Si biv2

78
Sistemas de Apoio à Sistemas de Apoio à Tomada de Decisão Tomada de Decisão Sistemas de Apoio à Decisões Sistemas de Apoio à Decisões Sistemas de Informações Gerenciais Sistemas de Informações Gerenciais Data Wharehouse Data Wharehouse Business Intelligence – BI Business Intelligence – BI Danielle Belon dos Reis n° 12.205.309 - 3 Mayla Luz Barros n° 12.205.295 - 4 Roberto Garcia Marcondes n° 12.207.274 - 7 São Bernardo do Campo 24/04/2010

description

 

Transcript of Si biv2

Page 1: Si biv2

Sistemas de Apoio Sistemas de Apoio à Tomada de à Tomada de DecisãoDecisãoSistemas de Apoio à DecisõesSistemas de Apoio à DecisõesSistemas de Informações GerenciaisSistemas de Informações GerenciaisData WharehouseData WharehouseBusiness Intelligence – BIBusiness Intelligence – BI

Danielle Belon dos Reis n° 12.205.309 - 3

Mayla Luz Barros n° 12.205.295 - 4

Roberto Garcia Marcondes n° 12.207.274 - 7

São Bernardo do Campo24/04/2010

Page 2: Si biv2

AgendaAgenda

22

IntroduçãoIntrodução

SAD – Sistemas de Apoio à DecisãoSAD – Sistemas de Apoio à Decisão

BI – Business IntelligenceBI – Business Intelligence

Centro Universitário da FEI

2

Page 3: Si biv2

AgendaAgenda

33

IntroduçãoIntrodução

SAD – Sistemas de Apoio à DecisãoSAD – Sistemas de Apoio à Decisão

BI – Business IntelligenceBI – Business Intelligence

Centro Universitário da FEI

3

Page 4: Si biv2

Tomada de DecisãoTomada de Decisão

A Teoria da Decisões nasceu com Herbert Simon, um dos mais importantes estudiosos do processo decisório, que a utilizou como base para explicar o comportamento humano nas organizações.

44

Centro Universitário da FEI

Herbert Alexander Simon (1916-2001) 4

Page 5: Si biv2

Centro Universitário da FEI

Os trabalhos de Simon sobre a decisão e o comportamento humano têm até hoje influência marcante nos campos da Administração, Economia, Psicologia e Ciência da Computação, e lhe renderam, além do Prêmio Nobel de Economia em 1978 (PARK, BONIS, ABUD, 1997), o prêmio Turig em ciência dos computadores e a primeira Medalha Nacional da Ciência concedida por seu trabalho em ciências do comportamento (GABOR, 2001). 

Tomada de DecisãoTomada de Decisão

5

Page 6: Si biv2

Centro Universitário da FEI

Tomada de DecisãoTomada de DecisãoRacionalidade Limitada

No modelo de Racionalidade Limitada de Simon as decisões são satisfatórias, mas não ótimas. A otimização das decisões é uma ficção, pois elas são limitadas ou influenciadas pelas limitações do ser humano em ter acesso e processar cognitivamente todas as opções, pela impossibilidade de obter todas as informações decorrentes de problemas de custo e tempo e pelas crenças, conflitos e jogos de poder que ocorrem dentro das organizações.

6

Page 7: Si biv2

Centro Universitário da FEI

Tomada de DecisãoTomada de DecisãoRacionalidade Limitada

7

Page 8: Si biv2

Centro Universitário da FEI

Tomada de DecisãoTomada de DecisãoModelo Decisório da Racionalidade Limitada

Decisões Satisfatórias;

Limitação do ser humano em ter acesso e processar cognitivamente todas as opções;

Considera a otimização de decisões uma ficção;

Impossibilidade material de obter todas as informações, dados os problemas de tempo e custo;

Pressões afetivas, culturais e jogos de poder inflenciam no conteúdo das decisões.

8

Page 9: Si biv2

Centro Universitário da FEI

Simon interpreta a decisão (ou solução de problemas) como uma seqüência de três etapas básicas:

Inteligência ou Levantamento (percepção da necessidade de decisão ou oportunidade)

Projeto ou desenvolvimento Escolha

Tomada de DecisãoTomada de Decisão

9

Page 10: Si biv2

10

É o processo de análise e escolha entre várias alternativas disponíveis, do curso de ação que a pessoa deverá seguir.

