Escolar Documentos
Profissional Documentos
Cultura Documentos
2 PB
2 PB
Vol. 4
No. 2
2011
19
INART
Inteligncia de Negcios Aplicada ao Ramo Txtil
INART
INTELIGNCIA DE NEGCIOS APLICADA AO RAMO TXTIL
Trabalho
de
concluso
de
curso
de
da
Pontifcia
Universidade
AGRADECIMENTOS
Aos meus pais Fabiano Barros e Raquel Saldanha por no terem medido esforos
para que eu chegasse at esta etapa de minha vida, bem como toda a motivao,
apoio e grande ajuda.
A empresa RCI Consulting S/A, parceira IBM, por todo o apoio tcnico e
amadurecimento dos meus conhecimentos e conceitos que me levaram a execuo
e concluso desta monografia.
RESUMO
Inteligncia
de
Negcios.
Relatrios.
Cubos.
OLAP.
ABSTRACT
This work presents the development of a Business Intelligence solution that aims to
help managing a small commercial representations company that operates in the
textile business, providing answers to key questions about his business, which are
difficult to be acquired and demand hard work and manual effort to obtain them. The
proposed solution aims to meet the points where the customer company misses the
most of information, modeling a Data Warehouse that contains all the necessary
elements needed to develop multidimensional analysis objects as a OLAP cube and
reports. These objects allow the company to analyze their customers, represented
regions, factories, products and representatives across time viewing their data as
information, thus making possible a better understanding of their business and
allowing them to trace tactics to achieve its goals for market differentiation.
Keywords: Business Intelligence. Reports. Cubes. OLAP. Management. Data
Warehouse.
LISTA DE ILUSTRAES
LISTA DE TABELAS
LISTA DE ABREVIATURAS
Etc.
Et cetera
Ltda.
Limitada
10
LISTA DE SIGLAS
BI
Business Intelligence
DM
Data Mart
DW
Data Warehouse
ETL
IBM
INART
OLAP
SAP
SQL
SK
Surrogate Key
11
SUMRIO
INTRODUO ................................................................................................................................ 13
2.2
2.3
DATA WAREHOUSE.................................................................................................................................... 23
12
5.2
5.5
5.6
IMPLANTAO ......................................................................................................................................... 89
REFERNCIAS ..................................................................................................................................... 92
GLOSSRIO ......................................................................................................................................... 94
13
INTRODUO
14
Este documento visa abranger todos os passos que foram necessrios at que
o produto final fosse implantado no ambiente do cliente, contemplando assim um
embasamento terico que descreve a soluo abordada, uma seo explicativa
sobre a tecnologia utilizada, os objetivos atingidos pelo projeto e todo o fluxo de
desenvolvimento, bem como o resultado alcanado e algumas consideraes finais.
15
FUNDAMENTAO TERICA
Business Intelligence pode ser dado como tendo o correto acesso aos corretos
dados ou informaes necessrias para tomar as corretas decises no correto
momento (STACKOWIAK, RAYMAN e GREENWALD, 2007, p. 3).
Devido o aumento de concorrncia no ramo empresarial, segundo Almeida e
outros (1999), vital que as organizaes necessitem fornecer um grande nmero
de informaes efetivas a seus usurios de negcios. Tais informaes necessitam
ser providas rapidamente e podem se referir a uma anlise de duas ou mais reas
da empresa, baseando-se em mtricas do negcio ou indicadores econmicos, por
exemplo. A soluo para esse problema a aplicao de uma soluo BI capaz de
providenciar aos usurios as respostas necessrias para questes de negcios,
assim como torn-los aptos a tomar decises tticas e estratgicas.
Conforme Jacobson, Misner e Hitachi (2007), o conceito de BI fazer uso de
informaes j disponveis em uma empresa para ajudar os responsveis pelas
tomadas de decises a adotar as melhores opes da forma mais rpida.
O ambiente de uma soluo BI contempla uma srie de processos
operacionais, onde os dados do cenrio empresarial no qual implantado so
remodelados em um conceito dimensional. Isso possibilita a obteno da informao
necessria em um amplo nvel de detalhe, trazendo ao usurio subsdios para a
tomada de decises em seu negcio.
16
Assim
como
modelagem
entidade-relacionamento,
modelagem
17
18
fato Vendas da figura 2.1, a quantidade de produtos que foram vendidos, o valor
unitrio dos produtos vendidos e o valor da venda para cada loja todos os dias.
Uma tabela fato pode ser extremamente grande devido sua volumetria de
dados, sendo muito comum alcanar alguns Gigabytes logo nos primeiros meses de
uso no Data Warehouse.
No Modelo Estrela
19
20
21
22
Primeiramente,
inicia-se
processo
de
carregamento
das
tabelas
23
No final dos anos 80 e comeo dos anos 90, bancos de dados com suporte a
decises comearam a ser implementados separadamente de bases transacionais,
os quais tornaram-se conhecidos como Data Warehouses (STACKOWIAK,
RAYMAN e GREENWALD, 2007, p. 12).
Um ponto que torna o DW muito poderoso que informaes de diversas
reas da empresa so reunidas em um banco de dados de estrutura dimensional.
Isso as torna unificadas e padronizadas em um mesmo local, o que possibilita aos
usurios finais executar consultas, gerar relatrios e fazer anlises de forma simples
e eficiente.
De acordo com Kimball e Ross (2002) em relao ao DW, importante
ressaltar que: deve tornar a informao da organizao facilmente acessvel; deve
apresentar os dados da organizao de forma consistente; deve ser adaptvel s
mudanas; deve garantir a segurana e o controle da informao; deve possuir os
corretos dados para serem tomadas as corretas decises; e deve ser
completamente aceito e utilizado pelos usurios como se fosse um novo sistema
operacional o qual so obrigados a utilizar.
24
Bispo e Cazarini (1998 apud Fortulan e Filho, 2005) definem o OLAP como
sendo uma ferramenta que possibilita: uma anlise multidimensional visando vrios
ngulos do negcio; a realizao de clculos complexos, agregao e consolidao
dos dados; fazer previses e anlises de tendncias; construir cenrios a partir de
suposies; e fazer clculos manipulando dados atravs de diferentes dimenses.
25
2.6.1 Cubos
26
27
Slice & dice permite a rotao em qualquer sentido dos lados do cubo de
dados que est sendo analisado, possibilitando a combinao de qualquer
dimenso para a obteno das informaes necessrias.
