido como Kettle, é a ferramenta de ETL da Pentaho, é totalmente baseado em
metadados. No Kettle, o conceito de processo ETL clássico (extração, transformação e
carregamento) foi ligeiramente modificado, porque é composto por quatro elementos ETTL,
que significam:
• Extração de dados das bases de dados de origem;
• Transporte dos dados;
• Transformação dos dados;
• Carregando (Loading) dados em um Data Warehouse.
Assim, Kettle é um conjunto de ferramentas e aplicativos que permite manipulações de
dados através de múltiplas fontes. (PENTAHO, 2013)
O Spoon, é uma ferramenta gráfica utilizada para modelar o fluxo de dados de um
processo de transformações ETTL. Desempenha as funções de fluxo de dados típicos como a
leitura, validação, refino, transformação, gravação de dados em uma variedade de diferentes
fontes de dados e destinos. As transformações projetadas em Spoon podem ser executadas
com Pan e Kitchen.
Pan - Constitui em uma de aplicação dedicada para executar transformações de dados
projetados em Spoon.
Chef - Uma ferramenta para automatizar tarefas de atualização do banco de dados
deuma forma complexa.
Kitchen - Um aplicativo que ajuda a executar as tarefas em modo de lote, geralmente
usando uma programação que torna fácil para iniciar e controlar o processamento ETL.
Carte - È um servidor web que permite o monitoramento remoto dos processos ETL
através de um navegador web. Embora as ferramentas de ETL sejam mais frequentemente
usadas em ambientes de data Warehouses, o Kettle também pode ser aplicado para outros
fins:
o Migrar dados entre aplicações ou bases de dados;
o Exportar ou importar dados entre bancos de dados e arquivos simples;
o Carregar de dados maciçamente em bancos de dados;
o Limpar e analisar dados;
o Integrar aplicações.
3.1 CUBO
Um banco de dados multidimensional permite que os dados sejam apresentados
em forma de cubos, ou matrizes, onde cada face representa um aspecto do assunto que
se deseja analisar. Assim, ao mesmo tempo, é possível observar várias visões do dado
que está sendo apresentado (ROSINI e PALMISANO, 2003, p. 47-48 ).
3.2 SAIKU OLAP ANALYTICS
O plugin Saiku se integra a suíte Pentaho, criado pela Analytical Labs foi
desenvolvido para fazer análises rápidas de dados, visualizando cubos OLAP é uma
ferramenta que surge para substituir o antigo JPivot. Com uma interface mais amigável e a
funcionalidade do Drag and Drop, traz as analises maior facilidade de compreensão.
Para a sua utilização deve se ter um cubo OLAP previamente definido, com fatos e
dimensões a serem trabalhadas nas analises. A figura 3 demonstra um relatório de um cubo
Olap de uma tabela fato vendas.
Figura 1 - Saiku Reporting
Fonte: Autoria própria.
4 ESTUDO DE CASO
O estudo de caso limitou-se a uma empresa localizada na região sudeste da cidade de
Toledo Paraná. Constituída a quatro anos a empresa atua especificamente no ramo de venda
de materiais de construção.
A sua área de atuação de vendas concentra-se nos bairros próximos, tem-se como
estratégia financeira oferecer condições de pagamento variadas mais seguras como: Venda a
vista, vendas no cartão de crédito. Com esse objetivo estratégico a empresa visa eliminar a
inadimplência. Constatou-se que uma das estratégias da empresa é vender produtos com
preços acessíveis e que possa ser levado pelo próprio cliente.
5 CONSTRUÇÃO DOS RELATÓRIOS E ANALISES
Para esse estudo de caso foi montado um DW, a partir dos dados do ERP da empresa
que contempla o fato vendas. A tabela fato vendas considerou as dimensões de: Clientes,
formas de pagamento, vendedor, produto, grupo de produtos e unidade de medida e tempo.