Qualquer processo decisório, seja no íntimo do individuo ou na organização, ocupa – se da descoberta e seleção de alternativas satisfatórias. Esse processo só se voltará para a descoberta e seleção de alternativas ótimas em casos excepcionais.

Toda decisão envolve, portanto, riscos e incertezas

DecisãoDecisão

Centro Universitário da FEI

Page 11: Si biv2

Tipos de Decisão Tipos de Decisão

Herbert Simon, criou estes termos para designar as decisões que ocorrem com muita freqüência e as que são novas.

Decisões Programadas. Decisões Não Programadas.

11

Centro Universitário da FEI

Page 12: Si biv2

Decisões ProgramadasDecisões Programadas

São mais fáceis de serem tomadas, uma vez que tendem a ser repetitivas, mas, por outro lado, tendem a ser numerosas. Para facilitar o trabalho dos administradores, as empresas criam regras que orientam as decisões como política, normas de procedimento, práticas e rotinas. Isto permite que as decisões sejam tomadas não só mais depressa, mas incorporando a experiência de situações semelhantes ocorridas.

12

Centro Universitário da FEI

Page 13: Si biv2

Decisões NãoDecisões Não ProgramadasProgramadas

São as novas decisões (sem precedentes), que requerem tratamento especial.

E para evitar que as decisões não programadas sejam postergadas além do desejável, é preciso que os executivos aloquem um tempo especifico para elas, ou, alternativamente, formem equipes dedicadas à análise e a recomendações especifica para subsidiar essas decisões.

13

Centro Universitário da FEI

Page 14: Si biv2

Centro Universitário da FEI

Sistemas de InformaçãoSistemas de Informação

Classificação dos SI

Há várias maneiras de classificar e descrever SI, as classificações mais difundidas são:

Hierárquica : Está ligada aos níveis organizacionais onde o SI é utilizado.

Funcional : Relaciona-se às atividades desenvolvidas por seu usuário.

Tipos de decisões

14

Page 15: Si biv2

15

Centro Universitário da FEI

Sistemas de InformaçãoSistemas de Informação

Page 16: Si biv2

16

Centro Universitário da FEI

Page 17: Si biv2

AgendaAgenda

1717

IntroduçãoIntrodução

SAD – Sistemas de Apoio à DecisãoSAD – Sistemas de Apoio à Decisão

BI – Business IntelligenceBI – Business Intelligence

Centro Universitário da FEI

17

Page 18: Si biv2

18

Sistema de Apoio à Decisão (SAD)Sistema de Apoio à Decisão (SAD)

Auxilia o Processo de decisão gerencial combinando dados, ferramentas, modelos analíticos e softwares.

Conjunto flexível de ferramentas e capacidades para analisar dados importantes.

SAD são interativos, o usuário pode alterar suposições e incluir novos dados.

Centro Universitário da FEI

18

Page 19: Si biv2

ConceitoConceito

A necessidade dos SAD surgiu na década de 70, em decorrência dos seguintes fatores:

Competição cada vez maior entre as organizações; Necessidade de informações rápidas para auxiliar no

processo de tomada de decisão; Possibilidade de armazenar o conhecimento e as

experiências de especialistas em base de conhecimentos; Necessidade de a informática apoiar o processo de

planejamento estratégico empresarial.

19

Centro Universitário da FEI

19

Page 20: Si biv2

Características dos SADCaracterísticas dos SAD

Recebem e processam dados de fontes ou sistemas diferentes;

Manipulam grandes volumes de dados; Possibilidade de desenvolvimento rápido, com a participação

ativa do usuário em todo o processo; Facilidade para incorporar novas ferramentas de apoio à

decisão, novos aplicativos e novas informações; Flexibilidade na busca e manipulação das informações; Usabilidade, ou seja, facilidade para que o usuário o entenda,

use e modifique de forma interativa.

20

Centro Universitário da FEI

20

Page 21: Si biv2

ConceitoConceito O processo de tomada de decisão se desenrola através da

interação constante do usuário com um ambiente de apoio.

21

Sistema de Apoio a Decisão (SAD)

Centro Universitário da FEI

21

Page 22: Si biv2

ConceitoConceito

Bancos de Dados (BD) :Bancos de Dados (BD) :

São formados por informações internas e externas à organização, por conhecimentos e experiências de especialistas e por informações históricas acerca das decisões tomadas.

Sistema Gerenciador de Banco de Dados (SGBD) :Sistema Gerenciador de Banco de Dados (SGBD) :

Após os dados estarem instalados no BD, o SGDB deve possibilitar o acesso às informações e a sua atualização, garantindo a segurança e a integridade do BD.