28
1.1
29
30
31
32
33
OBJETIVOS DO PROJETO
Este projeto tem por objetivo desenvolver e implantar uma soluo de Business
Intelligence em uma empresa de pequeno porte atuante no ramo de representaes
comerciais na rea txtil a fim de prover um aspecto gerencial e um conhecimento
sobre seus dados. Desta forma, fornece, atravs de objetos multidimensionais, uma
base de apoio sua tomada de decises e definies estratgicas para atingir um
diferencial no mercado competitivo, cuja carncia muito grande.
A empresa Thrillway Comrcio e Representaes Ltda. utilizava planilhas
Microsoft Office Excel com cadastros dos pedidos realizados, lista de clientes,
produtos e empresas representadas. Devido a isso, cada vez que era necessrio ter
o conhecimento de quais clientes realizaram pedidos no ltimo ano e so
considerados ativos ou at mesmo analisar o desempenho de vendas de um
representante preposto era um processo trabalhoso de busca em planilhas, alm de
tender ao erro ou falta de informaes por ser um processo manual. A soluo
proposta automatiza este e muitos outros processos, fornecendo ao cliente um novo
ngulo de seu negcio atravs de um cubo de anlise OLAP onde possvel cruzar
toda e qualquer informao com relao a seus clientes, regies representadas,
produtos, fbricas e representantes em funo do tempo, alm de prover relatrios
pr-estabelecidos que respondem questes de entendimento necessrio para a
gesto da empresa.
O trabalho acompanha todas as etapas do desenvolvimento e aplicao de
uma soluo BI, documentando e transparecendo todas as dificuldades do processo,
o qual iniciou-se com o levantamento de requisitos e necessidades do cliente, para
que fosse possvel modelar um Data Warehouse que atendesse e fosse adaptvel
s mudanas de negcio da empresa. Aps, foram implementados processos de
ETL, os quais tiveram como origem as planilhas do cliente e foram responsveis por
transformar e carregar os dados no DW criado. Em seguida, foi utilizado o conjunto
de ferramentas IBM Cognos citado anteriormente para o mapeamento dos
metadados do DW, criao do cubo OLAP e desenvolvimento de relatrios, os quais
possibilitam ao usurio o acesso de seus dados na forma de informao.
34
Por fim, aps a implantao da soluo proposta, foi feita uma reunio com o
cliente, o qual forneceu um feedback sobre os resultados alcanados e expressou a
importncia e relevncia do projeto em seu negcio, avaliando sua implantao.
35
PROJETO INART
1.2
NECESSIDADES DO NEGCIO
36
preposto realiza o mesmo pedido, supondo que sua comisso de 5%, os demais
2% do valor da venda sero a comisso do representante titular.
Os clientes so agrupados por regio ou por segmentos de produtos. Tais
segmentos so tratados como grupos de produtos os quais aquele cliente vende. Os
clientes so diferenciados por suas razes sociais, porm um cliente pode ser de
tipo concentrador, o que indica que este tratado como uma matriz de diversas
filiais de clientes que so capazes de fazer pedidos, cada um possuindo uma razo
social diferente.
Os clientes so considerados inativos se estiverem a mais de doze meses sem
realizar um pedido.
Quando um pedido realizado, este contm o nome do representante que o
vendeu, uma listagem dos produtos pedidos, assim como suas quantidades e
valores, o percentual de desconto aplicado por produto, a forma de pagamento
utilizada, a data, o cliente que o fez, endereos de cobrana e entrega, o valor total
do pedido com os descontos aplicados e demais observaes.
Um pedido pode no se tornar uma venda necessariamente, pois o cliente
capaz de cancel-lo. Este caso torna importante manter um status dos pedidos
realizados.
Quando emitida uma nota fiscal pela fbrica dos produtos do pedido, este
considerado como vendido. Esta nota contm os nmeros de duplicatas relativas
forma de pagamento escolhida pelo cliente, assim como o valor e a data de
vencimento de cada parcela, o que determina quanto e quando o representante
recebe sua comisso. Aps a emisso da nota fiscal, o pedido pode ainda ser
cancelado caso haja insatisfao do cliente com a qualidade do produto ou sua
entrega.
importante manter registros separados entre pedidos e vendas, pois
necessria a comparao entre ambos, a fim de obter mtricas de vendas entre os
clientes.
37
1.3
38
utilizando
linguagem
Microsoft
SQL
Server,
conforme
39
Tabela: DWD_TEMPO
Tipo: Dimensional.
Descrio: Tabela temporal que possui todas as informaes necessrias
referentes a dia, semana, ms, trimestre, semestre e ano.
Observaes: Possui dados de 01/01/2000 at 31/12/2020. Esta tabela se
relaciona diretamente com as tabelas fato.
Colunas:
NOME FSICO
TIPO DE DADOS
NOT NULL
PK
DESCRIO
Surrogate Key identificadora da dimensional
Tempo.
SK_TEMPO
INTEGER
DT_DATA_COMPLETA
DATETIME
Data completa.
DS_DIA_SEMANA
VARCHAR(13)
Dia da semana.
DS_DIA_SEMANA_ABREV VARCHAR(3)
DS_MES
VARCHAR(9)
Descrio do ms.
DS_MES_ABREV
VARCHAR(3)
Descrio do ms abreviada.
DS_TRIMESTRE
VARCHAR(12)
Descrio do trimestre.
DS_TRIMESTRE_ABREV
VARCHAR(7)
DS_SEMESTRE
VARCHAR(11)
Descrio do semestre.
DS_SEMESTRE_ABREV
VARCHAR(6)
NR_DIA_ANO
INTEGER
NR_DIA_MES
INTEGER
NR_DIA_SEMANA
INTEGER
NR_MES_ANO
INTEGER
Nmero do ms no ano.
NR_TRIMESTRE_ANO
INTEGER
NR_SEMANA_MES
INTEGER
NR_ANO
INTEGER
Nmero do ano.
DS_MES_ANO_CONCAT
VARCHAR(7)
Concatenao de ms/ano.
40
Tabela: DWD_FABRICA
Tipo: Dimensional.
Descrio: Tabela que tem todas as informaes cadastrais das fbricas
representadas.
Observaes: Possui relacionamentos com a dimensional de Produto e com a
dimensional de Forma de Pagamento.
