Sistemas de Apoio à Decisão Sistemas de Informação Claudia Salles Haddad.
Transcript of Sistemas de Apoio à Decisão Sistemas de Informação Claudia Salles Haddad.
Sistemas de Apoio Sistemas de Apoio à Decisãoà Decisão
Sistemas de Apoio Sistemas de Apoio à Decisãoà Decisão
Sistemas de InformaçãoSistemas de InformaçãoClaudia Salles HaddadClaudia Salles Haddad
IntroduçãoEPM
EIS
KM
BI
Data Minig
DW
BSCOLAP
Conceito
• Qualidade dos dados• Velocidade de Informação• Alta disponibilidade do sistema
Conceito
Sistemas integrados e/ou legados
Análise, Transformação e carga dos dados
Conceito • Por quê?
– apoiar a gerência nas decisões, nos níveis estratégico e tático, por meio de informações resultantes da observação e análise do ambiente tecnológico externo e da avaliação dos impactos das tendências tecnológicas e sinais de mudança nas áreas de negócio da empresa;
– apoiar a revisão das estratégias tecnológicas e empresariais; – ampliar e aprofundar o conhecimento sobre as áreas tecnológicas
ligadas aos negócios da empresa; – incentivar a postura estratégica e a visão de futuro nos níveis
gerencial e técnico;– antecipar mudanças no mercado, ações dos competidores; – descobrir novos ou potenciais competidores; – aprender com os sucessos e as falhas dos outros; – rever suas próprias práticas de negócio.
Conceito • Dado• Informação• Inteligência
“A tecnologia da informação tem sido até agora uma produtora de dados, em vez de informação, e muito menos uma produtora de novas e diferentes questões estratégicas. Os executivos não têm usado a nova tecnologia porque ela não tem oferecido as informações de que eles precisam para suas próprias tarefas”. Peter Drucker
Mas como transformar dados em informação
se...• ... eles estão dispersos em diferentes bancos de dados?• • ... eles estão dispersos em diferentes softwares?
• ... eles estão dispersos em diferentes plataformas?
• ... eles são redundantes?
• ... o volume é muito grande?
• ... computadores e sistemas comuns gastariam muito tempo para consolidá-los e apresentá-los de forma legível?
Conceito• Inteligência Competitiva
– Inteligência Competitiva é um processo informacional proativo que conduz à melhor tomada de decisões, seja ela estratégica ou operacional. É um processo sistemático que visa descobrir as forças que regem os negócios, reduzir risco e conduzir o tomador de decisão a agir antecipadamente, bem como proteger o conhecimento gerado. (ABRAIC, 2001).
• Business Inteligence– Business Intelligence é o conjunto de
ferramentas utilizadas para auxiliar nos negócios tais como: data warehouses, data mining, CRM, ferramentas OLAP e outras. (ABRAIC, 2001).
Uma enxurrada de dados!!de todos tipos
provenientes de diversas fontes
arquivados dediversos modos
oriundos dediversos meios
VantagensAplicativos Operacionais Business Intelligence
Visão do atual e do real Visão histórica e de tendência
Solução para requisitos conhecidos
Permitir a identificação de fatos desconhecidos
Abrangência restrita Abrangência ampla
Informação produzida por profissionais de informática
Informação produzida pelo próprio usuário
Custo e tempo para obtenção da informação altos
Informação obtida com baixo custo e em tempo real
Informação disponível a poucos usuários
Informação democratizada
Fluxo das Informações
ERP
CRM
Planilhas
Dados Concorrentes
Dados Externos
Datawarehouse Corporativo
Fluxo das Informações• Por que DW?
– “Qual o meu desempenho de vendas, por região, nos últimos 6 meses, do produto A?”
TEMPO
MERCADO
PRODUTO
Cada aresta do cubo representa
uma combinação de Produto, Mercado e Tempo armazenado.