22

Centro Universitário da FEI

22

Page 23: Si biv2

ConceitoConceito

Ferramentas de Apoio à Decisão (FAD):Ferramentas de Apoio à Decisão (FAD):

São softwares que auxiliam na simulação de situações, na representação gráfica das informações, etc.

Ambiente Aplicativo (AA):Ambiente Aplicativo (AA):

São sistemas aplicativos ou funções acrescidas aos sistemas existentes que fazem análise de alternativas e fornecem soluções de problemas.

Ambiente Operacional (AO):Ambiente Operacional (AO):

É composto por hardwares e softwares que permitem que todos os componentes do ambiente sejam integrados.

23

Centro Universitário da FEI

23

Page 24: Si biv2

Tendências no uso de SADTendências no uso de SAD

Groupware ou CSCW (Computer-Supported Cooperative Groupware ou CSCW (Computer-Supported Cooperative Work)Work)

Permitirá que duas ou mais pessoas trabalhem em tarefas comuns em ambientes computacionais completamente diferentes, mesmo que estejam localizadas em locais geograficamente distantes interagindo, discutindo e tomando decisões sobre um mesmo assunto

Aplicação:Aplicação:

Uma aplicação para a área médica que utiliza esse conceito é a Telemedicina, onde especialistas podem discutir radiografias, resultados de exames, visualizar operações e tomar decisões em conjunto sobre o estado clínico de pacientes localizados em salas ou mesmo em hospitais diferentes e distantes. 24

Centro Universitário da FEI

24

Page 25: Si biv2

Tendências no uso de SADTendências no uso de SAD

SimulaçãoSimulação As alternativas de decisão poderão ser analisadas e

validadas através de simulação antes que a decisão seja tomada.

Multimídia Multimídia Multimídia possibilitará que um SAD possa guardar e buscar

informações contidas em gerenciadores de banco de dados através de hiperdocumentos, ou seja, documentos computadorizados que contenham diagramas, imagens, sons, animação, vídeo e texto, disponibilizados através de formas de acesso totalmente flexíveis. A informação para auxílio à tomada de decisão poderá ser encontrada e visualizada de forma mais rápida e fácil. 25

Centro Universitário da FEI

25

Page 26: Si biv2

Tendências no uso de SADTendências no uso de SAD

Redes de Comunicação Redes de Comunicação

O avanço das redes de comunicação permitirá a transmissão simultânea e sincronizada de sons, imagens, vídeos, dados e textos em alta velocidade, com informações totalmente digitais e com alto grau de segurança. A obtenção das informações para auxílio à decisão será instantânea.

26

Centro Universitário da FEI

26

Page 27: Si biv2

AgendaAgenda

2727

IntroduçãoIntrodução

BI – Business IntelligenceBI – Business Intelligence

SAD – Sistemas de Apoio à DecisãoSAD – Sistemas de Apoio à Decisão

Centro Universitário da FEI

27

Page 28: Si biv2

IntroduçãoIntrodução

28

Centro Universitário da FEI

O termo Business Inteligence ou Inteligência de Negócios o BI, surgiu na década de 80.

Porém a estratégia de cruzar informações para a tomada de decisões fundamentadas que permitissem a melhoria de vida das comunidades, já é utilizada há milhares de anos.

o Fases da Lua;Fases da Lua;o Estações do Ano;Estações do Ano;o Comportamento das Marés.Comportamento das Marés. 28

Page 29: Si biv2

Dados x InformaçõesDados x Informações

Hoje uma empresa que possui uma montanha de

dados mas não possui estratégias, não consegue

extrair informações importantes para a tomada

de decisões.

29

Centro Universitário da FEI

29

Page 30: Si biv2

Dados, Informações e Dados, Informações e ConhecimentoConhecimento

30

Centro Universitário da FEI

30

Page 31: Si biv2

BI – BBI – Business usiness IIntelligencentelligence

31

Centro Universitário da FEI

Pode ser traduzido como Inteligência de Inteligência de Negócios. Negócios.

Refere-se ao processo de coleta, organização, coleta, organização, análise, compartilhamento e análise, compartilhamento e monitoramento de informaçõesmonitoramento de informações que oferecem suporte a gestão de negócios.

31

Page 32: Si biv2

BI – Business IntelligenceBI – Business Intelligence

Tecnologia que permite transformar dados os seus sistemas em informação significativa.

