Você está na página 1de 34

Projeto Analítico

PROJETO ANALÍTICO 1
Projeto Analítico

A Gestão de Projetos Analíticos

A gestão de projetos é importante para o dia a dia de qualquer organização, e hoje


precisamos tomar decisões com maior rapidez e com credibilidade, por isso surgiram os
projetos analíticos.

Muitos frameworks estão disponíveis para organizar e prover boas práticas na construção
de projetos. Um exemplo é o Project Management Body of Knowledge (PMBOK), um guia
bastante difundido, publicado pelo PMI (Project Management Institute), que fornece
melhores práticas para desenvolvimento das atividades de qualquer tipo de projeto, além
de promover técnicas e ferramentas que auxiliam o andamento das tarefas.

O PMBOK repassa todos os grupos de processos necessários para um projeto: iniciação,


planejamento, execução, monitoramento e controle, e o encerramento. Todos possuem
grande importância para o sucesso do desenvolvimento de um projeto analítico, e também
de qualquer outro projeto.

No projeto analítico é de suma importância o gerenciamento das etapas de


desenvolvimento do projeto, desde a abertura e o levantamento das necessidades até a
entrega do produto final. São muitas as vantagens de ter uma gestão efetiva de projetos.
Por exemplo, com o gerenciamento de projetos analíticos podemos ganhar em qualidade,
satisfação dos clientes (usuários), otimização dos custos, produtividade e atendimento aos
prazos acordados.

É importante ter o controle eficiente e eficaz das atividades de desenvolvimento de projetos


analíticos com a utilização de habilidades, técnicas, ferramentas e processos capazes de
otimizar recursos, melhorar a comunicação com o cliente e, principalmente, entregar um
produto de qualidade que atenda às expectativas das partes interessadas.

PROJETO ANALÍTICO 2
Os projetos analíticos surgiram para trazer maior agilidade às tomadas de decisões e
também são conhecidos como projetos de Inteligência de Negócios (em inglês, Business
Intelligence).

As empresas buscam extrair de suas soluções de Business Intelligence (BI) as informações


que vão direcionar as estratégias e ações da organização, visando alcançar a efetividade
dos processos de negócio. Para isso, são necessários ferramentas, técnicas e métodos
apropriados para gerir o desenvolvimento das soluções de BI, de forma a se adequar ao
ambiente corporativo, maximizando os resultados e levando sempre em consideração as
particularidades do negócio de cada organização.

Toda iniciativa de Business Intelligence (BI) possui custos, prazos e escopo envolvidos. Por
ser um esforço temporário que resulta na geração de um produto (solução propriamente
dita), serviço e/ou resultado exclusivo, deverá ser sempre enxergado como um projeto.
Devido à abrangência e à complexidade do trabalho necessário para criar uma solução de
BI, torna-se importante o gerenciamento através de técnicas e processos robustos.

Abaixo, alguns dos processos do PMBOK e como são enxergados nas etapas de construção
do BI:

 Desenvolver o termo de abertura – Qualquer projeto, inclusive de BI,


deverá ter um termo de abertura com a assinatura dos responsáveis e/ou
patrocinadores autorizando o início das atividades. Esse é o ponto de partida
do projeto.

 Identificar as partes interessadas – Esse processo vai identificar todos os


interessados (stakeholders) que exercem influência direta ou indiretamente
sobre o projeto. É um processo crítico e que deve ser realizado logo após a
abertura das atividades do projeto, pois é o subsídio para nivelação das
expectativas e planejamento das comunicações. O envolvimento de todos,

PROJETO ANALÍTICO 3
desde o início, minimiza o risco de fracasso da solução no momento de entrega
do produto final.

 Coletar requisitos – A coleta de requisitos é responsável por levantar todas


as necessidades e desejos de informações na organização. É nela em que serão
alinhadas as expectativas das partes interessadas sobre a abrangência do
projeto de BI.

 Definir escopo – Processo para descrever com detalhes o projeto. O escopo


da solução de BI deverá ser detalhado e bem definido nesta etapa.

 Definir atividades – Identificar as atividades que serão necessárias para a


conclusão do projeto.

 Criar a EAP – A Estrutura Analítica de Projeto (EAP) tem papel fundamental no


desenvolvimento do projeto. Nessa ocasião são feitas a subdivisão hierárquica
orientada a as entregas que facilitam e ajudam no trabalho necessário para
todo o projeto.

 Sequenciar as atividades – Identificar e documentar a sequência das


atividades e suas dependências. Por exemplo, a atividade de construção das
tabelas fatos no DataWarehouse depende da construção das tabelas de
dimensões.

 Estimar recursos das atividades – Estimativa dos recursos necessários para


a realização das atividades do projeto.

 Realizar a garantia da qualidade – Assegura que os padrões de qualidade


estejam sendo observados. No BI, é de suma importância esse processo. Sem
qualidade, principalmente nas informações carregadas, a solução de BI terá
pouco valor.

PROJETO ANALÍTICO 4
 Orientar e gerenciar a execução do projeto – Todo o desenvolvimento do
projeto de BI deve ser centralizado nesse processo. Aqui é orquestrada toda a
execução do projeto que foi definida no planejamento.

 Mobilizar equipe do projeto – A equipe que vai trabalhar no projeto deve


ser confirmada e mobilizada. Os recursos humanos devem estar disponíveis
para o desenvolvimento da solução de BI.

 Identificar riscos – Processo muito importante no projeto de BI. Aqui são


documentados os riscos existentes e que podem afetar o andamento do projeto.
Apesar do nome, o risco pode ser algo nem sempre prejudicial. O risco pode
ser encarado como ameaça ou oportunidade. Neste caso, devemos eliminar ou
minimizar as ameaças e garantir ou otimizar as oportunidades.

 Planejar respostas aos riscos – Caso a ameaça ou oportunidade apareça no


projeto de BI, é desejável que já saibamos como lidar com cada uma dessas
situações de riscos. Devemos então planejar as respostas a esses riscos para
que, caso ocorram, tenhamos a ação necessária para aproveitar a oportunidade
e eliminar/minimizar as ameaças.

 Encerrar projeto – O encerramento é o momento em que terminam as


atividades de desenvolvimento da solução de BI e é realizada a entrega aos
usuários. Se o projeto for subdividido em várias entregas de assuntos menores,
então é necessário reiniciar as atividades do projeto para a nova etapa.