TEMPO
Ferramentas e Técnicas
ETL
OLAP
EXTRAÇÃO,TRANSFORMAÇÃO
ECARREGAMENTO
FONTES DEDADOS
DATAWAREHOUSE
Data Mart
AplicativosOperacionais
Softwares deAutomação de
Escritórios
Dados Externos
Equipamentosde Automação
Data Mining
EXPLORAÇÃO
Ferramentas de BI ETL – EXTRAÇÃO, TRANSFORMAÇÃO E CARREGAMENTO
os dados, oriundos de diversas fontes de dados, se necessário, são submetidos a severas transformações e disponibilizados de forma normalizada
em ambientes complexos, existe a possibilidade de utilização de softwares que executam as transformações automaticamente
dependendo da periodicidade de atualização dos dados, devem ser estabelecidos mecanismos de sincronização de dados para garantir a integridade dos dados
É a camada responsável por integrar, transformar e salvar dados,não importando sua fonte nem seu destino.
Ambiente separado Disponibilidade Integrado Retrato no tempo Orientado por assunto Fácil acesso
Ferramentas de BIDATA WAREHOUSE
Armazém de Dados
É um amplo e flexível repositório de dados, que aglutina dadosde fontes heterogêneas, projetado de modo a suportar oprocesso de tomada de decisão.
Ferramentas de BIDATA WAREHOUSE - Cubo
- é uma estrutura de dados que forma um subconjunto de um banco de dados grande
- organiza os dados em duas categorias: - campos de dados - dimensões com múltiplos níveis
- resumos dos dados são previamente calculados de modo a otimizar o tempo de recuperação das informações
Best Practices• Banco de Dados Multidimensional
– Este tipo de tecnologia armazena as informações em arrays de formato proprietário (cubos), que correspondem às dimensões de negócio definidas pelos usuários. Como vimos anteriormente, cada face do “cubo” é uma dimensão, previamente definida antes da carga dos dados no DW.
Best Practices• Banco de Dados Relacional
– Armazenam os dados de maneira relacional, mas fornecem uma visão multidimensional para os usuários através de programas especializados
– Para a utilização desta tecnologia em DW, é preciso utilizar a arquitetura tipo “estrela”, onde é possível criar índices que facilitem a construção do DW.
Best Practices• Granularidade
NÍVEL ATÔMICONÍVEL ATÔMICO(GRANDE DEMAIS PARA(GRANDE DEMAIS PARAARMAZENAR NA FORMAARMAZENAR NA FORMA
DE UM CUBO)DE UM CUBO)
DADOS AGREGADOS DADOS AGREGADOS PELO NÍVEL SEMANAPELO NÍVEL SEMANA
DADOS AGREGADOS DADOS AGREGADOS PELO NÍVEL MÊSPELO NÍVEL MÊS
DRILL-UPDRILL-UP
DRILL-DOWNDRILL-DOWN
Best Practices• Armazenamento
– MOLAP Multidimensional OLAP• Os dados permanecem no banco de dados relacional. • Novas tabelas são criadas para as agregações.• Solução de baixo desempenho, mas indicado para captura de
dados de sistemas legados.– ROLAP Relational OLAP
• Os dados e as agregações são armazenadas no servidor OLAP.
• Solução de melhor desempenho mas alto custo de armazenamento.
• Indicado apenas para pequenas quantidades de dados.– HOLAP Hybrid OLAP
• Os dados são mantidos no RDB original, mas as agregrações são calculadas e armazenadas em formato multidimensional.
Best Practices• Processo de Construção de um DW
Sistemas OLTPSistemas OLTP
Data martsData marts
Meta dataMeta dataMeta dataMeta data
Administração e Monitoração do SistemaAdministração e Monitoração do SistemaAdministração e Monitoração do SistemaAdministração e Monitoração do Sistema
DataDatawarehousewarehouse
Características dos DadosCaracterísticas dos DadosMáx. nível de detalhesPouco/ nenhum histórico
IntegradoSelecionadoHistórico
FocadoEspecializadoSumários
Best Practices• Metadados
– Técnico– Negócio
Ferramentade Análise
Tranformação e Integração de
Dados
Metadado Técnico
Metadado de Negócio
Data Mining• O que é• Associações• Diferenças entre OLAP e
Dataminig
Best Practices• Vantagens do Data Mining
– Datamining fornece uma vantagem sobre as ferramentas de OLAP, pois pode ser usada para prever comportamentos ao invés de analisar dados históricos.
– Outra vantagem sobre OLAP, é que o usuário pode deixar para o sistema descobrir os relacionamentos entre a grandeza que que analisar (por exemplo, lucro) e as outras dimensões (mercado, perfil do usuário, etc.).
Exemplos