Colunas:
NOME FSICO
TIPO DE DADOS
NOT NULL
PK
DESCRIO
Surrogate Key identificadora da dimensional
Fbrica.
SK_FABRICA
INTEGER
CD_FABRICA
INTEGER
Cdigo da fbrica.
CD_CNPJ
VARCHAR(50)
CNPJ da fbrica.
CD_INSCR_ESTADUAL
VARCHAR(50)
DS_NOME_FANTASIA
VARCHAR(100)
DS_RAZAO_SOCIAL
VARCHAR(100)
DS_ENDERECO
VARCHAR(100)
Endereo da fbrica.
NR_CEP
INTEGER
CEP da fbrica.
VARCHAR(14)
Telefone da fbrica.
NR_TELEFONE
Tabela: DWD_PRODUTO
Tipo: Dimensional.
Descrio: Tabela que contm todas as informaes cadastrais dos produtos
representados ao nvel de cor e tamanho, podendo ter vrios registros para um
mesmo produto, porm com detalhes diferentes.
Observaes: Relaciona-se com a dimensional de Fbrica e com todas as
tabelas fato.
Colunas:
NOME FSICO
TIPO DE DADOS
NOT NULL
SK_PRODUTO
INTEGER
SK_FABRICA
INTEGER
PK
DESCRIO
Surrogate Key identificadora da dimensional
Produto.
Surrogate Key relacional com a dimensional
Fbrica.
CD_PRODUTO
VARCHAR(20)
Cdigo do produto.
DS_PRODUTO
VARCHAR(100)
Descrio do produto.
DS_LINHA_PRODUTO VARCHAR(100)
DS_TIPO_PRODUTO
VARCHAR(100)
DS_TAMANHO
VARCHAR(50)
Tamanho do produto.
41
Tabela: DWF_HISTORICO_PRODUTO
Tipo: Fato.
Descrio: Tabela fato eventual, ou seja, tem todos os eventos de variao de
preos dos produtos. Toda vez que o usurio receber uma nova lista de preos
de produtos, esta deve ser atualizada mantendo os valores antigos e gravando
novos valores para os mesmos produtos, tornando possvel assim a anlise do
histrico e variaes de preos entre os produtos.
Observaes: Relaciona-se com as dimensionais de Produto e Tempo.
Colunas:
NOT NULL
PK
DESCRIO
SK_PRODUTO
NOME FSICO
INTEGER
TIPO DE DADOS
SK_TEMPO
INTEGER
DT_CADASTRO
VL_PRODUTO
DATETIME
DECIMAL(10;2)
Tabela: DWD_FORMA_PAGAMENTO
Tipo: Dimensional.
Descrio: Tabela que contm as informaes referentes s diferentes formas
de pagamento as quais so aplicadas pelas fbricas representadas aos
pedidos realizados de seus produtos.
Observaes: Relaciona-se com a dimensional de Fbrica e com as tabelas
fato de Pedido e Venda.
Colunas:
NOME FSICO
TIPO DE DADOS
NOT NULL
PK
SK_FORMA_PAGAMENTO INTEGER
SK_FABRICA
INTEGER
CD_FORMA_PAGAMENTO INTEGER
DS_FORMA_PAGAMENTO VARCHAR(50)
NR_PARCELAS
INTEGER
DESCRIO
Surrogate Key identificadora da dimensional
Forma Pagamento.
42
Tabela: DWD_REGIAO
Tipo: Dimensional.
Descrio: Tabela que contm o cadastro das regies de clientes atendidas,
assim como estados, cidades e bairros.
Observaes: Relaciona-se com a dimensional de Cliente e com as tabelas
fato de Pedido e Venda. O relacionamento desta dimensional com as fatos se
deu exclusivamente por se ter a necessidade de realizar anlises eficientes e
rpidas
as
vendas
pedidos
realizados
por
diferentes
regies,
PK
DESCRIO
SK_REGIAO
NOME FSICO
INTEGER
TIPO DE DADOS
DS_REGIAO
VARCHAR(40)
Descrio da regio.
DS_BAIRRO
VARCHAR(40)
Nome do bairro.
DS_CIDADE
VARCHAR(40)
Nome da cidade.
DS_ESTADO
VARCHAR(20)
Nome do estado.
SG_ESTADO
CHAR(2)
Sigla do estado.
Tabela: DWD_REPRESENTANTE
Tipo: Dimensional.
Descrio: Tabela que contm as informaes cadastrais dos representantes
da empresa, assim como seu tipo e seu percentual de comisso.
Observaes: Relaciona-se com as tabelas fato de Pedido e Venda.
Colunas:
NOME FSICO
TIPO DE DADOS
NOT NULL
SK_REPRESENTANTE
INTEGER
CD_REPRESENTANTE
CD_CPF
DS_NOME
DS_ENDERECO
NR_TELEFONE
PC_COMISSAO
DS_TIPO_REPRESENTANTE
INTEGER
VARCHAR(100)
VARCHAR(100)
VARCHAR(100)
VARCHAR(100)
INTEGER
VARCHAR(100)
PK
DESCRIO
Surrogate Key identificadora da dimensional
Representante.
Cdigo do representante.
CPF do representante.
Nome do representante.
Endereo do representante.
Telefone do representante.
Percentual de comisso do representante.
Tipo de representante.
43
Tabela: DWD_CLIENTE
Tipo: Dimensional.
Descrio: Tabela que contm as informaes cadastrais de todos os clientes
atendidos, assim como seu tipo, segmento no qual atua e a data de seu ltimo
pedido, assumindo que o DW s possui registros de clientes que alguma vez j
foram atendidos pela empresa.
Observaes: Relaciona-se com a dimensional de Regio e com as tabelas
fato de Pedido e Venda.
Colunas:
NOME FSICO
DESCRIO
Surrogate Key identificadora da
dimensional Cliente.
SK_CLIENTE
INTEGER
SK_REGIAO
INTEGER
CD_CLIENTE
VARCHAR(50)
Cdigo do cliente.
CD_CNPJ
VARCHAR(50)
CNPJ do cliente.
