Trabalho Business Intelligence

25
Pós – Graduação em Marketing Turístico Business Intelligence Unidade Curricular: ”Sistema de Informação de Empresas Turísticas” Docente: Prof. Doutor Henrique Mamede Discentes: Catarina Cabral – N.º 2009 4701 Cláudia Vasconcellos - N.º 2009 5935 Inês Turras - N.º 2009 6664 Vanessa Ferreira – N.º 2009 7081 Lisboa, 18 de Abril de 2010

Transcript of Trabalho Business Intelligence

Page 1: Trabalho Business Intelligence

Pós – Graduação em Marketing Turístico

Business Intelligence

Unidade Curricular: ”Sistema de Informação de Empresas Turísticas”

Docente: Prof. Doutor Henrique Mamede

Discentes:

Catarina Cabral – N.º 2009 4701

Cláudia Vasconcellos - N.º 2009 5935

Inês Turras - N.º 2009 6664

Vanessa Ferreira – N.º 2009 7081

Lisboa, 18 de Abril de 2010

Page 2: Trabalho Business Intelligence

2

LISTA DE ABREVIATURAS BI - Business Intelligence BSC – Balanced Scorecard CRM - Customer Relationship Management DM – Data Mining DW – Data Warehouse DSS - Decision Support Systems

EAI - Enterprise Application Integration ERP - Enterprise Resource Planning OLAP - Online Analytic Process SCM - Supply/Selling Chain Management SQL - Structured Query Language

Page 3: Trabalho Business Intelligence

3

ÍNDICE

RESUMO .................................................................................................................... 4

1. INTRODUÇÃO .................................................................................................... 5

2. CONCEITO DE BUSINESS INTELLIGENCE ............................................................ 6

3. DATA WAREHOUSE (DW) .................................................................................. 7

3.1. Data Mart .................................................................................................. 7

3.2. Características de um Data Warehouse .................................................... 8

3.3. Balanced Scorecard ................................................................................... 8

3.4. Vantagens do Data Warehouse ................................................................ 9

3.5. Modelos Multidimensionais ................................................................... 10

3.6. Análise de um Data Warehouse .............................................................. 11

3.6.3.1. Processo de Data Mining ....................................................................... 15

3.6.3.2. Aplicação do Data Mining segundo as áreas de negócio ....................... 17

4. PRINCIPAIS PLAYERS E PRODUTOS ................................................................. 18

5. INTERACÇÃO DO BI NO SISTEMA DE INFORMAÇÃO ORGANIZACIONAL ........ 21

6. CONCLUSÃO .................................................................................................... 22

7. BIBLIOGRAFIA .................................................................................................. 24

Page 4: Trabalho Business Intelligence

4

RESUMO Muitas empresas implementaram com sucesso soluções informáticas que lhes permitiram uma melhor gestão do seu dia-a-dia. Registam encomendas, emitem facturas, controlam stocks de produtos e movimentos contabilísticos. A globalização e a utilização intensa de tecnologias de informação permitiram que as empresas fossem mais produtivas, competitivas e organizadas. O Business Intelligence (BI) veio ajudar os decisores a rapidamente avaliar a organização: qual o mix de produtos neste trimestre? Qual o valor de novos clientes? Os decisores necessitam ferramentas optimizadas para consultar a informação crítica, relevante e eficaz que é necessária para uma empresa vencer nos mercados ultra competitivos da actualidade. Esta é a filosofia de sistemas de gestão de performance como o Balanced Scorecard, que colocam a ênfase na medição da performance através de indicadores e objectivos concretos extraídas da Data Warehouse, de forma equilibrada a várias áreas funcionais. Palavras-Chave: Business Intelligence; Data Warehouse; Data Mining; OLAP.

Page 5: Trabalho Business Intelligence

5

1. INTRODUÇÃO

O Business Intelligence foi escolhido para tema de trabalho, pois achamos bastante interessante a sua capacidade em transformar grandes volumes de dados, extraindo informação relevante e criando o conhecimento necessário para a tomada de decisões de negócio que poderão incrementar a capacidade competitiva de uma organização.

Ao longo deste trabalho são abordados vários pontos que dizem respeito ao tema, sendo que o próprio conceito de Business Intelligence se encontra no ponto 2. No ponto 3 abordaremos a definição de Data Warehouse, suas características, funcionalidades e vantagens e respectivas ferramentas de análise do Data Warehouse, nomeadamente o OLAP (Online Analytical Process), DSS (Decision Support Systems) e Data Mining. Também será referido o Balanced Scorecard e os modelos multidimensionais. No que diz respeito ao Data Mining falaremos do seu processo de construção e aplicação do Data Mining nas áreas de negócio. No ponto 4, apresentamos os principais players deste mercado e os produtos que oferecem na área do Business Intelligence. No ponto 5 é abordado o modo como o Business Intelligence se relaciona com os restantes elementos do Sistema de Informação de uma organização, nomeadamente o Supply Chain Management (onde está integrado o Enterprise Resource Planning), Selling Chain Management (do qual faz parte o Customer Relationship Management), o Administrative Control, o Finance/Accounting Management Control e o Enterprise Application Integration (EAI). No ponto 6 são apresentadas as principais conclusões deste trabalho, e por fim, no ponto 7 as referências bibliográficas utilizadas na consulta de informação para este trabalho.