Todos os processos possuem importância para o BI, e não somente os listados acima.
Muitos fatores são determinantes para a escolha desses processos.

PROJETO ANALÍTICO 5
Por fim, é importante ter o controle eficiente e eficaz das atividades de desenvolvimento
de projetos de BI para sempre tornar eficaz a comunicação com o cliente e entregar um
produto de qualidade que atenda às expectativas das partes interessadas.

O planejamento estratégico de uma empresa exige mais dinamismo do que os sistemas


de gestão normalmente conseguem prover. Existe então a necessidade da quebra de
paradigmas, saindo das atuais visões bidimensionais para um novo conceito que vem
revolucionando a gestão das empresas já há alguns anos: as visões multidimensionais,
igualmente conhecidas como Cubos, que fazem parte dos sistemas OLAP (Online
Analytical Process). Os sistemas OLTP (On-line Transactional Processing) são alterados
regularmente, pois controlam as operações diárias das empresas. Se uma informação
possui um valor incorreto, os resultados podem ser catastróficos. Já sistemas OLAP não
são alterados constantemente.

A capacidade de análise da empresa cresce exponencialmente com este novo tipo de


ferramenta. 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 agregar informações, e não mais simplesmente agrupá-las.

Sistemas OLTP e OLAP

O que é OLTP?
OLTP (On-line Transactional Processing) é um sistema utilizado como base de SGBD
(Sistema Gerenciador de Banco de Dados) transacionais. Ele permite que a realização de
comandos básicos, como insert, update e delete. É utilizado pela maior parte das
empresas em pequenas transações em tempo real e de forma rápida. Como não salvam
histórico de dados, não são ideais para utilização em suporte a tomada de decisão.

PROJETO ANALÍTICO 6
O Ambiente
O ambiente OLTP é operacional para leitura e gravação de dados. O acesso aos dados é
atômico, ou seja, não é possível maior detalhamento de dados do que ele já apresenta,
e estes são normalizados.

Seus principais pontos fortes são:

 Eficiência – A possibilidade da redução de documentos e maior velocidade na


resposta dos cálculos de despesas ou retornos são exemplos de como esse sistema
pode beneficiar a empresa que o tem como base de seu SGBD.

Os sistemas OLTP (Online Transactional Process), também conhecidos como sistemas


transacionais, são excelentes para administrar o dia a dia das empresas, mas pecam
quando o objetivo é o planejamento estratégico.

Os relatórios que os sistemas OLTP fornecem são restritos a uma visão bidimensional do
negócio, que não possibilita aos tomadores de decisão a flexibilidade que necessitam na
análise da organização como um todo. Esses relatórios trabalham com o conceito de
agrupamento linear das informações. Pode-se citar como exemplo disso um relatório que
exibe as vendas de determinado produto por região tendo os produtos e regiões agrupados
em níveis hierárquicos simples.

O que é OLAP?

OLAP (Online Analytical Processing) é um SGBD multidimensional. Funciona de forma


dedicada à tomada de decisão, possui várias dimensões visualizáveis, hierarquizadas em
várias granularidades, e segue um modelo lógico multidimensional. São geralmente
desenvolvidas para trabalhar em bancos de dados não normalizados.

Os dados presentes neste sistema não podem ser alterados, já que o sistema
permite update dos dados mas não manipulações com exclusão ou modificação direta dos
dados – as atualizações são efetuadas como cargas totais, ou seja, excluir a base e incluir.

PROJETO ANALÍTICO 7
Sua principal característica é a visão multidimensional, consultas que fornecem
informações sobre os dados presentes em uma ou mais dimensões. Para entender esse
conceito, vamos falar sobre outras características.

 Cubo – É uma estrutura que armazena os dados de negócio em formato


multidimensional, tornando-os mais fácil de serem analisados.
 Dimensão – É uma unidade de análise que agrupa dados de negócio
relacionados. As dimensões se tornam cabeçalho de colunas e linhas, a exemplo
de linhas de produto, regiões de venda ou períodos de tempo.
 Hierarquia – É composta por todos os níveis de uma dimensão, podendo ser
balanceada ou não. Na hierarquia balanceada, os níveis mais baixos são
equivalentes. Porém, isto não ocorre nas hierarquias não balanceadas, em que a
equivalência hierárquica não existe. Por exemplo, em uma dimensão geográfica o
nível “país” não possui o subnível “estado” para um determinado membro e
possui para outro.
 Membro – é um subconjunto de uma dimensão. Cada nível hierárquico tem
membros apropriados aquele nível. Por exemplo, em uma dimensão geográfica
existe o nível e seus membros.
 Medida – É uma dimensão especial utilizada para realizar comparações. Ela inclui
membros tais como custos, lucros ou taxas.

Vamos falar sobre os operadores OLAP para navegação.

São eles:

 Roll-up;
 Drill-down;
 Drill-through;
 Drill-cross;
 Slice;
 Dice;
 Pivot;

PROJETO ANALÍTICO 8
 Rank.

Vamos começar falando sobre os operadores de navegação ao longo das


Hierarquias:

 Roll-up – Abstrai detalhes, navega entre as hierarquias diminuindo nível do


detalhe. Ex.: Região –> País
 Drill-down – Aumenta o detalhamento dos dados, navega entre as hierarquias
buscando detalhamentos não visualizados. Ex.: Região –> estado.
 Drill-through – Detalha os valores ao longo de uma dimensão dada além do
nível mais baixo do cubo.
 Drill-across – Detalha vários cubos com dimensões compartilhadas.

Passemos então aos operadores de cubos:

 Slice – Extrai um subcubo das células verificando restrições ao longo de uma


dimensão.
 Dice – Extrai um subcubo das células verificando restrições ao longo de várias
dimensões.

E, finalmente, os operadores de visualização de resultados:

 Pivot – Permite diferenciar as visualizações através de trocas de colunas por


linhas ou alterando eixos das tabelas.
 Rank – Permite ordenar os dados de uma dimensão de acordo com a medida
corrente e serve também como filtro, por ex., ordenar os valores de vendas por
ordem de data ou do maior para o menor valor.

O OLAP pode ser composto por alguns modelos físicos de dados, entre os quais os
principais são o ROLAP e o MOLAP.