Permite aos usuários analisar as bases de dados para que sejam tomadas decisões bem fundamentadas.

OLAP Data Mining

32

Centro Universitário da FEI

32

Page 33: Si biv2

OLAP OLAP (Online Analytical Process)(Online Analytical Process)

33

Centro Universitário da FEI

Fonte de Dados - Fonte de Dados - dados provenientes dos sistemas da Empresa. (ERPs, e tudo que a empresa usa em seu dia-a-dia e tem relevância única na gestão do negócio, como planilhas Excel, arquivos texto, XML, etc.)

ERP CRM Fontes Internas Fontes Externas

33

Page 34: Si biv2

OLAP OLAP (Online Analytical Process)(Online Analytical Process)

34

Centro Universitário da FEI

Data Marts - Data Marts - é recomendado que se divida a empresa em áreas ou departamentos, os Data Marts portanto são os dados da empresa divididos em áreas de interesse, com o propósito de fornecer visão estratégica dos dados setorizados.

Data Warehouse – Data Warehouse – união Data Marts já constituídos. É um “armazém de dados” que pode ser entendido como um gigantesco repositório de dados preparados para serem consultados por um sistema OLAP.

3434

Page 35: Si biv2

O processo de Extração, Transformação e Carga Extração, Transformação e Carga (Extract, Transform, Load – ETL) (Extract, Transform, Load – ETL) de um Data Warehouse é um processo que envolve:

Data Warehouse - ETLData Warehouse - ETL

35

Centro Universitário da FEI

Extração de dados de Fontes Externas

Transformação dos dados para atender às necessidades de Negócios

Inclusão dos dados no Data Warehouse

35

Page 36: Si biv2

Para os campos de data, por exemplo, como data da venda, deve-se além da data, se armazenar o ano, o mês e o trimestre em que a data se encontra. O espaço ocupado em disco é maior, mas nenhum cálculo é feito ao se realizarem consultas, melhorando assim consideravelmente a performanceperformance.

Em um Datawarehouse, todos os cálculos possíveis Em um Datawarehouse, todos os cálculos possíveis deverão ser feitos e armazenados. deverão ser feitos e armazenados.

É importante também eliminar dados redundantes de dimensões, como clientes ou produtos. Pode requerer integração cruzada entre multiplas origens e a aplicação de regras para identificar qual a versão mais correta de uma linha duplicada.

ETL – TransformaçãoETL – Transformação

36

Centro Universitário da FEI

36

Data da Venda Dia Mês Ano

28/11/2009 28 11 2009

Page 37: Si biv2

o Padronização de Nomeo Correção e padronização de endereçoso Correção de telefones o Eliminação de registros duplicadoso Identificação de Gênero (sexo)o Correção de CPF, CNPJ o Agrupamento por domicílio (householding)

http://www.hartehanks.com.br/

ETL – TransformaçãoETL – Transformação

37

Centro Universitário da FEI

37

Page 38: Si biv2

OLAP OLAP (Online Analytical Process)(Online Analytical Process)

38

Centro Universitário da FEI

OLAP - OLAP - Kimball, define OLAP, como a atividade de consulta e apresentação de dados textuais e numéricos (em forma de cubos e relatórios) em um DW.

Cubos (Visão Multidimensional) - A capacidade de análise da empresa cresce exponencialmente com este tipo de ferramenta.

Ex: O antigo relatório de vendas de produto por região pode ser expandido para um relatório da evolução das vendas de diferentes produtos por região, faixas etárias ou grupos de produtos no decorrer do tempo.

Essa mudança de visão traz o novo conceito: o de Essa mudança de visão traz o novo conceito: o de agregar informações e não mais simplesmente agregar informações e não mais simplesmente agrupá-las.agrupá-las.

38

Page 39: Si biv2

Cubo – Visão MultidimensionalCubo – Visão Multidimensional

39

Centro Universitário da FEI

39

Relatório da evolução das vendas de diferentes produtos por região, faixas etárias ou grupos de produtos no decorrer do tempo.

Prod 1

Prod 2

Prod 3

Prod 4

2007

2008

2009

2010

S N L O

Prod

utos

Tempo

Região 39

Page 40: Si biv2

Cubo – Visão MultidimensionalCubo – Visão Multidimensional

40

Centro Universitário da FEI

4040

Page 41: Si biv2

OLAP OLAP (Online Analytical Process)(Online Analytical Process)

41

Centro Universitário da FEI

41

Page 42: Si biv2

OLAP OLAP (Online Analytical Process)(Online Analytical Process)

42

Centro Universitário da FEI

As ferramentas OLAP consultam os DataMarts e exibem os dados para os tomadores de decisão da empresa.