CD_INSCR_ESTADUAL
VARCHAR(50)
DS_NOME_FANTASIA
VARCHAR(100)
DS_RAZAO_SOCIAL
VARCHAR(100)
DS_CLIENTE_CONCENTRADOR VARCHAR(100)
DS_SEGMENTO
VARCHAR(100)
DS_CONTATO
DS_EMAIL
DS_ENDERECO
NR_CEP
NR_TELEFONE
VARCHAR(100)
VARCHAR(100)
VARCHAR(100)
VARCHAR(50)
VARCHAR(14)
DT_ULTIMO_PEDIDO
DATETIME
Tabela: DWD_CADASTRO_PEDIDO
Tipo: Dimensional.
Descrio: Tabela criada unicamente a fim de manter a fato de pedido com
sem informaes cadastrais, pois possui os cdigos dos pedidos realizados,
endereos de cobrana e entrega, indicao de cancelamento e demais
observaes. utilizada apenas para criao de relatrios de listas.
Observaes: Relaciona-se com as tabelas fato de Pedido e Venda.
44
Colunas:
NOME FSICO
TIPO DE DADOS
NOT NULL
PK
SK_CADASTRO_PEDIDO
INTEGER
CD_PEDIDO
DS_ENDERECO_COBRANCA
DS_ENDERECO_ENTREGA
DS_OBSERVACAO
FL_CANCELAMENTO
VARCHAR(100)
VARCHAR(100)
VARCHAR(100)
VARCHAR(500)
CHAR(3)
DESCRIO
Surrogate Key identificadora da dimensional
Cadastro Pedido.
Cdigo do pedido.
Endereo de cobrana do pedido.
Endereo de entrega do pedido.
Observaes do pedido.
Flag que indica se um pedido foi cancelado.
Tabela: DWF_PEDIDO
Tipo: Fato.
Descrio: Tabela fato que contm todas as informaes relacionadas aos
pedidos. Sua granularidade ao nvel de produto, ou seja, um nico pedido
pode ter vrios registros na tabela fato, porm, s pode ter um registro por
produto diferente no mesmo pedido. Assim, o percentual de desconto, a
quantidade e o valor gravados so referentes quele nico produto.
Observaes: Relaciona-se com as dimensionais de Produto, Representante,
Forma de Pagamento, Cadastro de Pedido, Cliente, Regio e Tempo.
Colunas:
NOME FSICO
TIPO DE DADOS
NOT NULL
PK
DESCRIO
Surrogate Key relacional com a dimensional
Produto.
Surrogate Key relacional com a dimensional
Representante.
SK_PRODUTO
INTEGER
SK_REPRESENTANTE
INTEGER
SK_FORMA_PAGAMENTO INTEGER
SK_CADASTRO_PEDIDO
INTEGER
SK_CLIENTE
INTEGER
SK_TEMPO
INTEGER
SK_REGIAO
INTEGER
DT_PEDIDO
DATETIME
Data do Pedido.
PC_DESCONTO
DECIMAL(10;2)
QT_PRODUTOS
VL_PEDIDO
INTEGER
DECIMAL(10;2)
45
Tabela: DWF_VENDA
Tipo: Fato.
Descrio: Tabela fato que contm todas as informaes relacionadas s
vendas. Sua granularidade ao nvel de produto, ou seja, uma nica venda
pode ter inmeros registros na tabela fato para suas duplicatas, porm, s
pode ter um registro por produto diferente para a mesma duplicata, onde o
nmero de duplicatas (parcelas) levado em considerao pois necessrio
saber quando uma duplicata vence e o valor referente ao produto naquela
parcela. O percentual de desconto, a quantidade e o valor gravados so
referentes aos produtos, enquanto a data de vencimento e os valores de
comisso para representantes titulares e prepostos so referentes s
duplicatas da venda.
Observaes: Relaciona-se com as dimensionais de Produto, Representante,
Forma de Pagamento, Cadastro de Pedido, Cliente, Regio e Tempo.
Colunas:
NOME FSICO
TIPO DE DADOS
NOT NULL
PK
DESCRIO
SK_PRODUTO
INTEGER
SK_REPRESENTANTE
INTEGER
SK_FORMA_PAGAMENTO
INTEGER
SK_CLIENTE
INTEGER
SK_TEMPO
INTEGER
SK_CADASTRO_PEDIDO
INTEGER
SK_REGIAO
INTEGER
NR_DUPLICATA
DT_VENDA
DT_VENCIMENTO
INTEGER
DATETIME
DATETIME
PC_DESCONTO
DECIMAL(10;2)
QT_PRODUTOS
INTEGER
VL_VENDA
DECIMAL(10;2)
VL_COMISSAO_TITULAR
DECIMAL(10;2)
VL_COMISSAO_PREPOSTO DECIMAL(10;2)
46
1.4
PROCESSOS DE ETL
Segundo Kimball e outros (1998, p. 1.2), aps ter-se o modelo Data Warehouse
desenhado com suas tabelas criadas fisicamente, necessria uma srie de
processos de ETL para carreg-las, onde os dados podero vir de diversas origens.
Neste projeto, utilizou-se como origem tabelas Microsoft Excel, as quais
tiveram seus dados extrados, transformados e ento carregados no DW.
Os arquivos de origem que so utilizados pelo cliente para manter seus dados
esto demonstrados nas tabelas abaixo.
Pedidos.xls
PLANILHA
COLUNA
COD PEDIDO
CLIENTE
COD PRODUTO
QTDE
% DESCONTO
Pedidos
FORMA PGTO
VALOR
END. COBRANA
END. ENTREGA
OBSERVAO
REPRESENTANTE
DATA
N DUPLICATA
Vendas
COD PEDIDO
DATA VENCIMENTO
Cancelamentos
% COMISSO
COD PEDIDO
47
Clientes.xls
PLANILHA
COLUNA
CDIGO
CNPJ
INSCR ESTADUAL
NOME FANTASIA
RAZO SOCIAL
CONCENTRADOR
SEGMENTO
CONTATO
Clientes
EMAIL
TELEFONE
CEP
ENDEREO
BAIRRO
CIDADE
REGIO
UF
SIGLA UF
Produtos.xls
PLANILHA
COLUNA
CDIGO
FBRICA
LINHA
TIPO
Produtos
PRODUTO
TAMANHO
VALOR
DATA
Representantes.xls
PLANILHA
COLUNA
CDIGO
NOME
CPF
Representantes
TELEFONE
ENDEREO
COMISSO
TIPO
48
Fbricas.xls
PLANILHA
COLUNA
CDIGO
CNPJ
INSCR ESTADUAL
NOME FANTASIA
Fbrica
RAZO SOCIAL
ENDEREO
CEP
TELEFONE
CDIGO
Formas de Pagamento
FBRICA
FORMA PAGAMENTO
N PARCELAS
Tempo.xls
PLANILHA
COLUNA
DT_DATA_COMPLETA
DS_DIA_SEMANA
DS_DIA_SEMANA_ABREV
DS_MES
DS_MES_ABREV
DS_TRIMESTRE
DS_TRIMESTRE_ABREV
DS_SEMESTRE
Tempo
DS_SEMESTRE_ABREV
NR_DIA_ANO
NR_DIA_MES
NR_DIA_SEMANA
NR_MES_ANO
NR_TRIMESTRE_ANO
NR_SEMANA_MES
NR_ANO
DS_MES_ANO_CONCAT
49
Abaixo, segue a lista das tabelas do DW com suas origens e devidas regras de
transformao definidas, bem como mapas de ETL desenvolvidos nas cadeias de
processos citadas acima.