PROJETO ANALÍTICO 9
MOLAP:
 O modelo MOLAP (Multidimensional On-Line Analytical Processing) armazena
os dados de forma multidimensional. Sua implementação é frequentemente
feita em banco de dados relacional, porém não é normalizado na terceira
forma. Seu acesso acontece diretamente no servidor multidimensional e não
atinge a granularidade mínima.

ROLAP:
 O modelo ROLAP (Relational On-line Analytical Processing) armazena os dados
das tabelas relacionais, apresenta dados somente de forma multidimensional e
as tabelas, por serem relacionais, apresentam maior compatibilidade com os
sistemas, as fontes, o OLTP. Porém, necessita de remodelagem prévia em
esquemas especializados que serão modelados em star schema ou snow flake.

PROJETO ANALÍTICO 10
Abaixo, quadro com as diferenças principais entre OLTP e OLAP:

PROJETO ANALÍTICO 11
Em resumo, podemos dizer que a grande diferença está no fato de que um está
direcionado ao funcionamento dentro do ambiente operacional (OLTP) e o outro com
foco essencialmente gerencial (OLAP). Com as diferenças mostradas, percebemos que
não se trata de um conceito ser melhor que o outro, mas de serem conceitos
complementares e com objetivos distintos dentro da organização.

Cabe à empresa se posicionar e utilizar ambos da melhor forma possível para conciliar
desempenho operacional e o resultado estratégico da organização.

Modelo de dados Star Schema (estrela):


 O modelo de dados Star Schema possui uma tabela fato contendo no mínimo
uma coluna por medida agregada e uma coluna por chave de dimensão.
Tabelas de dimensão contêm uma coluna para cada atributo, descrevendo a
dimensão, e geralmente uma coluna por hierarquia.

PROJETO ANALÍTICO 12
 Não se preocupe com redundâncias, pois haverá, já que o modelo não possui
normalização.

Modelo Snow Flake (floco de neve):

 O modelo Snow Flake é parecido como o Star Schema. A diferença principal


está na normalização das tabelas dimensões. Isso facilita a evolução das
dimensões e ajuda a desocupar algum espaço antes utilizado pelas próprias,
porém, como passa a existir a necessidade de junções para acessar dados
normalizados, o tempo de resposta acaba ficando maior e talvez até mesmo
pela velocidade e pela facilidade o modelo estrela seja mais popular.

O que é DataWarehouse?

O DataWarehouse (DW) é o banco de dados do BI utilizado para armazenar


informações, já o OLAP é utilizado para recuperá-las. Ambos são especializados em
exercer suas funções de forma eficiente. As duas tecnologias são complementares,
de modo que um bom DW é planejado com produção de relatórios em mente.
Desta forma, para explorar o DW completamente é necessário o OLAP, que irá
extrair e alavancar totalmente as informações nele contidas. O OLAP e Data Mining
são partes integrantes de todo e qualquer processo de suporte à decisão. Ainda, nos
dias de hoje, a maioria dos sistemas de OLAP tem o foco no provimento de acesso
aos dados multidimensionais, enquanto os sistemas de DM lidam com a análise de
influência para os dados de uma única dimensão. As grandes empresas, como a IBM
e Oracle, estão liberando versões de seus RDBMS que possuem ferramentas de OLAP
e DM. Quando os usuários possuem ferramentas de OLAP e não de mineração de
dados, eles gastam boa parte de seu tempo fazendo as tarefas pertinentes a um DM,
como classificações e predições das informações recebidas.

PROJETO ANALÍTICO 13
O que é Data Mart?

É um subconjunto do DataWarehouse, pois são repositórios menores que são


desenvolvidos para determinados setores da empresa. Para tal, utiliza-se a mesma
tecnologia, sendo a maior vantagem dos Data Marts o tempo de desenvolvimento,
que leva a um retorno de ROI mais rápido. Deve-se que prestar atenção no
desenvolvimento desses Data Marts, pois eles devem ser integrados. Caso contrário,
o resultado será várias bases de dados, criando dados redundantes e sem
integridade.

O que é tabela fato?

Em um Data Warehouse, uma tabela que armazena os valores detalhados de


medidas (ou fatos) é denominada de tabela de fatos. Por exemplo, uma tabela que
armazene quantidade, valor total e produto.

Nada impede que existam fatos em conjuntos. Tudo depende do projeto. Se existir a
necessidade de unir fatos, o faça, mas pode e é recomendável, para melhorar a
performance.

Para identificarmos a tabela fato, fazemos a seguinte pergunta: O que precisamos


medir?

O que são dimensões?

A tabela dimensão é uma coleção de dados descritivos distintos que irão classificar,
definir e esclarecer as informações relacionadas à tabela fato.
Vamos utilizar um exemplo: digamos que estamos fazendo um DW para uma
empresa de vendas. Quais são as dimensões que podem existir para agregar
informação ao fato de vendas?
Para descobrirmos as dimensões, utilizamos as seguintes perguntas:

PROJETO ANALÍTICO 14
 Quem comprou o produto x?
 Quando foi comprado o produto x?
 Quais modelos de produtos foram vendidos nessa época?
 Quem foi o vendedor que mais vendeu do produto x?

Descobrimos quatro dimensões da tabela ato acima. São elas, respectivamente:

 Dimensão clientes;
 Dimensão tempo;
 Dimensão produtos;
 Dimensão vendedor.

Em Data Warehouse, o atributo-chave de uma dimensão deve conter um valor


exclusivo para cada membro da dimensão. Em termos de banco de dados relacional,
este atributo-chave é denominado “chave primária”.

As dimensões possuem chaves primárias e que devem também estar contidas na


tabela fato, que serão chaves estrangeiras. É desta forma que fazemos as ligações
da tabela fato com as dimensões.

Arquitetura de projetos de analíticos (Business Intelligence)

O sistema de BI possui um acervo de possibilidades e requer uma percepção bem


apurada da situação em questão para sua correta implementação. O BI contém certa
abstração em seu conceito, permitindo, assim, flexibilidade e adaptações a cada novo
projeto. Sua estrutura final vai depender do contexto em que está inserida a solução.
Em uma arquitetura genérica de BI, ou seja, naquela em que não aplicamos uma
estrutura pensada exclusivamente para um caso, a composição é simples. Em uma
visão macro, percebemos que o BI precisa necessariamente de três marcos:

PROJETO ANALÍTICO 15
Fonte de dados: toda e qualquer estrutura de BI deve possuir origem para os dados,
pois não existe milagre ou mágica para geração das informações. Podem ser oriundas
de várias fontes, mas com no mínimo uma. Lembre-se: tudo no BI possui uma origem.