PivotTable

42

Page 43: Si biv2

OLAP OLAP (Online Analytical Process)(Online Analytical Process)

43

Centro Universitário da FEI

43

Page 44: Si biv2

DATA MINING DATA MINING

44

Centro Universitário da FEI

O nível mais interessante na implantação de um sistema de BI em uma empresa é quando se consegue construir modelos úteis de Data Mining.

Data MiningData Mining é uma técnica que visa varrer os dados da empresa em busca de padrões ou tendências de modo inteligente, de tal forma que possibilidades nunca antes pensadas possam ser cogitadas.

44

Page 45: Si biv2

DATA MINING DATA MINING

45

Centro Universitário da FEI

O processo consiste basicamente em três etapas: exploração, construção de um modelo e exploração, construção de um modelo e validação. validação.

45

Page 46: Si biv2

Ferramentas de BIFerramentas de BI

46

Centro Universitário da FEI

46

Page 47: Si biv2

Outros Conceitos de BI Outros Conceitos de BI

47

Centro Universitário da FEI

47

KPI (Key Performance Indicators)KPI (Key Performance Indicators)

É uma ferramenta utilizada para medir a saúde da empresa e como o nome diz são indicadores ou medidas chaves para avaliar o desempenho do negócio.

Como exemplo de KPIs podemos citar Taxa de Cancelamento de Pedidos, Taxa de Horas de Indisponibilidade de Equipamento, Fator de Capacidade Líquida, ROI (Return of Investment)ROI (Return of Investment), Custo da mão-de-obra, etc.

BSC (Balance Scoredcard) BSC (Balance Scoredcard) A proposta do BSC é interligar o sistema de métricas e os diversos KPIs à estratégia da empresa. O BSC alia informações financeiras a dados não financeiros, consegue portanto medir aspectos aparentemente incomensuráveis, como, por exemplo, o Índice de Satisfação do Cliente ou Risco Empresa.

Page 48: Si biv2

BI - Influência da InternetBI - Influência da Internet

48

Centro Universitário da FEI

À medida que as organizações começam a implementar novos sistemas na Web, recolhem também cada vez mais informação, que contribuem para uma visão mais profunda do negócio:

Com o alcance quase ilimitado que a InternetInternet possui a fonte de dados externa tornam-se acessíveis, contribuindo para essa visão mais abrangente do visão mais abrangente do negócio e tomada de decisão fundamentadanegócio e tomada de decisão fundamentada.

48

Page 49: Si biv2

BI – Atendendo as necessiades BI – Atendendo as necessiades das Empresasdas Empresas

49

Centro Universitário da FEI

Integrar; Fazer referências cruzadas de dados novos, dados

externos ou dados legados.

Essa tarefa de referência cruzada de dados externos pode até aumentar o valor dos próprios dados internos.

Exemplo: Uma companhia de seguros poderia fazer a referência cruzada entre a sua informação sobre taxas de seguros com as dos concorrentes, guardadas em fontes externas públicas, para localizar áreas e mercados onde aqueles são mais ou menos influentes.

Assim, seria possível estudar e propor novas estratégias de marketing e ajustar as taxas para um nível mais competitivo. 49

Page 50: Si biv2

BI – BI – Business IntelligenceBusiness Intelligence

50

Centro Universitário da FEI

A utilização de um sistema e padronização de BI é uma grande oportunidade para as empresas reduzir custos e obter retorno nos investimentos já realizados.

Outros Benefícios:

Redução de custos;Redução de custos; Retorno sobre o investimento mais rápido (ROI) Retorno sobre o investimento mais rápido (ROI)

para os projetos de BI;para os projetos de BI; Mais controle e menos dados incorretos;Mais controle e menos dados incorretos; Melhor alinhamento com usuários corporativos.Melhor alinhamento com usuários corporativos.

50

Page 51: Si biv2

O Mercado de BI O Mercado de BI

51

Centro Universitário da FEI

O mercado global deve cair para crescimento de um dígito, em função da consolidação e amadurecimento, mercados emergentes continuam expansão.

Em 2007, o mercado global de BI cresceu cerca de 12,5% em relação a 2006. A previsão é que a partir de 2011, a média de crescimento do mercado mundial de BI seja de 8,6%.