50
DWD_TEMPO:
PARA (DW):
Tabela
DWD_TEMPO
Coluna
SK_TEMPO
DT_DATA_COMPLETA
DS_DIA_SEMANA
DS_DIA_SEMANA_ABREV
DS_MES
DS_MES_ABREV
DS_TRIMESTRE
DS_TRIMESTRE_ABREV
DS_SEMESTRE
DS_SEMESTRE_ABREV
NR_DIA_ANO
NR_DIA_MES
NR_DIA_SEMANA
NR_MES_ANO
DE (Origem):
Tabela / Arquivo
Coluna
DT_DATA_COMPLETA
DS_DIA_SEMANA
DS_DIA_SEMANA_ABREV
DS_MES
DS_MES_ABREV
DS_TRIMESTRE
DS_TRIMESTRE_ABREV
DS_SEMESTRE
DS_SEMESTRE_ABREV
NR_DIA_ANO
NR_DIA_MES
NR_DIA_SEMANA
NR_MES_ANO
NR_TRIMESTRE_ANO
NR_SEMANA_MES
NR_ANO
DS_MES_ANO_CONCAT
Regras de
Transformao
Gerar Surrogate Key.
51
DWD_FABRICA:
PARA (DW):
Tabela
DWD_FABRICA
DE (Origem):
Tabela / Arquivo
Coluna
SK_FABRICA
CD_FABRICA
CD_CNPJ
Coluna
CDIGO
CNPJ
CD_INSCR_ESTADUAL
INSCR ESTADUAL
DS_NOME_FANTASIA
NOME FANTASIA
DS_RAZAO_SOCIAL
RAZO SOCIAL
DS_ENDERECO
NR_CEP
NR_TELEFONE
ENDEREO
CEP
TELEFONE
Regras de Transformao
Gerar Surrogate Key.
52
DWD_REGIAO:
PARA (DW):
Tabela
DWD_REGIAO
Coluna
SK_REGIAO
DS_REGIAO
DS_BAIRRO
DS_CIDADE
DS_ESTADO
SG_ESTADO
DE (Origem):
Tabela / Arquivo
Coluna
Regras de Transformao
Gerar Surrogate Key.
REGIO
BAIRRO
CIDADE
UF
SIGLA UF
53
DWD_CLIENTE:
PARA (DW):
Tabela
Coluna
SK_CLIENTE
DE (Origem):
Tabela / Arquivo
Regras de Transformao
Coluna
SK_REGIAO
DWD_REGIAO
SK_REGIAO
CD_CLIENTE
CD_CNPJ
CDIGO
CNPJ
CD_INSCR_ESTADUAL
INSCR
ESTADUAL
DS_NOME_FANTASIA
NOME FANTASIA
DS_RAZAO_SOCIAL
RAZO SOCIAL
DS_CLIENTE_CONCEN
TRADOR
CONCENTRADOR
SEGMENTO
CONTATO
EMAIL
ENDEREO
CEP
TELEFONE
DWD_CLIENTE
DS_SEGMENTO
DS_CONTATO
DS_EMAIL
DS_ENDERECO
NR_CEP
NR_TELEFONE
DT_ULTIMO_PEDIDO
Se INSERT, NULL.
54
DWD_CADASTRO_PEDIDO:
PARA (DW):
Tabela
Coluna
DE (Origem):
Tabela /
Arquivo
SK_CADASTRO_PEDIDO
Pedidos.xls >
Pedidos
Pedidos.xls >
DS_ENDERECO_COBRANCA
Pedidos
CD_PEDIDO
DWD_CADASTRO_PEDIDO
DS_ENDERECO_ENTREGA
DS_OBSERVACAO
FL_CANCELAMENTO
Regras de
Transformao
Coluna
Pedidos.xls >
Pedidos
Pedidos.xls >
Pedidos
Pedidos.xls >
Cancelamentos
COD PEDIDO
DISTINCT(Pedidos.xls >
Pedidos.COD PEDIDO)
END.
COBRANA
END.
ENTREGA
OBSERVAO
COD PEDIDO
Verifica se existe
CD_PEDIDO na coluna.
Se sim, grava 'Sim'. Caso
contrrio grava 'No'.
55
DWD_FORMA_PAGAMENTO:
PARA (DW):
Tabela
Coluna
SK_FORMA_PAGAMENTO
SK_FABRICA
DWD_FORMA_PAGAMENTO
CD_FORMA_PAGAMENTO
DS_FORMA_PAGAMENTO
NR_PARCELAS
DE (Origem):
Tabela / Arquivo
DWD_FABRICA
Fbricas.xls >
Formas de
Pagamento
Fbricas.xls >
Formas de
Pagamento
Fbricas.xls >
Formas de
Pagamento
Regras de
Transformao
Coluna
SK_FABRICA
CDIGO
FORMA
PAGAMENTO
N
PARCELAS
56
DWD_REPRESENTANTE:
PARA (DW):
Tabela
Coluna
SK_REPRESENTANTE
DE (Origem):
Tabela / Arquivo
Representantes.xls >
CD_REPRESENTANTE
Representantes
Representantes.xls >
CD_CPF
Representantes
Representantes.xls >
DS_NOME
Representantes
DWD_REPRESENTANTE
Representantes.xls >
DS_ENDERECO
Representantes
Representantes.xls >
NR_TELEFONE
Representantes
Representantes.xls >
PC_COMISSAO
Representantes
Representantes.xls >
DS_TIPO_REPRESENTANTE
Representantes
Regras de
Transformao
Coluna
57
DWD_PRODUTO:
PARA (DW):
Tabela
Coluna
SK_PRODUTO
SK_FABRICA
DE (Origem):
Tabela / Arquivo
DWD_FABRICA
Produtos.xls >
Produtos
Produtos.xls >
DWD_PRODUTO DS_PRODUTO
Produtos
Produtos.xls >
DS_LINHA_PRODUTO
Produtos
Produtos.xls >
DS_TIPO_PRODUTO
Produtos
Produtos.xls >
DS_TAMANHO
Produtos
CD_PRODUTO
Coluna
SK_FABRICA
CDIGO
Regras de Transformao
Gerar Surrogate Key.
