Gestão Estratégiaca da informação (CPM, BI)

Gestão Estratégia da
Informação (CPM, BI)

Elisamara de Oliveira / Luciano Gaspar

1
 Gestão Estratégiaca da informação (CPM, BI)

Apresentação 3

1 – Corporate Performance Management 3

1.1. Cenário do Mundo Corporativo 3
1.2. Definição de CPM – Corporate Performance Management 5

Exercícios do Capítulo 1 9

2 – Business Intelligence 10
2.1. Definição de Business Intelligence 10
Sumário 2.2. Sistemas transacionais x Sistemas de apoio à decisão 11
2.3. Ferramentas de Business Intelligence 13
2.4. CPM e BI 16
2.5. O processo de tomada de decisões 17

Exercícios do Capítulo 2 19

3 - Data Warehouse 20
3.1. Definições de Data Warehouse e Data Warehousing 20
3.2. Características de um Data Warehouse 22
3.3. Pessoas envolvidas no processo de data warehousing 23
3.4. Etapas de implantação de um Data Warehouse 24
3.5. Arquitetura de Data Warehouses 27
3.5.1. Arquitetura Global 27
3.5.2. Arquitetura de Data Marts Independentes 28
3.5.3. Arquitetura de Data Marts Integrados 29

Exercícios do Capítulo 3 30

4 – Ferramentas para construção e consultas a um DW 31

4.1. Etapas e componentes da implantação de um ambiente de apoio à decisão 31

4.2 ETL- Extract, Transform and Load 31
4.2.1. Extract (Extração) 32
4.2.2. Transformation (Transformação) 32
4.2.3. Load (Carga) 33
4.3. Data Marts 34
4.4. OLAP - OnLine Analytical Processing 37
4.4.1. Modelagem e Visão Multidimensional dos Dados 38
4.5. Data Mining 42
4.5.1. Casos de sucesso com a utilização de Data Mining 45
4.5.2. Text Mining 47
4.6. Monitoramento e visualização de Dados 47
4.6.1. BAM - Monitoramento em Tempo Real 51

2
 Gestão Estratégiaca da informação (CPM, BI)

Considerações Finais 53

Bibliografia 55

Anexo 1: Casos de sucesso e fracasso no mundo da TI 56

Anexo 2 – Empresas e Ferramentas de BI 57

Respostas Comentadas dos Exercícios 60

Capítulo 1 60
Capítulo 2 60
Capítulo 3 62
Capítulo 4 63

3
 Gestão Estratégiaca da informação (CPM, BI)

Apresentação Elisamara de Oliveira

O objetivo desta disciplina é capacitar Luciano Gaspar

você, caro aluno, a conhecer a evolução dos
 
dados e sistemas nos ambientes de gerenciamento
corporativo e explorar de forma contextualizada e
atualizada uma área muito importante ligada ao
1 – Corporate Performance
gerenciamento estratégico da informação, conhecida
Management
como Business Intelligence (BI) ou Inteligência nos
Negócios. Esta área e seu ferramental fazem parte
1.1. Cenário do Mundo Corporativo
do Corporate Performance Management ou CPM, um
Podemos dizer que atualmente estamos
conceito que reúne metodologias e tecnologias que
diante de um cenário de rara complexidade no
permitem que a performance de uma organização
mundo corporativo e na sociedade como um todo.
corporativa seja gerenciada de maneira racional,
Diversos acontecimentos e fenômenos econômicos e
eficiente e integrada.
sociais, de alcance mundial, têm sido responsáveis
pela reestruturação do ambiente de negócios.
Você será levado a conhecer e dominar os
A globalização da economia, impulsionada pela
conceitos de Corporate Performance Management
Tecnologia da Informação (TI) e pelas comunicações,
e de Business Intelligence, tendo uma visão geral
é uma realidade da qual as organizações empresariais
do mercado de BI, conhecendo e explorando as
e sociais não podem escapar. Com o advento dessa
principais ferramentas de gestão de performance e
globalização o mundo ficou mais competitivo, as
de apoio à decisão em nível gerencial.
empresas e os clientes ficaram muito mais ágeis
Neste universo de sistemas especializados e exigentes, e passou a ser fundamental para as
em apoiar a tomada de decisões no ambiente organizações empresariais contarem com processos
corporativo, você conhecerá o funcionamento de um automatizados eficientes para apoiar as, cada vez
DW – Data Warehouse e conhecerá o que são Data mais difíceis, decisões. Você, caro aluno, certamente
Marts, ferramentas ETL (Extract Transform Load), não somente percebe estas mudanças, como sofre
OLAP (OnLine Analytical Processing), Data Mining diariamente a influência delas, pois vive num mundo
e ferramentas de monitoramento e visualização de que lhe oferta novos produtos, frutos das modernas
indicadores de performance. tecnologias, de forma intensa e constante.

Ao longo do texto, vamos, também, As empresas fazem parte do mundo dos

oferecendo a você mais informações sobre empresas
e ferramentas de BI e links para vídeos sobre os
temas.
Como pode ver, são muitas as siglas e muitos
os termos técnicos, mas não se preocupe. Ao longo
desta disciplina você conhecerá cada um deles e
estará apto a diferenciá-los e também a utilizá-los
profissionalmente. Então, prepare-se, um novo
universo, muito interessante e instigante, o espera
nas próximas páginas deste material!
negócios que visa o lucro e o retorno dos capitais
investidos no menor tempo possível. Nesse ambiente
de alta competitividade, as informações assumem
um papel importante para o sucesso das empresas.
Com a enorme quantidade de informações que
são geradas e disponibilizadas todos os dias, são
necessários critérios para sua seleção e organização.
Isso porque apenas “saber muito” sobre o
negócio não proporciona, por si só, maior poder de
competição para uma organização. As informações

4

e os dados, quando aliados a um sistema capaz
de realizar a sua gestão, é que começam a fazer
a diferença. Assim, a criação e a implantação de
processos que gerem, armazenem, gerenciem e
disseminem o conhecimento representam o mais
novo desafio a ser enfrentado pelas corporações.
Termos como “capital intelectual”, “capital humano”,
“capacidade inovadora”, “ativos intangíveis” e
“inteligência empresarial” fazem parte do dia-a-dia
de muitos executivos que estão despertos para essa
nova realidade.
Mas é importante ressaltar que dados,
informações e conhecimento são conceitos diferentes.
Dados são valores que quantificam alguma coisa.
Informações são os dados transformados em um
conteúdo útil. E conhecimento se refere ao uso das
informações de forma a se poder tomar decisões
inteligentes com base nelas.
Fonte:http://www.ieav.cta.br/geointeligencia/EGI_A/subdivisao_
egi_a.php
O dado é um elemento puro, é um valor que
quantifica alguma coisa. Os dados são usados no
ambiente operacional e podem ser registrados,
selecionados e recuperados de um banco de dados
ou obtidos das mais variadas formas de documentos.
Pode-se citar como exemplo de dado o valor do
faturamento de vendas de uma empresa.
5
Gestão Estratégiaca da informação (CPM, BI)
A informação é o dado contextualizado e
analisado. Por exemplo, podemos comparar o
faturamento de vendas da empresa na região sul
(R$ 500mil) com o faturamento da região sudeste
(R$ 900mil). Mesmo havendo diferenças numéricas
entre os dados, não é possível dizer qual região teve
o melhor desempenho... é necessário estabelecer um
parâmetro de comparação, ou seja, criar a informação.
Se a meta para a região sul fosse de R$ 200mil e a da
região sudeste fosse de R$ 5milhões, ficaria claro que
a região sul foi a que teve um desempenho melhor!
Ficou claro o conceito de informação, caro aluno?
O conhecimento está relacionado à habilidade de
se criar um modelo que descreva dados e informações
e aponte ações a serem implementadas e as decisões
a serem tomadas. A compreensão, análise e síntese,
necessárias para a tomada de decisões inteligentes
são realizadas a partir do nível do conhecimento.
No caso do exemplo do faturamento da empresa,
o conhecimento dos dados e da informação sobre
o baixo desempenho da região sudeste deveriam
implicar em ações corretivas.
As informações, para terem ou manterem o seu
valor, devem ser consistentes e ter o mesmo significado
para todos os membros da organização, ou seja, a
informação deve ser transformada efetivamente em
conhecimento e distribuída tornando-se acessível
aos interessados. A informação aplicada torna-se
conhecimento e passa a ser um ativo da empresa,
sendo utilizada para definir estratégias de curto,
médio e longo prazo, e não mais apenas um suporte
à tomada de decisão. Essa realidade já é percebida,
pelo menos em parte, por muitas empresas.
Um grande problema encontrado nas
empresas atualmente são muitos dados distribuídos
por diferentes sistemas. Por exemplo, caso seja
necessária a emissão de um relatório com informações
de um certo departamento, que estão armazenadas
num determinado sistema, cruzando com os dados
de um outro sistema, isso pode se tornar uma
 Gestão Estratégiaca da informação (CPM, BI)

tarefa de semanas. Mas, geralmente as empresas Enterprise Performance Management ou apenas PM

não podem esperar semanas por um relatório. As – Performance Management.
decisões estratégicas devem ser tomadas em pouco
tempo, pois o mercado movimenta-se rapidamente e
é muito dinâmico, e qualquer atraso pode representar
grandes prejuízos para uma empresa, implicando até
mesmo na sua perda de competitividade.

Turban (2009), ao definir a dificuldade e a

deficiência em se obter informações nos ambientes
corporativos, afirma que a TI tem sido mais uma
produtora de dados do que de informação, relegando
a um segundo plano as estratégias de negócios. Os
altos executivos não têm conseguido usar as novas
tecnologias porque não têm acesso às informações
que precisam em tempo hábil e de forma adequada.
Assim, como já dissemos, o uso de sistemas e
processos automatizados de gestão do conhecimento
e apoio às decisões se torna essencial.
Leia o artigo da Computerworld: BPM, CPM,
EPM ou PM: tudo a mesma coisa
por Fernanda K. Ângelo, disponível em:
h t t p : / / c o m p u t e r w o r l d . u o l .
c o m . b r / g e s t a o / 2 0 0 6 / 0 5 / 3 1 /
idgnoticia.2006-05-31.1114510641/

“Em 2001, ao definir o conceito do mercado de

1.2. Definição de CPM – Corporate
Performance Management
De acordo com o BI Group (2012), o termo
CPM- Corporate Performance Management, ou
Gestão de Performance Corporativa, foi introduzido
pelo Gartner Group em 2001. O Gartner Group é
um instituto de pesquisa, execução de programas,
consultoria e eventos que desenvolve tecnologias
que auxiliam seus clientes na tomada de decisões
para o desenvolvimento de suas organizações,
independente do seu porte. O Gartner, desde meados
dos anos 1990, tem acompanhado o desenvolvimento
das soluções de Business Intelligence e a evolução do
próprio CPM, através de renomados e reconhecidos
especialistas, o que garante à instituição uma posição
de respeito e confiabilidade junto a fabricantes e
consumidores de soluções corporativas.
O termo CPM também pode ser referenciado como
BPM – Business Performance Management, EPM –
gestão do desempenho corporativo, o instituto de
pesquisas Gartner convencionou chamar a solução
de Corporate Performance Management (CPM).
No entanto, conforme foram desenvolvendo seus
produtos, fornecedores adotaram nomes diversos,
como Business Performance Management (BPM),
Enterprise Performance Management (EPM) e
simplesmente Performance Management (PM), além
do próprio CPM. Todas as siglas fazem referência ao
mesmo tipo de sistema, explicado por especialistas
do segmento como a etapa seguinte ao Business
Intelligence (BI) no que diz respeito ao planejamento
do negócio.
.....
Ainda que discordem no que diz respeito à
nomenclatura mais adequada para a solução,
uma coisa é certa: chamem de BPM, CPM, EPM
ou simplesmente PM, os produtos de gestão do
desempenho corporativo representam uma excelente
oportunidade de crescimento para seus fornecedores
– até pouco tempo atrás vendedores de BI. Mais que
isso, eles podem representar a extinção do artifício

6
 Gestão Estratégiaca da informação (CPM, BI)

de “queimar” orçamentos no fim do ano para cumprir
o planejado, transformando-se na tão sonhada
garantia de que a verba não será reduzida no período
seguinte.
....”
Dentre outros aspectos, o CPM engloba conceitos,
processos, metodologias, sistemas e indicadores que
são utilizados para planejar, medir, comparar, analisar,
prever e reportar informações das organizações,
permitindo que a sua performance seja gerenciada
de maneira racional, eficiente e integrada, como
mostra a figura 1.

Figura 1 – Corporate Performance Management

Fonte: http://bigroup.com.br/joomla/index.php?option=com_content&view=article&id=1&Itemid=15

O CPM possibilita as organizações captarem de

maneira mais simplificada as necessidades do negócio
e, a partir daí, executarem todo o planejamento,
monitoramento e análise de suas ações para que as
metas empresariais propostas sejam atingidas.

Para o sucesso de uma organização é essencial

que seus gestores tenham uma definição clara da
situação atual da empresa e se as diretrizes adotadas
em seu planejamento estratégico estão de acordo
com o planejamento realizado. Outro aspecto de
extrema relevância é saber determinar os fatores
responsáveis pela condição atual da organização,
seja esta condição favorável ou desfavorável.

Um dos princípios do CPM, que é fator crítico

para o sucesso de um negócio, está baseado em um
aspecto que indica que muitas organizações ainda
não possuem um sistema adequado para responder
de maneira completa, rápida, segura e pertinente
algumas questões simples como:

7
 Gestão Estratégiaca da informação (CPM, BI)

Ou ainda questões como: Quanto As soluções de Business Planning em uma

capacitamos, produzimos, satisfazemos ou
lucramos? O que? Quando? Como? Onde?
Na maioria das vezes, quando uma organização
não consegue identificar tais características em seu
negócio, também não consegue se organizar melhor
para aprender e no futuro construir um planejamento
adequado que auxilie a corrigir os defeitos e
potencializar os acertos, gerando um importantíssimo
diferencial competitivo.
organização são de fundamental importância para
seu o crescimento estruturado. Assim como nas
soluções de BI, os banco de dados gerenciais (Data
Mart e Data Warehouse) são utilizados para suportar
as equipes de planejamento no desenvolvimento da
estratégia corporativa, garantindo o acesso facilitado
e estruturado às informações necessárias para o
desenvolvimento do planejamento.

