Escolar Documentos
Profissional Documentos
Cultura Documentos
Hierarquia de entidades
-Remessa..
Nível 2: Nível 3:
...." ····p·"':c/rãbela de contatos de cliente
As empresas mais bem-sucedidas são aquelas que podem responder rápida e flexi-
velmente às alterações e às oportunidades do mercado e a chave para essa resposta
é a utilização efetiva e eficiente dos dados e das informações, como mostrado no
caso do Harrah's, Isso é feito não apenas via o processamento de transações, mas
também por meio do processamento analítico, que envolve a análise dos dados acu-
mulados, frequentemente pelos usuários finais. O processamento analítico, também
conhecido como inteligência de negócio, inclui a mineração de dados, sistema de su-
porte à decisão (SSD), sistemas de informação da empresa (SIEs), aplicativos Web,
consultas e outras atividades de usuário final. Colocar informações estratégicas nas
mãos dos tomadores de decisão ajuda a produtividade e capacita os usuários a tomar
melhores decisões, o que resulta em maior vantagem competitiva. Um bom sistema
de entrega de dados deve ser capaz de suportar acesso fácil aos dados pelos próprios
usuários finais bem como tomada de decisão flexível, eficaz, precisa e rápida,
Há basicamente duas opções para conduzir um processamento analítico. Um
deles é trabalhar diretamente com os sistemas operacionais (a abordagem "vamos
utilizar o que temos"), usar ferramentas e componentes de software conhecidos
como ferramentas de front-end e middleware (consulte o Guia de Tecnologia 2). O
outro é utilizar um data warehouse.
A primeira opção pode ser ótima para empresas que não tem um grande núme-
ro de usuários finais executando consultas e conduzindo análises contra os sistemas
operacionais. Ele também é uma opção para departamentos que consistem princi-
palmente de usuários com as habilidades técnicas necessárias para um uso extenso
de ferramentas como planilhas e gráficos. Embora aqueles com menos habilidades
118 Porte 11 Infraestrutura de TI
~.
~.
~
""r-
1!i;;\:'.·····>··r
. Realização Materiais
de pedidos 1-----,
no ponto
e venda
Estoque,
t------I transa-
ões
ERP
::::====::: Contas,
1------1 transa-
ões
Legado
Transformação
de dados r===~~t=~~=:t5~~::t:~==~~~~~
Data warehouse
"corporativo"
Usuarios tomadores
d,~ decisão ~
~.~1~~ ~_"
~
~
~ ~
~.g] Ô
Usuários Usuários Relatórios Mineradores Ciclo fechado/
estratégicos táticos usuários OLAP de dados baseado em evento
Figura 3.14 Data warehouse corporativo da Teradata Corp. (Fonte: Teradata Corporation [teradata.corn]. com perrnissâo.)
c~pnulo3 Gerenciamento de Dados: Dados, Bancos de Dados e Warehousing 121
Data marts. O alto custo dos data warehouses restringe seu uso a grandes em-
presas. Uma alternativa utilizada por outras empresas é a criação de uma versão
reduzida e de custo mais baixo de um data warehouse chamado data mart. Um data
mart é um pequeno warehouse projetado para uma unidade estratégica de negócios
(UEN) ou para um departamento.
As vantagens dos data marts incluem: baixo custo (preços abaixo de US$ 100.000
versus US$ 1 milhão ou mais para data warehouses); tempo de preparação significa-
tivamente menor para implementação, normalmente menos de 90 dias; controle local
em vez de controle central, dando poder ao grupo de uso. Eles também contêm menos
informações que o data warehouse. Consequentemente, eles têm resposta mais rápida
e são mais facilmente entendidos e navegados do que um data warehouse corporativo.
Por fim, eles permitem que uma unidade de negócios construa seu próprio sistema de
suporte à decisão sem contar com um departamento de SI centralizado.
122 Parte 11 Infraestrutura de TI
. ;
Muitos bancos de dados são estáticos: Eles simplesmente coletam e armazenam i, for-
mações sobre os clientes. Eles aparecem 'Ias, i: \'[',,(;5 '. ,_,;r :,. "," _.. ; u., .o"u;)~ de
operações, data warehouses e bancos de dados de marketing. O sucesso do marketing
de hoje requer um novo tipo de banco de dados direcionado à personalização em tem-
po real das mensagens de marketing. Esse banco de dados fornece o meio mais eficaz
de capturar informações sobre as preferências e necessidades dos clientes. Por sua vez,
empresas podem utilizar esse conhecimento para criar novos produtos e/ou produtos e
serviços personalizados. Esse banco de dados é chamado banco de dados de transações
de marketing (marketing transaction database - MTD). O MTD combina várias carac-
terísticas dos bancos de dados atuais e origens de dados de marketing a um novo banco
de dados que permite que profissionais de marketing se empenhem na personalização
em tempo real e tenham por alvo todas as interações com os clientes.
