Introdução aos conceitos de Business Intelligence
-
Upload
emerson-henrique -
Category
Technology
-
view
8.862 -
download
6
description
Transcript of Introdução aos conceitos de Business Intelligence
BUSINESS INTELLIGENCE: O QUE É E O QUE ENVOLVE ESTE TERMO?
EMERSON HENRIQUE SOARES SILVAemerson .hss@gmai l .com
Introdução aos conceitos de Business Intelligence
08/04/2023Emerson Henrique S. Silva
2
Quem é este que vos fala?
Aluno concluinte do curso de Ciência da Computação da ASPER
Há 1 ano e 2 meses sou Analista e Desenvolvedor de Sistemas para Web da Ativasystems (Divisão de desenvolvimento de Software da Ativaweb)
08/04/2023Emerson Henrique S. Silva
3
Agenda
IntroduçãoBusiness Intelligence (BI)Data Warehouse (DW)Data Mart (DM)Abordagens de implementação de DWArquiteturas de DWModelagem DimensionalOLAPOLAP x OLTPData MiningGrupo(s) de PesquisaProposta de Projeto Inicial
08/04/2023Emerson Henrique S. Silva
4
Introdução
Era da Economia da InformaçãoEmpresa precisão mais do que operar,
funcionarPrecisam de conhecimento, sobre si e sobre
os demaisPrecisam aprender com erros e acertos
08/04/2023Emerson Henrique S. Silva
5
Introdução
Sistemas de Informação e seus espaços de negócio
Patamar conhecido Operacional
Foco nas tarefas No realizar trabalho
Busca por novos patamares: Gerencial
Foco no planejamento Alocação de Recursos Orçamentos
Estratégico Relacionada ao gerencial Intenções estratégicas Produtos/Serviços e seus
benefícios para os clientes
Estratégico
Gerencial
Operacional
08/04/2023Emerson Henrique S. Silva
6
Introdução
Patamar estratégico dos Sistemas de Informações dão apoio aos processos de tomadas de decisões nas organizações.
O conceito de Business Intelligence (BI), ou Inteligência de Negócios, ganha espessura neste cenário.
BI pode ser entendido como um guarda-chuva conceitual que envolve Inteligência Competitiva, ou Competitive Intelligence (CI), Gerência de Conhecimentos, ou knowledge Management System (KMS), Internet Business Intelligence (IBI), pesquisa e análise de mercados, etc. [BARBIERE, 2001]
08/04/2023Emerson Henrique S. Silva
7
Business Intelligence (BI)
“Business Intelligence representa a habilidade de se estruturar, acessar e explorar informações, normalmente guardadas em Data Warehouses e Data Marts, com o objetivo de desenvolver percepções, entendimentos, conhecimentos, os quais podem produzir um melhor processo de tomada de decisão”. (BARBIERE, 2001)
Business Intelligence é um termo genérico para descrever o levantamento de informações sobre os ativos internos e externos da organização para tomar melhores decisões de negócios [KIMBALL e ROSS, 2002].
Para Moss e Atre (2003) o BI não é um produto, nem um sistema. É uma arquitetura e uma coleção de aplicações e bancos de dados com acesso facilitado aos dados e que provê suporte a tomada de decisão.
08/04/2023Emerson Henrique S. Silva
8
Business Intelligence (BI)
08/04/2023Emerson Henrique S. Silva
9
Data Warehouse (DW)
Sobre Data Warehouse (DW) ou Armazéns de Dados, Machado (2007) afirma que representa uma grande base de dados capaz de integrar, de forma concisa e confiável, as informações de interesse para a empresa que se encontram espalhadas pelos sistemas operacionais e em fontes externas, para posterior utilização nos sistemas de apoio à decisão.
Segundo Barbiere (2001), Data Warehouse pode ser definido como um banco de dados, destinado a sistemas de apoio a decisão e cujos dados foram armazenados em estruturas lógicas dimensionais, possibilitando o seu processamento analítico por ferramentas especiais (OLAP e Mining).
08/04/2023Emerson Henrique S. Silva
10
Data Warehouse (DW)
CaracterísticasSegundo [INMON, 1997 apud ZORZIN,
2006], um DW é um conjunto de dados... orientados por assuntos, integrados, não voláteis, variáveis em relação ao tempo e que apóiam a tomada de decisões.