Por estes motivos, o CPM tem entrado e

permanecido na agenda de muitas pessoas e
organizações. As empresas reconhecem que o
conhecimento necessário para mantê-las competitivas
no mercado e melhorar significativamente seu
desempenho já se encontra, em boa parte, dentro
da própria empresa, muitas vezes, espalhado em
diversos sistemas ou depositado em bancos de
dados sem o acesso adequado. Isso indica que,
para a maioria das empresas, o caminho a seguir
não é a geração de informações e conhecimento,
mas seu gerenciamento (identificação, classificação
em categorias, armazenamento, beneficiamento,
disseminação e uso). Fonte:http://herfordsolutions.com/BusinessIntelligence.aspx

De acordo com o BI Group (2012), os indicadores Business Scorecard se refere ao acompanhamento

de performance corporativos podem ser estudados
e implementados a partir de uma combinação
composta por soluções como Business Intelligence,
Business Planning e Business Scorecard.
Business Intelligence (BI) refere-se ao processo
de coleta, organização, análise, compartilhamento e
monitoração de informações que oferecem suporte
à gestão de negócios. Ferramentas de BI capacitam
as organizações a acessarem dados e explorarem
as informações geralmente presentes em um Data
Warehouse/Data Mart. Essas informações são
analisadas, desenvolvendo interpretações que
permitem tomadas de decisões mais assertivas e
consistentes.
dos resultados da empresa e é realizado através de
números, gráficos, mapas e tendências, apresentados
por indicadores de desempenho que informam a
situação de cada variável analisada de acordo com
suas estruturas, estratégicas e filosofias de trabalho.
Relatórios gerenciais são emitidos a partir do Balanced
ScoreCard que servirão de suporte às organizações
na tomada de decisão.
Os termos scorecard e dashboard são amplamente
discutidos nas organizações e estão disponíveis em
ferramentas de BI. Embora muitas vezes sejam
vistos como um único conceito é necessário fazer a
distinção entre eles.

8
 Gestão Estratégiaca da informação (CPM, BI)

Scorecards: • Não estão explicitamente ligados à estratégia

de negócio
• Metas táticas e estratégicas
• Atualização constante
• Fotografias periódicas
• Eventos visuais, acesso a dados brutos.
• Sumários visuais, comentários em texto
 
Dashboards:

• Processos operacionais

Fonte: http://www.roselladb.com/balanced-scorecard.htm

Assista ao vídeo da IBM sobre Análise Dados e sua transformação em Informação

http://www.youtube.com/user/IBMbrasil?v=YAo_snH54Yw&feature=pyv&ad=9848527632&kw=an%C3
%A1lise

9
 Gestão Estratégiaca da informação (CPM, BI)

Exercícios do Capítulo 1
1) Dê um exemplo de dado, informação e conhecimento e contextualize seu exemplo.

2) Assinale V-Verdadeiro ou F-Falso

( ) De acordo com o BI Group, os indicadores de performance corporativos podem ser estudados e

implementados a partir de uma combinação composta por soluções como Business Intelligence, Business
Planning e Business Scorecard.

( ) Conforme foram desenvolvendo seus produtos, fornecedores adotaram nomes diferentes do Corporate
Performance Management (CPM), como Business Performance Management (BPM), Enterprise Performance
Management (EPM) e Performance Management (PM), pois são termos muito distintos do conceito de CPM.

( ) Uma solução encontrada pelas empresas atualmente consiste em distribuir muitos dados por diferentes
sistemas para ajudar na tomada de decisões corporativas.

( ) A criação e a implantação de processos que gerem, armazenem, gerenciem e disseminem o conhecimento

representam um grande desafio enfrentado pelas corporações.

3) Complete os espaços em branco:

___________ são valores que quantificam alguma coisa. _____________ são os _________ transformados
em um conteúdo útil. E ______________ se refere ao uso das ______________ de forma a se poder tomar
decisões inteligentes com base nelas.

4) Defina CPM.

10
 Gestão Estratégiaca da informação (CPM, BI)

2 – Business Intelligence
2.1. Definição de Business Intelligence
Um cenário que ainda é bastante comum de
se encontrar nas empresas atualmente são sistemas
que não se comunicam, não têm documentação ou
“Business Intelligence é um termo ‘guarda-
sua documentação é ruim e deficiente, fazendo com
chuva’ que inclui arquiteturas, ferramentas, bancos
que a disponibilização e consulta às informações seja
de dados, aplicações e metodologias que objetivam
muito dificultada. Neste ambiente as inconsistências
permitir o acesso interativo aos dados (às vezes em
são grandes, fato que leva o tomador de decisão
tempo real), proporcionar a manipulação desses
a não usar o seu sistema e, muitas vezes, a tomar
dados e fornecer aos gerentes e analistas de negócios
suas decisões baseado apenas na sua experiência de
a capacidade de realizar a análise adequada para a
mercado.
tomada de decisão”.

No mundo corporativo, nos tempos atuais,

tomar decisões exige um volume de dados cada vez
O conceito de Business Intelligence ou Inteligência
maior assim como mais e melhores informações. As
de Negócios surgiu na década de 1980 introduzido
organizações, de forma geral, possuem muitos dados,
pelo Gartner Group, para descrever a capacidade
porém pouca informação. A falta de informação
das organizações em acessarem dados e explorarem
pode prejudicar sobremaneira a tomada de decisão
as informações, geralmente armazenadas em
dentro das organizações corporativas. Para ajudar
Data Warehouses, analisando e desenvolvendo
neste processo, existem métodos e procedimentos
interpretações que permitem tomadas de decisões
que realizam a extração e a análise de informações
mais seguras e consistentes.
que permitem aos executivos lidarem com problemas
de decisão cuja dimensão ultrapassa a capacidade
Ao analisarem as informações correntes e o
cognitiva normal, ou excede os recursos temporais e
desempenho histórico da empresa, , os tomadores de
financeiros disponíveis.
decisão conseguem notar importantes relações entre
estas informações, que as tornam muito valiosas,
A maioria destes métodos, procedimentos
servindo de base para melhores e mais precisas
e ferramentas são genericamente chamados de
decisões.
Business Intelligence. Turban (2009) define BI
como:
De acordo com Turban (2009), o processo
de BI se baseia na transformação de dados em
informações, depois em decisões e, finalmente, em
ações.

Fonte: http://info.abril.com.br/

11
 Gestão Estratégiaca da informação (CPM, BI)

2.2. Sistemas transacionais x Sistemas de

apoio à decisão
Antes de prosseguirmos nos conceitos ligados ao
BI, caro aluno, convém conceituarmos e definirmos a
diferença entre um sistema transacional e um sistema
de apoio à tomada de decisão. Estas informações
serão bastante importantes para o entendimento de
como os processos de tomada de decisão podem se
basear nos dados e nas informações armazenados
nos diferentes repositórios de dados de uma empresa.

As vantagens que o Intelligence pode trazer De acordo com Terribili (2009), é no sistema
para uma empresa incluem: transacional que ocorrem as transações de negócio,
através dos quais se realizam as operações básicas das
a Elimina a sobrecarga dos sistemas empresas como compras, vendas, saques bancários,
operacionais pagamentos, etc. Estes sistemas apresentam como
principais características alta velocidade no tempo
a Facilita o acesso à informação de resposta e baixo volume de dados envolvidos
na transação. Para estes sistemas, as informações
a Facilita a navegação dos usuários de negócios históricas não são relevantes.
pelos dados e informações da empresa

Os sistemas transacionais são aqueles em que

a Consolida informações de diversas fontes
a Preserva dados históricos da empresa
a Fornece informação única e consistente para
toda a empresa
os dados ficam armazenados em bancos de dados,
gerenciados por um SGBD - Sistema Gerenciador de
Banco de Dados. Estes sistemas são chamados de
transacionais, pois toda atualização dos dados é feita
dentro de uma “transação”. Essas transações podem
ser bem sucedidas, resultando na gravação de dados
ou, em caso de problemas, não são finalizadas,
permitindo que o banco de dados retorne ao estado
anterior, garantindo a integridade dos dados.

Assista ao vídeo sobre conceito e soluções Para ficar mais claro o conceito, imagine você
de BI da Sadig diante de um caixa eletrônico ou ATM (Automated
Teller Machine) para efetuar um saque de sua
http://www.youtube.com/watch?v=e-H8n6Ud7Rs conta bancária. Você certamente vai querer que a
1’09” resposta seja muito rápida, não é mesmo? Neste
tipo de operação (saque), o volume de informações
envolvidas é relativamente baixo (agência, conta-
corrente, senha, valor requisitado, saldo disponível e

12

limite de cheque especial) e não é necessário que os
seus dados históricos sejam considerados (se você
tem financiamentos, há quanto tempo é cliente, qual
é seu saldo médio dos últimos meses).
Um Sistema de Apoio à Decisão (SAD) tem
características completamente distintas de um
sistema transacional, pois utiliza “inteligência” para
efetuar suas transações, como prover informações
para se definir uma campanha de marketing, elaborar
as táticas futuras para o lançamento de novos
produtos, descobrir qual a melhor estratégia para se
aumentar as vendas de um dado produto, etc. Um
SAD geralmente utiliza como repositório de dados um
DW – Data Warehouse, que está desvinculado das
bases de dados que dão sustentação aos sistemas
transacionais, também chamadas de OLTP – OnLine
Transaction Processing.
13
Gestão Estratégiaca da informação (CPM, BI)
Novamente para ficar mais claro, voltemos ao
caso da instituição bancária. Um exemplo de SAD
poderia ser conhecer os potenciais clientes para se
realizar uma campanha de financiamento de veículos.
Neste caso, o banco poderia considerar como
potenciais clientes, somente aqueles que já sejam
proprietários de veículos, que realizaram algum tipo
de financiamento com o banco nos últimos 5 anos,
cujo saldo médio nos últimos 12 meses seja superior
a R$5000.00 e com a restrição de que sua idade
acrescida do prazo de financiamento não superar 75
anos. Para se chegar à lista de clientes potenciais
para esta campanha, seria necessário consultar as
informações que estão no Data Warehouse e não na
base de dados dos sistemas transacionais.
Ainda segundo Terribili (2009), em função das
particularidades do tipo de processamento e de
transação, o ambiente dos sistemas de BI deve ser
dissociado do ambiente transacional, uma vez que no
BI as pesquisas são mais complexas e há um volume
muito maior de informações, das quais os dados
históricos são de grande importância. Assim o tempo
de resposta de uma transação de BI pode ser muito
mais lento do que o de uma operação transacional.
Um exemplo interessante de BI é o utilizado
pela rede de supermercados Pão de Açúcar. Em sua
estratégia, o cliente da rede, quando efetua suas
compras, recebe determinada pontuação como
“Cliente Mais” que lhe dá algumas facilidades e
benefícios futuros, porém, o mais importante para
o BI é que o sistema registre o seu histórico de
consumo no DW.
Assim, o Pão de Açúcar pode utilizar esta base
de dados para direcionar campanhas de marketing
como, por exemplo, fazer uma promoção de venda
de vinhos estrangeiros para clientes que tenham
comprado vinhos nacionais nos últimos 6 meses, acima
de uma determinada quantidade. O direcionamento
da campanha aumenta o nível de retorno, reduz os
custos de divulgação e tende a aumentar a fidelidade
do cliente. Talvez não seja uma mera coincidência

dizer que o grupo tornou-se a maior rede varejista
do Brasil.
Assista ao filme do Youtube com Hugo Bethlem
VP do Grupo Pão de Açúcar sobre as estratégias
de negócios do grupo:
http://youtu.be/1ydgAvZ6COs 4’15”
Ainda para melhorar as explicações acerca das
diferenças entre os sistemas transacionais e os
SADs, é importante dizermos que periodicamente os
dados são extraídos dos sistemas transacionais para
serem armazenados no DW. Para estas operações
são utilizadas ferramentas chamadas ETL (Extract,
Transform and Load), que estudaremos no próximo
capítulo. Este processo de criação e manutenção dos
DWs, inclui a extração dos dados dos vários sistemas
transacionais, a transformação (padronização) e sua
carga no Data Warehouse.
14
Gestão Estratégiaca da informação (CPM, BI)
2.3. Ferramentas de Business
Intelligence
Como vimos, a complexa situação que
envolve a tomada de decisões pode ser apoiada com
a utilização de SADs que utilizem um Data Warehouse
e ferramentas para o gerenciamento e tratamento
dos dados e das informações, buscando vantagens
competitivas para o negócio.
Há controvérsias entre especialistas sobre
quais ferramentas e componentes constituem um
sistema de BI, então relacionamos aqui as mais
importantes:
• DW – Data Warehouse: um repositório
de dados especial preparado para dar suporte a
aplicações de tomada de decisões. O DW transforma
o conjunto de dados históricos, obtido com base na
estratégia de negócios da empresa, em informações
unificadas que são armazenadas em um repositório
central confiável, através de uma base de dados
integrada.
• Ferramentas de Query & Reporting
(Q&R): ou ferramentas de consulta e reporte. São
utilizadas para execução e extração periódica de
informações com médio ou alto grau de detalhamento.
Possibilitam a construção de relatórios através de
comandos simplificados.
• Ferramentas OLAP - OnLine Analytical
Processing: ou ferramentas de Processamento
Analítico Online. Permitem a análise dos dados por
diversas dimensões, de forma que seja possível se
identificar com rapidez e facilidade o desempenho dos
negócios. São ferramentas de análise e exploração de
dados para atividades mais interativas e investigativas.
As informações trabalhadas possuem um grau de
detalhamento menor do que nas ferramentas Q&R,
porém possibilitam o cruzamento, detalhamento e
resumo de dados de maneira mais rápida.
 Gestão Estratégiaca da informação (CPM, BI)

• Ferramentas de Data Mining: ou • Ferramentas de Monitoramento de

ferramentas de mineração de dados. Essas
ferramentas, utilizando modelos matemáticos,
procuram padrões ocultos em uma coleção de dados
que podem ser usados para se prever comportamentos
e tendências futuras, dentre outras possibilidades.
Performance: incluem dashboards e scorecards
que fornecem uma visão dos indicadores de
desempenho corporativo, gráficos e planilhas e
podem incluir sistemas mais sofisticados como cubos
tridimensionais e até ferramentas de Realidade
Virtual.

Fonte: http://www.softexpert.com.br/business-intelligence.php

• Como a empresa pode maximizar seus

Estas ferramentas serão estudadas no próximo
investimentos em BI?
capítulo.

• De que funcionalidades do BI as empresas

Gerentes e executivos se beneficiam muito com as
precisam e o que estão usando hoje?
soluções de BI, pois essas ferramentas os ajudam a
gerenciar melhor o seu negócio. As empresas que não
• Quais são os custos ocultos associados ao
conseguem implementar de forma adequada essas
investimento em BI?
soluções acabam ficando em séria desvantagem
competitiva.