• Por meio de um registro online de casais que esperam filhos, a Burlington Coat
Factory monitora o crescimento das famílias. A empresa então relaciona o mate-
rial de mala-direta com as diferentes etapas do desenvolvimento de uma família ao
longo do tempo. A Burlington também identifica, diariamente, os melhores estilos
de vendas e marcas. Pesquisando detalhadamente os dados demográficos, padrões
do histórico de compras e tendências das vendas existentes nas lojas, a Burlington
determina onde abrir sua próxima loja e qual deve ser o estoque de cada uma .
• O Bank of America recebe diariamente mais de 100,000 chamadas telefônicas
$FlN
dos clientes. Analisando as atividades bancárias dos clientes, esse banco deter-
mina o que poderia ser interessante para eles. Portanto, quando um cliente tele-
fona para verificar o saldo, o banco tenta vender algo em que o cliente poderia
estar interessado.
\) No seu data warehouse, o Chicago Tribune armazena informações sobre o com-
portamento dos clientes à medida que eles acessam os vários sites desse jornal.
SRV A mineração de dados ajuda a analisar volumes de dados que vão desde os na-
vegadores utilizados até os hyperlinks clicados com mais frequência.
Cilpítulo 3 Gerenciamento de Dados: Dados, Bancos de Dados e Warehousing 125
O volume de dados no data warehouse pode ser bem grande. Embora a organiza-
ção dos dados seja feita para facilitar a pesquisa, ainda assim seria útil um sistema
de pesquisa para aplicativos específicos. Um agente inteligente pode aprimorar a
operação de um data warehouse. Esse aplicativo complementa a monitoração e a
varredura de dados estratégicos externos. O aplicativo do agente inteligente pode
atender tanto necessidades de informações ad hoc de consulta/geração de relatórios
aos gerentes como necessidades externas de dados de um sistema estratégico de
suporte à administração para empresas florestais na Finlândia.
Gerenciamento do
warehouse
Aplicativo
de ERP Banco de ------------ ...•
1 1
dados de I 1
transações ETL e I - - -I Aplicativo 1
online qualidade I 1
1 L~n:~tico
jY-
1
:_.F
. =~~~adO?1 1
t.,
1
-1-
I
-G
·~·I·~<'::'·~-·- OLni'
~
Consulta e
geração
de relatórios
Dados do
ponto
de venda
Entendimento
Portais
corporativos
de informações
Analisar logs Web rapidamente pode ser bem útil. Por exemplo, uma análi-
se rápida permite à administração estimar a eficácia de uma promoção de vendas
baseada na Web. Ferramentas populares são Web Trends (da NetIQ) e Mach5
Analyzer (da Machó.com).
Os dados da sequência de cliques podem revelar informações para responder
a questões como: Quais produtos o cliente pesquisou ou comprou? Quais itens o
cliente comprou junto com outros itens? Quais anúncios e promoções foram efi-
cazes? Quais foram ineficazes? Certos produtos são muito difíceis de encontrar?
Certos produtos são muito caros? Há um produto substituto que o cliente encontra
primeiro?
A Web é uma fonte incrivelmente rica de inteligência de negócio e muitas empre-
sas estão lutando para construir data warehouses que capturem o conhecimento con- .
tido nos dados da seqüência de diques a partir de seus sites. Analisando os padrões de
comportamento dos usuários contidos nesses data warehouses de sequência de cliques,
as empresas com visão podem expandir seus mercados, aprimorar relacionamentos
com os clientes, reduzir custos, simplificar operações, fortalecer seus sites e aperfeiçoar
suas estratégias de negócio. Há duas opções: Incorporar dados baseados na Web aos
data warehouses preexistentes ou construir novos data warehouses de seqüência de
diques que são capazes de mostrar tanto as atividades de e-business como os aspectos
não Web do negócio de uma maneira integrada (consulte Sweiger at el., 2002). Para
um aplicativo utilizado pela Victoria's Secret, consulte TI em ação 3.1.
Caprrulo 3 Gerenciamento de Dados: Dados, Bancos de Dados e Warehousing 127
. ... .-
Para comerciantes
. -.. .. - -
de contato direto com o consumidor, a
. .
;~
,
.,
"morte de um pedido" pode ocorrer a qualquer momen- das que vão desde pedidos e oportunidades de "agre-
to durante a transação. A "morte de um pedido" significa gar mais valor às vendas" (ou up-sell, isto é, vender aos
que os clientes (nu iam de ideia em algum ponto durante o clientes itens mais caros) até reclamações e soluções so-
processo Jd lealiLdi;dú do pedido. Mas, utilizando um data bre merchandise.
warehouse corporativo para capturar informações sobre os o O canal online da empresa produz um enorme volume de
clientes e ferramentas de suporte à decisão para analisar dados sobre os clientes, uma vez que ela aceita milhares
padrões de compras, a Victoria's Secret (victoriassecret.com) de pedidos diariamente tanto para produtos online como
mantém os pedidos ativos e trabalha para fornecer uma me- para produtos de catálogo. As atividades de cada cliente
lhor experiência de compra. no site são armazenadas no data warehouse.