Consolidação: uma solução de BI deve possuir uma fase de consolidação dos dados
da origem, com processos de transformação e tratamento de acordo com as
características intrínsecas, que o tornam consistente, estável, centralizado e à
disposição das necessidades informacionais da organização.

Decisão: todo sistema de BI possui como único e exclusivo objetivo auxiliar a decisão.
Por isso, esse é o seu último marco. Se a solução ao final não contemplar o que dela
mais se espera, de nada ela servirá.

A figura abaixo apresenta o modelo de arquitetura dos projetos de BI:

A arquitetura de um ambiente de BI varia de empresa para empresa, mas existem


alguns componentes comuns da arquitetura de BI que são encontrados, de uma
forma ou de outra, em todas as soluções de BI. O que está incluído na sua

PROJETO ANALÍTICO 16
arquitetura de BI irá ser dirigido pelos alvos, objetivos e requerimentos de sua
organização.

Ciclo de vida dos projetos analíticos (Business Intelligence)


O ciclo de vida do projeto (project life cycle) consiste no conjunto de fases que o
compõem, geralmente em ordem sequencial de execução.

A definição das fases do ciclo de vida de um projeto está diretamente ligada ao tipo
de produto a ser gerado. Embora muitos ciclos de vida de projetos possuam fases com
nomes similares e requeiram entregas similares, poucos ciclos são idênticos.

Vale ressaltar que o nível de atividade e, portanto, o custo e o número de membros


da equipe são baixos na fase inicial, alcançando seu ápice nas fases intermediárias,
vindo a diminuir na fase final. No início do projeto, o risco e a incerteza são altos,
sendo, portanto, baixa a probabilidade de conclusão com sucesso nesse momento.

A probabilidade de conclusão bem-sucedida do projeto geralmente aumenta,


progressivamente, conforme se avança, enquanto as incertezas diminuem. Cada
implantação de uma nova tecnologia da informação em uma empresa deve ser tratada
como um projeto. Sem querer engessar o planejamento dos gerentes, é possível listar
algumas fases que sirvam de modelos (templates) em alguns projetos. Não se
pretende apresentar um roteiro ou uma receita de bolo, uma vez que cada tecnologia
tem as suas particularidades.

PROJETO ANALÍTICO 17
As fases (que variam de acordo com a tecnologia) são:

 Definição;
 Estudo de viabilidade;
 Pesquisa;
 Seleção de tecnologia/fornecedores;
 Implementação ou construção;
 Implantação;
 Acompanhamento inicial da operação.

A implantação de um projeto de Business Intelligence possui as seguintes etapas do


ciclo:

 Concepção: estabelecimento dos objetivos e metas do projeto; levantamento


preliminar de dados; estudo inicial de viabilidade e autorização ou não de o
projeto prosseguir para a próxima fase.
 Pesquisa das tecnologias existentes;
 Definição da arquitetura de hardware, software e recursos humanos
necessários;
 Seleção/contratação de fornecedores;
 Projeto/modelagem dimensional: levantamento de necessidades (coleta e
análise dos requerimentos do negócio, indicadores/balanced scorecards,
consultas e relatórios) administração de dados (padronização de formatos);
projeto do BD (definição de fatos e dimensões; definição de granularidade e
projeto físico do DW); processo de ETC (extração, limpeza, transformação e
carga); e projeto das interfaces (inclusive com o ERP – Enterprise Resource
Planning);
 Implementação/construção: criação do DW; desenvolvimento da aplicação de
ETC; desenvolvimento/customização da aplicação usuária (indicadores,
consultas e relatórios, OLAP, data mining);

PROJETO ANALÍTICO 18
 Implantação: instalação dos softwares; extração dos dados do banco
operacional, transformação, limpeza e carga do DW (ETC); testes;
treinamento; início da operação.

Existem algumas etapas que são específicas dos projetos em Business Intelligence,
são elas:

Planejamento (1) – Definição dos requisitos (2) – Seleção e instalação do produto (3)
juntamente a Modelagem (3) – Projeto físico (4) – ETL (5) – Especificação da aplicação
analítica (6) – Desenvolvimento da aplicação analítica (7) – Implantação (8) –
Manutenção e expansão do projeto (9).

Como os projetos de Business Intelligence movimentam os negócios nas


organizações

Os projetos de BI possuem a função: por meio da análise das informações internas


da organização, é possível fazer um diagnóstico da situação atual da organização e,
com elas, propor soluções estratégicas para o negócio.

Antes de implantar o BI, é necessário considerar alguns fatores, como a análise da


situação atual da empresa e suas necessidades, os custos necessários para a
implantação de um sistema eficiente e qual o foco principal deste trabalho (será uma
análise de toda a empresa ou apenas de algum setor? Quem serão os beneficiados
pelo sistema?).

Entre as vantagens do BI, podemos destacar a descoberta de problemas que não


eram de conhecimento dos gestores e a identificação de novas oportunidades de
crescimento. Outra vantagem é que o aumento do nível de conhecimento enriquece
as discussões de negócio, pois, na medida em que as informações se acumulam, as
práticas gerenciais se aprimoram, levando os negócios para uma melhoria nos seus
resultados.

PROJETO ANALÍTICO 19
Alguns empresários possuem certo receio de que este recurso possa expor omissões
ou até mesmo que venha a substituir pessoas, mas é necessário que se compreenda
que a ferramenta de BI não foi feita para substituir ninguém, ela apenas auxilia no
processo de tomada de decisão, otimizando o tempo dos usuários e garantindo
informações mais rápidas e precisas, tornando assim o trabalho do gestor mais eficaz.
O BI é uma forma de os responsáveis pela gestão do negócio avaliarem o
empreendimento, trabalharem melhor seus pontos fortes e transformarem seus
pontos fracos em oportunidades.

Quais as ferramentas que temos no mercado que nos ajudam nos projetos
de BI?