Os consultores do Gartner Group1 sugerem as

seguintes questões essenciais para a análise das
soluções de BI:

  http://www.gartner.com/technology/home.jsp
1

15
 Gestão Estratégiaca da informação (CPM, BI)

O processo de criação de inteligência nos negócios de uma empresa começa pela identificação
e priorização de projetos ligados ao BI. Nesse processo, a empresa utiliza medidas de ROI- Return on
Investment (Retorno sobre Investimento) e TCO – Total Cost of Ownership (Custo Total de Propriedade) para
estimar a relação custo/benefício da implantação do projeto de BI. Além disso, são analisados os impactos
da implantação do BI na tomada de decisões dentro da organização em cada um dos níveis de administração.

Assista ao filme do Youtube sobre o

caso FNAC que utiliza solução de BI da Microsoft:

http://youtu.be/83NYSgg1ALw 3’19”

Sendo assim, o processo de criação e implantação • Quem deve atuar como tomador de decisão
de inteligência nos negócios deve ser realizado de na priorização dos projetos de BI
forma cuidadosa, seguindo uma metodologia para
que a empresa seja bem sucedida com sua utilização. • Como realizar a integração em nível gerencial

• Como estabelecer parcerias entre chefes de

áreas funcionais e líderes de áreas de produtos e
serviços

• Como estabelecer uma harmonia entre os

clientes do BI (ligados ao negócio) e os fornecedores
(ligados à TI).

Definidas estas questões, a equipe responsável

De acordo com Turban (2009), questões
importantes ligadas ao processo de implantação e
gerenciamento do BI incluem a definição de:
pela “governança do BI” deve partir para as ações:
1) criar categorias de projetos (estratégicos, de
investimentos, de oportunidades de negócios
etc); 2) definir critérios de seleção de projetos; 3)
estabelecer uma estrutura para se determinar os
riscos do projeto; 4) gerenciar as interdependências
do projeto; 5) monitorar e ajustar a composição do
portfólio de serviços e demandas do BI.
O sucesso do BI depende de uma boa governança
e as razões fundamentais para o investimento em

16
 Gestão Estratégiaca da informação (CPM, BI)

seus projetos devem estar alinhadas com a estratégia a Incorporar planilhas com informes
de negócios da empresa. O BI deve servir como corporativos
uma forma de mudar a maneira como a empresa
conduz suas operações de negócio, melhorando seus a Realizar consultas Ad hoc 2

processos e transformando a tomada de decisões em

processos mais orientados à análise de dados. a Ter conectividade bidirecional com múltiplas
bases de dados

a Permitir rápida assimilação do ambiente pelos

2.4. CPM e BI usuários

Neste ponto é interessante, caro aluno, fazermos a Ter precisão e unicidade dos dados de origem
uma discussão sobre as fronteiras que separam e/ou
Para se alcançar o CPM, seria necessário adicionar
unem os conceitos de CPM e BI. Como já dissemos,
às características listadas anteriormente as seguintes
o CPM, de acordo com o Gartner Group é “um
possibilidades:
termo genérico que descreve todos os processos,
metodologias, métricas e sistemas necessários
a Orçamento, planejamento e simulação
para medir e gerenciar a performance de uma
flexíveis
organização”. O CPM pode ser considerado, então,
uma solução mais abrangente e complementar aos
a Personalização de qualquer requisito de
tradicionais sistemas de gestão (BI), na qual regras
negócio
de negócio complexas, ligadas à administração do
negócio e governança corporativa, são utilizadas de a Controle direto do usuário na aplicação e
forma a se conseguir mensurar o desempenho do publicação no tempo do negócio
negócio.
a Gerência dos requisitos de planejamento
Uma solução de BI de alto desempenho deve estratégico
possuir no mínimo as seguintes características:
a Fluxos de trabalho e dados integrados
a Permitir rápido desenvolvimento e alta consistentemente, com planilhas centralizadas
flexibilidade de implementação
a Reporting baseado em pesquisas na web de
a Interagir com todas as fontes de dados da forma intuitiva
empresa
a Acesso às informações gerenciais e
a Preservar e complementar os investimentos estratégicas em qualquer lugar e a qualquer
em DW momento

a Permitir ajustes aos novos requerimentos de a Alta escalabilidade e suporte para grande
negócio volume de dados e usuários

a Realizar análises consistentes com dados a Altíssima satisfação dos usuários

corporativos 2
  Ad hoc é uma expressão em Latim que quer dizer “com este objetivo”.
Geralmente significa uma solução designada para um problema ou tarefa
específico, que não pode ser aplicada em outros casos. Também indica
uma situação provisória ou improvisada.

17
 Gestão Estratégiaca da informação (CPM, BI)

Assim, de forma simplificada, um resumo sobre a refere, afinal, o processo de tomada de decisões no
diferença de BI e CPM poderia ser: ambiente corporativo.

• BI: Fornece soluções para mostrar o porquê do Uma das principais atividades que qualquer
executivo tem que exercer é a tomada de decisões.
status atual dos negócios, respondendo a pergunta:
Porque estamos desta maneira? Os executivos passam grande parte de seu tempo
estudando o ambiente externo no qual os negócios
• CPM: Adiciona as respostas às perguntas: da empresa estão inseridos e procurando orientar o
Como estamos? Como deveríamos estar? Além de planejamento estratégico da empresa e identificar as
responder a: Quanto capacitamos, produzimos, melhores ações a serem tomadas.
satisfazemos ou lucramos?
De acordo com Franco (2009):
Outra maneira de ajudar a explicar o CPM é dizendo
o que ele não é. CPM não é simplesmente uma solução A tomada de decisão é muito mais do que
de BI, não é uma ferramenta de análise de dados a o momento da escolha da ação, é um processo
ser implementada num único departamento, não é que envolve processos comparativos, escolha de
uma tecnologia e não é um complicado software. parceiros, exame da capacidade operacional da
empresa, análise de cenários, projeção de futuro,
CPM pode ser, então, definido como a integração identificação de riscos e de oportunidades, análise
de vários componentes num só ambiente, capaz de da concorrência, dentre outros tantos requisitos.
agrupar de forma consistente e integrada soluções
para análise, orçamento, planejamento, Business
Intelligence, integração de dados, previsões, No processo de tomada de decisões é muito
simulações, scorecards e dashboards. importante saber a quantidade e a qualidade de
dados e informações à disposição do gestor ou
administrador. Para ajudar o executivo neste processo
crucial, é necessário utilizar as ferramentas de apoio
2.5. O processo de tomada de decisões à decisão em uma hierarquia capaz de diferenciar
as necessidades dentro das diversas situações
Até aqui, caro aluno, falamos bastante de na organização, o que reforça a importância da
soluções de apoio às decisões estratégicas para o informação.
negócio. Aqui vamos discutir e esclarecer a que se

18

Os requisitos de informação gerencial dependem
muito do nível de administração envolvido. Existem
diferentes níveis de tomada de decisão. Estes níveis
são classificados como estratégico, tático e
operacional.
Cada nível de administração, seja estratégica,
tática ou operacional, possui diferentes necessidades
de informação. Isto tem implicações importantes
para a escolha das ferramentas de apoio à decisão
que a empresa deva adquirir.
Assim, em função do nível administrativo, estas
são as principais atividades que o gestor deve lidar:
• Planejamento e Controle Estratégico: Os
principais executivos desenvolvem as metas globais,
estratégias, políticas e objetivos da organização
por meio de um planejamento estratégico de longo
alcance. Eles também monitoram o desempenho
estratégico da organização e sua direção geral.
Suas necessidades de ferramentas de apoio à
decisão exigem relatórios gerenciais e informações
estratégicas.
19
Gestão Estratégiaca da informação (CPM, BI)
• Planejamento e Controle Tático: Os gerentes
de nível médio desenvolvem planos de curto e médio
prazo e orçamentos e especificam as políticas,
procedimentos e objetivos para as unidades da
organização. Eles também adquirem e distribuem
recursos e monitoram o desempenho das unidades
organizacionais nos departamentos, divisões e outros
níveis de grupos de trabalho. Suas necessidades de
ferramentas de apoio à decisão exigem informações
detalhadas em todas essas áreas.
• Planejamento e Controle Operacional:
Os gerentes da supervisão desenvolvem recursos
de planos de curto prazo como os programas de
produção. Os supervisores são gerentes de linha de
frente que dirigem as atividades dos funcionários
não-gerenciais. Suas necessidades de ferramentas de
apoio à decisão estão frequentemente associadas ao
processamento, monitoração e avaliação de produtos
físicos.
Veja no Youtube um exemplo de implantação
de sistema de apoio à decisão da Cervejaria
Russa Baltika
http://youtu.be/OS34CYpa-Cc 6’46”

Exercícios do Capítulo 2
1) Assinale V-Verdadeiro ou F-Falso
( ) CPM é simplesmente uma solução de BI,
pode ser uma ferramenta de análise de dados a ser
implementada num único departamento, é uma
tecnologia, mas não é um complicado software.
( ) O BI deve servir como uma forma de mudar a
maneira como a empresa conduz suas operações de
negócio, melhorando seus processos e transformando
a tomada de decisões em processos mais orientados
à análise de dados.
( ) Uma empresa pode utilizar medidas de ROI
e TCO para estimar a relação custo/benefício da
implantação de um projeto de BI.
( ) A complexa situação que envolve a tomada
de decisões pode ser apoiada com a utilização de
SADs que utilizem um DW e ferramentas para
o gerenciamento e tratamento dos dados e das
informações, buscando vantagens competitivas para
o negócio.
( ) O ambiente dos sistemas de BI deve ser
totalmente associado do ambiente transacional, uma
vez que no BI as pesquisas são mais complexas e há
um volume muito maior de informações, das quais os
dados históricos são de grande importância.
2) Associe a função com o nível
administrativo.
1- Estratégico 2- Tático 3-Operacional
A- Os gerentes de nível médio desenvolvem
planos de curto e médio prazo e orçamentos e
especificam as políticas, procedimentos e objetivos
para as unidades da organização.
B- Os gerentes da supervisão desenvolvem
recursos de planos de curto prazo como os programas
de produção.
20
Gestão Estratégiaca da informação (CPM, BI)
C- Os principais executivos desenvolvem as
metas globais, estratégias, políticas e objetivos da
organização por meio de um planejamento estratégico
de longo alcance.
3) Conceitue e diferencie BI e CPM.
4) A que se referem as definições?
_________________: Estes sistemas apresentam
como principais características alta velocidade
no tempo de resposta e baixo volume de dados
envolvidos na transação. Para estes sistemas, as
informações históricas não são relevantes.
________________: Geralmente utilizam como
repositório de dados um DW, que está desvinculado
das bases de dados chamadas de OLTP – OnLine
Transaction Processing.
________________: São utilizadas para execução
e extração periódica de informações com médio ou
alto grau de detalhamento. Possibilitam a construção
de relatórios através de comandos simplificados.
________________: Permitem a análise dos
dados por diversas dimensões, de forma que seja
possível se identificar com rapidez e facilidade o
desempenho dos negócios. São instrumentos de
análise e exploração de dados para atividades mais
interativas e investigativas.

3 - Data Warehouse
3.1. Definições de Data Warehouse e
Data Warehousing
Como vimos no capítulo anterior,
ferramentas de BI têm por objetivo:
Prover a Informação certa à
pessoa certa na forma certa no tempo certo
Figura 2 – Hierarquia das informações
No topo da pirâmide da figura 2, as informações
“inteligentes” representam apenas 5% e são tão
importantes que fornecem as bases para o complexo
processo de tomada de decisões. Existem muitos
processos e metodologias que permitem que a base
de dados e as informações ganhem “inteligência”.
Como já vimos, as ferramentas de BI reúnem estes
processos que tornam as informações “inteligentes”.
Gestão Estratégiaca da informação (CPM, BI)
A hierarquia das informações numa organização
empresarial começa pela coleta de dados, que
são transformados em informação, mas essas
informações precisam ser organizadas de tal forma
que ganhem componentes “inteligentes” para que
possam ser usadas em favor das melhores decisões.
as
Observe a figura 2.
Mas para que isso aconteça, é necessário
que os dados sejam armazenados em repositórios
diferentes dos tradicionais bancos de dados
transacionais, ou seja, é necessária a construção de
um DW- Data Warehouse.
Como vimos, caro aluno, os bancos de dados
tradicionais são transacionais, ou seja, foram
projetados para inclusões, alterações, exclusões
21

e consultas simples aos dados. Estes bancos são
conhecidos como OLTP - OnLine Transaction
Processing ou bancos que realizam processamento
online de transações. Já os Data Warehouses têm
a característica distinta de que são direcionados
principalmente para aplicações de apoio às decisões.
Eles são otimizados para a recuperação de dados,
não para o processamento rotineiro de transações.
Este repositório de dados proporciona uma sólida e
concisa integração dos dados da empresa, permitindo
a realização de análises gerenciais e estratégicas
de seus principais processos de negócio. O DW se
preocupa em integrar e consolidar as informações de
fontes internas, na maioria das vezes heterogêneas,
e fontes externas, sumarizando, filtrando e limpando
esses dados, preparando-os para análise e suporte à
decisão.
Turban (2009) define um DW da seguinte
maneira:
“Data Warehouse (DW) é um conjunto de
dados produzido para oferecer suporte à tomada
de decisões; é um repositório de dados atuais e
históricos de possível interesse aos gerentes de
toda a organização. Os dados são estruturados
de forma a estarem prontos para as atividades de
processamento analítico, data mining, consultas,
geração de relatórios e outras aplicações de suporte
à decisão.”
22
Gestão Estratégiaca da informação (CPM, BI)
O Data Warehouse possibilita a análise de grandes
volumes de dados que são coletados de sistemas
transacionais. Os dados em um Data Warehouse não
são voláteis, ou seja, eles têm registros permanentes
e não podem ser alterados. Quando é necessário
fazer correções ou atualizações, os dados obsoletos
são descartados e as alterações são inseridas como
novos dados. [TURBAN, 2009]
Pela sua capacidade de armazenar grandes
volumes de dados e de possibilitar importantes
análises sobre estes dados, os Data Warehouses
são elementos fundamentais, formando o “núcleo”
dos sistemas de informações gerenciais e de apoio
à decisão das principais ferramentas de Business
Intelligence.
Existe um termo correlato à utilização de DWs,
conhecido como Data Warehousing.
O termo Data Warehousing não se refere a
um produto, mas a uma estratégia que reconhece
a necessidade de armazenar os dados provenientes
de diferentes sistemas de informação e consolidá-
los, de forma a fornecer informações aos diversos
profissionais de uma empresa para que possam tomar
as decisões do negócio de modo rápido e eficaz.
Geralmente o Data Warehouse armazena
informações sobre os processos de várias atividades
do negócio, de forma que possam ser realizados
cruzamentos e consolidações das diferentes unidades
de negócios da empresa.
 Gestão Estratégiaca da informação (CPM, BI)