Diferentemente de uma compra física, a venda direta
A Victoria's Secret coloca todos esses dados em ação
de produtos por meio de vitrines eletrônicas fornece um alto
de várias maneiras. A empresa cria mensagens de email com
volume de elementos de dados únicos e diversos em todas
um alvo específico, totalizando um envio de 150 milhões de
as etapas da vida de um pedido. Para transformar os dados
mensagens de email por ano. Essas mensagens incluem
.coletados em informações manipuláveis, essa empresa utili-
ofertas, produtos especiais, convites, anúncios e outras
za uma solução de data warehouse da Teradata (uma divisão
ações de marketing.
da NCR Corp.). O revendedor monitora todos os padrões de
A empresa analisa diariamente o status de cada produ-
compras e de contato.
to por cliente, por dia, para cada pedido. O data warehouse
O data warehouse armazena os dados coletados a partir
possibilita que a Victoria's Secret aprimore as previsões de
de vários fluxos de dados:
comportamento dos clientes e também permite que essa em-
o A principal origem de dados é o cliente. Além de ter aces- presa mantenha-se em dia com a equação do lucro de cada
so ao nome, endereço e histórico de compras de todos pedido. Para medir a receita de cada pedido, a Victoria's Se-
os clientes, a empresa também diferencia o originador do cret começa com o preço de um produto e subtrai as despe-
pedido dos destinatários dos produtos, com base no ar- sas de despacho, manuseio e impostos relacionados e tam-
mazenamento de cada endereço de remessa. bém os custos de um serviço especial, como correio expresso
o A empresa também armazena as informações de paga- e embalagens para presentes. Esse processo significa que o
mento dos clientes. A Victoria's Secret utiliza os dados de revendedor pode medir a lucratividade de cada cliente, pedi-
pagamento para monitorar os hábitos de consumo de do, catálogo e produto.
seus clientes.
o O terceiro fluxo de dados vem dos contatos diretos dos Fonte: Compilado de Amato-Mccoy (2003) e Jekic (2006).
clientes através das operações de mala-direta da empre-
sa. Por exemplos a empresa tem mais de 50 malas-diretas Para mais exploração: O que a Victoria's Secret tem em
de catálogos domésticos e internacionais (300 milhões mente por "manter um pedido ativo?" Essa frase se aplicaria
de catálogos por ano). a outras empresas? Por que ou por que não? Dê exemplos.
o O centro de atendimento telefônico do revendedor for- Por fim, descreva os vários fluxos de dados que alimentam o
nece um outro fluxo de dados. Diariamente, centenas data warehouse da Victoria's Secreto
Termos-chave
pados de sequência de cliques 101 Inconsistência de dados 108 Dicionário de dados 113
Qualidade dos dados 102 Isolamento de dados 108 Metadados 113
Gerenciamento de documentos 104 Integridade de dados 108 Diagrama de entidade-relacionamento
Sistema de gerenciamento de docu- Sistema de gerenciamento de bancos 114
mentos (SGD) 104 -de dados (daiobase management Tabelas de-dados 114 .
Banco de dados 106 system - DBMS) 111 Processamento analítico 117
Atributos 106 Visualização física 112 Data warehouse 118
Chave primária 706 '" Visualização lógica 112 Data mart 121
Chave secundária J 06 Modelo de dados 112 Annazenamento de dados operacio-
Chave estrangeira 106 Linguagem de definição de dados nais 122
Organização sequencial, direta ou ale- (data definition language - DDL) Banco de dados multidimensional
atória de arquivos 106 113 ]22
Método de acesso sequencial indexa- Esquema 113 Banco de dados de transações de
do (indexed sequential access me- Linguagem de manipulação de dados marketing (marketing transaction
thod - ISAM) 106 (data manipulation language- database - MTD) 124
Método de acesso direto de arquivo DML) 113 Data warehouses da sequência de
107 Structured Query Language (SQL) cliques 126
Redundância de dados 108 113
4) Dados são a base de qualquer sistema de informação e @ A Internet é uma fonte importante de dados e conheci-
precisam ser gerenciados por todo o ciclo de vida útil, o que mento. Outras fontes são bancos de dados, documentos em
Converte dados em informações úteis, conhecimento e uma papel, vídeos, mapas, imagens, etc.
base para suporte às decisões.
e Muitos fatores que influenciam a qualidade dos dados
a Dados existem em fontes cornputadorizadas internas e
devem ser reconhecidos e controlados.
externas e em outras fontes. Conhecimento e dados pes- €) Dados e documentos de hoje são gerenciados eletronica-
soais frequentemente estão armazenados nas mentes das mente: eles são digitalizados, armazenados e utilizados nos
pessoas. sistemas eletrônicos de gerenciamento.