Page 6: Trabalho Business Intelligence

6

A metodologia adoptada para a realização deste trabalho consistiu em pesquisas através da internet e consulta/leitura de alguns livros da especialidade. Durante a realização deste trabalho surgiu algumas dificuldades em seleccionar a informação mais adequada, visto que existem inúmeras fontes de consulta, sejam bibliográficas ou via internet.

2. CONCEITO DE BUSINESS INTELLIGENCE

Para uma organização, hoje em dia, estar informada sobre a situação do seu negócio é uma estratégia fundamental. Se «num mundo complexo e rico em conhecimento, não sobrevive o mais forte mas o mais sábio» (SANTOS; RAMOS; 2009) reconhecer antecipadamente quais são as tendências do mercado é, garantidamente, uma vantagem competitiva em relação aos concorrentes. Nesse sentido, foram desenvolvidos Sistemas de Gestão de Dados onde todas as interacções realizadas entre consumidores e empresas (sejam hábitos de consumo, contactos, reclamações, entre outros) ficam automaticamente registadas e armazenadas. Assim, a empresa consegue verificar se todos os objectivos estão ou não a ser cumpridos. «Todo o processo de monitorização do desempenho da inteligência organizacional é mais uma forma de a organização tomar consciência daquilo que sabe, do que não sabe, e daquilo que precisa saber para ser mais competitiva e proporcionar bem-estar financeiro e social aos seus membros» (SANTOS, RAMOS, 2009). No entanto, nestas gigantescas bases de dados a informação, proveniente de diversas fontes e em diversos momentos, não está organizada, havendo grande probabilidade de existirem discrepâncias, redundâncias, erros e inconsistências se for utilizada sem qualquer tipo de filtro. Para que a informação seja verdadeiramente útil, precisa estar organizada, correcta e ser de fácil acesso a todos os colaboradores da empresa.

O Business Intelligence (BI) é o elemento dos Sistemas de Informação que permite às organizações a reorganização do aglomerado informativo que enche as suas bases de dados, tratando e analisando todos os dados ao mais ínfimo detalhe. O objectivo é obter informação e transformá-la em conhecimento, com vista a suportar os processos de tomada de decisão nas empresas. «O Business Intelligence dá às organizações a capacidade de juntar informação, desenvolver conhecimento sobre os clientes, concorrentes e operações internas, alterando o processo de tomada de decisões de modo a atingir mais lucros e outros objectivos» (LAUDON, LAUDON, 2006). Garante, no fundo, que os dados provenientes das bases de dados que já seleccionados e organizados, são confiáveis e reflectem uma única versão da realidade, podendo ser consultados em qualquer altura. Através do BI, cada colaborador da organização pode ter uma visão integrada, de todos os ângulos possíveis, do histórico e da situação actual do negócio, bem como de

Page 7: Trabalho Business Intelligence

7

cumprimentos de objectivos através de um quadro de indicadores, metas e acções. Ao facilitar o acesso, a análise e a partilha de informação de forma segura e flexível, o BI permite que se tomem melhores decisões de negócio e que haja uma reacção mais rápida e eficaz aos problemas internos e externos que possam surgir. Além disso, quanto maior é o conhecimento sobre o grau de satisfação dos clientes (e como aumentá-lo), mais fácil se torna retê-los, sobretudo em épocas de crise económica em que não podem ser feitos gastos supérfluos. Actualmente, dentro das bases de dados, a principal linguagem de manipulação é a Structured Query Language (SQL), desenvolvida pela IBM e «utilizada para acrescentar, alterar, apagar e recuperar dados» (LAUDON; LAUDON, 2006). A própria SQL pode ser usada para criar bases de dados. O processo que envolve o sistema de BI inclui vários componentes como o Data Warehouse, Scorecard, OLAP, Data Mining

3. DATA WAREHOUSE (DW)

Data Warehouse (DW) é um armazém de dados construído propositadamente para a agregação da informação da organização num formato válido e consistente, permitindo aos seus utilizadores a análise de dados de uma forma selectiva. O BI integra a actividade de exploração do Data Warehouse, incluindo consultas ad-hoc (personalizadas), consultas pré-formatadas e elaboração de relatórios, monitorizando a evolução dos principais indicadores de negócio ao longo da actividade de uma organização. (SANTOS, RAMOS, 2009).

Uma outra possibilidade para a exploração da informação armazenada num DW consiste na utilização de técnica Data Mining. Com esta tecnologia, é possível a identificação de padrões, ou tendências nos dados, que de outra forma não seriam evidenciados. (SANTOS, RAMOS, 2009).

Data Mart

Os Data Mart são DW mais pequenos e são utilizados em áreas específicas. Por exemplo, na área comercial, área financeira. Os custos de desenvolvimento dos Data Marts são reduzidos quando comparados com os custos de um DW. (LAUDON, LAUDON, 2006).

Page 8: Trabalho Business Intelligence

8

Características de um Data Warehouse

O Data Warehouse assume as seguintes características que o distingue de outros ambientes de sistemas convencionais:

� Orientado por Assunto: está orientado em torno do principal assunto da organização, armazenando informações agrupadas por assuntos de interesse da empresa que são considerados mais importantes, sendo estes chamados de processos de negócio de um empreendimento.

� Integrado: é uma das principais características de um DW. Num Data

Warehouse os dados devem ser transformados em formatos comuns de medida referência e armazenamento para que possam ser aproveitados.

� Variável no Tempo: os dados de um Data Warehouse são precisos em

relação ao tempo e representam resultados operacionais do momento em que foram capturados. A cada mudança, uma nova entrada é criada, ou seja, os dados não são actualizáveis.