Muitas empresas necessitam criar Data a Permite uma visão das curvas de
Warehouses, que como vimos, são enormes comportamento do negócio
repositórios de dados, para que possam melhorar
o processo de tomada de decisões. Os dados são a Confere agilidade às ferramentas para apoio à
importados de várias fontes diferentes, são “limpos” decisão
e organizados de forma adequada às necessidades
da empresa. A integração dos dados permite ao a Fornece segurança e confiabilidade das
executivo ter uma visão “corporativa” dos dados. informações para a decisão
Mas essa integração, ou seja, a migração dos dados
mantidos pelos sistemas transacionais para o DW, no a Permite uma maior abrangência da visão dos
entanto, não é um processo fácil, nem barato: exige indicadores de desempenho
muito planejamento e diz-se que seu custo é 75%
a Fornece recursos mais abrangentes para a
do investimento necessário à implantação do Data
análise de negócios
Warehouse. [SOUZA, 2003]

a Necessidades e expectativas executivas são

Os motivos que justificam um alto investimento
atendidas por TI
para a implantação de um DW em uma organização
reúnem a existência na empresa de:

a Várias plataformas de hardware e de software

não integradas

a Constantes alterações nos sistemas Assista aos vídeos em inglês sobre Conceitos
transacionais corporativos Básicos de Data Warehouse

a Dificuldade acentuada na recuperação de http://youtu.be/eiRhRxPuEU8 4’25”

dados históricos em períodos superiores ao ano em
que as operações são realizadas http://youtu.be/uFmNMPt_Az4 4’12”

a Existência de sistemas e “pacotes” de 3.2. Características de um Data

fornecedores diferentes
Warehouse
a Falta de uma padronização e integração dos
De acordo com Inmon (1997), que é considerado
dados existentes nos diversos sistemas
o criador do conceito de data warehousing, existem
basicamente quatro características que descrevem
a Carência de documentação e segurança no
um DW:
armazenamento dos dados

• orientado ao assunto: os dados são

O resultado de um projeto de Data Warehouse
organizados de acordo com o assunto ao invés da
traz grandes benefícios à organização, dos quais se
aplicação.
destacam:

• integrado: todos os atributos e convenções

a Informações ficam disponíveis para os
de tipos são unificados e integrados, de forma que
gestores
signifiquem sempre a mesma coisa.

23

• variação em relação ao tempo: há espaço
para o armazenamento de dados que têm 5, 10 ou
mais anos, de forma que possam ser utilizados em
comparações, tendências e previsões.
• não-volatilidade: os dados não são
atualizados ou modificados em nenhum momento;
uma vez que estes entram no DW, passam a ser
somente acessados, nunca alterados.
Os dados de um DW são precisos em relação
ao tempo, representam resultados operacionais
realizados em um determinado momento de tempo:
precisamente o momento em que foram capturados.
Assim os dados do DW são um snapshot (fotografia
instantânea), um conjunto estático de registros de
uma ou mais tabelas. Isso implica que não podem
ser atualizados. Para ficar mais claro este conceito,
caro aluno, imagine apenas que um dado relativo às
vendas de um certo produto num determinado mês
nunca mais terá seus valores modificados.
Nos DWs, a data é um elemento essencial e um
componente-chave, pois faz parte de um projeto
estruturado sobre janelas do tempo. Nos DWs, os
espaços de tempo são significativamente maiores do
que os armazenados em um sistema transacional,
situando-se entre 5 e 10 anos, podendo até se
estenderem por maiores períodos de tempo.
Outra característica de suma importância em um
DW é que todos os seus dados têm um alto nível de
integração. Isso significa que um mesmo atributo
não pode significar coisas diferentes em dados
24
Gestão Estratégiaca da informação (CPM, BI)
semelhantes. As convenções de nomes, valores
de variáveis, e outros atributos físicos de dados,
como tipos de dados, são formalmente unificados
e integrados nessa base única. Assim, ao se referir
ao sexo, por exemplo, não se podem usar valores
diferentes como “f” e “m” e “feminino” e “masculino”
ou ainda “0” e “1”.
Em ambientes de múltiplas plataformas, a
característica de integração se torna fundamental,
pois é necessária a unicidade de informações. A
existência de sistemas mais antigos com padrões
de codificação de dados diferentes pode levar à
existência de diferentes convenções entre os sistemas
operacionais. Neste caso, quando forem carregados
para o DW, devem ser resolvidos pelos processos de
filtragem e agregação.
No DW, os dados são organizados por assunto
e contém informações importantes para o suporte à
decisão. O fato de estes dados estarem organizados
por assunto (como vendas, produtos, clientes, etc)
permite que os usuários determinem como está o
desempenho da empresa em termos de lucratividade
e também permite que se determinem as razões
deste desempenho.
Por exemplo, uma empresa de seguros
utilizando um DW poderia organizar seus dados
por consumidor, prêmio e franquia, ao invés de
diferentes produtos (automóvel, vida, etc.). Os dados
são organizados por assunto, contendo somente as
informações necessárias para o processo de suporte
à decisão. [TURBAN, 2009]
3.3. Pessoas envolvidas no processo de
data warehousing
Por sua abrangência, o processo de data
warehousing envolve desde profissionais de TI até
analistas de negócios que podem ser considerados
usuários do ambiente.

Esse ambiente inclui administradores do projeto,
projetistas de banco de dados, administradores
de bancos de dados e dos sistemas operacionais e
administradores de dados, que têm uma importância
muito grande no processo de integração entre os
ambientes transacionais e os ambientes dimensionais.
Há também os programadores e os analistas de
sistemas para a extração e limpeza dos dados, além
dos analistas dos aplicativos, que acessarão as
informações, e os usuários finais.
Essa diversidade de pessoas encontram-se
agrupados por papéis da seguinte forma:
a Analistas responsáveis pela carga
dos dados: representam os programadores que
necessitam conhecer o mapeamento entre o DW e os
sistemas transacionais, além de todos os requisitos
necessários à filtragem e à integração dos dados.
a Usuários finais: são os especialistas,
gerentes, executivos e analistas de negócio, que
utilizam a informação para apoio à tomada de decisão.
Esses usuários apresentam uma grande familiaridade
com os termos do negócio e estão sempre em busca da
solução de um problema ou de novas oportunidades.
Eles podem ser divididos em dois grupos: os usuários
diretos e os usuários indiretos. Os usuários diretos
são aqueles que acessam livremente o DW como um
todo e os usuários indiretos acessam os DMs (Data
Marts) especializados.
25
Gestão Estratégiaca da informação (CPM, BI)
a Analistas responsáveis pelo
desenvolvimento e manutenção do DW e dos
Data Marts: equivalem aos administradores de
bancos de dados e administradores de dados dos
SGBDs. Estabelecem o nível de preocupação com os
metadados, com a arquitetura de armazenamento e
com a estrutura dos dados, visando, principalmente,
melhorar o desempenho das consultas. É comum o
estabelecimento de equipes diferentes para os dois
ambientes.
a Administradores de dados: têm um
papel de fundamental importância nesse contexto
novo, pois seu papel de integrador dos ambientes
transacional e dimensional é fator de garantia de
qualidade e da existência íntegra do DW, por meio de
metodologias de acompanhamento e administração
dos metadados entre os sistemas transacionais e seu
processo de manutenção de extração, transformação
e carga do DW.
3.4. Etapas de implantação de um Data
Warehouse
A implementação de um projeto de Data
Warehouse depende de ações políticas e técnicas. No
campo político, é necessário que exista o suporte da
alta direção da empresa e o comprometimento dos
gerentes e analistas de negócios. No campo técnico
existem diferentes abordagens de implementação
que devem ser analisadas para que a escolha possa
ajudar que os benefícios do projeto possam ser
mais rapidamente visíveis e acelerar o processo de
obtenção de apoio interno.
Um DW deve estar em consonância com as
necessidades de negócio da empresa. Assim, a área
de negócio deve ser a patrocinadora da iniciativa.
Muitos projetos iniciados pela área de sistemas ou
de TI fracassaram por não terem o necessário apoio
político da direção da empresa ou por não terem
definido um caso de negócio concreto.

A implantação de um projeto de DW envolve
a extração dos dados, que são provenientes de
diferentes fontes, sua transformação e carga no
DW são feitas por processos de ETL (Extract,
Transformation, Load). Estes dados podem ser
inseridos no DW e depois transferidos para os Data
Marts ou os Data Marts podem ser criados antes do
DW, com dados específicos de cada departamento
da empresa. O DW, que utiliza uma modelagem
multidimensional, fomenta o OLAP (OnLine Analytical
Figura 3 – Etapas e componentes do processo de implantação de um DW
Fonte: http://msdn.microsoft.com/pt-br/library/cc518031.aspx
A primeira fase do processo de data
warehousing consiste em “isolar” a sua informação
operacional atual, preservando a segurança e
integridade de aplicações OLTP (OnLine Transaction
Processing) críticas, ao mesmo tempo em que deve
permitir o acesso de forma mais ampla possível à base
de dados. O DW resultante pode consumir centenas
de GigaBytes ou mesmo TeraBytes de espaço em
disco. Desta forma, torna-se necessário o uso de
26
Gestão Estratégiaca da informação (CPM, BI)
Processing), ferramenta de análise para apoiar a
tomada de decisão, que, por sua vez, organiza as
informações de forma a permitir que a análise dos
negócios da empresa seja realizada, possibilitando,
ao tomador de decisão, respostas rápidas para as
questões relevantes aos negócios.
A figura 3 ilustra as etapas de elaboração de
um DW.
técnicas eficientes para armazenar e acessar grandes
quantidades de informação. Grandes organizações
que já implantaram DWs, concluíram que somente
sistemas de processamento paralelo podem oferecer
largura de banda suficiente para estas aplicações.
Como já dissemos, o DW acessa dados de uma
grande variedade de bancos de dados heterogêneos.
Assim, os dados são transformados e enviados para

o DW em um modelo seletivo. A transformação
de dados e o processo de movimentação são
executados toda vez que uma atualização nos
dados do DW é requerida, logo, deve haver alguma
forma automatizada para gerenciar e executar estas
funções.
A informação que descreve o modelo e a definição
dos elementos da fonte de dados é chamada de
metadados. Os metadados são os meios pelos quais
o usuário final compreende os dados no DW.
A limpeza dos dados é um importante aspecto da
criação de um DW eficiente. Devem ser removidos
Fonte: http://www.informationbuilders.com/data-warehousing
Somente após o processo de limpeza é que os
dados podem ser transferidos para o DW. O DW é
tipicamente um grande repositório de dados em um
sistema de alta performance, do tipo SMP - Symmetric
Multi-Processing ou MPP - Massively Parallel
Processing, ou seja, sistemas multiprocessados ou
27
Gestão Estratégiaca da informação (CPM, BI)
certos aspectos dos dados operacionais que podem
retardar muitas consultas. O estágio de limpeza deve
ser o mais dinâmico possível para acomodar todos
os tipos de consulta, mesmo aquelas que requerem
informações de baixo-nível. Os dados devem ser
extraídos de fontes de produção em intervalos
regulares de tempo e concentrados de maneira
central, mas é importante que o processo de limpeza
remova duplicações e normatize as diferenças entre
os atributos dos dados.
paralelos. Somente um sistema com alto poder de
computação pode garantir a eficiência do processo
de implantação de um data warehousing, dada
a complexidade envolvida no processamento e
consultas e dada a grande quantidade de dados que
geralmente a organização deseja armazenar.
 Gestão Estratégiaca da informação (CPM, BI)

3.5. Arquitetura de Data Warehouses acesso e utilização das informações para todos os
departamentos de uma empresa.
A escolha da arquitetura pode não ser prioridade
no começo de um projeto de Data Warehouse, pois Nesta abordagem, o DW é projetado e construído
pode ser definida ou mesmo modificada após o início com base nas necessidades da empresa como um
da implementação. Entretanto, pode-se despender todo. É projetado como um repositório comum de
um longo tempo caso seja esta a opção inicial. dados de suporte à decisão, disponível para toda a
empresa, ou melhor, em toda a empresa.
A escolha da arquitetura do DW é uma decisão
gerencial do projeto, normalmente baseada em O termo “global” reflete o escopo de acesso e
fatores relativos à infraestrutura disponível, às utilização das informações na empresa e significa
características do negócio (porte da empresa), ao apenas “por toda a empresa”.
escopo desejado, à capacitação dos empregados
A arquitetura global pode ser fisicamente
da empresa e, principalmente, ao orçamento
centralizada ou fisicamente distribuída nas instalações
disponibilizado ou projetado para o investimento.
de uma empresa.
A abordagem de implementação escolhida é uma
a A centralização física é utilizada quando
decisão que pode causar fortes impactos quanto ao
a empresa existe em um único local e o DW é
sucesso de um projeto de Data Warehouse. Muitas
administrado por um departamento de TI.
variáveis afetam a escolha da implementação e da
arquitetura, entre elas o tempo para a execução do
a A distribuição física é utilizada quando a
projeto, o retorno do investimento a ser realizado,
empresa possui diversos locais físicos e os dados estão
a velocidade dos benefícios da utilização das
em múltiplas instalações físicas com a administração
informações, a satisfação do usuário executivo e os
também por um departamento de TI.
recursos necessários à implementação da arquitetura.
Quando dizemos que um departamento de TI
A seleção de uma arquitetura determinará ou
administra o DW, não queremos afirmar que esse
será determinada pelo local onde o Data Warehouse
departamento controla o DW. Por exemplo, nas
ou os Data Marts estarão residindo. Há diversas
instalações distribuídas ele pode ser controlado por
opções que podem ser determinantes na definição da
um departamento em particular, que decide que dados
arquitetura, por exemplo: os Data Marts podem residir
devem entrar no DW, quando devem ser atualizados
em uma instalação central, podem ser distribuídos em
(carga incremental), como outros departamentos e
instalações remotas ou locais, podem ser administrados
que pessoas podem acessar seus dados.
de forma centralizada ou independente.
A administração e a implementação é que devem
No que se segue apresentaremos as principais
ser realizadas por um departamento e profissionais
arquiteturas e exporemos sua configuração básica.
específicos da área de TI, principalmente porque que
é este departamento que administra as redes de
3.5.1. Arquitetura Global
comunicação de dados da empresa.
A arquitetura global é a que suporta toda ou a
A figura 4 ilustra os 2 caminhos de utilização de
maior parte dos requisitos ou necessidades de um
uma arquitetura global para DW. No topo da figura
Data Warehouse integrado com grande grau de
você observa que o DW está distribuído em três