130 Parte 11 Infraestrutura de TI
o O gerenciamento eletrônico de documentos, o controle gurança, redução dos custos de manutenção dos dados, e
automatizado de documentos, é fundamental para maior e- melhor acesso aos dados.
ficiência no manuseio dos documentos a fim de ganhar uma
(i) O modelo conceitual de dados é o nível mais alto para
vantagem competitiva.
modelar dados organizacionais.
O Data warehouses e data marts são necessários para dar
(1) O modelo lógico é uma visualização detalhada dos da- :
suporte efetivo à descoberta de inforrmcóes e sv oorte 3 to-
dos o.L ~·i·~. : . ;r:icL~:- _ .r; '. ,.) c:n1 entid ...
>:, de da-
mada de decisões. Dados relevantes s:,. ,;i·L.dUl.S G ulõd,i-
dos gerenciáveis (por exemplo, os dados dos clientes em
zados para acesso fácil pelos usuários finais.
preferências de produtos, contato dos clientes, localizações
o O processamento analítico online é um método de des- das lojas e vendas de produtos). *;
coberta de dados que utiliza abordagens analíticas.
(i) O modelo físico são as tabelas de banco de dados com
(;) O programa que gerencia os dados e fornece acesso ao relacionamentos e chaves primárias. Cada entidade detalha-
banco de dados chama-se sistema de gerenciamento de ban- da na visualização lógica torna-se uma tabela de banco de
cos de dados. dados no modelo físico.
15. Qual é a diferença entre entidades e atributos? 17. Descreva um data mart.
16. Descreva um data warehouse. 18. Defina um banco de dados de transações de marketing .
~. Exercícios e p_ro--J-ie_t_o_s _
1. Revise a lista de dificuldades do gerenciamento de da- Preço do produto
dos na Seção 3.1. Explique como uma combinação de Dados do fornecedor do produto
data warehousing e de mineração de dados pode resol- Código do produto
ver ou reduzir essas dificuldades. Seja específico.
Nome do produto
2. Entreviste um trabalhador do conhecimento em uma
Tipo de produto
empresa que você trabalha ou uma a que você tem
Nome do fornecedor
acesso. Descubra os problemas de dados que a empresa
encontrou e as -Vledidas tomadas para resolvê-l os. Re- Termos de despacho do fornecedor
lacione os problemas às quatro categorias de Strong. 6. Para o exercício acima, determine quais tabelas estão
3. Crie uma pane típica dos atributos para os dados dos relacionadas entre si, determine as chaves primárias e
funcionários em uma organização comerciaJ. estrangeiras (conforme necessário), tipo de campo (tex-
4. Desenhe uma figura de como um sistema de gerencia- to, número, data) e comprimento de campo.
menlo de bancos de dados é montado incluindo todos 7. Em terad atastu.dentnetwork.com, leia e responda as
os seus componentes. perguntas para o caso: "Harrah's High Payoff from
5. Desenhe três tabelas de banco de dados de acordo com Customer lnforrnation" (Harrah's lucra alto com infor-
os atributos e as entidades do diagrama de entidade- mações dos próprios clientes). Relacione os resultados
-relacionamento: do Harrah's à maneira como outros cassinos utilizam os
Dados da disponibilidade de produtos dados dos clientes.
Código do produto 8. Acesse a Teradata Magazine Volume 6, Número 2 e
Nome do produto leia "The Big Payoff". Acesse então o teradatastuden-
tnetwork.com e leia o estudo de caso "Harrah's High
Número de itens
Payoff from Custorner Information". Que tipo de ga-
Localização dos itens
nhos a empresa tem a partir desse investimento no data
Número do depósito
warehousing?
Data de disponibilidade
9. Em teradatastudentnetwork.com, leia e responda as per-
Dados da descrição do produto guntas do exercício intitulado: "Data Warehouse Failu-
Código do produto res" (Fracassos do data warehouse). Como há oito ca-
Nome do produto sos descritos, escolha um e discuta a falha e potenciais
Características do produto correções.
132 Parte II Infraestrutura de TI
Exercício na Internet
1. Conduza uma pesquisa sobre ferramentas e aplica tivos 5. Explore um site Web para aplicativos multimídia de
de gerenciamento de documentos visitando dataware. banco de dados. Visite sites como leisureplan.com,
com, documentum.com, mobius.com e aiirn.org/aim/ illustra.com ou adb.]r. Revise algumas demonstrações e
publications. prepare um relatório final.