08/04/2023Emerson Henrique S. Silva
11
Data Warehouse (DW)
Pedido e nota fiscal são etapas do processo transacional de uma venda Vendas são assuntos de empresa de interesse estratégico
Informações sobre quantidades vendidas, sobre lucros e observações de resultados de ações de marketing
08/04/2023Emerson Henrique S. Silva
12
Data Warehouse (DW)
O DW é alimentado por outras fontes de dados, que podem trazer dados representados de formas diferentes, mas que possuem o mesmo significado.
Por este motivo os dados devem ser integrados e padronizados.
08/04/2023Emerson Henrique S. Silva
13
Data Warehouse (DW)
O DW só permite duas operações básicas: a inclusão inicial e incremental de novos dados e o acesso somente para leitura a estes dados, isto é, não existem alterações nem exclusões dos dados do DW, isso para evitar impasses e atualizações registro a registro.
08/04/2023Emerson Henrique S. Silva
14
Data Warehouse (DW)
Variáveis em relação ao Tempo O DW deve ser carregado periodicamente através de
um processo batch (em lotes). E deve ser armazenada uma ou mais referências
temporais sobre os dados carregados, de modo que seja possível verificar o histórico desses dados.
O tempo é uma característica importante para tomada de decisões, por isso os dados do DW devem variar em relação a suas referências de tempo.
08/04/2023Emerson Henrique S. Silva
15
Data Warehouse (DW)
Dados que apóiam a tomada de decisões O DW é construído sobre um modelo
multidimensional Centralizar os fatos pelas dimensões dos negócios
Organização lógica dos negócios da organização sobre esse modelo permite um acesso facilitado de ferramentas para análise dos negócios, e o resultado dessas análises permitem visualizar cenários passados, atuais e possíveis da organização, gerando informações estratégicas que possibilitem a tomada de decisões de melhorias e evoluções.
08/04/2023Emerson Henrique S. Silva
16
Data Mart (DM)
Apresenta as mesmas características de um DW.
É um subconjunto de um DW.Representa um DW departamental, regional
ou funcional.Segundo Sing (2001) apud Felber (2005) uma
empresa pode contruír uma séria de DM ao longo do tempo e vinculá-los a um DW lógico de empresa inteira.
08/04/2023Emerson Henrique S. Silva
17
Data Mart (DM)
São bem aceitos no mercado por: Apresentarem menor investimento em infra-estrutura Produzirem resultados mais rapidamente E por serem escaláveis até DWs
08/04/2023Emerson Henrique S. Silva
18
Abordagens de Implementação de DW
Inicialmente existiram (anos 1990) duas abordagens, cada uma apresentada por um guru da tecnologia de DW Bill Inmon
Implementação top-down (do topo para a baixo) Ralph Kimball
Implementação bottom-up (da base para cima)
08/04/2023Emerson Henrique S. Silva
19
Abordagens de Implementação de DW
Top-down Primeiro se
construiria um DW para depois construir os DMs departamentais a partir do DW.
08/04/2023Emerson Henrique S. Silva
20
Abordagens de Implementação de DW
Top-down Vantagens
Herança de arquitetura, consequentemente facilidade de manutenção
Visão do empreendimento, DW concentra toda a empresa e seus negócios
Controle e centralização de regras, único conjunto de aplicações para ETL
Monitoração e manutenção centralizada Desvantagens
Demora para entrar em produção Alto risco de investimento Demora no retorno do investimento
08/04/2023Emerson Henrique S. Silva
21
Abordagens de Implementação de DW
Bottom-up Primeiro se
constroem os DMs separados que deverão ser integrados a medida que os mesmos evoluem, dando condições para a construção de um DW.