28

Figura 4 – Arquitetura global centralizada e distribuída
Fonte: [INMON, 1997]
instalações físicas e na parte de baixo o DW reside
em uma única instalação.
Os dados são extraídos de sistemas transacionais e
de fontes de dados externas por processos batch em
horários fora do pico de operações. Eles são filtrados,
eliminam-se os dados não necessários e realiza-se
a transformação para a qualidade e necessidade
dos requisitos levantados para o projeto. Eles são
então carregados para o DW para que possam ser
acessados pelos usuários finais.
A arquitetura global habilita os usuários finais
a utilizar visões corporativas de dados, que
normalmente são requisitos de negócio. Entretanto
esse tipo de ambiente consome muito tempo de
desenvolvimento e administração, assim como seu
custo de implementação é muito alto.
3.5.2. Arquitetura de Data Marts Independentes
É a arquitetura normalmente sugerida pelos
fornecedores de software para consulta de informações
no DW, pois é isolada e agrada os usuários.
29
Gestão Estratégiaca da informação (CPM, BI)
A arquitetura independente implica em Data Marts
stand alone controlados por um grupo específico de
usuários e que atende somente às suas necessidades
específicas e departamentais, sem foco corporativo
nenhum. Este fato faz com que não exista nenhuma
conectividade desses Data Marts com outros Data
Marts de outros departamentos ou áreas de negócio.
A figura 5 ilustra esta arquitetura.
Nesta abordagem os dados são extraídos dos
sistemas transacionais pela geração interna do
departamento, com auxílio da área ou departamento
de TI. A área de TI não controla a implementação
e o desenvolvimento, somente auxilia a manutenção
técnica do ambiente. Caso existam dados externos
a serem utilizados, é necessário que a área de TI
seja envolvida para adequar layouts de arquivos e
necessidades técnicas.
A arquitetura independente requer os mesmos
perfis técnicos para a implementação do DW,
porém os recursos e pessoal operacional podem
ser administrados pelo grupo de trabalho ou
departamento. Esse tipo de arquitetura raramente

Figura 5 – Arquitetura de Data Marts independentes
Fonte: [INMON, 1997]
tem impacto nos recursos de TI e resulta sempre
em implementação rápida. Entretanto, sua restrição
possui um mínimo de integração corporativa e não
permite nenhuma visão global.
Normalmente esse tipo de Data Mart está acessível
somente ao pessoal do departamento “proprietário”
do Data Mart. Infelizmente esta é uma situação
utilizada no Brasil e disseminada mundialmente,
resultado do foco de negócios de venda de produtos
que comentamos anteriormente.
3.5.3. Arquitetura de Data Marts Integrados
A arquitetura de Data Marts integrados é basicamente
uma distribuição da implementação do DW. Apesar
dos Data Marts serem implementados separadamente
por grupos de trabalho ou departamentos, eles são
integrados ou interconectados, fornecendo uma
Figura 6 – Arquitetura de Data Marts integrados
Fonte: [INMON, 1997]
30
Gestão Estratégiaca da informação (CPM, BI)
visão corporativa maior dos dados e informações.
Neste caso, o alto nível de integração é similar ao da
arquitetura global e os usuários de um departamento
podem acessar e utilizar os dados de um Data Mart de
outro departamento.
Essa arquitetura permite muitas outras funções
e acesso às informações em relação à arquitetura
independente. Mas a integração aumenta muito o nível
de complexidade dos requisitos e da administração e
controle do ambiente.
Em relação aos negócios, o aspecto positivo dessa
arquitetura é que a capacidade e a qualidade da
visão corporativa das informações são ampliadas.
Neste caso a atuação da área de TI deve ser bem
maior que na arquitetura independente, ficando sob
sua responsabilidade o controle e administração dos
Data Marts.

Exercícios do Capítulo 3
1) Assinale a alternativa falsa sobre DW
a) É um repositório de dados que proporciona
uma sólida e concisa integração dos dados da
empresa, permitindo a realização de análises
gerenciais e estratégicas de seus principais processos
de negócio.
b) A informação que descreve o modelo e a
definição dos elementos da fonte de dados é chamada
de data warehousing, que são os meios pelos quais o
usuário final compreende os dados no DW.
c) O DW se preocupa em integrar e consolidar
as informações de fontes internas, na maioria das
vezes heterogêneas, e fontes externas, sumarizando,
filtrando e limpando esses dados, preparando-os
para análise e suporte à decisão.
d) A limpeza dos dados é um importante aspecto
da criação de um DW eficiente. Devem ser removidos
certos aspectos dos dados operacionais que podem
retardar muitas consultas.
2) Assinale V-Verdadeiro ou F-Falso
( )O DW é tipicamente instalado em um sistema
de alta performance, do tipo SMP - Symmetric Multi-
Processing ou MPP - Massively Parallel Processing, ou
seja, sistemas multiprocessados ou paralelos.
( ) A implantação de um projeto de DW envolve
a extração dos dados, que são provenientes de
diferentes fontes, sua transformação e carga no DW,
que é feita por ferramentas de ETL.
( ) Os dados não podem ser inseridos no DW
e depois transferidos para os Data Marts; os Data
Marts devem ser criados antes do DW, com dados
específicos dos departamentos da empresa.
( ) O termo Data Warehousing se refere a um
produto que armazena os dados provenientes de
31
Gestão Estratégiaca da informação (CPM, BI)
diferentes sistemas e os consolida, fornecendo
informações para que os executivos possam tomar
as decisões do negócio de modo rápido e eficaz.
3) A qual arquitetura de DW as definições
se referem?
_______________: Em relação aos negócios, o
aspecto positivo dessa arquitetura é que a capacidade
e a qualidade da visão corporativa das informações
são ampliadas.
_____________: Esse tipo de arquitetura
raramente tem impacto nos recursos de TI e resulta
sempre em implementação rápida. Possui um mínimo
de integração corporativa e não permite nenhuma
visão global.
_____________: Habilita os usuários finais
a utilizar visões corporativas de dados, que
normalmente são requisitos de negócio. Entretanto
esse tipo de ambiente consome muito tempo de
desenvolvimento e administração, assim como seu
custo de implementação é muito alto.
4) Existem basicamente quatro
características que descrevem um DW;
identifique-as:
______________: os dados não são atualizados
ou modificados em nenhum momento; uma vez
que estes entram no DW, passam a ser somente
acessados, nunca alterados.
______________: os dados são organizados de
acordo com o assunto ao invés da aplicação.
______________: há espaço para o
armazenamento de dados que têm 5, 10 ou mais
anos, de forma que possam ser utilizados em
comparações, tendências e previsões.
______________: todos os atributos e convenções
de tipos são unificados e integrados, de forma que
signifiquem sempre a mesma coisa.

4 – Ferramentas para
construção e consultas a um
DW
4.1. Etapas e componentes da
implantação de um ambiente de apoio à
decisão monitoramento serão apresentados.
O processo de criação de um ambiente que
suporte adequadamente a tomada de decisões
corporativas envolve a construção de um grande
repositório de dados, o DW, que é realizado em
diversas etapas e utiliza ferramentas de apoio
específicas, que podem ser resumidas em:
1) Fontes de dados: os dados podem vir de
sistemas transacionais, de ERPs (sistemas integrados
de gestão), de sistemas legados ou de diversas
outras fontes como bancos de dados transacionais,
planilhas e arquivos-texto.
2) ETL: os dados são extraídos das diversas
fontes, transformados e carregados nos Data Marts
e/ou no DW através de ferramentas especiais
chamadas ETLs.
3) Ferramentas OLAP: “navegam” nos
dados do Data Warehouse para realizar pesquisas e
apresentar as informações de forma adequada aos
tomadores de decisão.
4) Ferramentas de Data Mining: procuram
padrões ocultos nas coleções de dados de forma
a transformá-los em informações úteis para se
prever comportamentos futuros e se alcançar metas
de negócios específicas. Dentre as ferramentas de
data mining encontram-se as de Text Mining, que
procuram padrões ocultos nos arquivos de textos
puros ou em páginas da web (web mining).
5) Ferramentas de Monitoramento: As
ferramentas de monitoramento e visualização são
mais fáceis de serem implementadas quando os
dados estão armazenados num DW. As ferramentas
32
Gestão Estratégiaca da informação (CPM, BI)
OLAP também podem se beneficiar do DW mostrando
as informações de forma tridimensional, ou na forma
de cubos.
Nas seções seguintes, os conceitos e definições
de Data Mart, processo de ETL, OLAP, Data Mining,
incluindo text e web mining, e ferramentas de
4.2 ETL- Extract, Transform and Load
ETL – Extract, Transform and Load ou Extração,
Transformação e Carga, é o processo de extrair os
dados de uma ou várias fontes, transformá-los de
alguma forma sem alterar seu conteúdo e inseri-los
em outro banco de dados, que, no caso de nosso
estudo, é o Data Warehouse. A figura 7 ilustra o
processo de ETL.
Os processos ETL são considerados como uma
das fases mais complexas do ciclo de vida do DW, pois
envolve diversas fontes de dados, transformações
e critérios de qualidade que preparam os dados
para o DW. Estes processos são realizados através
de automatizações que podem ser programadas
(scheduling) para execução diária, semanal, mensal,
dentre outras possibilidades.
O ETL consiste na extração de dados dos sistemas
transacionais, transformação e carga destes dados
de acordo com as regras de negócio da empresa,
garantindo o controle de qualidade dos dados para
sua publicação e posterior uso.
 Gestão Estratégiaca da informação (CPM, BI)

Figura 7 - Conjunto de processos ETL para Data Warehouse

Fonte: Baseado em [KIMBALL, 2004]

Assista ao vídeo em inglês sobre Ferramentas ETL

http://youtu.be/K_FCHYWGGug 4’56”

  4.2.1. Extract (Extração)

A extração é a primeira etapa do processo 4.2.2. Transformation (Transformação)

de ETL para obtenção dos dados no ambiente do
DW. Consiste basicamente em ler, entender e copiar
os dados necessários dos sistemas fontes para a
área de transformação de dados para utilizá-los
posteriormente. [KIMBALL, 2004]
Os dados extraídos são originados de diversas
fontes independentes, que podem ser sistemas
transacionais (OLTP), planilhas Excel, sistemas
legados de diversos fabricantes, dentre outras.
Após a extração dos dados, são aplicadas
transformações de acordo com as regras de negócio
da organização. São exemplos de transformações:
geração de novas chaves, conversão de tipos,
formatação de campos, definição de valores derivados,
agregações, sumarizações, traduções, entre outras
operações. A figura 8 ilustra este processo.

33
 Gestão Estratégiaca da informação (CPM, BI)

Figura 8 – Exemplo de transformação no processo de ETL

Fonte: Baseado em [KIMBALL, 2004]

A integração das informações originadas
de múltiplas e complexas fontes de dados também
é realizada nesta fase. Grandes riscos ocorrem
quando as regras de transformações e integrações
não são definidas claramente, resultando em
cargas de informações equivocadas, o que pode
gerar consequências imprevisíveis nas próximas
fases do projeto.
4.2.3. Load (Carga)
Para iniciar a etapa de carga, os dados devem
estar no formato apropriado com suas devidas
transformações aplicadas. Esta etapa possui grande
complexidade, pois é necessário se considerar os
seguintes fatores:
desde a carga anterior, gerando assim menor tempo
de processamento e menor tráfego na rede.
No processo de carga dos dados pode-se
utilizar um mecanismo de defesa, chamado Quality
Assurance ou Garantia de Qualidade de Dados. Este
mecanismo evita que sejam carregadas massas de
“lixo” para dentro das bases, como dados nulos,
brancos ou inconsistentes.
Por ser a última etapa do ETL, após o sucesso
em sua execução, o DW ou o DM ficarão disponíveis
com os dados íntegros e históricos para as análises
realizadas nas fases posteriores do desenvolvimento
do projeto.

a Integridade dos dados: consiste em validar

todas as chaves estrangeiras da tabela, analisando se
os valores realmente existem nas tabelas de origem,
que contém a chave primária.

a Tipo de carga (incremental ou total): na

carga inicial do DW é usual fazer a carga total, que
contempla todos os dados oriundos do sistema fonte.
Fonte: http://bi-insider.
Nos processos de carga realizados posteriormente é
com/data-warehousing/
usual que seja feita somente a carga incremental, que three-steps-in-etl-
contempla somente os registros novos e alterados processing/

34

  4.3. Data Marts
Data Mart (DM), na definição de Machado
(2010), é um subconjunto de dados do DW que
permite acesso descentralizado, servindo de fonte
para os dados que comporão os bancos de dados
individuais, conforme pode ser visto na figura 9.
Figura 9 - Data Mart x Data Warehouse
Fonte: http://www.gilbertexbom.com/sig/exe3_1.html
Figura 10 - Arquitetura top-down de Data Marts
Fonte: http://www.dataprix.net/pt-pt/24-data-mart
35
Gestão Estratégiaca da informação (CPM, BI)
Um ponto a destacar aqui é que o Data Mart
pode ser tratado como um projeto-piloto para que a
empresa conheça os benefícios da tecnologia antes
da decisão de construir um DW.
Conforme vimos, o projeto do Data Warehouse
pode ser implementado usando uma arquitetura de
Data Marts independentes ou integrados.
Na arquitetura independente, os DMs
fornecem suporte à decisão para os grupos de
usuários ou departamentos, desempenhando o papel
de um DW departamental, sem foco corporativo.
Na arquitetura integrada, os DMs, apesar de
serem implementados separadamente por grupos
de usuários ou departamentos, são integrados ou
interconectados, permitindo uma visão corporativa
dos dados.
Vários tipos de implementação dos Data Marts
nas arquiteturas independente e integrada podem
ser usados. Vamos tratar aqui apenas duas destas
abordagens: top-down e botton-up.
A abordagem top-down consiste em
implementar os DMs a partir da implementação
do DW. Neste ambiente os dados são resumidos,
dimensionados e distribuídos para um ou mais Data
Marts dependentes, como mostra a figura 10. Estes
DMs são “dependentes” porque eles derivam todos
os seus dados de um DW centralizado.