2. Acesse os sites Web de um ou dois dos principais for- 6. Acesse microsofl.com/soILllions/BI/customerlbiwithin-
necedores de gerenciamento de dados, como a Oracle, reachJlemo.asp e consulte como a inteligência de ne-
IBM e Sybase e identifique as capacidades dos seus gócio é suportada pelas ferramentas da Microsoft. Es-
produtos mais recentes de inteligência de negócio. creva um relatório.
3. Acesse os sites Web de um ou dois dos principais forne- 7. Acesse teradatouniversitynetwork.com. Prepare um re-
cedores de data warehouse, como NCR ou SAS; descu- sumo dos recursos disponíveis aí. Ele é valioso para um
bra como seus produtos estão relacionados à Web. aluno? Para gerentes em treinamento?
4. Acesse o site Web do GartnerGroup igartnergroup. 8. Acesse websurvey.com, clearleaming.com, e tucows.com/
com). Examine algumas notas da pesquisa desse grupo webforms e prepare um relatório sobre a coleta de da-
relacionadas aos bancos de dados de marketing, data dos via Web.
warehousing e gerenciamento de dados. Prepare um re- 9. Visite injoscan.com. Localize todos os serviços relacio-
latório relativo ao estado da arte. nados ao warehouse dinâmico e explique o que ele faz.
CapRulo 3 Gerenciamento de Dados: Dados, Bancos de Dados e Warehousing 133
~
~Wà
GOV
ra ão dos dados da segurança nacional
~" . o CIO do u.s. Department of Homeland Security (DHS), Primeiro, é necessário identificar e desenvolver uma linha
i ~rgão norte-americano de combate ao terrorismo e res- de dados comum. Outro desafio importante na arena de
posta a desastres naturais, é responsável por determinar migração de dados é a segurança dos dados, especial-
r quais aplicativos e~lstentes e quals tipos de dados podem mente ao lidar com dados e aplicativos muito antigos.
~ ajudar a orqaruzaçao a cumprir seu objetivo, migrar os da- A Homeland Security também terá componentes de
í!>: dos para uma estrutura de última geração usável e segura análise de informações e de proteção da infraestrutura.
": e integrar as diferentes redes e padrões de dados das 22 Desenvolver esses componentes talvez seja o desafio mais
- agências federais, com 170.000 funcionários, que foram difícil para o DHS. Não apenas a Homeland Security terá
agrupados para formar o DHS. O problema real é que as de dar sentido a um volume gigantesco de informações
agências federais operaram historicamente de uma ma- secretas coletadas a partir de diferentes fontes, como
neira autônoma e os diferentes sistemas de TI não foram também precisará então transmitir essas informações às
~. projetados para interoperarem. Essencialmente, o DHS pessoas que podem atuar sobre elas de uma maneira efi-
precisa agrupar grandes e complexos "silos" de dados. caz (muitas delas estão fora do governo federal). A análise
O desafio da migração dos dados a partir dos siste- dos dados, incluindo mineração de dados, OLAP e mais,
• mas legados, dentro ou em várias agências, é o primeiro ajudará na rápida detecção de ataques planejados e tam-
~ desafio que o DHS deve enfrentar. O maior problema é bém a localizar terroristas.
o gigantesco número de aplicativos e bancos de dados Mesmo o governo federal reconhece que deficiências
que rapidamente tornam-se obsoletos em todas as áreas nos dados poderiam assolar o DHS. Mover informações
do governo. Uma melhoria na integração dos dados está para onde elas são necessárias e fazer isso quando elas
a caminho nos níveis local, estadual e federal. O governo são necessárias, é crucial e extremamente difícil. Mais ou
utiliza ferramentas do mundo corporativo. menos 650.000 autoridades estaduais e locais "operam em
Problemas sérios ocorreram porque cada agência tem um vácuo dos serviços de inteligência virtuais, sem acesso
um conjunto de regras de negócio próprio que determina adequado às listas de observação de terroristas forneci-
a maneira como os dados são descritos, coletados e aces- das pelo departamento de estado para as autoridades da
sados.Alguns dados não estão estrutura dos e organizados imigração e para autoridades consulares", de acordo com
nos bancos de dados relacionais e eles não podem ser fa- o relatório de outubro de 2002 de Hart-Rudman, intitula-
cilmente manipulados e analisados. Aplicativos comerciais do "Ame rica Still Unprepared - America Still in Danger"
são utilizados para a integração mais importante, princi- (América ainda despreparada - América ainda em perigo).
palmente tecnologias de data warehouse e data mart. A
Informatica, entre outros forriecedoresde software, desen-- Fontes: Compilado de Datz (2002), Foley (2003). Nazarov (2003). Thibode-
volveu soluções de integração de dados que permitem às au (2003), e Peters (2003).