08/04/2023Emerson Henrique S. Silva
22
Abordagens de Implementação de DW
Bottom-up Vantagens
Implementação mais rápida Retorno sobre o investimento é mais rápido A manutenção do enfoque da equipe é facilitada Pode existir uma herança incremental entre os DMs
permitindo o reaproveitamento Desvantagens
Os DMs produzidos podem não obter uma perfeita coesão
Integração pode se tornar inviável Provável repetição de esforços na fase de ETL
08/04/2023Emerson Henrique S. Silva
23
Abordagens de Implementação de DW
Convergência das abordagens Melhor dos dois mundos
Visualizar a empresa e seus negócios de forma integrada Construindo o DW de forma incremental, a partir de DMs Construção integrada Resultado repositório integrado e coeso Dimensões alinhadas e conformes, e métricas
compatíveis
08/04/2023Emerson Henrique S. Silva
24
Arquiteturas de DW
Decisão gerencial em um projeto de DWDiretamente ligada a infra-estrutura física no
aspecto da tecnologia da informaçãoAs arquiteturas podem ser:
Global Centralizada Distribuída
Data Marts independentes Data Marts integrados
08/04/2023Emerson Henrique S. Silva
25
Arquiteturas de DW
Visão corporativa dos dados pelos usuáriosPorém, consumo de tempo de desenvolvimento e
administração do ambiente é muito grande, assim como o custo de implementação.
08/04/2023Emerson Henrique S. Silva
26
Arquiteturas de DW
Data Marts independentes DMs isolados por departamentos Sem foco corporativo Pouca interferência da TI Vantagem:
Implementação Rápida, por conta do escopo reduzido e isolado
Desvantagem: Capacidade de decisão através dos dados é limitada
08/04/2023Emerson Henrique S. Silva
27
Arquiteturas de DW
Data Marts integrados DMs distribuídos em departamentos, como na anterior Dados interconectados, integrados e acessíveis a
outras áreas ou departamentos da empresa Maior interferência da TI Vantagem:
Aumenta a visão corporativa e a qualidade das informações
Desvantagem: Maior complexidade dos requisitos Maior necessidade de controle e de administração
08/04/2023Emerson Henrique S. Silva
28
Modelagem Dimensional
De acordo com Machado (2007) a modelagem multidimensional é uma técnica de concepção e visualização de um modelo de dados de um conjunto de medidas que descrevem aspectos comuns de negócios. E esse modelo é formado por três elementos básicos: os fatos as dimensões e as medidas (variáveis).
O objetivo dessa modelagem é fornecer a capacidade de visualizar os dados de um organização, de modo a permitir a análise de valores desses dados, isto é, permitir obter informações de apoio a decisão.
08/04/2023Emerson Henrique S. Silva
29
Modelagem Dimensional
Fatos
Definem a importância e a motivação da modelagem dimensional
Representam numericamente valores que refletem temporalmente a evolução dos negócios de uma organização
É representado no modelo por uma tabela chamada tabela de Fatos
Formados por dados de medidas e de contexto
08/04/2023Emerson Henrique S. Silva
30
Modelagem Dimensional
Medidas
Atributos numéricos que representam um fato, o desempenho de um indicador de negócios relativo as dimensões que participam do fato
08/04/2023Emerson Henrique S. Silva
31
Modelagem Dimensional
Dimensões
As dimensões determinam o contexto de um assunto de um fato de negócio
Possui uma ou mais hierarquias naturais, além de atributos descritivos sem relacionamento hierárquico
É representada por uma tabela que descreve uma característica de um fato Quando Onde Quem O quê
08/04/2023Emerson Henrique S. Silva
32
Modelagem Dimensional
Dimensões
Determinam “o como” se pode filtrar informações sobre os fatos
Exemplo: Por lojas Por região Por mês Por produto Etc.