Os mercados da América do Norte, Europa e Japão serão os grandes responsáveis pela desaceleração do crescimento das receitas de BI.

Calcula-se que as taxas de dois dígitos continuarão a despontar em outras regiões, como Ásia/Pacífico, Leste Europeu, África e Oriente Médio, e América Latina. 51

Page 52: Si biv2

52

Centro Universitário da FEI

SPSS é um software aplicativo para apoio a tomada de decisão que inclui: aplicação analítica, aplicação analítica, Data MiningData Mining,, Text Minig Text Minig e e estatísticaestatística que transformam os dados em informações importantes que proporcionam reduzir custos e aumentar a lucratividade.

Um dos usos importantes deste software é para realizar PPesquisa de esquisa de MMercadoercado.

Teve a sua primeira versão em 1968 e é um dos programas de análise estatística mais usados nas ciências sociais; é também usado por pesquisadores de mercado, na pesquisa relacionada com a saúde, no governo, educação e outros setores.

5252

Page 53: Si biv2

53

Centro Universitário da FEI

Converse: Crie um dialogo com o seu cliente.

Transformação: Maximiza o poder dos dados do cliente com a convergência de análise, processos de negócios e arquitetura.

Valor: Crescer e proteger seu negócio para o crescimento rentável.

• Atrair mais e melhores Clientes;• Manter os Clintes e aumentar a relação com eles;• Prever os Riscos.

Método: Convergência de análise, processos de negócios e tecnologia.

• Análise:Análise: Identificar as melhores análises para resolver o seu problema de negócio com base nos dados disponíveis.

• Processos de Negócios: Processos de Negócios: Incorporar os resultados de análise preditiva desses processos dentro do seu próprio negócio e tomar medidas em tempo real.

• Tecnologia: Tecnologia: Use arquitetura orientada a serviços e tecnologias compatíveis com a rápida integração com sua infra-estrutura tecnológica atual.

5353

Page 54: Si biv2

54

Centro Universitário da FEI

5454

Page 55: Si biv2

55

Centro Universitário da FEI

Fundada em 1924, no Texas (EUA), a Harte-Hanks é uma das líderes do mercado de mídia dirigida em todo mundo, oferecendo uma completa gama de soluções especializadas, coordenadas e integradas em CRM e marketing para os mais diversos segmentos de mercado.No Brasil, foi fundada em 1995 e desde então, a Harte-Hanksl ocupa uma posição de liderança e destaque em seu segmento, oferecendo uma variedade oferecendo uma variedade de serviços, software aplicativos e ferramentas de database para auxiliar seus de serviços, software aplicativos e ferramentas de database para auxiliar seus clientes a conhecer e analisar seus consumidores, realizar programas de clientes a conhecer e analisar seus consumidores, realizar programas de marketing e medir resultados.marketing e medir resultados.

55

Page 56: Si biv2

56

Centro Universitário da FEI

O Vitamina D é uma ferramenta global de fácil implementação para Tratamento e Limpeza de Dados voltado às áreas de CRM, Database Marketing e Data Warehouse.

Seguindo rígidos padrões de Controle de Qualidade, o Vitamina D é hoje um sucesso comprovado com dezenas de Implementações nas mais diversas empresas e tem como usuários empresas como AGF, AGF, Ambev, AON Pilar , Avon, Banco 1, Banco Alfa, Banco Sudameris, BCN, Ambev, AON Pilar , Avon, Banco 1, Banco Alfa, Banco Sudameris, BCN, Boticário, Brasil Telecom, Diretriz Laser Service, Divicall, Fininvest, Boticário, Brasil Telecom, Diretriz Laser Service, Divicall, Fininvest, Interact, Losango, Maximailing, Novartis, Quartzolit, RappData, Riachuelo, Interact, Losango, Maximailing, Novartis, Quartzolit, RappData, Riachuelo, RBS Direct, RBS Online, Sebrae- RBS Direct, RBS Online, Sebrae- SP, Souza Cruz, White Martins SP, Souza Cruz, White Martins e outros dos mais diversos segmentos.