Conforme já vimos anteriormente, o sistema de Business Intelligence (BI) não é algo


simples de ser concebido e desenvolvido. Depende de várias circunstâncias, que
incluem desde a expertise do profissional de BI até a organização dos processos
internos da empresa. Mas uma coisa é certa: ao final de tudo, o sucesso da solução
dependerá de uma boa ferramenta de BI. São muitas as ferramentas de BI existentes
no mercado. Elas são as responsáveis pela interface que o usuário final terá com as
informações armazenadas na estrutura de BI, que normalmente estará armazenada
no Data Warehouse. Ou seja, ela é a vitrine que o analista de negócios ou gestor terá
com o BI, por isso a grande importância da ferramenta dentro da solução como um
todo.

A ferramenta deve transmitir, principalmente, velocidade, robustez e facilidade de uso.


Com ela, podemos ter uma grande adesão no uso do BI, como também criar apatia
do usuário. Por isso, a seleção de qual ferramenta utilizar é um dos grandes desafios
no projeto. Mas ferramenta de maior custo não é sinônimo de melhor plataforma para
os negócios. Elas devem ser avaliadas caso a caso, observando-se o custo-benefício
de cada uma na realidade da empresa. Existem boas ferramentas gratuitas, que
atendem pequenas e médias empresas; e as comercializadas, que são para as médias
e grandes corporações.

PROJETO ANALÍTICO 20
Características como custo, desempenho, atualização, interface, licença de uso,
suporte da plataforma e volume de dados são exemplos de aspectos que deverão ser
avaliados para a adequação à realidade de cada empresa contratante. Portanto, as
plataformas são essenciais ao pleno funcionamento e à utilização da solução de BI.

A afinidade da ferramenta pelos usuários é um fator crítico de sucesso, devendo então


ser levado em consideração a usabilidade da aplicação. Eis a importância da
prospecção dessas ferramentas pelo profissional de BI para conhecimento e adequada
aquisição da plataforma mais apropriada para a organização. A solução a ser
implementada deverá adaptar-se ao ambiente operacional já existente, e não ser
intrusiva. Abaixo, seguem algumas das características que uma solução de BI deve
possuir:

 Deverá ser integrada, de forma a proporcionar uma "única versão da


verdade", respondendo às diversas necessidades operativas de cada setor da
organização;
 Deverá trabalhar com uma plataforma única, com capacidades de integração
avançadas;
 Deverá ser simples, intuitiva, fácil de usar e flexível;
 Deverá ser de baixo custo e de rápida implementação;
 Deverá ter uma elevada escalabilidade;
 Deverá ser de fácil manutenção;
 Deverá ser corporativa, à qual todos tenham acesso;
 Deverá disponibilizar mecanismos automáticos de alimentação de modelos
analíticos, de forma a disponibilizá-los a toda a organização em tempo útil e
de forma fácil, facilitando a tomada de decisão.

Pode dizer-se que as soluções de BI permitem às organizações navegar com ajuda de


um sistema de "GPS". Desta forma, conseguem saber onde se encontram no mapa em

PROJETO ANALÍTICO 21
que navegam, pois monitorizam o seu negócio, avaliam o seu desempenho, gerem o
risco do seu negócio e alcançam níveis de performance superiores.

Quais as vantagens das ferramentas mais populares e como tirar proveito


delas?

Como consequência do crescimento dos sistemas de BI, várias ferramentas de


manipulação e exibição de dados foram implementadas. São elas: ETL ( Extraction,
transformation and load ou extração, transformação e carga) e OLAP (On-line
analytical processing ou processamento de análises em tempo real). Essas ferramentas
de BI estão acopladas em uma plataforma de BI, que normalmente busca ser
completa. É menos vantajoso para a empresa ter ferramentas de plataformas de BI
diferentes (uma de ETL, outra OLAP, outra para análises preditivas etc.), logo torna-
se muito importante a decisão de quais ferramentas se implementar em uma empresa.

Um quesito imperativo neste cenário é a grande diversidade de ferramentas de BI no


mercado. Cada ferramenta possui sua característica particular, como preço, suporte,
funcionalidade, facilidade de uso e implementação etc. Uma empresa que decida
implementar uma solução de BI enfrentará um grande desafio na escolha de qual
ferramenta comprar. Diante da carência do mercado, surgiu a necessidade de se fazer
uma análise comparativa entre ferramentas OLAP para apoiar levantamento de
requisitos para soluções de BI nas empresas.

Com o objetivo de comparar as ferramentas, foi feito um estudo mais detalhado de


algumas ferramentas, a fim de expor as principais características, funcionalidades,
pontos fortes e fracos de cada uma. Selecionamos algumas ferramentas utilizando os
seguintes critérios de escolha: ferramentas mais utilizadas no mercado brasileiro;
ferramentas bem conceituadas pelo Gartner (de preferência classificadas como líder);
e inclusão de pelo menos uma ferramenta opensource. Apesar de não aparecer no
Quadrante Mágico (Gartner) por não cumprir o quesito de lucro anual mínimo exigido
pelo Gartner, possui um significativo segmento de mercado.

PROJETO ANALÍTICO 22
Vamos analisar também pontos positivos e negativos de algumas delas, como citamos
acima. Exemplos de alguns pontos que iremos citar:

Pontos positivos: a plataforma é focada principalmente em técnicas analíticas


avançadas, tais como Data Mining e modelagem preditiva, ao contrário das outras
soluções. Suas ferramentas analíticas são orientadas à solução, o que dá a vantagem
de cobrir uma ampla variedade de funcionalidades específicas não triviais. Seu enfoque
em colocar seus modelos diretamente sob o controle do gerenciador de banco de
dados sem movimentação de dados faz com que seus usuários tenham um diferencial
na escalabilidade de banco de dados para rodar modelos preditivos de alta
performance em grande volume de dados.

Pontos negativos: existem outras ferramentas competentes em análises preditivas


ameaçando o domínio de algumas como o BO SAP, SAS etc. Alto custo de suas licenças,
de implementação e manutenção. Alta dificuldade de implementação, possui diversas
interfaces inconsistentes em sua suíte. Usabilidade limitada.