Para o processo de carga de dados foram criadas nove procedures responsável por
executarem a carga dos dados de tabelas de origem para a tabela de destino. Essas quando
executadas fazem a tarefa de popular as tabelas de destino do DW. A partir das tabelas do
DW, foram criados dois cubos, um com a tabela fato em vendas e outro centrado em itens de
venda.
A figura 2 representa as duas fatos criados a partir das tabelas e seus atributos.
Figura 2 – Fato_Vendas
Fonte: Autoria própria.
O relatório de análise vendas líquidas por mês representado pelo gráfico 1 traz duas
linhas de análises: Total por percentual e por percentual acumulado.
Gráfico 1 - Vendas por Mês
Fonte: dw_vendas autoria própria.
O relatório de análise representada pelo gráfico 2 composto pelo total de Vendas
líquidas por bairros, expressando demonstra a presença da empresa, este traz duas linhas de
análises: Total por percentual e por percentual acumulado.
Gráfico 2 - Vendas por Bairros
Fonte: dw_vendas autoria própria.
O relatório de análise representada pelo gráfico 3 composto pelo total de Vendas
líquidas por plano de pagamento, expressando demonstra a presença da empresa, este traz
duas linhas de análises: Total por percentual e por percentual acumulado. Essa análise
demonstra que a forma de pagamento mais solicitada pelos clientes.
Gráfico 3 - Vendas por Plano de Pagamento
Fonte: dw_vendas autoria propria.
A tabela 1 representa uma análise das vendas vista de duas dimensões, trimestres e
planos de pagamentos. Essa análise possibilita uma avaliação e formação do perfil do cliente
quanto aos planos de pagamentos solicitados pelos mesmos.
Tabela 1 - Plano de Pagamento por Trimestre
Plano de Pagamento Tri 1 Tri 2 Tri 3 Tri 4
A VISTA 9.832,70 14.898,63 50.469,64 43.640,30
BONUS -CRED 1 PAGAMENTO 287,80 105,47 1.651,10
BONUS-CRED 2 PAGAMENTOS 370,25 1.596,08
BONUS-CRED 3 PAGAMENTOS 2.048,26
BONUS-CRED 4 PAGAMENTOS 873,45
BONUS-CRED 5 PAGAMENTOS 243,20 820,80
BONUS-CRED 6 PAGAMENTOS 1.725,29 4.209,92
LOJA 1 + 30 DIAS 42,60 8.209,64 3.601,40 2.167,83
LOJA 1 + 30/60 5.148,00 1.517,97
LOJA 1 + 30/60/90 104,00 954,37 1.685,37
LOJA 30 DIAS DIRETO 2.403,68 5.308,37 16.323,78 8.083,27
LOJA 30/60 164,08 512,29 3.518,15 2.210,95
LOJA 30/60/90 1.787,91 450,61 3.932,10 1.473,53
LOSANGO ATE 24 PAGAMENTOS 1.700,00 7.348,86
REDECARD CREDITO 01 PAGAMENTO 110,55 384,28
REDECARD CREDITO 02 PAGAMENTOS 829,07
REDECARD CREDITO 03 PAGAMENTOS 921,54
REDECARD CREDITO 04 PAGAMENTO 200,00 354,50
REDECARD CREDITO 06 PAGAMENTO 321,05 526,09
REDECARD DEBITO 1.020,07 2.508,86
Fonte: dw_vendas autoria própria.
A tabela 2 representa uma análise das vendas vista de duas dimensões, planos de
pagamentos e bairros. Essa análise possibilita uma visão da localização dos clientes e as suas
formas de pagamento mais requisitadas, fato determinante para uma avaliação e formação do
perfil do cliente quanto aos planos de pagamentos solicitados pelos mesmos.
Tabela 2 - Vendas por Bairro e Plano de Pagamento
Fonte: dw_vendas autoria própria.