É encontrado nas versões BatchBatch (para Windows 95, 98, Me, NT, 2000 e XP) e OnlineOnline ( Versão API – Intranet / Extranet e Active X/COM)

56

Vitamina DVitamina D

Page 57: Si biv2

57

Centro Universitário da FEI

Para melhor se adequar às necessidades de cada projeto, o Vitamina D foi dividido em módulos:

o Módulo de ConversãoMódulo de ConversãoAdapta ou Converte um determinado arquivo para o padrão Vitamina D.

o Módulo de DiagnósticosMódulo de DiagnósticosPara analisar e diagnosticar o conteúdo e formato de um determinado arquivo. Exemplos:

- Descrição de Layout

- Tipos de Campos e quantidade de registros

- Distribuição de Preenchimento (análise dos missing)

- Frequência simples de um campo

- Frequência cruzada entre dois campos

57

Vitamina DVitamina D

Page 58: Si biv2

58

Centro Universitário da FEI

o Módulo de TratamentoMódulo de TratamentoPrincipal módulo do Vitamina D, que realiza o Data Cleansing propriamente dito, e que permite:

- Identificação de Pessoa Física e Jurídica

- Normalização / Separação dos componentes de Endereço

- Correção de Endereço e CEP

- Aplicação do código IBGE para muncípios

- Inclusão e Exclusão de Acentos, e Caixa Alta/Baixa

- Tratamento de telefones e e-mails

o Módulo de Match-CodeMódulo de Match-Code Gera todas as TAGs que serão utilizadas nos cruzamentos.

o Módulo de CruzamentoMódulo de CruzamentoUtilizando-se das TAGs criadas no módulo de Match-Code, são utilizados algoritmos de

deduplicação e correlações para a identificação de registros duplicados. 58

Vitamina DVitamina D

Page 59: Si biv2

59

Centro Universitário da FEI

o Módulo de ExtraçãoMódulo de Extração A etapa final do Data Cleansing e do Merge & Purge. Pode-se extrair virtualmente qualquer registro de um cadastro, dado um critério pré-definido de uma variável ou resultado do processamento.

o Outras CaracterísticasOutras Características- Schedule de Jobs (via Scripts)

- Relatórios Sumarizados ou Detalhados

- Plug and Play com processos já existentes

- Performance excepcional

- Acesso a bancos de dados relacionais (SQL Server, Oracle, DB/2 entre outros)

o Outros RecursosOutros Recursos- Gerador de Queries: relatórios e queries plug and play

- Construtor de Comandos: rotinas genéricas mais utilizadas em ajustes

- Guia de CEPs: facilidade de consultas - Base de Logradouros

- Assistente de Importação de arquivos59

Vitamina DVitamina D

Page 60: Si biv2

60

Centro Universitário da FEI

Principais Empresas que Principais Empresas que Produzem Ferramentas de BIProduzem Ferramentas de BI

60

Page 61: Si biv2

Fundada no ano de 1989 em Wilmington, USA, tem ajudado empresas a transformar os seus dados em informação valiosa.

MicroStrategy 9™ MicroStrategy 9™ - Oferece soluções a todas as consultas de negócio, reporting, necessidades de análises avançadas e distribuição de informação via web, wireless e voz.

Entre os clientes no Brasil estão Pão de Açúcar, Entre os clientes no Brasil estão Pão de Açúcar, Visanet, Redecard, Banco Itaú, Banco Central, Visanet, Redecard, Banco Itaú, Banco Central, Petróleo Ipiranga, Vivo, TIM entre outras Petróleo Ipiranga, Vivo, TIM entre outras companhias.companhias. 61

Centro Universitário da FEI

61

Page 62: Si biv2

62

Centro Universitário da FEI

ClientesClientes

ParceirosParceiros

PrêmiosPrêmios

62

Page 63: Si biv2

CasesCases

63

Centro Universitário da FEI

Page 64: Si biv2

64

Centro Universitário da FEI

Um caso de Data Mining bem conhecido, é o caso da rede de Supermercados Wal-Mart, que identificou um hábito curioso dos consumidores. Ao procurar eventuais relações entre o volume de vendas e os dias da semana, o software apontou que:

Ás sextas-feiras, as vendas de Ás sextas-feiras, as vendas de cervejas cresciam na mesma proporção que cervejas cresciam na mesma proporção que as de fraldas. as de fraldas.

64

Page 65: Si biv2

65

Centro Universitário da FEI

Crianças Crianças bebendo bebendo

CERVEJA??? CERVEJA???

Não!!! Não!!! Uma investigação mais detalhada revelou que, ao comprar fraldas para seus bebês, os pais aproveitavam para abastecer as reservas de cerveja para o final de semana.

65

Page 66: Si biv2

66

Centro Universitário da FEI

Sediada em Brasília, a Brasil Telecom atua nas mais diversas áreas da telefonia.