� Não Volátil: os dados após serem integrados, são carregados e

armazenados no banco de dados analítico, possibilitando ao usuário realizar apenas consultas e geração de relatórios necessários à tomada de decisão, não permitindo, portanto actualizações nos mesmos, apenas acesso de “leitura”. (SANTOS, RAMOS, 2009)

Balanced Scorecard

Balanced Scorecard (BSC) é uma metodologia de medição e gestão de desempenho. O BSC foi apresentado inicialmente como um modelo de avaliação e performance empresarial, porém, a aplicação em organizações proporcionou o seu desenvolvimento para uma metodologia de gestão estratégica.

Os requisitos para definição desses indicadores tratam dos processos de um modelo da administração de serviços e procura da maximização dos resultados baseados nas perspectivas financeira, processos de negócio internos, clientes, conhecimento e crescimento, que reflectem a visão e estratégia empresarial

Page 9: Trabalho Business Intelligence

9

Legenda: Balanced Scorecard

BSC espelha o equilíbrio entre objectivos de curto e longo prazo, entre indicadores financeiros e não-financeiras, entre indicadores de tendências e ocorrências e, ainda, entre as perspectivas interna e externa de desempenho. Este conjunto abrangente de medidas serve de base para o sistema de medição e gestão estratégica pelo qual o desempenho organizacional é mensurado de maneira equilibrada sob as quatro perspectivas. Dessa forma contribui para que as organizações acompanhem o desempenho financeiro, monitorizando, ao mesmo tempo, o progresso na construção de capacidades e na aquisição dos activos intangíveis necessários para o crescimento futuro. (WIKIPEDIA, 2009)

Vantagens do Data Warehouse

Uma organização moderna precisa de Sistemas de Informações eficientes e fáceis de utilizar a fim de sobreviver e obter sucesso num ambiente globalizado e altamente competitivo. Neste contexto, pode-se referir vários motivos para construir estes sistemas:

� decisões precisam ser tomadas rapidamente e correctamente, usando todos os dados disponíveis;

Page 10: Trabalho Business Intelligence

10

� utilizadores de sistemas de informações são especialistas de domínio de negócio, não profissionais de computação;

� volume de dados dobra a cada 18 meses, o que afeta o tempo de resposta e incontestavelmente a habilidade em compreender seu conteúdo.

� competição aumenta dia após dia nas áreas de inteligência empresarial, bem como o valor agregado de informações.

Existem várias razões tecnológicas para a existência de Data Warehouse.

Primeiro, o DW é projectado para resolver a incompatibilidade de sistemas de informações transaccionais e operacionais. Estas duas classes de sistemas são projectadas para satisfazer diferentes, frequentemente incompatível, exigências.

Segunda, a infra-estrutura IT muda rapidamente, bem como suas capacidades aumentam. Isto pode ser evidenciado através dos seguintes pontos:

� o preço dos computadores que operam em uma velocidade medida em MIPS (milhões de instruções por segundo) continua caindo, enquanto que o poder dos microprocessadores dobra a cada 2 anos;

� o preço de armazenamento digital está diminuindo;

� a banda passante das redes está aumentando, enquanto que o preço de banda está diminuindo;

� o local de trabalho é crescentemente heterogéneo em termos de hardware e software;

� os sistemas antigos precisam, e podem, ser integrados com novas aplicações.

Um DW envolve assim aspectos tecnológicos, de negócio e de construção propriamente dita de uma base de dados analítica. (SANTOS, RAMOS, 2009)

Modelos Multidimensionais

Os modelos multidimensionais são utilizados para conceber a estrutura de sistemas de DW. Baseia-a em dois pressupostos: produzir uma estrutura da base de dados fácil de compreender e de utilizar e optimizar o desempenho no processamento de questões, em oposição á optimização do processamento de actualizações. (SANTOS, RAMOS, 2009)

Page 11: Trabalho Business Intelligence

11

Os modelos multidimensionais são obtidos através da implementação do star scheme, snowflake scheme e constellation scheme.

Star Scheme: está estruturado de forma a facilitar as consultas. Um esquema em estrela integra uma única tabela de factos, que constitui o centro da estrela, e múltiplas tabelas de dimensões ligadas à tabela de factos. A tabela de factos corresponde ao assunto que se pretende analisar. As tabelas de dimensões permitem a análise da tabela de factos sob diferentes perspectivas, permitindo responder a várias questões: quem, como, onde, porquê.

� Snowflake Scheme: é um star scheme cujas dimensões estão normalizadas. O esquema deixa de ter uma estrutura regular, pois cada ramo poderá apresentar uma extensão diferente. Inclui a vantagem de explicitamente indicar a estrutura de cada uma das suas dimensões bem como evita que a informação redundante seja armazenada, uma vez que as dimensões estão normalizadas.