6 RESULTADOS E DISCUSSÃO
Durante o processo de busca de repostas e identificação das estratégias empresarias
constatou-se que o sistema de gestão integrado (ERP) da empresa não esta sendo utilizado de
forma a maximizar o potencial da ferramenta. O processo de entrada de dados através dos
cadastros não apresentava uma massa de dados sólida. A ferramenta de BI. Pentaho Data
Integration – PDI, responsável pela importação dos dados e geração do Data Warehouse já
contextualizada, apontou várias inconsistências: Estoque com produtos negativos; produtos
em estoque sem entrada de compra; lançamento de vendas com cartão de crédito apontadas
como entradas em espécie no caixa.
Inicialmente houve muita dificuldade em ter acesso ao banco de dados do sistema
legado da empresa, bem como qual fato analisar devido a falta de documentação do banco de
dados. O não conhecimento da senha de acesso à base de origem dos dados foi um dos
maiores obstáculo à execução desse estudo.
Posteriormente as dificuldades se concentraram no aprendizado da suíte Pentaho,
especificamente na seleção de qual ferramenta usar. A falta de domínio das ferramentas, o
pouco material em idioma português e incompletude dos tutoriais disponível na internet
contribuíram negativamente para a execução e a elaboração dessa seleção das ferramentas.
Finalmente vencidas as complicações obtendo acesso a base de dados, utilizando-se a
ferramenta administration-console foi estabelecida a conexão com a base de dados. Com isso
foi possível criar o Data Warehouse dw_vendas, e utilizar o Pentaho Data Integration para a
importação dos dados, onde se concentrou todas as análises desse artigo.
O banco dw_vendas foi construído a partir dos dados das tabelas de: Clientes, formas
de pagamento, vendedor, produto, grupo de produtos e unidade de medida e tempo. A sua
estrutura pode ser vista na figura 4.
A nova base de dados manteve os campos originais das tabelas de origem,
acrescentado um campo com um registro índice para cada tabela e um campo de relação da
tabela de vendas com a tabela de tempo. Com base nesses dados para na análise originou-se
dois cubos: O de vendas com a tabela fato em vendas e o de produtos com a tabela fato em
itens de vendas. Com isso foi possível criar 3 gráficos e duas tabelas descritos na seção 5.
O gráfico 1 permite ao empresário uma projeção para antecipação de cenários de
vendas para os meses futuros, esse traz duas linhas de análises de realizado e acumulado,
deixa de forma transparente os meses em que as foram de maior volume e de menor volume.
O gráfico 2 traz a conhecimento, os bairros onde se concentram os clientes da empresa
em termos de residência. Esse gráfico permite a interpretação da localização geográfica,
trazendo oportunidades de personalização em campanhas de marketing e propaganda
direcionada. Pode com essa informação também elaborar uma personalização no atendimento
a esses clientes.
O gráfico 3 a conhecimento uma fonte valiosa para a empresa, onde fica visível as
condições de pagamento mais requisitadas pelos clientes. Pode se notar que esse gráfico traz
como a forma mais requisitada a venda a vista, o que comprova que a estratégia da empresa
descrita na seção 4. De posse dessas informações a empresa pode tomar decisões em relação
até mesmo a ampliar o estoque de produtos de forma estratégica.
As tabelas 1 e 2 respectivamente tratam as informações contidas nos gráficos em
escala de valores. A tabela 1 traz os valores das vendas por condições de pagamento por
trimestre, o que pode trazer uma interpretação da dimensão de recuperação em uma situação
de diminuição das vendas.
A tabela 2 um pouco mais complexa traz uma análise especifica a qual demonstra a
área de atuação da empresa e qual a forma de pagamento mais requerida pelos clientes.
Através das informações contidas nessa tabela podemos abstrair qual setor, descrito aqui por
bairro, e qual a condição de pagamento mais usada. Essa informação é estratégica e muito
importante para a empresa, a qual pode se antecipar ao cliente e oferecer os produtos que
estão dentro perfil dos clientes do setor.