organizações combinarem diferentes sistemas para dispo-
nibilizar o máximo -oossivel o acesso às informações por
toda uma organização. Esse software pode ser adequado
Questões para o Minicaso 1
a um projeto de larga escala (consulte informatica.com) 1. Liste os problemas e dificuldades dos dados (consulte
A ideia é decidir e criar uma arquitetura corporativa a Seção 3.1).
paraagências federais e estaduais envolvidas na segurança 2. Por que o data warehouse é benéfico?
nacional. A arquitetura ajudará a determinar o sucesso da 3. Que tipo de análise o governo pode realizar com o su-
defesa nacional. O primeiro passo na migração dos dados porte de TI7 Ouais ferramentas você sugere que sejam
é identificar todos os aplicativos e dados em uso. Após utilizadas?
identificar aplicativos e bancos de dados, o próximo passo 4. Como os produtos da Informatica.com podem ajudar?
é determinar quais utilizar e quais descartar. Depois que (Visite o site da empresa, informatica.com.)
uma organização sabe quais dados e aplicativos ela quer 5. Você sugeriria um sistema de gerenciamento de docu-
manter, começa o difícil processo da migração dos dados. mentos (SGD)? Para qual propósito?
------._-_._._------_ .._- .-- .. _------_ .. --- -- - _._._----.----_ _-------
..
MinicoSO 2
SRV
._------_._----_.
o problema tados Unidos, foi pega de surpresa nos anos 1980 quan-
do os consumidores passaram a comprar em lojas espe-
A Sears, Roebuck and Company, a maior cadeia de lojas cializadas e em lojas de descontos, fazendo com que a
de departamentos e o terceiro maior distribuidor nos Es- empresa perdesse rapidamente sua fatia de mercado. Em
134 Parte 11 Infraestrutura de TI
uma tentativa de mudar essa situação, a Sears empregou gerentes da Sears agora podem monitorar o impacto pre-
várias estratégias de resposta, desde a introdução de suas ciso das campanhas publicitárias, clima e outros fatores
próprias lojas especializadas (como a Sears Hardware) até sobre as vendas de itens específicos. Isso significa que
reestruturar suas lojas nos shopping centers. Recentemen- os consumidores dos produtos e outros especialistas da
te, a Sears começou a vender na Web. Ela interrompeu Sears podem examinar e ajustar, se necessário, quantida-
seu catálogo impresso de mais de 100 anos. Alcançar a des no estoque, merchandising e realização de pedidos,
transformação e a reestruturação exigiu a readaptação juntamente com uma miríade de outras variáveis, quase
dos sistor-r-s de in-for'-""ação. ··lejia~T)2':t2. p3"a ,-,.i2 =ossam resr~'" .: ,', 'cimente "
!>. Searstinha '18centrais de dados, uma ern cada urna as mudanças no ambiente. Os usuários do SPRStambém.
das 10 regiões geográficas e também uma para cada de- podem agrupar tipos bem divergentes de produtos, por
partamento de marketing, finanças e outros. O primeiro exemplo, mcinitorar as vendas de itens marcados como
problema foi criado quando o esforço de reorganização "presentes por menos de US$ 25". O pessoal da publi-
só alcançou sete regiões geográficas. Frequentes incon- cidade pode acompanhar os chamados" great items"
gruências entre os números contábeis e de vendas e in- (itens mais vendidos), a partir de departamentos comple- .
formações dispersas entre inúmeros bancos de dados for- ta mente diferentes, publicados nas capas dos boletins'
çavam os usuários a consultar múltiplos sistemas, mesmo promocionais. O SPRS permite extensa mineração de
quando eles precisavam de uma resposta a uma consulta dados, mas apenas análises relacionadas à localização e
simples. Além disso, os usuários descobriram que os da- código do produto.
dos já resumidos tornaram difícil conduzir uma análise no Em 1998, a Sears criou um grande banco de dados
nível desejado de detalhes. Por fim, erros eram pratica- de clientes, chamado LCI (Leveraging Customer Informa-
mente inevitáveis quando os cálculos estavam baseados tion), que continha informações das vendas relacionadas
em dados provenientes de várias origens. aos clientes (que não estavam disponíveis no SPRS).O LCI
permite registros de hora em hora das transações, por
exemplo, orientando a promoção de hora em hora (como
A solução 15% de desconto para os primeiros compradores).