� Constellation scheme : integra múltiplas tabelas de factos que partilham dimensões comuns. Constellation scheme é um conjunto de star schemes, como dimensões que permitem a integração destes diversos esquemas. (SANTOS, RAMOS, 2009)

Análise de um Data Warehouse

Existem várias tecnologias para analisar uma data Warehouse, nomeadamente a OLAP (online analytical Processing) que permite criar cubos para análise da informação sob várias perspectivas. Os cubos permitem analisar os factos disponíveis, nas tabelas de factos, pelas diferentes dimensões consideradas na modelação realizada. Têm a vantagem de trabalhar com várias relações existentes no universo de dados, existentes em matrizes multidimensionais conhecidos por dados cúbicos. Se a dimensão da matriz for maior que três

então será designada por hipercubos. Os servidores OLAP permitem a análise multidimensional dos dados a partir da armazenagem de dados, independentemente do local onde os mesmos estão armazenados. Os servidores OLAP podem ser Rolap, Molap e Holap, extensões em SQL. (SANTOS, RAMOS, 2009)

A organização dos dados imposta pelo star scheme, snowflock scheme ou pelo constellation scheme permite que os dados sejam analisados sob diferentes perspectivas.

Page 12: Trabalho Business Intelligence

12

Diferentes operações podem ser realizadas sobre os cubos, num ambiente amigável de análise interactiva dos dados. As operações disponíveis para a manipulação dos cubos são:

Drill-down: permite a pesquisa de dados generalizados para dados mais pormenorizados. O seu objectivo é facultar uma visão mais pormenorizada dos dados que estão a ser analisados.

Roll-up: permite agregar os dados visualizados no cubo utilizando uma forma hierarquizada. Cada análise ocorrerá a um nível mais elevado de agregação.

Slice and dice: filtrar a informação a visualizar utilizando o corte (slice) e a redução (dice) de um conjunto de dados disponíveis num cubo.

Pivot (rotate) – permite rodar os eixos de visualização dos dados disponibilizando uma representação alternativa dos mesmos. (SANTOS, RAMOS, 2009)

As várias ferramentas para análise do DW são:

� OLAP (online analytical processing)

� DSS (decision-support systems)

� Data Mining. (LAUDON, LAUDON, 2006).

3.1.1. Online Analytical Processing (OLAP)

OLAP é o termo usado para descrever análises complexas de dados oriundos do DW. É um tipo de tecnologia que permite aos utilizadores fácil e rapidamente analisarem os dados a partir de vários pontos de vista. OLAP garante um suporte multi-dimensional e dinâmico para executivos e gestores que necessitem de perceber as diferentes áreas de negócio onde se possam retirar dos dados, nomeadamente:

� Análises do mercado financeiro

� Criação de dados divididos (slice)

� Procura de novos fornecedores, clientes a partir dos dados existentes

� Fazer previsões através de análises estatísticas

Page 13: Trabalho Business Intelligence

13

� Realização de cálculos através de diferentes dimensões para cada categoria de dados (o que é, isto é, produto, localização, números de vendas, etc.). Estas variáveis são designadas por dimensão. (LAUDON, LAUDON, 2006).

3.1.2. Decision Suport Systems (DSS)

Decision Suport Systems (DSS), segundo Keen e Scott Morton (1978) o DSS concilia os recursos intelectuais individuais com a capacidade do computador em melhorar a qualidade da decisão. Como mencionado acima, há várias possibilidades de teoricamente construir um sistema em qualquer área do conhecimento. Um dos exemplos é o DSS aplicado a diagnósticos médicos. Outros exemplos incluem um banco que verifica o crédito de um solicitador de crédito ou de uma firma de engenharia que tem um grande projecto e quer saber se podem ser competitivos com os actuais custos.

As consultas DSS num DW ou base de dados OLAP poderão ser comparadas para obtenção de informações relevantes, para a tomada de decisão de realizar um investimento e prever o impacto dessa decisão. (WIKIPEDIA, 2009)

3.1.3. Data Mining (DM)

O progresso nas tecnologias de recolha, organização e armazenamento de informação digital, têm vindo a promover o aparecimento de enormes bases de dados em todos os contextos da actividade e do conhecimento humano.

Mas não basta apenas guardar essa informação e ocupar espaço precioso, é necessário ter a capacidade de extrair algum tipo de informação útil dessa gigantesca quantidade de dados e se possível explicar determinados fenómenos.

É aqui que o DM ou a descoberta de conhecimento em bases de dados tem um papel fundamental, pois constitui uma poderosa ferramenta com um elevado potencial de crescimento, que procura traduzir dados em informação e informação em conhecimento, proporcionando a oportunidade de agir racionalmente sobre o real.

Nos dias de hoje é importante para o bom funcionamento das organizações a compreensão do mercado em que estão envolvidos, mas é fundamental ganhar a confiança dos seus clientes e poder tratá-los de forma única e eficaz.

Page 14: Trabalho Business Intelligence

14

É através deste princípio que as empresas, e sabendo que existe cada vez mais a necessidade de uma fidelização dos clientes, pretendem realizar um estudo que possibilite o tratamento personalizado para estes mesmos.

Através deste estudo, será possível ir ao encontro das reais necessidades dos seus clientes e desenvolver um negócio direccionado dos mesmos.

O DM é um conceito que abrange todos os processos que, através de múltiplas ferramentas tecnológicas de análise, permite descobrir com precisão determinados padrões e relações num conjunto de dados.

As suas aplicações são essencialmente descritivas e de previsão. Descritivas porque revelam uma realidade actual particular, por exemplo, os seus atributos estatísticos (o desvio-padrão e os valores médios), e a visualização dos mesmos valores através de gráficos e tabelas. Assim como, a visualização de dados que ocorram em simultâneo. De previsão porque consentem fazer previsões e conclusões através da criação de modelos, tendo em conta padrões actuais de comportamentos detectados.