As vantagens da implementação top-down podem
ser assim definidas:
a Herança de arquitetura: todos os DM
originados de um DW utilizam a arquitetura e os
dados desse DW, permitindo uma fácil manutenção.
a Visão de empreendimento: o DW
concentra todos os negócios da empresa, sendo
possível extrair dele níveis menores de informações.
a Repositório de metadados centralizado
e simples: o DW provê um repositório de metadados
central para o sistema. Essa centralização permite
manutenções mais simples do que aquelas realizadas
em múltiplos repositórios.
a Controle e centralização de regras:
a arquitetura top-down garante a existência de
um único conjunto de aplicações para extração,
limpeza e integração dos dados, além de processos
centralizados de manutenção e monitoração.
Mas esta abordagem também apresenta
desvantagens, sendo as principais:
a Implementação muito longa: os DWs são,
normalmente, desenvolvidos de modo iterativo,
separados por áreas de assuntos, como, por exemplo,
vendas, finanças e recursos humanos. Mesmo assim,
Figura 11 - Arquitetura bottom-up de Data Marts
Fonte: http://www.dataprix.net/pt-pt/24-data-mart
36
Gestão Estratégiaca da informação (CPM, BI)
são necessários, em média, 15 ou mais meses
para que a primeira área de assunto entre em
produção, dificultando a garantia de apoio político e
orçamentário.
a Alta taxa de risco: não existem garantias para
o investimento nesse tipo de ambiente.
a Heranças de cruzamentos funcionais:
é necessária uma equipe de desenvolvedores
e usuários finais altamente capacitados, para
avaliar as informações e consultas que garantam à
empresa habilidade para lidar com as mudanças de
competições políticas, geográficas e organizacionais.
a Expectativas relacionadas ao ambiente: a
demora do projeto e a falta de retorno podem induzir
expectativas nos usuários.
Já na abordagem bottom-up os DMs são
organizados de forma independente, representando
determinadas áreas setoriais ou departamentos da
empresa e, após sua implementação, parte-se para
a construção do DW. Assim, o DW será corporativo,
representando o conjunto de todos os assuntos da
empresa de forma que o suporte à decisão atue em
todos os níveis da organização. A figura 11 mostra
esta configuração.

As vantagens da implementação bottom-up são:
a Implementação rápida: a construção dos
DMs é altamente direcionada, permitindo um rápido
desenvolvimento. Normalmente, um DM pode ser
colocado em produção em um período de seis a nove
meses.
a Retorno rápido: a arquitetura baseada
em DM com incremento demonstra rapidamente
seu valor, permitindo uma base para investimentos
adicionais com um nível mais elevado de confiança.
a Manutenção do enfoque da equipe:
A elaboração de DMs incrementais permite que os
principais negócios sejam enfocados inicialmente,
sem que haja gastos no desenvolvimento de áreas
que não são essenciais ao problema.
a Herança incremental: a estratégia de
DMs incrementais obriga a entrega de recursos de
informação passo a passo. Isso permite à equipe
crescer e aprender, reduzindo os riscos. A avaliação de
ferramentas, tecnologias, consultores e vendedores
só deve ser realizada uma vez, a não ser que existam
restrições que impeçam o reaproveitamento.
Mas suas desvantagens incluem:
a Perigo de “legamarts”: um dos maiores
perigos na arquitetura de DW é a criação de DMs
independentes. O advento de ferramentas drag-and-
drop (clique e arraste) facilitou o desenvolvimento de
Tabela 1 - Comparação entre Implantação de Data Mart e de Data Warehouse
Data Mart
Tamanho De 50 GB a 250 GB
Propósito Área ou assunto específico
Visão departamental
Como iniciar Bottom-up
Controle Departamental
Tempo Implementação 3 a 6 meses
Custo Implementação De R$100.000 a R$1.000.000
Fonte: http://www.batebyte.pr.gov.br/modules/conteudo/conteudo.php?conteudo=497
37
Gestão Estratégiaca da informação (CPM, BI)
soluções individuais de acordo com as necessidades
da empresa. Essas soluções podem não considerar
a arquitetura de forma global. Desse modo, os DMs
independentes transformam-se em DMs legados, ou
legamarts que dificultam, quando não inviabilizam,
futuras integrações. Eles são parte do problema e
não da solução.
a Desafio de possuir a visão de
empreendimento: durante a construção dos DMs
incrementais, é necessário que se mantenha um
rígido controle do negócio como um todo. Esse
controle requer maior trabalho ao extrair e combinar
as fontes individuais do que utilizar um DW.
a Administrar e coordenar múltiplas
equipes e iniciativas: normalmente, esse tipo
de arquitetura emprega o desenvolvimento de
DMs em paralelo. Isso pode conduzir a uma rígida
administração, tentando coordenar os esforços e
recursos das múltiplas equipes, especialmente nas
áreas de regras e semântica empresariais.
Por serem menores, os Data Marts possuem
uma implantação mais rápida do que o DW, porém
utilizam a mesma abordagem. De acordo com Sowek
(2009): “O maior atrativo para implementar um
Data Mart é seu custo e prazo. Segundo estimativas,
enquanto um DM custa em torno de R$100 mil a R$1
milhão e leva cerca de 120 dias para estar pronto,
um DW integral começa em torno dos R$ 2 milhões e
leva cerca de um ano para estar consolidado.”
Data Warehouse
Vários TeraBytes ou mais
Repositório da organização
Visão corporativa
Top-down
Sistema de Informação
1 até 2 anos
Milhões de reais

Mas não existe um projeto padrão que possa
ser implementado em todas as empresas, assim,
estes valores citados por Sowek e mostrados na
tabela 1, são apenas estimativas, pois o investimento
para o projeto do DW depende de cada caso.
Leia o artigo: Data Warehouse ou Data Mart?
Projetando BI
de Thiago Cursio, publicado em 28/8/2011
“...
Ralph Kimball é um defensor da teoria de que o
DW deve ser dividido para depois ser conquistado, ou
seja, que o mais viável para as empresas é desenvolver
vários Data Marts para posteriormente integrá-los e,
assim, chegar-se ao DW. Na sua avaliação, as empresas
devem construir Data Marts orientados por assuntos.
Ao final, teriam uma série de pontos de conexão
entre eles, que seriam as tabelas Fato e Dimensão
em conformidade. Dessa forma, informações entre os
diferentes Data Marts poderiam ser geradas de maneira
íntegra e segura. Kimball batizou esse conceito de Data
Warehouse Bus Architeture.
William Inmon rebate essa teoria e propõe
justamente o contrário. Na sua avaliação deve-se
construir primeiro um Data Warehouse, modelando-
se toda a empresa para se chegar a um único modelo
corporativo, partindo-se posteriormente para os Data
Marts construídos por assuntos ou departamentais.
Inmon defende a ideia de que o ponto de partida
seriam os CIF – Corporate Information Factory –
uma infraestrutura ideal para ambientar os dados
da empresa. O CIF seria alimentado pelos sistemas
transacionais. A construção de um ODS- Operational
Data Store seria facultativa, mas essa iniciativa
ajudaria a reduzir a complexidade da construção de
um DW, uma vez que todo o esforço de integração
38
Gestão Estratégiaca da informação (CPM, BI)
entre os sistemas transacionais da empresa seria
depositado nele.
...”
Disponível em: http://www.tiagocurcio.com/data-
warehouse-ou-data-mart-2/
4.4. OLAP - OnLine Analytical Processing
O DW, por si só, não fornece as informações que
os níveis gerenciais necessitam. As ferramentas OLAP
- OnLine Analytical Processing ou Processamento
Analítico Online têm como função “navegar” nos
dados do Data Warehouse para realizar pesquisas
e apresentar as informações de forma adequada.
Assim, OLAP é um conjunto de ferramentas que
possibilitam efetuar a exploração e análise dos dados
no DW.
Ferramentas OLAP fornecem meios tecnológicos
para exploração detalhada do negócio, possibilitando
aos usuários analisar os dados, detectando tendências,
exceções e obtendo detalhes para melhor entender as
fases de melhor e pior desempenho nas atividades do
negócio. Possuem recursos que permitem ao usuário
final analisar um grande conjunto de dados de forma
simplificada, fácil e flexível.
Algumas ferramentas permitem criar modelos de
consultas (views ou visões) usando uma interface
amigável, possibilitando a escolha das tabelas
para análise em diversos níveis de agregação.
Essa análise multidimensional implica na utilização
de operações como comparação de valores entre
períodos, percentual de variação, médias, somas ou
valores cumulativos, além de funções estatísticas e
financeiras. [MACHADO, 2010]
A possibilidade de manipular dados e formas de
apresentação de maneira rápida é um dos pontos
fortes de um Data Warehouse. Essa característica
faz com que os relatórios sejam mais comumente
utilizados em tela e não impressos. O analista de

informação ou pessoa que precisa dos dados, pode
então navegar nas informações por diversas maneiras
e ao final pode imprimir e até mesmo salvar aquela
visão para uma futura consulta.
As ferramentas OLAP geralmente apresentam
as características:
 Permitem uma visão multidimensional dos
dados
 Realizam cálculos complexos
 Criam agregações e consolidações
 Fazem previsões e análises de tendência
 Constroem cenários a partir de suposições
 Fazem cálculos e manipulam dados através
de diferentes dimensões
4.4.1. Modelagem e Visão Multidimensional dos
Dados
De acordo com Kimball (2004), a modelagem
multidimensional é uma técnica de concepção e
visualização de um modelo de dados de um conjunto
de medidas que descrevem aspectos comuns de
negócios. É utilizada especialmente para resumir
e reestruturar dados e apresentá-los em visões
que suportem a análise dos valores desses dados.
Um modelo multidimensional é formado por três
elementos básicos: fatos, dimensões e medidas, que
serão explicados no que se segue:
• Fatos
Um fato é uma coleção de itens de dados,
composta de dados de medidas e de contexto.
Cada fato representa um item, uma transação ou
um evento de negócio. É utilizado para analisar o
processo de negócio de uma empresa e tudo aquilo
que reflete a evolução dos negócios do dia-a-dia de
uma organização. A característica básica de um fato
39
Gestão Estratégiaca da informação (CPM, BI)
é que ele é representado por valores numéricos e
implementado em tabelas denominadas tabelas de
fato (fact tables).
• Dimensões
Dimensões são, conceitualmente, os elementos
que participam de um fato (assunto de negócios).
São as possíveis formas de visualizar os dados, como:
“por mês”, “por país”, “por produto”, “por região”, etc.
As dimensões determinam o contexto de um
assunto de negócios, por exemplo, as vendas de
produtos. As dimensões que participam desse
fato vendas de produtos comumente são tempo,
localização, clientes, vendedores, cenários
(realizados, projetados). Dimensões normalmente
não possuem atributos numéricos, pois são somente
descritivas e classificatórias dos elementos que
participam de um fato.
• Medidas
Medidas são os atributos numéricos que
representam um fato; medem a performance de um
objetivo de negócio representado por um indicador
relativo às dimensões que participam desse fato.
Os números atuais são denominados de variáveis.
Medidas podem ser, por exemplo, o valor em reais das
vendas, o número de unidades de produtos vendidas,
a quantidade em estoque, o custo de venda, entre
outras. Uma medida é determinada pela combinação
das dimensões que participam de um fato, e estão
localizadas como atributos de um fato.
O caminho mais utilizado para visualizar um modelo
dimensional é o desenho de um cubo. Entretanto,
usualmente um modelo dimensional consiste em
mais de 3 dimensões, o que é definido como um
hipercubo. Visualizar graficamente um hipercubo é
muito difícil, desta forma utiliza-se a referência a
um cubo para qualquer modelo multidimensional. A
figura 12 traz a representação de um fato “vendas”
por meio de um cubo.
 Gestão Estratégiaca da informação (CPM, BI)

Figura 12 – Visão muldimensional do fato “vendas”

Fonte: http://mymsiad.blogspot.com/2007/09/o-modelo-dimensional-md-uma-tcnica-de.htm

No exemplo da figura 12, a medida é o volume na figura), na cidade de Campinas no estado de SP

de vendas, o que é determinado pela combinação foram vendidos 11000 telefones do modelo 1101.
de três dimensões: localização, produto e tempo. As
dimensões localização e produto possuem dois níveis
de hierarquia. Por exemplo, a dimensão localização
tem o nível estado e o nível cidade, na qual temos os 4.4.2. Navegação muldimensional
membros SP e Rio. A dimensão tempo nesta figura
poderia representar os anos de venda, tais como A análise multidimensional representa os
1997, 1998 e 1999. Cada subcubo possui o valor dados como dimensões ao invés de representá-los
da medida de quantidade de venda. Por exemplo, por tabelas.
em um período específico de tempo (não expresso

Fonte: http://msdn.microsoft.
com/pt-br/library/cc518031.
aspx

40
 Gestão Estratégiaca da informação (CPM, BI)

Combinando as dimensões, o usuário tem

uma visão dos dados de um DW que permitem a
ele efetuar operações básicas como “Slice and Dice”,
que é uma forma de mudança das dimensões a
serem visualizadas, “drill down” e “Roll up”, que é
navegação entre os níveis de detalhamento dos dados
do DW. As operações OLAP podem ser utilizadas
combinadas, ou seja, realizar um Slice e um Dice ao
mesmo tempo com operações de drill down ou Roll
up. [MACHADO, 2010]

Nas ferramentas de navegação OLAP é

possível navegar entre diferentes granularidades
(detalhamento) de um cubo de dados. O Drill
movimenta a visão dos dados ao longo das hierarquias
de uma dimensão, permitindo ao usuário navegar
entre o mais alto nível até a informação detalhada,
na sua menor granularidade. Essas operações, como
já dissemos, são conhecidas como drill down e Roll
up.
O drill down ocorre quando o usuário aumenta
o nível de detalhe da informação, diminuindo o nível
de granularidade.
Roll up ao contrário do drill down, ocorre
quando o usuário aumenta o nível de granularidade,
diminuindo o nível de detalhe da informação.