Nos feriados de 2001, a Sears decidiu substituir a
Para resolver esses problemas, a Sears construiu um único promoção regular de desconto de 10% oferecendo um
data warehouse de informações de vendas. Ele substituiu desconto maior durante as primeiras horas de compras.
os 18 bancos de dados antigos carregados com dados re- Essanova promoção, baseada no SPRS,falhou e somente
dundantes, contraditórios, e às vezes, obsoletos. O novo quando o LCI foi utilizado é que o problema foi corrigido.
data warehouse é um repositório simples de dados rele- Isso motivou a Sears a combinar o LCI e o SPRSem uma
vantes para tomada de decisão, como dados confiáveis única plataforma, o que permitiu análises sofisticadas (em
para indicadores chave de desempenho, inventários de 2002).
vendas e margens de lucro. A Sears, famosa por abraçar a Em 2001, a Sears também teve as seguintes iniciati-
TI em uma escala impressionante, completou o .data wa- vas Web: uma central de comércio eletrônico para melho-
rehouse e seus esforços de reengenharia de TI em menos rias do lar, uma troca de suprimentos B2B para a indústria
de um ano - uma perfeita história de recuperação propor- varejista, um catálogo de brinquedos (wíshbook.com),
c~onadapela TI. um sistema de licitações eletrônicas e muito mais. Todas
Utilizando um servidor corporativo da NCR, o data essas iniciativas de marketing na Web alimentam o data
warehouse inicial de 1,7 terabytes (1,7 trilhões de bytes) warehouse com dados e o planejamento e controle estão
é parte de um projeto batizado de Strategic Performance baseados no acesso aos dados no data warehouse.
Reporting System (SPRS).Em 2003, o tamanho do data
warehouse havia aumentado para mais de 70 terabytes.
O SPRSinclui dados abrangentes de vendas; informações Os resultados
sobre o estoque nas lojas, em trânsito e nas centrais de
distribuição; e custo por item. Isso permitiu que a Sears A capacidade de monitorar vendas por item individual em
monitorasse as vendas por itens individuais (códigos de cada loja permite que a Sears crie um mercado local pre-
produto) em cada uma das 1.950 lojas (incluindo 810 lo- ciso. Por exemplo, a Sears mantém diferentes tonalidades
jas nos shopping centers) nos Estados Unidos e em 1.600 de tintas em diferentes cidades para atender as demandas
lojas internacionais e em pontos de venda por catálogo. locais. Portanto, as vendas e a fatia de mercado melhora-
Portanto, a margem diária por item em cada loja poderia ram. Além disso, o monitoramento dos dados baseados
ser facilmente calculada, por exemplo. Além disso, a Sears na Web das vendas no LCI ajuda a Sears a planejar o mar-
agora faz o ajuste fino das suas estratégias de compras, keting e as campanhas publicitárias na Web.
marketing e merchandising com uma precisão que antes O data warehouse era inicialmente utilizado diaria-
não era possível. mente por mais de 3.000 compradores, repositores de
O SPRSé aberto a todos os funcionários autorizados estoque, vendedores, planejadores estratégicos, analistas
que agora podem visualizar as vendas diárias a partir de de logística e de finanças e gerentes de lojas. Em 2004,
uma perspectiva multidimensional (por região, distrito, havia mais de 6.000 usuários, uma vez que os usuários
loja, linha de produtos e item individual). Os usuários po- descobriram que o sistema era muito benéfico. O tempo
dem especificar uma data inicial e final para relatórios de de resposta a consultas caiu de dias para minutos para so-
vendas especiais e todos os dados podem ser acessados licitações típicas. No geral, o impacto estratégico do data
por uma interface gráfica muito amigável ao usuário. Os warehouse SPRS-LCIé que ele oferece aos funcionários da
CilpRulo 3 Gerenciamento de Dados: Dados, Bancos de Dados e Warehousing 135
,- Sears uma ferramenta para uma melhor tomada de deci- Questões para o Minicaso 2
sões; e os lucros das vendas diretas da Searssubiram mais
de 20% por ano desde que o SPRS foi irnplernentado. 1. Quais foram as principais razões do SPRS?
2. Como o data warehouse resolveu os problemas da Sears?
3. Por que ele foi benéfico para integrar o banco de da-
Fontes: Compilado de Amato-McCoy (2002), 8eitler & Leary (1997), e co- dos dos clientes ao SPRS?
municados de imprensa da Sears (2001-2004)_ 4. Como o RFIDpoderia alterar as operações da Sears?
~te Referências
Alter, S. L., Decision Support Sysrems. Reading, MA: Addison Wesley, Marinos, G., "How Executives Around the World are Addressing Data
1980. Management", DMRevíew, janeiro de 2005.
Amato-McCoy, D. M .. "Victoria's Secret Works to Keep Orders Ali- Markus, M. L., et al., "A Design Theory for Systems that Support Erner-
ve", Stores, janeiro de 2003. gent Knowledge Processes", MlS Quarterly, setembro de 2002.