Legenda: Representação gráfica da arquitectura de um sistema de Data Mining

Page 15: Trabalho Business Intelligence

15

Tendo em conta a contínua mudança das variáveis de negócio há que construir modelos de previsão baseados em dados fiáveis, através das técnicas utilizadas no DM nomeadamente:

� Árvores de decisão – são constituídas por estruturas em árvore que representam um conjunto de decisões, sendo de representação simples, facilmente interpretadas pelos decisores.

� Redes neuronais artificiais – sistemas de classificação modelados segundo os princípios do sistema nervoso humano. Existem dois estágios na utilização destas redes. O primeiro diz respeito à aprendizagem, no qual a rede é treinada +ara a execução de tarefa específica. A segunda fase prende-se com a previsão, na qual a rede é utilizada para classificar registos conhecidos.

� Regras de associação – identificam regras que relacionem uma conclusão (exemplo aquisição de uma viagem para as Maldivas) com um conjunto de condições (aquisição de viagens para outras destinos turísticos). As regras de associação permitem encontrar relacionamentos entre os atributos existentes numa base de dados, representando-os na forma de uma regra.

� Para além destas técnicas DM existem outras como, a regressão linear, algoritmos genéticos e vizinhos mais próximos.

3.6.3.1. Processo de Data Mining

O processo de DM deverá seguir as seguintes etapas:

� Explicar o business case, para se compreender o impacto do negócio é necessário

� Definir os objectivos e metas do projecto. Por exemplo, para reduzir o risco de crédito de um determinado banco, é necessário investigar o histórico do perfil de clientes não cumpridores.

� Construir a sua base de dados. Os dados devem ser agrupados numa base de dados.

� As tarefas a cumprir são semelhantes na construção do Data Warehouse:

Page 16: Trabalho Business Intelligence

16

� Recolhas, análise de qualidade dos dados, descrição e selecção dos dados e construção/alteração/manutenção da base de dados.

� Exploração dos dados – Reconhecer que variáveis (campos) são relevantes na análise.

� Identificar que valores são realmente proveitosos.

� Ter em conta que estes conjuntos de dados têm milhares de colunas, logo a capacidade de resposta na aplicação informática é essencial.

� Preparação dos dados - Seleccionar as variáveis e colunas segundo um critério, para não se finalizar o processo com variáveis incorrectas.

� Construção de um protótipo do modelo – Avaliar alternativas (train & test) para resolver de forma exequível o business case.

� Avaliar o modelo – Diante dos resultados obtidos há que detectar eventuais erros de construção, validar se o modelo coincide com a realidade e se são pertinentes para aquilo que se procura, uma vez que pode não ser o mais adequado.

� Executar o modelo correcto – Implementar o modelo após validação interna e externa (analistas e decisores) do respectivo processo de negócio mantendo os padrões numa constante actualização.

Quanto às aplicações empresariais de um sistema de Data Mining, estas podem ser variadíssimas, sendo associadas a dois grupos:

Optimização da gestão da estratégia comercial/marketing, análise do mercado, dos segmentos e clientes.

Procura de eficiência nos custos, ou seja, racionalização de vários inputs (materiais e humanos) de cada processo.

O DM não substitui a componente humana na análise de dados, define padrões e tendências mas não dá ao gestor o valor/impacto dessas realidades para o negócio.

O DM aliado ao BI são ferramentas insubstituíveis para o progresso dos projectos, tendo como finalidade melhorar os modelos, a forma como a informação está organizada, distribuída, processada e enviada, bem como as tomadas de decisão, que têm um impacto eficaz nas decisões do negócio das empresas. Para fazer com que um projecto OLAP possa progredir na sua exploração de dados e

Page 17: Trabalho Business Intelligence

17

posteriormente desenvolver modelos de DM há que usar técnicas como: a análise de clusters, análise de padrões, modelos previsionais e associações.

Uma organização que utiliza a técnica do Data Mining tem capacidade para estudar os hábitos dos clientes, identificá-los e entender comportamentos habituais. A utilização deste processo proporciona um modelo de fácil compreensão.

Em suma, todas estas técnicas são organizadas numa estrutura de BI, para respectiva análise, DM e armazenamento de dados.

Legenda: Exemplo de uma aplicação de um banco em que o Gestor de Conta determina as aplicações a um cliente de acordo com o seu perfil.

3.6.3.2. Aplicação do Data Mining segundo as áreas de negócio

Na banca - A angariação de novos clientes: Segmentação de clientes e perfis de resposta. Fidelização de “bons” clientes a partir de estudos de mercado e perfis de clientes rentáveis. Crescimento do volume de negócio com bons clientes tendo por base a elaboração de estudos de up-selling, cross-selling e determinação do risco. Risco de crédito (consumo, cartões, habitação) para prevenção de fraudes.

No turismo – Analisar quais os potenciais países com turismo emissor, tipo de turismo que escolhe determinado destino turístico, razões porque um destino não tem procura, análise do mercado turístico para diferenciação dos serviços prestados ao turista, maximizar o revPar e taxa de ocupação por quarto tendo como base a comparação dos concorrentes que ao nível de oferta de serviços quer ao nível

Page 18: Trabalho Business Intelligence

18

de preços praticados, lançamento de novos serviços/produtos turísticos, análise das necessidades do turista, análise dos padrões de consumo turístico.

No marketing – Diminuir custos e investimentos, reconhecer padrões de compra dos clientes, características demográficas dos clientes e análise de mercado.

Nos seguros – Angariar novos clientes, fidelizar bons clientes, aumentar volume de negócios com os clientes e analisar riscos.