7 CONCLUSÃO
Neste trabalho realizou se uma pesquisa acerca da inteligência de negócios usando
software livre de Bussiness Inteligence aplicado a pequena e media empresa fazendo uso de
ferramentas de código aberto. Dentre os vários sistemas com essa característica selecionou-se
a Suíte Pentaho versão 4.8.0 com a qual foi possível criar um Data Warehouse onde os dados
histórico da empresa foram importados.
Utilizou-se como fonte de dados a área de vendas da empresa, considerando esta como
uma área estratégica para a realização de negócios, para uma empresa de pequeno porte. Essa
área concentra a maioria das decisões, as quais tendem a dar suporte ao negocio. O modelo de
dados multidimensional projetado para o presente artigo possui apenas as dimensões básicas
descritas na literatura, no entanto as informações obtidas através das consultas realizadas no
servidor OLAP foram satisfatórias, pois atendem aos requisitos necessários para executar as
analises.
A partir das analises feitas no Data Warehouse verifica-se que o sistema pode-se
apoiar ao legado e pode ser aliado a estratégia empresarial. Essas analises revelam
informações que podem ser usadas para a tomada de decisão estratégica. Como por exemplo a
criação de campanhas direcionadas para as regiões segundo o plano de pagamento. Deve-se
destacar também a inexistência de mensalidades para seu uso, e a facilidade nas analises dos
dados e geração relatórios, os quais podem ser exportados para outros softwares.
Um dos maiores benefícios da ferramenta poder ser usado como um diferencial
revelando oportunidades de negócios que estejam ocultas não previstas no sistema de gestão.
Dessa forma permiti direcionar as forças e oportunidades segundo o histórico de
acontecimentos anteriores, para o fortalecimento e crescimento da empresa, construindo assim
um plano estratégico solido pautado em sua própria trajetória de negócios.
Portando o desconhecimento acerca de ferramentas de software livre para gestão, bem
como de analise das informações e a necessidade de pesquisas especificas, direcionadas, com
cunho empresarial, contribuem ativamente para que as pequenas e medias empresas não
adotem uma solução de Bussiness Inteligence.
REFERÊNCIAS BIBLIOGRÁFICAS
BARBIERI, Carlos. BI Business Intelligence - Modelagem & Tecnologia: Editora AXCEL BOOKS, Rio de Janeiro, 2001.
ECKERSON, Wayne W. Performance Dashboards: Measuring, Monitoring, and Managing Your business. John Wiley & Sons, Inc., Hoboken, New Jersey, 2011. INMON, W. H. Como construir o Data Warehouse. 2. ed. Rio de Janeiro: Campus, 1997.
KIMBALL, Ralph e ROSS, Margy. The Data Warehouse Toolkit: Editora Campus, Rio de Janeira, 2002. LAUDON, K. C. e LAUDON, J. P. Gerenciamento de sistemas de informação. 3º ed. LTC, Rio de Janeiro, 1999.
LAUDON, Kenneth C. LAUDON, Jane P. Sistemas de informação gerenciais: Administrando a empresa digital. São Paulo: Prentice Hall, 2004.
PENTAHO. Pentaho InfoCenter. Disponível em: <http://www.pentaho.com >. Acesso em: 13 ago. 2013. ROSINI, Alessandro M.; PALMISANO, Ângelo. Administração de sistemas de informação e a gestão do conhecimento. São Paulo: Thomson, 2003.
REZENDE, D.; ABREU, A. Tecnologia da informação aplicada a sistemas de informação empresariais: o papel estratégico da informação e dos sistemas de informação nas empresas. São Paulo: Atlas, 2003. SANTOS, Rui Rossi dos. Java na Web: programando sites dinâmicos. Rio de Janeiro: Axcel Books, 2007.
SERRA, Laercio. A Essência do Business Intelligence: Editora BERKELEY BRASIL, São Paulo, 2002. THOMSEN, Erik. OLAP: construindo sistemas de informações multidimensionais. 2. ed. Rio de Janeiro: Campus, 2002.