Beitler, S. S., and R. Leary, "Sears' Epic Transformation: Converting Merríll Lynch, 1998.
from Mainframe Legacy Systems to OLAP", Journal o] Data Wa- Moad, I., "Mining a New Vein", PC Week, 5 de janeiro de 1998.
rehousing, abril de 1997. Nazarov, A. R., "Inforrnation Seeks Partners to Gain Traction in Fed
Canada NewsWire, "European Court of Human Rights Saves Time and Market", CRN, 9 de junho de 2003.
Money for a News Wire", 29 de abril de 2003, AICS#922110. Orlov, L., and Ramos, L., "Organic Information Abstraction", Forrester
Carbone, P. L., "Data Warehousing: Many of the Common Failures", Big Idea, 12 de maio de 2004.
presen tation, mitre. orglsupportlpapersltech. ..9_OOld-warehoulse ; pre- Park, Y. T, "Strategic Uses afData Warehouses",foumal of Data Wa-
sentation.htm (3 de maio de 1999). rehousing, abril de 1997.
Chenoweth, T., Corral, K., and Demirkan, H., "The Seven Key In- Peters, K. M., "5 Homeland Security Hurdles", Govemment Executive,
terventions for Data Warehouse Success", Communications of the 35(2), fevereiro de 2003.
ACM, 49(1), janeiro de 2006. Roth, M. A., et al., "Information Integration: A New Generation of In-
D'Agostino, D., "Applications: Data Management at Work at the Na- formation Technology", IBM Systems Journal, dezembro de 2002.
tional Security Archive", CIO lnsight, 21 de abril de 2006. Sears (2001-2003).
Datz, T, "Integrating América", CIO, dezembro de 2002. Solomon, M., "It's All About the Data", Information Systems Manage-
Delcambre, L., et aI., "Harvesting Information to Sustain Forests", ment, verão de 2005.
Communications of lhe A CM, janeiro de 2003. Strauss, J. et al., E-Marketing. Upper Saddle River, NJ: Prentice Hall,
DM Review, "Deploy SQL Server 2005 with Confidence". 2003.
DM Review, "Data Quality", 23 de maio de 2006. Tannenbaum, A., "Identifying Meta Data Requirements", Journal of
D'MReview, "Review", 17 de abril de 2004. Data Warehousing, 7(2), primavera de 2002.
DM Review, "Realily lT: Data Quality-lt 15 All About Not Being Wor- Teradata, "Overview: Benefits of an Enterprise Data Warehouse for
se Than Anyone Else", 5 de maio de 2005. Manufacturers", Teradata.com, 2006. teradata.com/t/poge/Sô l Sõ/ in-
Evans, G., "The Big Payoff: Harrahs", Teradata, março de 2006. dex.html (acessado em setembro de 2006).
Ferrell, K., "Getting a Haüdle on Data", Teradota, março de 2006. Thibodeau, P., "DHS Sets Timeline for IT Integration". Computer
Foley, J., "Data Debate", Injormation Week, J9 de maio de 2003. World, 16 de junho de 2003.
Helmaan. P., "Beyond Internet Banking: Wells Fargo ls Taking the Volonino, L., R. Anzaldua, and J. Goc1win, Computer Forensics: Princi-
Data Warehouse Public", março de 2006. pies and Proctice, Chapter 10. Upper Saddle River. NJ: Prentice-Hall,
Herlein. S., "A Business Approach to Data Quality: Achieving and 2007.
Maintaining First-Class Organizational Data", Journal of Data Wa- Weiss, T R., "Online Retail Sales 00 the Rise", PC World, janeiro de
rehousing, 7(2), primavera de 2002. 2003.
Jekic, N., "Modeling Strategies and Alternatives for Data Warehousing Whitehouse.gov, "Presidem Signs Intelligence Reforrn and Terrorism
Projects", Communications of the ACM, 49(4), abril de 2006. Prevention Act", 17 de dezembro de 2004. whitehouse.gov/news/rele-
Kroenke, D. M., Dotabase Processing Fundamentais, 10th ed. Upper Sa- asesI2004112120041217-J.html (acessado em setembro de 2006).
ddle River , NJ: Prentice Hall, 2006. Wikipedia.org, "Database Management Systems", outubro de 2005.
Levinson, M., "Jackpot! Harrah's Entertainment", CIO Magazine, JOdi; en. wikiped ia. o rglw ik il R ela tiona I_d atabase_m an age me nt _S ySI em
fevereiro de 200l. (acessado em setembro de 2006).
Liautaud. B., EiBusiness lntelligence. Nova York: McGraw-Hill, 2001. Winter, R., Large Scale Dota worehousing with Oraele 9i Datubase. Spe-
Loshin, D., "Issues and Opportunities in Data Quality Management Co- cial Report. Waltham MA: Winter Corp., 2001.
ordination", DM Review, abril de 2004. Worthen, B., "IT versus Terror", CIO, 10 de agosto de 2006.
Loveman, G., "Diarnonds in the Data", Harvard Business Review, maio
de 2003.