08/04/2023Emerson Henrique S. Silva
33
Modelagem Dimensional
Esquemas propostos
São 2 os esquemas propostos conhecidos Star Schema (Esquema Estrela) Snowflake Schema (Esquema Floco de Neve)
08/04/2023Emerson Henrique S. Silva
34
Modelagem Dimensional
Star Schema As tabelas de
dimensões são diretamente relacionadas a uma tabela central chamada tabela de fatos
Nesse modelo não há preocupação com economia de espaço de armazenamento
Nem com normalização Respeita-se o preceito
de informação rápida
08/04/2023Emerson Henrique S. Silva
35
Modelagem Dimensional
Snowflakes Schema Neste esquema as dimensões são normalizadas AS hierarquias são separadas Consultas envolverão mais tabelas diminuindo a performance
08/04/2023Emerson Henrique S. Silva
36
Modelagem Dimensional
Diferenças em relação a modelagem ER
Modelagem Dimensional Modelagem ER
Visão do mundo do negócio e a visão gerencial dos negócios da organização
Processos operacionais do negócio
Foco na performance de resultados
Foco na eliminação de redundâncias
Menor complexidade de manipulação ad hoc dos dados por usuários
Maior complexidade de manipulação ad hoc dos dados por usuários
08/04/2023Emerson Henrique S. Silva
37
Modelagem Dimensional
08/04/2023Emerson Henrique S. Silva
38
OLAP
Acrônimo para: On Line Analytical Processing Processamento Analítico On Line
São ferramentas que possibilitam a exploração dos dados de um DW [MACHADO, 2007] para fins de análise de determinadas variáveis para descoberta de cenários e tendências
O objetivo é dar suporte ao processo de tomada de decisões
08/04/2023Emerson Henrique S. Silva
39
OLAP x OLTP
OLTP é acrônimo para: On Line Transaction Processing Processamento de Transações On Line
Transações se referem diretamente as atividades operacionais de ume empresa
Exemplo: Realizar pagamento aos empregados Realizar pagamento aos fornecedores Realizar vendas aos clientes
Essas operações envolver um conjunto de atividades que juntas formam uma transação
Os Sistemas de Informação com foco operacional são sistemas transacionais
Diferentes dos sistemas OLAP com foco analítico dos dados
08/04/2023Emerson Henrique S. Silva
40
Data Mining
Em português, Garimpagem ou Mineração de DadosO processo de Data Mining visa realizar inferências sobre
os dados de um DW/DM, buscando “adivinhar” fatos e correlações não explicadas em meio a esses dados.
Algoritmos inteligentes sobre um amostra dos dados visando detectar padrões em determinados relacionamentos.
Segundo Moss e Atre (2003), a aplicação de mineração de dados pode então usar uma sofisticada mistura de componentes clássicos e avançados, como a inteligência artificial, reconhecimento de padrões, bases de dados, estatísticas tradicionais e gráficas para apresentar relações ocultas e padrões encontrados no repositório de dados da organização.
08/04/2023Emerson Henrique S. Silva
41
Grupo(s) de Pesquisa
Empregos na área de BI existem, porém poucos são as pessoas qualificadas para assumir essas vagas
Existe espaço para novas pesquisas em cima de BI, novas ferramentas tecnologias, arquiteturas, metodologias de desenvolvimento, soluções open source,..., entre outras várias
Então por que não unir o útil ao agradável e montar na instituição um grupo de pesquisa e estudos sobre BI?
08/04/2023Emerson Henrique S. Silva
42
Proposta de Projeto Inicial
Desenvolver um solução completa de BI para o setor de transporte coletivo urbano
Visando atender necessidades estratégicas de empresas de transporte coletivos, de associações de empresas do ramo de transporte coletivo, de organizações governamentais controladoras e fiscalizadoras e, principalmente, a dos usuários desse sistema de transporte.
08/04/2023Emerson Henrique S. Silva
43
Interessados no grupo de pesquisas?
Se você se interessou entre em contato comigo ou com o professor Fábio Nicácio ([email protected])
É tempo de buscar novos conhecimentos e novas oportunidades de emprego, além de oportunidades de negócio.
08/04/2023Emerson Henrique S. Silva
44
Dúvidas
08/04/2023Emerson Henrique S. Silva
45
Obrigado!
08/04/2023Emerson Henrique S. Silva
46
Referências
BARBIERI, Carlos. Business Intelligence: Modelagem e Tecnologia. Rio de Janeiro: Axcel Books. 2001.
INMON, W. H. Como construir o Data Warehouse. Rio de Janeiro: Editora Campus, 1997.
KIMBALL, Ralph. Data Warehouse Toolkit: Técnicas para construção de data warehouses dimensionais. São Paulo: Makron Books. 1998.
KIMBALL, Ralph; ROSS, Margy. The Data Warehouse Toolkit: The Complete Guide to
Dimensional Modeling. 2ed. New York: John Wiley & Sons. Inc. 2002. MACHADO, Felipe N. R. Tecnologia e Projeto de Data Warehouse:
Uma Visão Multidimensional. 3ed. São Paulo: Érica, 2007. MOSS, Larissa T.; ATRE, Shaku. Business Intelligence Roadmap: The
Complete Project Lifecycle for Decision-Support Applications. Boston: Pearson Education, Inc. 2003.
SING, Hary. Data Warehouse. São Paulo: Makron Books, 2001.