Alguns critérios podem ser avaliados com maior rigor, como, por exemplo, a questão
do custo, podendo ser incluídos outros elementos, como estimativa de custos com
treinamento, suporte e hardware.
A seguir, vamos fazer uma análise de algumas ferramentas de maior valor no
mercado:

IBM COGNOS

Pontos positivos: seu BI unificado, também chamado de “Business Analytics”, se


destaca por oferecer uma ampla capacidade analítica com expertise vertical
significativo. Arquitetura completamente integrada na interface do usuário final,
permitindo análises interativas. Boa capacidade de análises preditivas e estatísticas.
Existência da versão IBM Cognos Express, uma versão mais compacta e com preço

PROJETO ANALÍTICO 23
mais modesto. Arrojo em sua visão de expansão no mercado. Seu portfólio de
aplicações se entende por CRM horizontal, recursos humanos, área financeira e de
fornecimento.

Pontos negativos: a performance do software não é considerada boa. Sua


implementação é mais difícil, se comparada a dos concorrentes. O custo da licença por
usuário é considerado alto e acima da média. Baixa qualidade no suporte ao cliente e
na interatividade da venda.

MicroStrategy

Pontos positivos: boa performance e suporte para grandes volumes de dados –


clientes têm um alto nível de satisfação quanto à qualidade e funcionalidades do
produto. Investimento em aplicações de BI em dispositivos móveis. Boa produtividade
por desenvolvedor. Custo de administração por usuário abaixo da média das
concorrentes. Alto nível de integração dos componentes que compõem a plataforma e
boa reusabilidade de sua camada semântica orientada a objeto. Foco na qualidade de
suporte ao cliente; o ponto alto é o módulo mobile, que de acordo com o Gartner é a
melhor de todas as ferramentas.

Pontos negativos: dificuldade de uso – alguns expedientes são um pouco complexos


(não amigáveis), como, por exemplo, a criação de Dashboards, criação de relatórios
ad hoc self-service etc. Custo do software – custo por usuário acima da média.
Usuários citam esse ponto como um limitador para uma expansão maior do produto.
Concorrentes grandes focados em nichos específicos estão levando vantagem sobre o
MicroStrategy.

SAS

Pontos positivos: a plataforma é focada principalmente em técnicas analíticas


avançadas, tais como Data Mining e modelagem preditiva, ao contrário das outras

PROJETO ANALÍTICO 24
soluções. Suas ferramentas analíticas são orientadas à solução, o que dá a vantagem
de cobrir uma ampla variedade de funcionalidades específicas não triviais. O SAS se
destaca por suas funcionalidades e pela sua integração dos dados, mantendo uma
base se usuários fieis. Seu enfoque em colocar seus modelos diretamente sob o
controle do gerenciador de banco de dados sem movimentação de dados faz com que
seus usuários tenham um diferencial na escalabilidade de banco de dados para rodar
modelos preditivos de alta performance em grande volume de dados.

Pontos negativos: existem outras ferramentas competentes em análises preditivas


ameaçando a domínio do SAS, como o MicroStrategy, SAP BO e Microsoft. Alto custo
de suas licenças, de implementação e manutenção. Alta dificuldade de implementação,
pois possui diversas interfaces inconsistentes em sua suíte. Usabilidade limitada.

SAP Business Objects (BO)

Pontos positivos: suporte amplo e heterogêneo a sistemas e aplicativos para dados


de origem e destino da SAP e de terceiros. Recursos para aplicar transformações de
qualidade de dados a todos os tipos de dados, de qualquer domínio de dados – como
dados estruturados ou não estruturados. Produtividade de desenvolvedores e
manutenção de aplicativos otimizados por meio de transformações intuitivas,
repositório centralizado de regras empresariais e reuso de objetos. Alto desempenho
e escalabilidade com software destinado a atender a necessidades de alto volume por
meio de suporte a processamento paralelo, computação em grade e carregamento de
dados volumosos. Interfaces amigáveis, sendo os painéis projetados para aumentar a
familiaridade e a intuitividade do usuário de negócio e esquemas de qualidade de
dados para nortear processos de padronização, correção e comparação de dados para
reduzir duplicidades e identificar relações. Usabilidade e facilidade de uso, apoiando
eficazmente as questões empresariais mais complexas (no caso destas ferramentas os
termos não são sinônimos, pois usabilidade, quer dizer que é uma ferramenta muita
utilizada no mercado e facilidade é de fácil utilização para o usuário final.)

PROJETO ANALÍTICO 25
Pontos negativos: constituído de inúmeros produtos separados baseados em
tecnologias diferentes que comprometem a integração, que não é tão boa quanto
deveria. Oferece uma grande variedade de produtos, responsável pela consolidação
financeira. É ótimo até que se percebe que a comunicação entre eles é dificultosa –
falta de caminho de migração. O serviço de software parece embaraçoso. Apenas
algumas das alterações podem ser feitas pessoalmente pelo cliente.

A maioria das alterações envolve os desenvolvedores de TI. As conexões de dados


devem ser melhoradas devido ao seu excesso e inconsistência, podendo ocasionar
resultados inconsistentes de dados. Apesar de a SAP afirmar que o Business Objects é
totalmente integrado com SAP BW e que este tipo de integração não requer nenhum
trabalho adicional da área de TI, quem tentou criar um universo de Negócios Objetos
baseado em um BW SAP InfoCube sabe que este não é o caso. O foco na gestão de
desempenho tem sido fraco. A SAP promete empenhar-se nessa direção no futuro
próximo.

Oracle Business Intelligence

Pontos positivos: em comparação às concorrentes, a ferramenta suporta o maior


número usuários, o maior volume de dados, a mais ampla variedade de
funcionalidades e a maior capacidade de carga de trabalho analítica. Plataforma de BI
presente no maior número de organizações; Integração com outros aplicativos
organizacionais. Possui um dos maiores canais de venda, procura agregar valor
constantemente com sua capacidade de integração entre sistemas.

Pontos negativos: falta de inovação no que envolve dispositivos móveis, memória


interna e visualização interativa. Qualidade no suporte ao cliente em ligeiro declínio.
Apesar de investimentos feitos em habilidades de data mining e tecnologias analíticas
preditivas, suas aceitações estão abaixo da média, se comparado aos concorrentes.

PROJETO ANALÍTICO 26
QlikView

Pontos positivos: rapidez – modelo de dados em memória elimina etapa de geração


de cubos OLAP, DataWarehouse não é necessário. Facilidade de uso – interface
baseada no sistema point-and-click (apontar-e-clicar). Cada clique na interface é uma
query. Flexibilidade – aproveitamento da plataforma multi-core de 64 bits, número de
dimensões ilimitado. Simplicidade – permite visão das informações através de
relatórios, análises ad hoc e painéis.