Nas telecomunicações – Angariar novos clientes e perfis de consumo baseados em dados geográficos e socioeconómicos.

No retalho – Análise de promoções (sensibilidade) e de campanhas publicitarias e estudos de marketing (loja).

Na administração pública – Contribuições e impostos (precaução para fraudes), segurança social, saúde, educação e economia (segmentação empresarial).

4. PRINCIPAIS PLAYERS E PRODUTOS

O mercado do BI tem diversos players e as mais variadas ferramentas dedicadas ao tratamento e análise de informação uma vez que é de extrema importância o tratamento do elevadíssimo volume de dados existente para o suporte das tomadas de decisão da empresa.

Com o surgimento de novos modelos de negócio – devido à crise, o panorama económico alterou-se e prevê-se que não volte ao que foi outrora – os maiores fabricantes têm a necessidade de desenvolver novos produtos de modo a ganharem alguma vantagem competitiva relativamente aos seus concorrentes.

Uma vez que o BI oferece um importante apoio ao negócio, este irá cumprir um papel crucial para que a empresa possa compreender qual o impacto destes novos padrões no seu negócio.

As funcionalidades principais que os produtos DW devem ter são as seguintes:

� Relatório – capacidade de ver relatórios formatados e interactivos.

� Dashboard – inclui a habilidade de publicar métricas para uma interface Web com um display intuitivo de informação.

Page 19: Trabalho Business Intelligence

19

� Consultas ad-hoc – permite aos utilizadores finais criar os seus próprios relatórios.

� Integração com a Microsoft – permite que haja uma articulação com os produtos da Microsoft, principalmente com o Excel. As plataformas de BI devem permitir exportar os relatórios para o Excel. Outros produtos também já têm integração com o Word e o Power Point.

� Infraestrutura – deverá permitir suporte técnico, backups, gestão dos metadata, gestão, integração do portal entre outras funcionalidades.

� Metadata - são dados sobre outros dados. Um item de um metadata pode dizer do que se trata aquele dado (exemplo um tag de um mp3).

� Desenvolvimento – A plataforma BI deverá garantir uma ferramenta de desenvolvimento com um kit de software desenvolvimento para criar aplicações de BI e integrá-las dentro do processo de negócio ou dentro de outra aplicação.

� Workflow e colaboração – permite aos utilizadores partilhar e discutir a informação através das pastas públicas e integrar os resultados do BI enquanto contexto do processo de negócio específico.

� OLAP – (analisado no ponto 3)

� Visualização: permite analisar o negócio sobre a forma da apresentação dos dados com mais eficiência usando figuras e gráficos

� Modelos Previsionais – permite que a organização classifique variáveis e faça previsões contínuas utilizando técnicas matemáticas.

� Scorecard - (analisado no ponto 3)

Os principais produtos de DW têm as características acima referenciadas, como é o caso do COGNOS8, o SAP, ORACLE. Estes produtos costumam corresponder à capacidade de entrega de informação que corresponde a funções como a realização de relatórios, consultas Ad-Hoc, de dashboards (ilustração da execução dos negócios em toda a organização), à integração de dados como infra-estruturas, meta dados, desenvolvimento e circuitos de informação para decisão e colaboração. A capacidade de análise destas ferramentas não pode ser esquecida e por isso, segundo o Gartner Group, devem contar também com funções de OLAP, Scorecard (indicadores que ajudam as empresas a calcular e a gerir o seu desempenho), visualização e modelos de previsão (SCHLEGEL, SOOD, 2007).

Page 20: Trabalho Business Intelligence

20

Segundo um relatório recente do Gartner Group, a IBM, a Oracle, a SAP e a Microsoft, são actualmente os principais líderes de mercado. (GARTNER, 2009)

A principal solução de BI apresentada pela IBM, que é das mais antigas empresas de Tecnologia de Informação e das que tem vindo a apresentar um maior lucro, passam pela plataforma COGNOS 8 que permite ao utilizador uma maior rapidez e precisão analítica no tratamento de dados. Esta ferramenta pode ser utilizada tanto a nível de vendas e análise financeira (funções mais especificas de uma empresa) como também está apta para o tratamento de Data Warehouse e ajuda a obter uma visão única e mais precisa das informações do negócio. (IBM, 2010)

A Oracle tem vindo a apresentar cada vez mais ferramentas para a organização da informação das empresas. O Oracle Business Intelligence Suite Enterprise Edition Plus oferece ao utilizador uma gama bastante completa para a análise e para a elaboração de relatórios. Fornece uma visão mais completa e relevante, através do seu sistema unificado e adaptado à arquitectura moderna. (ORACLE, 2010)

O Oracle Business Intelligence Suite Standard Edition One é um sistema de BI desenvolvido para 5 a 50 utilizadores. Este sistema inclui tecnologia de BI e de Data Warehouse (como o Oracle Interactive Dashboards e Oracle BI Publisher, Oracle Warehouse Builder para ETL e Oracle Database, tudo oferecido no mesmo pacote). O Oracle Business Intelligence (BI) Publisher gere e entrega os documentos da empresa de um modo bastante formatado e por isso permite uma maior organização de todo o tipo de documentação indispensável à empresa.