Produtos.xls > Produtos.FBRICA =
DWD_FABRICA.DS_NOME_FANTASIA
DISTINCT(Produtos.xls >
Produtos.CDIGO)
PRODUTO
LINHA
TIPO
TAMANHO
58
DWF_HISTORICO_PRODUTO:
PARA (DW):
Tabela
Coluna
DE (Origem):
Tabela / Arquivo
Coluna
SK_PRODUTO
DWD_PRODUTO SK_PRODUTO
SK_TEMPO
DWD_TEMPO
SK_TEMPO
DWF_HISTORICO_PRODUTO
DT_CADASTRO
VL_PRODUTO
Produtos.xls >
Produtos
Produtos.xls >
Produtos
Regras de Transformao
Produtos.xls > Produtos.CDIGO =
DWD_PRODUTO.CD_PRODUTO
Produtos.xls > Produtos.DATA =
DWD_TEMPO.
DT_DATA_COMPLETA
DATA
VALOR
59
DWF_PEDIDO:
PARA (DW):
Tabela
Coluna
DE (Origem):
Tabela / Arquivo
Coluna
Regras de Transformao
DWD_PRODUTO
SK_PRODUTO
Para o carregamento da tabela fato Pedido foi criado um mapa de ETL que faz
a leitura dos dados da planilha Pedidos.xls realizando uma srie de lookups para
buscar as surrogate keys correspondentes a cada registro da planilha, a fim de
carreg-los de forma ntegra na tabela do DW, juntamente com informaes de data,
quantidade de produtos, valor por produto e percentual de desconto aplicado a cada
produto pertencente a cada pedido, conforme figura 5.14.
60
UPDATE DWD_CLIENTE:
PARA (DW):
Tabela
DWD_CLIENTE
Coluna
DT_ULTIMO_PEDIDO
DE (Origem):
Tabela /
Arquivo
Coluna
Regras de Transformao
Se UPDATE,
MAX(DWF_PEDIDO.DT_PEDID
O)
Onde
DWD_CLIENTE.SK_CLIENTE =
DWF_PEDIDO.SK_CLIENTE
Na tabela dimensional Cliente existe uma coluna que indica a data do ltimo
pedido realizado por um cliente. Para que esta possa conter a informao correta,
necessria a realizao de uma alterao na tabela aps o carregamento da fato
Pedido, uma vez que todas as informaes encontram-se no DW e a utilizao dos
documentos de origem torna-se dispensvel para a obteno desta informao.
Ento foi construdo um mapa de ETL que agrega os dados da tabela fato Pedido,
filtrando apenas a maior data de cada cliente e realizando uma juno com a
dimensional Cliente para que ento torne-se possvel a atualizao da coluna
DT_ULTIMO_PEDIDO com a data mais atual de pedido para cada cliente, conforme
figura 5.15.
61
DWF_VENDA:
PARA (DW):
Tabela
SK_PRODUTO
DE (Origem):
Tabela /
Coluna
Arquivo
DWF_PEDIDO SK_PRODUTO
SK_REPRESENTANTE
DWF_PEDIDO SK_REPRESENTANTE
SK_FORMA_PAGAMENTO
DWF_PEDIDO SK_FORMA_PAGAMENTO
SK_CLIENTE
SK_TEMPO
DWF_PEDIDO SK_CLIENTE
DWF_PEDIDO SK_TEMPO
SK_CADASTRO_PEDIDO
DWF_PEDIDO SK_CADASTRO_PEDIDO
SK_REGIAO
DWF_PEDIDO
Pedidos.xls >
Vendas
DWF_PEDIDO
Pedidos.xls >
Vendas
DWF_PEDIDO
DWF_PEDIDO
Coluna
NR_DUPLICATA
DT_VENDA
DT_VENCIMENTO
PC_DESCONTO
QT_PRODUTOS
DWF_VENDA VL_VENDA
VL_COMISSAO_TITULAR
VL_COMISSAO_PREPOSTO
Regras de Transformao
SK_REGIAO
N DUPLICATA
DATA
DATA VENCIMENTO
PC_DESCONTO
QT_PRODUTOS
DWF_PEDIDO.VL_PEDIDO
Se DWD_REPRESENTANTE
= 'Titular', ento
((DWF_PEDIDO.VL_PEDIDO /
DWD_FORMA_PAGAMENTO.
NR_PARCELAS) *
DWD_REPRESENTANTE.
PC_COMISSAO) / 100
Seno,
((DWF_PEDIDO.VL_PEDIDO /
DWD_FORMA_PAGAMENTO.
NR_PARCELAS) * (7 DWD_REPRESENTANTE.
PC_COMISSAO)) / 100
Se DWD_REPRESENTANTE
= 'Preposto', ento
((DWF_PEDIDO.VL_PEDIDO /
DWD_FORMA_PAGAMENTO.
NR_PARCELAS) *
DWD_REPRESENTANTE.
PC_COMISSAO) / 100
Seno, 0
Para o carregamento da tabela fato Venda foi criado um mapa de ETL que faz
a leitura dos dados da planilha Pedidos.xls, primeiramente realizando lookup com a
tabela Cadastro Pedido para buscar a informao de cdigo dos pedidos e, ento,
realizando outra lookup com a fato Pedido para buscar as surrogate keys
correspondentes a cada registro da planilha atravs de uma juno que tem por fim
carregar os dados de forma ntegra na tabela do DW. Aps, realiza uma lookup com
a tabela Forma Pagamento para obter as informaes referentes ao nmero de
parcelas de cada venda. Ento, atravs de uma nova lookup, obtem da tabela
Representante o tipo e o percentual de comisso do representante envolvido na
realizao de cada venda para que assim possa criar colunas calculadas referentes
62
63
1.5
1.6
CRIAO DE FRAMEWORK
64
adicionais aos processos padres de Business Intelligence que tm por fim tornar a
utilizao do usurio mais fcil.