Pontos negativos: a empresa QlikTech, dona do Qlikview, não possui uma estratégia
de expansão além do que ela oferece, não tendo uma visão clara sobre seu futuro.
Gerenciamento de metadados limitado. Em sua plataforma, há uma incompletude de
habilidades de BI essenciais, como modelagem preditiva e maior integração com o
Microsoft Office por não trabalharem com cubos e sim com bases relacionais, com isso
o tempo de resposta também é aquém do requerido. A implementação está se
tornando cara para necessidades que requeiram maior número de usuários.
Pentaho

Pontos positivos: gestão e distribuição de informes e painel de controle sobre


plataforma de código aberto: otimização do intercâmbio de informação e a
colaboração. Fácil integração com diferentes fontes de dados e aplicativos que utilizem
padrões abertos; Totalmente personalizável. Capacidade de usar APIs, serviços web,
modificar planilhas, regras de negócios e o código fonte. Flexibilidade nas opções de
saída, podendo ser: Adobe PDF, HTML, Microsoft Excel, texto plano etc. Roda em
multiplataformas: Windows, Linux, Macintosh, Unix etc.

Pontos negativos: documentação fraca. Necessidade de conhecimento técnico


elevado.

Antes de adquirirmos uma destas ferramentas citadas acima, temos que analisá-las
sob alguns critérios que são essenciais para tal aquisição.

PROJETO ANALÍTICO 27
Estes critérios devem ser baseados nos critérios utilizados para a avaliação do Gartner,
como também nas pesquisas feitas em fóruns, trabalhos já relacionados sobre o tema,
artigos publicados e entrevistas com profissionais e usuários da área.

Abaixo, seguem alguns critérios que devem ser analisado:

1. Básicos: características consideradas básicas para qualquer ferramenta OLAP


1.1. Desempenho: avalia se a ferramenta tem uma boa performance ao processar
consultas com um alto volume de dados.
1.2. Consultas ad hoc OLAP: avalia se a ferramenta permite ao usuário ter a liberdade
de definir consultas que acredite serem melhores em um dado contexto.
1.3. Arquitetura: avalia se a solução implementa arquiteturas OLAP que possuem alta
escalabilidade, como, por exemplo, ROLAP ou HOLAP.
1.4. Plataforma: avalia se a ferramenta pode ser executada nos sistemas operacionais
mais difundidos, como Windows, Linux e UNIX.
1.5. Suporte técnico/documentação: avalia o nível de qualidade da documentação e
suporte técnico oferecidos pela ferramenta.
2. Relatórios: usabilidades dos relatórios e gráficos
2.1. Agendamento: avalia se a ferramenta permite o agendamento de relatórios.
2.2. Dashboards: avalia se a ferramenta possibilita a criação de painéis.
2.3. Recursos de navegação: avalia se a ferramenta oferece suporte para a geração
de relatórios com recursos do tipo Drills, Slice and Dice etc.
2.4. Exportação para outros formatos: avalia se a ferramenta dispõe de recursos de
exportação para formatos como PDF, HTML e ODT (para permitir futuramente a
integração com ferramentas livres).
3. Funcionalidades web: disponibilidade da empresa via web para suporte
3.1. Fóruns: avalia se a ferramenta possui fóruns/blogs em quantidade razoável que
forneçam informações relevantes.
3.2. Help On-line: avalia se a ferramenta possui o recurso de ajuda on-line.
3.3. Suporte a dispositivos móveis: avalia se a ferramenta suporta o uso de dispositivos
móveis como iPad, iPhone e Android.

PROJETO ANALÍTICO 28
4. Simulação de cenários: análises feitas com a interação do usuário
4.1. Simulação What If: avalia se a ferramenta possui o recurso de simulação de
cenários hipotéticos, exibindo-os através de gráficos e dados.
4.2. Análise preditiva: avalia se a ferramenta disponibiliza o recurso de utilizar os dados
para prever tendências futuras e padrões de comportamento.
5. Usabilidade: ponto de vista do usuário para utilização da ferramenta
5.1. Facilidade de uso: indica o quão fácil é para o usuário leigo identificar suas
funcionalidades, onde encontrá-las e como executá-las.
5.2. Atratividade: avalia o grau em que a ferramenta possui uma interface amigável e
atrativa.
5.3. Interface personalizável: identifica se a ferramenta permite customizações de
interface para atender, por exemplo, a padrões gráficos e visuais do cliente.
6. Produto: licenças e posicionamento da empresa no mercado
6.1. Custo: avalia o custo para a compra da licença da ferramenta.
6.2. Amadurecimento do produto: visa analisar o nível de consolidação e estabilidade
da ferramenta.
6.3. Mercado: indica o porte das empresas usuárias do produto.
7. Ferramenta de planejamento: modo de distribuição dos relatórios.
7.1. Carregamento de dados de diferentes fontes: avalia a possibilidade de integração
da solução com fontes de dados heterogêneas.
7.2. Integração com Office: avalia a possibilidade de integração da solução com as
ferramentas do Office, que são comumente usadas pela maioria dos usuários.
8. Política de segurança: segurança dos dados
8.1. Perfil de usuário: verifica se a ferramenta permite que o administrador defina
níveis hierárquicos para os usuários do sistema.
8.2. Log de auditoria: avalia se a ferramenta permite que as empresas auditem as
interações do usuário, mantendo logs no nível do sistema para fornecer visibilidade
sobre quem está acessando o quê e quando.

Para melhor análise, ainda temos alguns pontos interessantes para avaliação:

PROJETO ANALÍTICO 29
 Acompanhe fontes de pesquisas confiáveis, como os relatórios do Gartner, e
observe a manutenção da posição da ferramenta pretendida no quadrante. É
melhor ter como parceira uma empresa que se mantém em nível intermediário
por muito tempo do que aquela que apareceu como líder absoluto em um
único relatório.
 Tente focar a análise, principalmente sob o ponto de vista do mercado
brasileiro. Grandes marcas não possuem presença significativa no Brasil, o
que pode colocar você em uma roubada ao precisar de pós-vendas.
 Não adianta ter um megaproduto se não tem ninguém que saiba colocá-lo
para funcionar adequadamente. As implementações de maior sucesso na
maioria das vezes estão ligadas ao conjunto “Cliente-Integrador-Fabricante”.
Muitas vezes, um bom integrador consegue resolver todos seus problemas
com produtos que talvez não tenham grande visibilidade internacional.
 Além dessas dicas de análise, não esqueça que: cada necessidade deve ser
analisada do ponto de vista do cliente, e não do fabricante.
E a experiência de outrem é sempre boa referência. Procure saber se outros
projetos já implementaram a solução pretendida e converse sobre os
benefícios e dificuldades ocorridos.