O Oracle Essbase é líder no mercado de servidores OLAP, e destaca-se pela capacidade de realizar análise prospectiva muito rapidamente. Este servidor é apresentado como solução para racionalização dos relatórios de gestão, previsão e processo de análise de variância. A Oracle tem também para oferecer o Oracle Real-Time Decisions (RTD). (ORACLE, 2010)

A SAP oferece a plataforma SAP NetWeaver como “plataforma completa de aplicações e integração para um baixo custo de propriedade”. Nesta solução está integrada o mySAP Enterprise Portal com fim a melhorar as capacidades de acesso e processamento da informação existente em toda a empresa. Isto é possível através de um interface centralizado e de fácil utilização. Com a unificação da informação e das aplicações do negócio, o utilizador pode numa primeira fase identificar e mais tarde resolver o problema de uma maneira mais rápida e eficaz e consequentemente com um menor custo. (SAP, 2010)

A Microsoft detêm várias ferramentas para a organização da informação empresarial (Microsoft SQL Server, Microsoft SQL Server, Microsoft SharePoint Server, Microsoft Office Visio, Microsoft Performance Point Server, Microsoft Excel), mas que tem tido um maior destaque é o servidor Microsoft Dynamics. Esta

Page 21: Trabalho Business Intelligence

21

linha de soluções foi desenhada essencialmente para a consolidação dos processos, ao facilitar o Business Intelligence por toda a empresa permite a redução dos riscos e das responsabilidades relativamente ao topo da hierarquia da organização e uma maior conformidade no que diz respeito aos objectivos da mesma. (MICROSOFT, 2010)

5. INTERACÇÃO DO BI NO SISTEMA DE INFORMAÇÃO ORGANIZACIONAL

O objectivo deste capítulo consiste em indicar o valor que o Business Intelligence traz para a organização ao relacionar-se com os restantes elementos do Sistema de Informação da mesma.

O BI torna-se um componente de grande importância na sua interacção com o Selling Chain Management (SCM) e no Customer Relationship Management (CRM) na medida que permite uma análise da evolução de vendas, comportamentos dos clientes e as estratégias de marketing aplicadas ou a aplicar. Nesse sentido, a relação entre BI e SCM permite analisar a evolução do mercado e, a partir daí, tomar decisões ligadas à área de relação com o cliente e revendedores, além de identificar novas oportunidades para negócio.

No que diz respeito ao Supply Chain Management (SCM), onde se integra o Enterprise Resource Planning (ERP), o papel do BI será de receber os dados relativos a logística, produção e distribuição com vista a analisar, por exemplo, que produtos devem ser descontinuados, aposta de novos produtos ou serviços, que fornecedores são mais adequados.

Em relação ao Administrative Control, o BI permite que os dirigentes e colaboradores da organização tenham conhecimento do que se passa ao nível interno e externo, de modo a serem tomadas as decisões mais adequadas.

Por fim, o BI assume ainda uma grande importância na área dos Stakeholders e Finances/Accounting na medida que são retirados dados dos balanços, demonstração de resultados, volumes de facturação, rádios, indicadores económico-financeiros para análise do equilíbrio da organização, e a partir destes indicadores serem tomadas decisões.

Page 22: Trabalho Business Intelligence

22

6. CONCLUSÃO

Com a realização deste trabalho desenvolvemos os conceitos de BI, DW e DM, entre outros, e perceber um pouco melhor a realidade do mercado destas tecnologias. Assim percebemos que a crescente disponibilização de informações que tem surgido na medida em que mais e mais organizações utilizam-se das ferramentas de BI, está a provocar também que apareçam novas necessidades de análise das informações disponibilizadas. Para atender essas novas necessidades, as ferramentas de DSS têm sido incrementadas com sofisticadas funções de DW, tais como, a formatações de relatórios cada vez mais flexíveis, visualizações 3D, filtros, classificações, alertas, análise OLAP, sendo está última a mais desenvolvida na medida em que possibilita aos utilizadores estudar os dados de maneira multidimensional. Por sua vez, os sistemas de DM apresentam um sistema alternativo e automático de descobrir padrões nos dados. O DM é extremamente adequado para analisar volumes enormes de dados, visto estes serem grandes demais para serem explorados manualmente, ou ainda porque contêm dados muito densos ou não intuitivos. O BI aplicado à actividade do Turismo é de grande importância pois poderá resolver problemas de falta de integração de dados, apoiando estratégias de diferenciação baseadas na qualidade do serviço, análise do comportamento e análise das preferências dos turistas por segmento de mercado e país a país, conversão das análises mais detalhadas em marketing mais orientado, o que ajudará a actividade do turismo a manter-se a par das tendências em rápida transformação, das condições de mercado variáveis e da crescente concorrência, disponibilizar uma data warehouse que armazene múltiplos dados relacionados, que constituem a base de sustento de um serviço personalizado à medida do cliente; favorecer o processo de tomada de decisões em áreas chave que sem o BI seria muito difícil; superar o uso da gestão de actividades operativas de negócio e fomentar a aplicação da mesma a níveis superiores da estrutura com decisões de controlo e de planificação.

O processo dinâmico de criação de capacidade competitiva, as empresas relacionadas com a actividade do turismo de turismo precisam criar valor acrescentado ao nível do conhecimento e capital intelectual na geração de vantagens (de resposta rápida, qualidade e preço). É crucial para implementar uma nova filosofia organizacional baseada na reengenharia e realizado por incentivar inovações, afirmando o conhecimento como um recurso fundamental, e introdução de benchmarking e BI. O BI representa a totalidade da informação, percepção e competências ao nível operacional de uma organização, traduzindo-se em competitividade. (STIPANOVIC, 2008).