A ferramenta IBM Cognos Framework Manager utilizada para criar um
framework que mapeia as tabelas fsicas do Data Warehouse carregado pelo ETL
atravs de uma conexo de dados com o servidor do banco de dados. Este
mapeamento recebeu o nome de Database Layer e composto pelas tabelas fsicas
e suas descries, organizadas em pastas, conforme figuras 5.18 e 5.19.
65
para proporcionar uma anlise compreensiva do usurio aos dados. Esta camada foi
nomeada Business Layer conforme representao da figura 5.20.
66
Di
Produto:
composta
por
colunas
das
tabelas
DWD_FABRICA
Di
Cliente:
composta
por
colunas
das
tabelas
DWD_CLIENTE
67
1.7
68
69
70
Dimenso Produto: permite a anlise dos dados com relao aos produtos
representados pela empresa. A estrutura da dimenso est disposta como
Fbrica > Tipo Produto > Produto, contendo trs caminhos alternativos de
anlise onde: no caminho Por Linha Produto possvel enxergar os produtos
organizados pela linha de produto a qual pertencem dentro de suas fbricas; no
71
caminho Por Tipo Produto possvel uma anlise dos produtos organizados
por seus tipos independentemente da fbrica a qual pertencem; e no caminho
Por Produto onde permitida a anlise dos produtos independentemente do
tipo, linha ou fbrica que pertencem. A dimenso est representada na figura
5.27;
Dimenso Regio: permite a anlise dos dados com relao regio a qual
um pedido ou venda pertence. Sua estrutura se d como Estado > Regio >
Cidade > Bairro. A dimenso est representada na figura 5.28;
Dimenso Cliente: permite a anlise dos dados com relao aos clientes que
foram atendidos pela empresa e realizaram ao menos um pedido. A estrutura
da dimenso apresenta os clientes organizados pelo segmento de vendas no
qual atuam e est disposta como Segmento > Cliente Concentrador > Cliente,
sendo o cliente considerado concentrador quando se trata de uma matriz que
contm pelo menos uma filial. Esta dimenso possui trs caminhos alternativos
de anlise onde: no caminho Por Regio possvel enxergar os clientes
72
73
1.7.1 Indicadores
INDICADOR
Quantidade de Pedidos
Quantidade de Vendas
Valor de Pedidos
Valor de Vendas
Valor de Comisso
74
Para realizar uma nova consulta deve-se apenas arrastar a dimenso ou nvel
desejado para o painel da direita, seja nas colunas ou linhas e ento fazer o mesmo
com o indicador desejado. No exemplo da figura 5.32 possvel analisar o valor das
vendas realizadas para cada regio nos meses dos anos 2009 e 2010.
75
1.8
CRIAO DE RELATRIOS
76
77
longo do tempo atravs de uma tabela cruzada que apresenta o total de vendas no
ano por representante ou de um grfico de linhas que pode ser filtrado de acordo
com o ano desejado de anlise.
Tanto a tabela cruzada como o grfico podem ser filtrados de acordo com uma
determinada fbrica atravs da caixa de filtro localizada no topo do relatrio.
78
viso anual dos mesmos valores atravs de um grfico de barras; e na rea inferior
direita so exibidos grficos de pizza com percentuais de vendas de cada fbrica
representada.
Inicialmente, exibida uma tela de filtros (figura 5.36) onde o usurio deve
escolher um ano para a anlise do relatrio.
79
80
Inicialmente, exibida uma tela de filtros (figura 5.40) onde o usurio deve
escolher um mtodo de anlise entre regio e segmento. Aps, se escolhido analisar
por regio, deve-se selecionar quais regies e cidades pertencentes a estas que
devem compor a anlise. Se selecionado por segmento, o mesmo deve ser feito
para determinar os critrios de anlise do relatrio.
81
possvel filtrar os dados exibidos nas tabelas do relatrio por ano ou por
fbrica a qual os produtos pertencem. Para tanto, necessria a utilizao das
caixas de filtros dispostas na rea superior do relatrio.
82
83
possvel filtrar os dados exibidos no grfico por ano ou por fbrica a qual os
produtos pertencem, caso a anlise desejada for mais detalhada. Para tanto,
necessria a utilizao das caixas de filtros dispostas na rea superior do relatrio.
84
Inicialmente, exibida uma tela de filtros (figura 5.46) onde o usurio deve
escolher um mtodo de anlise entre regio e segmento, alm de selecionar se
deseja analisar clientes ativos ou inativos.
85
86
87
pedidos que foram cancelados. Tal anlise dividida em duas reas no relatrio: a
rea da esquerda apresenta todos os produtos, assim como seus tipos, quantidades
e valores referentes a todos os pedidos cancelados, bem como cdigo, data e
cliente que realizou o mesmo; na rea da direita exibido um grfico de barras
percentual onde apresentado um percentual de pedidos cancelados ao longo dos
meses, de acordo com a figura 5.49.
Ainda possvel detalhar ainda mais a anlise filtrando uma fbrica ou um ano
nas caixas de filtros disponveis na parte superior do relatrio.
88
89
1.9
IMPLANTAO
momento
foi
explicado
funcionamento
das
ferramentas
90
CONSIDERAES FINAIS
A implantao do projeto INART no ambiente de trabalho da empresa Thrillway
Comrcio e Representaes Ltda. representou um grande ganho na gesto de seu
negcio, segundo o cliente, pois agora alm de diminuir consideravelmente seu
esforo pela busca de informaes, lhe foi apresentado um novo ngulo gerencial do
mesmo, o que antes no poderia ser notado devido ao fato de no ter um sistema de
gesto empresarial ou sequer um sistema transacional bsico de apoio.
O grande tempo que era perdido diariamente por buscas em planilhas pela
informao necessria hoje aproveitado para visitar clientes que, conforme aponta
o projeto, possuem um maior ndice de compras em relao aos demais,
aumentando assim o nmero de vendas e a satisfao dos clientes, que passaram a
receber mais visitas de representantes dos produtos que mais adquirem.