Cerca de 7 mil funcionários, mais de 10,7 milhões de linhas fixas instaladas e faturamento de R$ 13 bi / ano.

O projeto de Business Intelligence da Brasil Telecom foi idealizado a partir de um plano estratégico para atender aos processos de negócios já implantados e também aos novos.

Inicialmente, a principal necessidade era Inicialmente, a principal necessidade era analisar mercado e tráfego.analisar mercado e tráfego.

66

Page 67: Si biv2

67

Centro Universitário da FEI

A Brasil Telecom, um dos maiores grupos de comunicação do Brasil conseguiu otimizar significativamente ações de prospecção e minimizar gastos de distribuição utilizando a tecnologia de tratamento de dados da Harte-HanksHarte-Hanks.

Esta tecnologia permitiu a ampliação de sua base de dados com o cruzamento de novas listas tratadas e deduplicadas.

Além disso a empresa pode agora visualizar seus clientes por domicílio, e assim, analisar seu potencial de consumo total, otimizar vendas através de up-sell e promoções coerentemente direcionadas.

67

Page 68: Si biv2

68

Centro Universitário da FEI

Com maior controle das informações, foi possível dar mais autonomia para os clientes internos fazerem suas próprias consultas e pesquisas sobre temas como campanhas, pesquisas de mercado, relatórios de vendas e relatórios de cobrança, por exemplo.

Isso gerou um aumento de receitas a partir de Isso gerou um aumento de receitas a partir de campanhas de vendas e ações de fidelidade e campanhas de vendas e ações de fidelidade e retenção.retenção.

68

Page 69: Si biv2

BI – Uma ferramenta BI – Uma ferramenta de Marketingde Marketing

69

Centro Universitário da FEI

Page 70: Si biv2

A Wunderman é uma das principais agências de relacionamento e interatividade do Brasil. A operação brasileira é hub criativo da rede na América Latina. Com a Wunderman Tecnologies, unidade de negócios com sede própria na Grande São Paulo, exporta serviços de produção digital para países da América do Sul e Europa, além dos EUA.

Fundada nos EUA em 1958 por Lester Wunderman e atualmente conta com 135 escritórios no mundo. Faz parte do grupo NEWCOMM, presidido por Roberto Justos.

70

Centro Universitário da FEI

Page 71: Si biv2

71

Centro Universitário da FEI

Page 72: Si biv2

72

Centro Universitário da FEI

O projeto conta com a colaboração de Maria Guedes, personal stylist e autora do livro “Tanta roupa e sem

nada para vestir”, que vai comentar os looks dos participantes e vai andar pelo país à procura de novos

looks num Ford KA.

A marca de automóveis Ford acaba de lançar uma

campanha de marketing online para o novo modelo KA. A plataforma online KA KA

Fashion StreetFashion Street, desenvolvida pela agência Wunderman, desafia os consumidores a mostrarem o seu look mais

original, através do upload de fotografias que estejam de encontro ao estilo do novo modelo KA da marca, para ganhar uma viagem a Paris

para duas pessoas e um cheque no valor de 750 euros

para compras numa das capitais da moda.

Page 73: Si biv2

Tenha acesso a conhecimentos Tenha acesso a conhecimentos profundos ...profundos ...

73

Centro Universitário da FEI

Page 74: Si biv2

A Simplicidade pode fazer a A Simplicidade pode fazer a diferença! diferença!

74

Centro Universitário da FEI

Page 75: Si biv2

FeedbackFeedback

75

Centro Universitário da FEI

Page 76: Si biv2

Funil do Marketing do Cliente

Funil do Marketing Online

Funil do MarketingFunil do Marketing

76

Centro Universitário da FEI

Page 77: Si biv2

Sistemas de Apoio à Tomada Sistemas de Apoio à Tomada de Decisãode Decisão

77

Obrigado!Obrigado!

Centro Universitário da FEI

Page 78: Si biv2

78

Centro Universitário da FEI

KIMBAL, P. Marshall. Marketing Information Systems: Creating Competitive Advantage in the Information Age. Boston: Boyd & Fraser Publishing Company, 1996.

Product Marketing IN A WEB 2.X WORLD: Haas Business School April 23, 2009.

http://technet.microsoft.com/pt-br/library

http://www.microstrategy.pt/data-mining/

http://www.spss.com.br/

http://www.hartehanks.com.br/

http://www.wunderman.com/

www.face.ufmg.br/revista/index.php/.../article/view/65/61

BibliografiaBibliografia

78