Volume de Produção 1999

(em milhares) Trim. 1 Trim. 2 Trim. 3 Trim. 4
RS 78 67 22 56
Região
Sul
SC 90 67 88 99
Drill Up
Dimesões Tempo
Membro Trim. 1

Volume de Produção Trimestre 1

(em milhares) Janeiro Fevereiro Março
Região RS 30 26 22
Sul SC 28 30 32
Drill Down
Dimesões Região
Membro RS

Volume de Produção Trimestre 1

(em milhares) Janeiro Fevereiro Março
Canoas 12 14 12
RS
Porto Alegre 18 12 10

Figura 13 - Exemplo de Drill Down e Roll up (drill up)

Fonte: [MACHADO, 2010]

41
 Gestão Estratégiaca da informação (CPM, BI)

Na 1ª tabela, na figura 13, temos a visualização os valores para as cidades desse estado (Canoas e
dos valores de produção globais (independente do Porto Alegre).
produto) na Região Sul nos estados do Rio Grande
do Sul e Santa Catarina, distribuídos por trimestre, Slice and dice, resumidamente, significa
de 1999. a redução do escopo das informações analisadas,
permitindo ao usuário explorar os mesmos dados
Na 2ª tabela temos os mesmos dados, mas com uma visão ou dimensão diferente.
somente do 1º trimestre.
Essa característica das ferramentas OLAP é de
A operação de sair da 2ª tabela para a 1ª é grande importância, pois com ela podemos analisar as
uma roll up, estamos saindo de um nível mais baixo informações de diferentes prismas limitados somente
de detalhe (um trimestre específico de um ano) para pela nossa imaginação. Slice and dice é o mesmo
um nível mais alto (todos os trimestres de um ano). que filtrar. Utilizando essas operações, conseguimos
Esse Roll up está sendo realizado sobre a dimensão ver a informação sobre ângulos que inexistiam, sem
tempo. a implementação de um DW e a utilização de uma
ferramenta OLAP.
Da 2ª para a 3ª tabela, no exemplo da figura 13,
temos uma operação de drill down que acontece Slice é a operação que corta o cubo, mas mantém
sobre a dimensão localização geográfica. A 2ª tabela a mesma perspectiva de visualização dos dados.
apresenta a produção por região geográfica (sul) e
pelos estados dessa região (RS e SC). Ao realizar Dice é a mudança de perspectiva da visão. É a
um drill down, estamos abrindo o nível de detalhe extração de um “subcubo” ou a interseção de vários
da dimensão localização geográfica, visualizando Slices. É como se girássemos o cubo em nossas mãos.
somente um estado (RS) da região (sul), e abrindo

Volume de Produção Celulares Pagers

(em milhares) Janeiro Fevereiro Março
Região RS 30 26 22
Sul SC 28 30 32

Slice and Dice

Celulares

Volume de Produção Celulares

(em milhares) Janeiro Fevereiro Março
Região RS 22 18 18
Sul SC 19 27 25

Figura 14 - Exemplo de Slice and Dice

Fonte: [MACHADO, 2010]]

42

Observe a figura 14, que mostra uma tabela
que apresenta as vendas de celulares e pagers.
Neste exemplo da figura 14, o cubo foi fatiado ou
um Slice realizado, representado pela operação de
visualizarmos somente um tipo de produto, no caso
os celulares.
Existe uma variedade de ferramentas com
diferentes abordagens para OLAP, algumas delas
podem ser:
 ROLAP (OLAP Relational): ferramentas
OLAP que acessam bancos de dados relacionais;
 MOLAP (OLAP Multidimensional):
ferramentas OLAP que acessam bancos de dados
multidimensionais;
 HOLAP (OLAP Híbrida): ferramentas OLAP
que permitem acesso tanto aos bancos de dados
relacionais como aos multidimensionais;
 DOLAP (OLAP Desktop): ferramentas OLAP
voltadas para computadores pessoais, acessando
bancos de dados individuais.
As ferramentas OLAP são instrumentos de
análise e exploração de dados e são utilizadas para
trabalhos mais interativos e de caráter investigativo.
Permitem que as informações sejam cruzadas,
detalhadas e resumidas de maneira rápida e em geral
43
Gestão Estratégiaca da informação (CPM, BI)
sem necessidade de novas consultas ao banco de
dados, uma vez que as informações são calculadas
ou agregadas de maneira independente dos bancos
de dados relacionais.
4.5. Data Mining
Conforme já dissemos, no mercado corporativo
atual, as organizações têm se mostrado muito
eficientes em capturar, organizar e armazenar
grandes quantidades de dados, obtidos de suas
operações diárias ou de pesquisas do mercado, mas
a maior parte delas ainda não consegue usar essa
gigantesca montanha de dados para transformá-los
em conhecimentos que possam ser utilizados em
seus negócios de forma adequada.
Nesses grandes volumes de dados existem
informações úteis que estão invisíveis aos tomadores
de decisões. Muitas delas poderiam ser aproveitadas
para se prever um conhecimento ou comportamento
futuro, ou seja, poderiam ir além do armazenamento
explícito de dados.
Para ajudar as organizações empresariais a
descobrir informações úteis das suas bases de
dados são utilizadas ferramentas de Data Mining.
Hoje em dia, as grandes organizações empresariais
não conseguem mais sobreviver no cenário atual,
extremamente rápido e competitivo, sem um sistema
de gestão que incorpore ferramentas de mineração
de dados.
Data mining ou mineração de dados, é o processo
de extração de conhecimento de grandes bases
de dados, convencionais ou não. Seu objetivo é
encontrar, automaticamente,
Data Mining ou Mineraçãopadrões,
de Dados anomalias
consiste
e regras com o propósito de transformar dados,
em um processo analítico projetado para explorar
aparentemente
grandes ocultos,
quantidades em informações
de dados na busca deúteis para
padrões
a tomada de decisão
consistentes e/ou dee/ou avaliação de resultados.
relacionamentos sistemáticos
entre variáveis, transformando-os em novas
informações. Os dados, armazenados em grande
volume, geralmente encontram-se em bancos de
dados e/ou em Data Warehouses.

Milhares de informações são processadas
diariamente nas organizações, provenientes de seus
diversos departamentos, e são armazenadas nos
bancos de dados convencionais ou no DW na forma
de estoques, pedidos, compras, orçamentos, dados
contábeis, financeiros, jurídicos, dados de venda,
de pós-venda, de relacionamento com cliente, entre
tantos outros.
O conceito de Data Mining está se tornando cada
vez mais popular como sinônimo de ferramenta de
Fonte: http://s2.hubimg.com/u/586933_f520.jpg
gerenciamento de informação, que consegue revelar
estruturas de conhecimento que conseguem guiar
decisões em situações que se tem certeza limitada
sobre os possíveis acontecimentos.
Data Mining é parte de um processo maior de
conhecimento denominado Knowledge Discovery in
Database (KDD) – Descoberta de Conhecimento em
44
Gestão Estratégiaca da informação (CPM, BI)
Bancos de Dados. De acordo com Kimball (2004),
KDD consiste, fundamentalmente nas etapas:
 estruturação do banco de dados ou repositório
de dados
 seleção, preparação e pré-processamento
dos dados
 transformação, adequação e redução da
dimensionalidade dos dados
 processo de Data Mining
 análises, assimilações, interpretações e
uso do conhecimento extraído do banco de dados,
através do processo de Data Mining.
O processo de Data Mining utiliza técnicas
estatísticas, matemáticas, de inteligência artificial e
de aprendizagem automática que procuram relações
de similaridade ou discordância entre dados.
Uma empresa que utiliza ferramentas de mineração
de dados é capaz, dentre outras possibilidades, de:
 Criar parâmetros para entender o
comportamento do consumidor
 Identificar afinidades entre as escolhas de
produtos e serviços
 Prever hábitos de compras
 Analisar comportamentos habituais para
detectar fraudes
Um exemplo de mineração de dados pode ser visto
na figura 15. Pela análise dos dados, pode-se concluir
que “Produtos azuis geram alto lucro” e “Estado do
Arizona (AZ) produz baixo lucro”.
 Gestão Estratégiaca da informação (CPM, BI)

Fabricante Estado Cidade Cor do Produto Lucro

Smith CA Los Angeles Azul Alto
Smith AZ Flagstaff Verde Baixo
Adams NY NYC Azul Alto
Adams AZ Flagstaff Vermelho Baixo
Johnson NY NYC Verde Médio
Johnson CA Los Angeles Vermelho Médio

Figura 15 – Exemplo de Mineração de Dados

A mineração de dados fornece maneiras de

responder perguntas do tipo:

l Quem comprou queijo gorgonzola?

l Quem comprou queijo e vinho na mesma

Outro exemplo simples: considere uma análise de compra?
carrinho de compras. Há muitos registros (360.000
registros/mês) para listar o que foi comprado por um l Qual é o gasto médio de compras para
determinado consumidor em um determinado dia. diferentes perfis?

Para termos uma ideia mais precisa da l Qual loja da cadeia vendeu mais queijo?
aplicabilidade da mineração de dados, podemos
consideremos alguns cenários como: l Em que mês é vendido mais vinho?

 Lanchonetes fast­food ou franquias l Quais lojas vendem mais na páscoa?

semelhantes, apenas como 50 itens de venda, podem
gerar 500 compras/dia.
 Lojas de departamentos ou supermercados
com mais de 1000 itens, podem gerar 500 compras/
dia.
l Qual item é comprado com maior frequência
juntamente com vinho?
l Quais conjuntos de itens são comprados com
maior frequência?

 Lojas de departamentos ou supermercados l Quais conjuntos de itens são comprados com

com mais de 10000 itens, podem gerar 2000 compras/ maior frequência e em que janela temporal/espacial?
dia.

45
 Gestão Estratégiaca da informação (CPM, BI)

Outras perguntas possíveis sobre grandes O interesse pela mineração de dados se deve
conjuntos de dados, que podem ser respondidas principalmente ao fato de que as empresas estão
pelas técnicas de mineração de dados: coletando e armazenando grandes quantidades de
dados como consequência da queda dos preços de
l Como prever perfis de consumo? meios de armazenamento e dos computadores e do
aumento da capacidade de ambos. A popularização
da utilização de Data Warehouses tende a aumentar
ainda mais a quantidade de informações disponíveis.
Os métodos tradicionais de análise de dados, como
Diferenças entre Data Mining e Data
planilhas e consultas, não são apropriados para
Warehouse:
tais volumes de dados, pois podem criar relatórios
informativos sobre os dados, mas não conseguem
– Data mining Þ faz extração inteligente de
analisar o conteúdo destes relatórios a fim de realizar
dados
operações importantes, como análise preditiva ou
análise futura de tendências.
– Data warehouse Þ é um repositório
centralizado de dados
De acordo com Souza (2003), os dois objetivos
de maior destaque da mineração de dados são a
– Data mining não é uma evolução do Data
predição e a descrição. Os padrões preditivos são
Warehouse
encontrados para resolver o problema de predizer o
– Data mining não depende do Data Warehouse, valor futuro ou desconhecido de um ou mais atributos
mas melhores resultados são obtidos quando usados do banco de dados a partir do valor conhecido
em conjunto dos demais atributos. Os padrões descritivos, ou
informativos, têm por objetivo encontrar padrões
– Data Warehouse, usando apenas ferramentas interessantes, de forma interpretável pelo usuário,
estatísticas, desempenha papel semelhante ao que descrevam os dados.
Data Mining, mas não descobre novos padrões de
comportamento Esses padrões e regras são utilizados para
direcionar a tomada de decisões e prever as
l Como prever que usuários vão mudar de consequências das decisões. As ferramentas de Data
provedor de serviços? Mining podem ser combinadas com planilhas e outras
ferramentas similares de uso mais comum, facilitando
l Como identificar coisas parecidas?
a análise dos dados. A associação com ferramentas
sofisticadas de visualização de dados pode contribuir
l Como identificar o que é diferente de um
bastante na descoberta de associações novas de
padrão esperado (ou não)?
dados, aumentando a competitividade da empresa.
l Porquê?

4.5.1. Casos de sucesso com a utilização de Data

Mining

Estes casos foram obtidos de diversas fontes em

pesquisas por sites da internet.

46

Wal_Mart: Ao procurar eventuais relações entre
o volume de vendas e os dias da semana, o software
de data mining do Wal-Mart apontou que, às sextas-
feiras, as vendas de cervejas cresciam na mesma
proporção que as de fraldas. Uma investigação mais
detalhada revelou que, ao comprar fraldas para
seus bebês, os pais aproveitavam para abastecer o
estoque de cerveja para o final de semana. Assim,
foi identificado que homens casados, entre 25 e 30
anos, compravam fraldas e/ou cervejas às sextas-
feiras à tarde no caminho do trabalho para casa. A
rede americana Wal-Mart otimizou as suas gôndolas
nos pontos de vendas, colocando as fraldas ao lado
das cervejas. Resultado: o consumo cresceu 30%.
Bank of America: É possível detectar
fraudes, cortar gastos ou aumentar a receita da
empresa com a ajuda da mineração de dados. O
Bank of America usou essas técnicas para selecionar
entre seus 36 milhões de clientes aqueles com menor
risco de dar calote num empréstimo. A partir desses
relatórios, enviou cartas oferecendo linhas de crédito
para os correntistas cujos filhos tivessem entre 18 e
21 anos e, portanto, precisassem de dinheiro para
ajudar os filhos a comprar o próprio carro, uma casa
ou arcar com os gastos da faculdade. Resultado: em
47
Gestão Estratégiaca da informação (CPM, BI)
3 anos, o banco lucrou 30 milhões de dólares com a
carteira de empréstimos.
Banco Itaú: Passou a utilizar ferramentas
de Data Mining e Data Warehouse para gerenciar as
movimentações de 3 milhões de clientes. O banco
costumava enviar mais de 1 milhão de malas diretas
Leia mais: Exemplos de grandes bases de
dados
(2 PetaBytes = 2.097.152 GigaBytes
=~440.000 DVDs = pilha de ~4.4km de altura)
a SLAC -Stanford Linear Accelerator Center:
200 TeraBytes/ano, 10 MegaBytes/segundo por 10
anos.
a Digital Palomar Observatory Sky Survey
(POSS­II): 3 TeraBytes de imagens, estimados 2
bilhões de objetos.
a INPE- Instituto Nacional de Pesquisas
Espaciais: 130 TeraBytes de dados de imagens.
a Europe’s Very Long Baseline Interferometry
(VLBI): 16 telescópios, cada um produz 1 gigabit/
segundo de dados astronômicos em sessões de 25
dias =a 4 TeraBytes.
a O Large Synoptic Survey Telescope vai gerar
30 PetaBytes em 5 anos: pilha de DVDs de 67km de
altura.
a Walmart: 20 milhões de transações por dia
(em 1994), banco de dados de 24 TeraBytes.
a Wayback machine: 1 PetaByte, 20 TeraBytes/
mês (55 bilhões de páginas em março de 2006).
a Outras grandes bases de dados em uso:
 Gestão Estratégiaca da informação (CPM, BI)

a Max Planck Institute for Meteorology: 222

TeraBytes.

a Yahoo!: 100 TeraBytes.