O sucesso do projeto com o cliente confirma as palavras de Ralph Kimball na
primeira edio do livro The Data Warehouse Toolkit (Wiley) de 1996, provando que
tcnicas de Data Warehousing e a aplicao de uma soluo BI podem ser adotadas
por empresas de pequeno porte e vir a trazer um ganho imensurvel mesma,
sendo muitas vezes mais notvel do que o ganho em uma organizao de grande
porte que j possui sua estrutura gerencial constituda.
Pela forma estrutural estabelecida, o projeto INART perceptivelmente
aplicvel para qualquer empresa do mesmo ramo ou semelhante que a Thrillway
Comrcio e Representaes Ltda., de pequeno ou grande porte, podendo ser
adotado e passar a responder questes de negcio com uma nova perspectiva de
anlise atravs de adaptaes de acordo com o que for necessitado.
Com a finalidade de tornar a soluo do projeto INART menos propcia a erros,
poder ser incorporada soluo uma aplicao de insero de dados atravs de
uma interface grfica, a qual dever ser implementada em qualquer linguagem de
programao e servir tambm como interface lgica entre os dados armazenados
no Data Warehouse e o processo de ETL, melhorando visualmente o ambiente de
trabalho do cliente e diminuindo assim a taxa de erros nos dados de origem, o que
pode acontecer por uma simples letra digitada incorretamente nas planilhas
utilizadas.
Outra melhoria que tornaria o projeto mais abrangente seria a incluso de
indicadores que possam representar o mercado, incorporando assim o aspecto de
91
92
REFERNCIAS
ALMEIDA, Alexandre M. de. Proposio de indicadores para avaliao tcnica
de projetos de Data Warehouse: um estudo de caso no Data Warehouse da
plataforma Lattes. Monografia (Ps-Graduao em Engenharia de Produo)
Universidade Federal de Santa Catarina, Florianpolis, 2006.
ALMEIDA, Maria S.; ISHIKAWA, Missao; REINSCHMIDT, Joerg; ROEBER, Torsten.
Getting Started with Data Warehouse and Business Intelligence. 1 ed. 1999.
Disponvel em: <http://ps-2.kev009.com:8081/rs6000/redbook-cd/sg245415.pdf>
(acessado em 01 de setembro de 2010).
FORTULAN, Marcos R.; FILHO, Eduardo V. G. Uma Proposta de Aplicao de
Business Intelligence no Cho-de-Fbrica. Gesto e Produo, So Carlos, v. 12,
n. 1, p. 55-66, jan. abr. 2005. Disponvel em: <http://www.scielo.br/pdf/gp/v12n1/
a06v12n1.pdf>. (acessado em 04 de setembro de 2010).
FRAMEWORK, Cognos. Cognos 8 BI Metadata Modeling Part 1. Instructor
Guide, Code: C88152. Ottawa, Ontario, Canada, 2006.
GONALVES, Marcio. Extrao de dados para Data Warehouse. Rio de Janeiro:
Axcel Books, 2003.
INMON, William H. Building the Data Warehouse, Fourth Edition. Indianapolis:
Wiley, 1997.
JACOBSON, Reed; MISNER, Stacia; HITACHI Consulting. Microsoft SQL Server
2005 Analysis Services: Passo a Passo. Porto Alegre: Bookman, 2007.
JOHNSON, Debra L. K. Reporting with Rational Portfolio Manager Version 7.1.
2007. Disponvel em: <http://www.ibm.com/developerworks/rational/library/07/
0626_johnson> (acessado em 03 de setembro de 2010).
KIMBALL, Ralph; REEVES, Laura; ROSS, Margy; THORNTHWAITE, Warren. The
Data Warehouse Lifecycle Toolkit: Expert Methods for Designing, Developing,
and Deploying Data Warehouses. Canada: Wiley, 1998.
KIMBALL, Ralph; ROSS, Margy. The Data Warehouse Toolkit: The Complete
Guide to Dimensional Modeling. 2 ed. Canada: Wiley, 2002.
NARDI, Alexandre R. Fundamentos e Modelagem de Bancos de Dados
Multidimensionais. 2007. Disponvel em: <http://msdn.microsoft.com/pt-br/library/
cc518031.aspx> (acessado em 03 de setembro de 2010).
POWERPLAY, Cognos. PowerPlay OLAP Modeling for Series 7 Version 3 and
Cognos 8 BI. Instructor Guide, Code: C88182. Ottawa, Ontario, Canada, 2006.
REPORT, Cognos. Cognos 8 BI Report Authoring Part 1. Instructor Guide,
Code: C88158. Ottawa, Ontario, Canada, 2006.
SINGH, Harry S. Data Warehouse. 1 ed. So Paulo: Makron Books, 2001.
93
SMITH, Debbie. Data Model Overview: Modeling for the Enterprise while Serving
the Individual. 2007. Disponvel em: <http://www.teradata.com/t/brochures/DataModel-Overview-Modeling-for-the-Enterprise-while-Serving-the-Individual-eb2406>
(acessado em 01 de setembro de 2010).
SOUZA, Alessandro J. de. RUP: Rational Unified Process Fase Elaborao.
2005. Disponvel em: <http://www.cefetrn.br/~ajdsouza/engsoft1/PDF/RUP(FasesElaboracao).pdf> (acessado em 08 de julho de 2011).
STACKOWIAK, Robert; RAYMAN, Joseph; GREENWALD, Rick. Oracle Data
Warehousing and Business Intelligence Solutions. Indianapolis: Wiley, 2007.
STAUDT, Denis L. BI Como Ferramenta de Apoio a Gerncia de Projetos. Novo
Hamburgo: 2008. 91p. Projeto de Diplomao (Graduao em Sistemas de
Informao) Instituto de Cincias Exatas e Tecnolgicas, Centro Universitrio
Feevale, Novo Hamburgo.
TABULUS, Diehl Technology LLC. Tabulus Overview. 2010. Disponvel em:
<http://www.tabulus.com/Overview/TabulusVsOLAP.aspx>. (acessado em 09 de
setembro de 2010).
94
GLOSSRIO
Ad-hoc
Apud
Design
Et Cetera
Feedback
Gigabyte
Lookup
95
Query
Ranking
Software
Trigger
Update