Como acontece em todas as avaliações destas ferramentas, algumas se destacam mais


em alguns critérios do que em outros. Por exemplo, no critério Relatórios, o Business
Objects leva vantagem perante as demais ferramentas. Já no critério Usabilidade, a
ferramenta QlikView demonstra superioridade.

Entretanto, apesar destes resultados, de uma maneira geral a ferramenta


MicroStrategy tem maior destaque nas avaliações em conjunto, ou seja, no conjunto
dos itens a serem analisados.

Outra maneira de avaliação, e que hoje é bem utilizada, é desenvolver provas de


conceitos (POC) com as ferramentas a fim de obter uma percepção melhor de
usabilidade e desempenho.

PROJETO ANALÍTICO 30
Conclusão

Dois fatores permeiam o processo decisório que um administrador/gestor encabeça.


Ambos podem ser considerados as bases para acertar ou errar na decisão.

São eles: a integridade das informações que estão sendo usadas para subsidiar,
objetiva e confiavelmente, o processo decisório; a velocidade na identificação de
oportunidades e ameaças provenientes dessas informações.

O fator mais importante para a utilização da Inteligência de Negócios ou Projetos


Analíticos, porém, é o alinhamento entre as metas a serem alcançadas por esse
processo e o planejamento estratégico da empresa, como forma de apoio às
decisões e, em alguns casos, para realinhamento de eventuais desvios.

O meio mais comum para a utilização desse conceito está apoiado em softwares que
foram projetados para obter, guardar, analisar, prover acesso a dados e suportar a
melhor decisão baseada em fatos.

Uma das grandes necessidades identificadas pelos fornecedores de softwares de


Business Intelligence é a integração de diversos sistemas para a obtenção das
informações consolidadas que geram valor no processo decisório.

A grande maioria das ferramentas está apoiada nessa necessidade ou em sistemas


ERP, que já integram todas as informações das empresas.

As vantagens que advêm da utilização destas soluções têm a ver com o acesso a
informação de qualidade que permita que as empresas conheçam melhor a sua
realidade, quer seja interna, quer seja voltada para o exterior, permitindo-lhes obter
indicadores preciosos para melhorar o desempenho da sua atuação e a inovação,
tão necessários ao seu crescimento.

PROJETO ANALÍTICO 31
As organizações que estão atrás de inteligência empresarial investem no processo de
busca de informações com o objetivo de aumentar seus diferenciais competitivos, o
que as levam à tomada de decisão. Este processo de busca da informação deve ser
iniciado dentro da própria organização, e também pode ser ajudado com pesquisas de
marketing, mercado, negócio e concorrência.

Hoje, as organizações podem contar com um mercado amplo de produtos na área de


inteligência competitiva. Existem empresas no mercado especializadas em soluções de
BI que permitem às organizações alinhar sua estratégia de negócio à sua execução
utilizando como ponte a Tecnologia da Informação, que ajuda a impulsionar o BI por
toda a organização e oferecer inteligência onde os usuários precisam.

PROJETO ANALÍTICO 32
Referências

AUAD, Arnaldo. Conceitos de Business Intelligence. Disponível em:


http://www.direcaoesentido.com.br. Acesso em: nov. 2010.

BARBIERI, Carlos. Business intelligence. Modelagem & tecnologia. Rio de Janeiro:


Axcel Books, 2001.

DAL POZZO, Marco A. Implementação do cubo de decisão em uma data warehouse


extraído de um sistema de gerenciamento empresarial. 2002. 42 f. Trabalho de
Conclusão de Curso (Bacharelado em Ciências da Computação) – Centro de Ciências
Exatas e Naturais, Universidade Regional de Blumenau, Blumenau.

DAVENPORT, T.H.; PRUSSAK, L. Conhecimento empresarial – como as empresas


gerencial seu capital intelectual. 5. ed. Rio de Janeiro: Campos, 1988.

BARRETO, David Guaspari. Business Intelligence – Comparação entre ferramentas.


UFRGS, [s./l.], 2003.

DRUKER, PETER. Administrando em tempos de mudança. São Paulo: Thomson


Learning, 1995.

DRUKER, PETER. Peter Drucker na prática. São Paulo: Campus, 2004

Albano, C. Impacto da TI no cenário competitivo das organizações. São Paulo:


Developers, 2000.

PROJETO ANALÍTICO 33
TURBAN, Efraim; SHARDA, Ramesh; ARONSON, Jay E.; KING, David King. Business
Intelligence - Um enfoque gerencial para a inteligência do negócio. Porto Alegre:
Bookman, 2008.

TURBAN, Efraim; ARONSON, Jay Aronson; e LIANG, Ting-Peng. Decision Support


And Business Intelligence Systems. 8. ed. USA: Prentice-Hall, 2007.

BENETTI, Erikson Diniz Benetti e MAÇAL, Rui Francisco M. Principais produtos de


Business Intelligence disponíveis no mercado e suas características - XI SIMPEP –
Bauru: 2004.

PRIMAK, Fábio Vinicius. Decisões com B.I. - Business Intelligence. Rio de Janeiro:
Ciência Moderna, 2008.

INMON, William H. Como construir o DataWarehouse. Rio de Janeiro: Campus, 1997.

KIMBALL, R. The datawarehouse toolkit. USA: Wiley, 2002. p. 464.

SERRA, LAÉRCIO. A essência do business intelligence. São Paulo: Berkeley, 2002.

SÁ, Thays; MATHEUS, Alessandra; IWANAGA, Massao; RIBEIRO, Alessandro;


ESCOVEDO, Tatiana; e MELO, Rubens N. Uma análise comparativa entre as
ferramentas OLAP como apoio a soluções de BI nas empresas. PUC-RJ, 2010.

PROJETO ANALÍTICO 34