Page 23: Trabalho Business Intelligence

23

O BI na área do turismo permite consolidar dados detalhados do vário programa com o objectivo de melhorar o planeamento de acções estratégicas de promoção, marketing e apoio à comercialização dos destinos turísticos nos mercados emissores prioritários. Por exemplo, o BI permite analisar qual o número de turistas que visitam Portugal por ano, qual o motivo; em caso afirmativo, quais as regiões que são procuradas pelos turistas e qual o volume de vendas. Caso negativo, quais os motivos que dificultam a vinda de mais turistas, que países competem com Portugal, e o que os outros países oferecem ao nível de serviços nos seus catálogos e outras informações relevantes. O BI permite identificar as oportunidades, assim como as ameaças, permitindo ao decisor na área do turismo tomar medidas certas no momento certo. (EMBRATUR, 2009).

Através do BI, os decisores por exemplo de uma unidade hoteleira poderão ver o top dos hotéis e elaborar um plano de marketing com actividades para maximizar seus próprios indicadores, por exemplo de taxa de ocupação por quarto ou aumentar a revPar. Outro exemplo será análise do fluxo e que tipo de turistas visitam mais a costa Algarvia e quais as unidades hoteleiras escolhidas pelos turistas, quais os motivos para essa escolha, quantos dias permanecem, quais são o tipo de restaurantes. O BI também é de extrema importância na área dos transportes, nomeadamente, companhias aéreas, para análise do turismo emissor e daí rever os circuitos aéreos, voos directos para um determinado destino, promoções.

A utilização de sistemas de BI continua em expansão dentro das organizações sendo transversal à grande maioria dos sectores/actividades, tornando-se também numa grande aposta dos players que procuram melhorar as suas ferramentas de análise para uma resposta mais eficaz aos problemas, desafios e à constante mudança dos mercados que estão cada vez mais competitivos. Num mundo onde as instabilidades políticas, ambientais e sociais condicionam o rumo das organizações, estas procuram estar sempre atentas e informadas em relação a novas e melhores oportunidades de negócio. Há uma noção de que uma informação cuidada e precisa é sinónimo de uma melhor gestão do negócio e um melhor desempenho da organização, criando mais valor para a organização. Actualmente, procura-se que o BI tenha cada vez mais capacidade de previsão, sobretudo através das ferramentas de Data Mining, para que se possa antecipar as tendências do mercado e, dessa forma, aumentar a vantagem competitiva em relação à concorrência.

Page 24: Trabalho Business Intelligence

24

7. BIBLIOGRAFIA

AUTÓNOMA DE LISBOA, Universidade (2008), Análise Inteligente de Dados, apontamentos.

BIWIKI (2010), consultado em 11 de Abril de 2010 em http://biwiki.isegi.unl.pt/~biwiki/index.php?title=P%C3%A1gina_principal

CARVALHO, Luís Alfredo (2005), Data Mining: A mineração de Dados no Marketing, Medicina, Economia, Engenharia e Administração", Editora Érica Lda

EMBRATUR (2009), O sistema Trade Business Intelligence (TBI) consultado em 14 de Abril de 201010 em http://ecoviagem.uol.com.br/noticias/turismo/ecoturismo/cadastro-tbi-e-alimentado-pelos-escritorios-brasileiros-de-turismo-no-exterior-6079.asp

GARTNER, Group (2009), consultado em 15 de Abril de 2010 em http://www.gartner.com/technology/research/content/business_intelligence.jsp

GARTNER (2010), consultado em 11 de Abril em http://www.gartner.com/technology/media-products/reprints/cognos/vol6/article2/article2.html

IBM (2010), consultado em 11 de Abril de 2010 em www.ibm.com

LAUDON, Kenneth C., LAUDON, Jane P. (2006); Management Information Systems – Managing The Digital Firm; 10ª edição; Pearson Prentice Hall.

LEMON (2008), Data Warehouses consultado em 14 de Abril de 2010 em download.lemon.com.br/tutoriais//.../datawarehouse.doc

MICROSOFT (2010), consultado em 11 de Abril de 2010 em www.microsoft.com

ORACLE (2010), consultado em 11 de Abril de 2010 em www.oracle.com

SAP (2010), consultado em 11 de Abril de 2010 em www.businessobjects.com/SAP

Page 25: Trabalho Business Intelligence

25

SANTOS, Maribel Yasmina, RAMOS, Isabel, (2009) Business Intelligence – Tecnologias da Informação na Gestão do Conhecimento; 2ª edição; FCA.

SPI (2010), consultada em 11 de Abril de 2010 em http://www.spi.pt/negocio_electronico/manual5.htm SCHLEGEL, Kurt, SOOD, Bahvish (2007), Relatório Business Intelligence Platform Capability Matrix.

STIPANOVIC, C. (2008), Business Intelligence no sentido de tornar as empresas de turismo competitivo, consultado em 12 de Abril de 2010 em http://translate.google.pt/translate?hl=pt-PT&langpair=en|pt&u=http://www.cababstractsplus.org/abstracts/Abstract.aspx%3FAcNo%3D20053175749

WIKIPEDIA (2009), Balanced Scorecard, consultado em 11 de Abril de 2010 em http://pt.wikipedia.org/wiki/Balanced_scorecard WIKIPEDIA (2010), Decision Suport Systems, consultado em 11 de Abril de 2010, em http://en.wikipedia.org/wiki/Decision_support_system