Assista ao filme do Youtube sobre Text Mining

a AT&T: 93 TeraBytes.
para análise de sentimentos em textos
a Amazon: 24 TeraBytes.
http://youtu.be/94CyzMxItxk 2’26”
a United States Patent and Trademark Office:
16 TeraBytes.
partir da década de 1990, com o crescimento do
a Verizon Communications: 7 TeraBytes. armazenamento digital e da internet.

a Sears: 70 TeraBytes. Atualmente, com a crescente adesão por redes

sociais, as empresas preocupam-se em saber a opinião
Fonte: http://www.lac.inpe.br/~rafael.santos/ dos internautas e, para isso, utilizam ferramentas de
Docs/ELAC/2007/dm-elac-2x2.pdf web mining.

aos correntistas, com uma taxa resposta de 2%. Após
a implementação das ferramentas conseguiu uma
redução de 1/5 das despesas postais e aumentou a
taxa de resposta para 30%.
Harrah’s Entertainment Inc.: Dobrou
lucros usando informações de cartões de “jogadores
frequentes”, identificando grupos de jogadores que
gastavam pouco mas geravam muito lucro, criou
promoções diferenciadas.
O uso de ferramentas de Text Mining apóiam o
conceito de inteligência competitiva. Enquanto o
Data Mining obtém conhecimento com os dados
de dentro da empresa (ERP), o Text Mining obtém
conhecimento dos dados fora da empresa, visando
conhecer os seus clientes, seus concorrentes e os
clientes dos concorrentes. As fontes de dados podem
ser redes sociais, jornais e revistas eletrônicas,
e-mails, memorandos, etc.

Verizon Wireless: Empresa americana de

Telecom, conseguiu redução de churn (abandono
de clientes) de 2 para menos de 1.5 por cento: de
34.6 milhões de usuários, aproximadamente 170.000
foram retidos.
4.5.2. Text Mining
Text Mining geralmente é definido como um
processo que utiliza métodos para navegar, organizar,
achar e descobrir informação em bases textuais
escritas em linguagem natural. Historicamente
a importância do Text Mining ganhou impulso a
4.6. Monitoramento e visualização de
Dados
As ferramentas que permitem a visualização
de dados podem condensar milhares de números
em uma única imagem e tornar as ferramentas de
suporte à decisão mais atraentes, mais fáceis de usar
e, principalmente, mais compreensíveis aos usuários
e tomadores de decisão.
Estas ferramentas podem incluir imagens
digitais, sistemas geográficos, interfaces gráficas

48

com o usuário, gráficos, interfaces de Realidade
Virtual, representações multidimensionais, vídeos e
animações.
Além disso, estas ferramentas podem ajudar no
monitoramento de dados, identificando de forma
mais rápida tendências em dados corporativos e
de mercado, representando uma enorme vantagem
competitiva para a empresa. Assim, associar uma
ferramenta de Data Mining, por exemplo, a uma
ferramenta de visualização pode ser uma combinação
excelente para a tomada de decisão gerencial.
As ferramentas de monitoramento e visualização
são mais fáceis de serem implementadas quando os
Fonte: http://www.dashboardinsight.com/CMS/9adda57d-4cd0-49bf-ae10-729b509f7866/kpi-banking-dashboard.jpg
49
Gestão Estratégiaca da informação (CPM, BI)
dados estão armazenados num DW. As ferramentas
OLAP também podem se beneficiar do DW mostrando
as informações de forma tridimensional, ou na forma
de cubos.
Dentre os recursos de visualização de dados
estão os dashboards e scorecards. Um dashboard
é um conjunto de gráficos e indicadores que
resumem determinada operação ou negócio e são
frequentemente utilizados como uma ferramenta
rápida para visualização de dados operacionais e/ou
táticos.

Um dashboard bem preparado deve sinalizar
e resumir ao seu usuário a situação atual de um
determinado aspecto do negócio, e se possível, indicar
tendências a partir das informações disponíveis.
Dashboards fornecem informações imediatas sobre
o desempenho dos negócios em toda a empresa.
Fonte: http://www.corporater.com/pt/produtos/showcase/performance-dashboard/
Já os scorecards apresentam uma visão
consolidada sobre os objetivos estratégicos da
empresa. Privilegiam informações estratégicas que
são obtidas em um dado momento para análise
crítica da alta direção.
Scorecards não apresentam dados operacionais
como quantidade de chamados por clientes,
avaliação de desempenho de colaboradores, dentre
50
Gestão Estratégiaca da informação (CPM, BI)
Assista ao vídeo em inglês mostrando o
funcionamento de um dashboard (roll up / drill
down)
http://www.youtube.com/watch?v=pytoNvV1WoI
2’42”
outros indicadores específicos. Eles demonstram
graficamente o quão próximo ou distante a empresa
está dos seus objetivos estratégicos.
Os KPIs – Key Performance Indicators ou
Indicadores-Chave de Desempenho, podem ser
desenvolvidos com a finalidade de medir qualquer
etapa de um processo ou resultado. Grandes empresas
desenvolvem verdadeiros “cockpits”, através

dos quais acompanham metodicamente os seus
resultados. Um método constantemente aplicado nas
organizações para a escolha dos indicadores-chave
de desempenho é o BSC-Balanced ScoreCard.
Os dashboards e scorecards fornecem
informações imediatas sobre o desempenho dos
negócios em toda a empresa. De uma maneira geral,
são criados para os gestores que precisam, em dado
momento, de uma visão geral do negócio ou de uma
operação específica e consideram primordial dispor
de uma visualização intuitiva e oportuna dos dados
estratégicos, financeiros e operacionais.
Os dashboards fornecem uma representação
gráfica do desempenho dos negócios de toda
Fonte: http://www.hr-scorecard-metrics.com/
 Utilizam dashboards e scorecards como para
análise de primeira ordem e análise avançada.
 Monitoram zonas vermelhas e definem níveis
limiares para indicadores, de forma a disparar os
alertas de entregas.
51
Gestão Estratégiaca da informação (CPM, BI)
a organização. Os scorecards fornecem uma
representação visual dos indicadores-chave de
desempenho (KPIs), que são cuidadosamente
selecionados para ajudar as empresas a medir e
gerenciar o desempenho.
As diversas ferramentas para gerenciamento de
desempenho, de uma forma geral, apresentam as
seguintes características:
 Oferecem recursos para visualização dos
dados-chave do desempenho em formato gráfico.
 Mostram os resultados de desempenho
rapidamente, utilizando recursos visuais.
 Ligam os KPIs individuais às metas da
empresa.
 Oferecem scorecards em cascata e dashboards
de toda a organização e através da cadeia de valores.

 Enviam dashboards e scorecards via e-mail,
de forma programada ou através de alertas.
Fonte: http://www.qlikview.com/
Assista ao vídeo em inglês mostrando o funcionamento do Qlikview
http://www.qlikview.com/us/explore/experience 2’47”
 Atingem todas as pessoas – dos gerentes
executivos aos novos funcionários.
 Incorporam todos os dados empresariais,
financeiros e operacionais, de todo processo de
negócio em todo o mundo.
As principais empresas de soluções de CPM/BI
estão melhorando suas ferramentas de visualização de
dados. Em 2010, o QlikTech se tornou uma ferramenta
pública, a Tableau Software renovou o seu produto e
a IBM lançou uma solução atualizada de dashboard
do Cognos. Ferramentas avançadas de visualização e
descoberta de dados continuam a despertar grande
interesse em função da sua facilidade de uso, de seu
apelo visual e de sua capacidade de acelerar o tempo
de trabalho, numa época em que ocorre uma explosão
de dados. Empresas como a Oracle e a Microstrategy
52
Gestão Estratégiaca da informação (CPM, BI)
oferecem soluções mais robustas e integradas com
ferramentas de visualização mais sofisticadas. 3
O anexo 2 traz uma lista das principais empresas
de BI e seus links.
4.6.1. BAM - Monitoramento em Tempo Real
BAM - Business Activity Monitoring ou
monitoramento em tempo real está entre os mais
recentes conceitos de gestão de performance.
Ferramentas que dão suporte a este conceito são
capazes de analisar e reportar dados estratégicos
em tempo real. Resumidamente, o BAM é o BI em
tempo real, ou seja as informações publicadas nos
dashboards e scorecards não são obtidas diariamente,
3  Obtido de: http://www.itweb.com.br/noticias/index.asp?cod=75290

Fonte: http://www.iwaysoftware.be/products/bam.html
Exercícios do Capítulo 4
1) Assinale a alternativa falsa:
a) OLAP é um conjunto de ferramentas que
possibilitam efetuar a exploração e análise dos dados
no DW.
b) Os processos ETL são realizados através
de automatizações que podem ser programadas
(scheduling) para execução diária, semanal, mensal,
dentre outras possibilidades.
c) O Data Mart pode ser tratado como um projeto-
piloto para que a empresa conheça os benefícios da
tecnologia antes da decisão de construir um DW.
d) Os processos ETL são considerados como
uma das fases mais simples do ciclo de vida do
53
Gestão Estratégiaca da informação (CPM, BI)
DW, embora envolva diversas fontes de dados e
transformações que preparam os dados para o DW.
2) A que se referem as definições?
___________________: ferramentas que dão
suporte a este conceito são capazes de analisar e
reportar dados estratégicos em tempo real.
___________________: fornecem informações
visuais imediatas sobre o desempenho dos negócios
em toda a empresa.
___________________: apresentam uma visão
consolidada sobre os objetivos estratégicos da
empresa. Privilegiam informações estratégicas que

são obtidas em um dado momento para análise
crítica da alta direção.
___________________: processo que utiliza
métodos para navegar, organizar, achar e descobrir
informação em bases textuais escritas em linguagem
natural.
___________________: processo analítico
projetado para explorar grandes quantidades de
dados na busca de padrões consistentes e/ou
de relacionamentos sistemáticos entre variáveis,
transformando-os em novas informações.
3) Assinale V-Verdadeiro ou F-Falso
( ) Com a crescente adesão às redes sociais, as
empresas preocupam-se em saber a opinião dos
internautas e, para isso, utilizam ferramentas de web
mining.
semanalmente ou mensalmente, e sim em tempo
real.
O uso do BAM permite configurar alertas de
processos para as áreas de negócios e construir
painéis interativos em tempo real.
Para ilustrar o uso de BAM, vamos imaginar uma
grande rede de supermercados que efetua uma
grande compra de ovos de páscoa. Cada loja possui
seu estoque e terá um perfil de venda, ou seja, um
determinado tipo de ovo de páscoa pode faltar ou
sobrar, neste caso as ferramentas de BAM poderão
auxiliar o gestor, em tempo real, para redistribuir
o estoque em função da demanda de cada ponto
de venda. Outra aplicação típica refere-se ao
monitoramento de dados de controle de tráfego em
grandes cidades.
54
Gestão Estratégiaca da informação (CPM, BI)
( ) O drill down ocorre quando o usuário aumenta
o nível de detalhe da informação, diminuindo o nível
de granularidade.
( ) Dice é a operação que corta o cubo, mas
mantém a mesma perspectiva de visualização dos
dados.
( ) Roll up ocorre quando o usuário aumenta o
nível de granularidade, diminuindo o nível de detalhe
da informação.
( ) Slice é a mudança de perspectiva da visão. É
como se girássemos o cubo em nossas mãos.
4) Há vários tipos de implementação dos
Data Marts nas arquiteturas independente e
integrada que podem ser usados. Explique e
diferencie as abordagens top-down e botton-up.
 
  Considerações Finais
Caro aluno, vimos neste curso, que as organizações,
de forma geral, possuem muitos dados, porém
pouca informação e que a falta de informação pode
prejudicar sobremaneira a tomada de decisão dentro
dessas empresas. Mas, estudamos que essa situação
pode ser revertida com a utilização de ferramentas de
BI- Business Intelligence. Uma solução importante,
mas ainda muito cara, é a construção de um Data
Warehouse (DW). Estudamos que o DW transforma
o conjunto de dados históricos, obtido com base na
estratégia de negócios da empresa, em informações
unificadas que são armazenadas em um repositório
central confiável, através de uma base de dados
integrada.
 Gestão Estratégiaca da informação (CPM, BI)

Vimos que a extração dos dados, que são  Permitem projetar o futuro da empresa,
provenientes de diferentes fontes, sua transformação embasando projeções e decisões com informações
e carga no DW são feitas pelos processos de ETL mais precisas.
(Extract, Transformation and Load). Estudamos que
o DW, que utiliza uma modelagem multidimensional, Podemos concluir, também, que os Data
fomenta o OLAP (OnLine Analytical Processing) Warehouses revitalizam os sistemas da empresa,
que possui ferramentas de análise para apoiar a pois:
tomada de decisão, que, por sua vez, organiza as
informações de forma a permitir que a análise dos  permitem que sistemas mais antigos
negócios da empresa seja realizada, possibilitando, continuem em operação
ao tomador de decisão, respostas rápidas para as
questões relevantes aos negócios. As ferramentas de  consolidam dados inconsistentes dos sistemas
visualização são mais fáceis de serem implementadas mais antigos em conjuntos coerentes com os dados
quando os dados estão armazenados num DW. As atuais
ferramentas OLAP também podem se beneficiar do DW
 extraem benefícios de novas informações
mostrando as informações de forma tridimensional,
originadas das operações realizadas
ou na forma de cubos, utilizando ferramentas de
visualização de dados.
 provêm ambiente para o planejamento e
arquitetura de novos sistemas de cunho operacional.
Vimos, ao longo da disciplina, que não basta que
a empresa tenha apenas grandes volumes de dados,
Para finalizar, caro aluno, podemos concluir que
mas é essencial que seja capaz de explorar, extrair
existe uma grande conscientização das empresas,
e analisar as informações através do processo de
em nível mundial, em torno da utilização de sistemas
data mining ou mineração de dados. Assim, o COM
inteligentes de apoio à decisão, pois são ferramentas
e as ferramentas de BI fomentam os executivos com
fundamentais para o sucesso das organizações e
informações “inteligentes”, ou seja, o seu foco não
certamente para a sua sobrevivência. Atualmente
é a quantidade de dados, mas sim a inteligência do
as empresas reconhecem que um conjunto de
negócio. Estes sistemas possuem as características:
informações, competências e conhecimentos
bem geridos e tratados pode lhes render grandes
 Retratam a evolução das empresas, mostrando
vantagens na economia atual e no futuro. Certamente,
como seus dados vêm sendo transformados em
o CPM/BI oferecerá as ferramentas que permitirão
informações qualificadas
projetar e implementar essas soluções de inteligência
 Permitem a disponibilização das informações empresarial.
para toda a empresa, não se detendo apenas aos
Profa. Elisamara
cargos de chefia

Prof. Luciano
 Ampliam muito a complexidade das consultas
e das análises

 Permitem uma nova abordagem e integram

 
toda a tecnologia que possa prover ao usuário um
poder de análise, permitindo transformar dados
transacionais em informação

55

Bibliografia
ALBERTIN, Rosa; ALBERTIN, Albert. Estratégias
de Governança de Tecnologia da Informação.
Rio de janeiro: Campus, 2009.
ANDRADE, Adriana; ROSSETTI, José P.
Governança Corporativa. São Paulo: Atlas, 2007.
BARNEY, J. B; HERSTERLY, W. S. Administração
estratégica e vantagem competitiva. São Paulo:
Pearson, 2007.
BIGROUP. CPM, BI, Planning e Scorecard.
2012. Disponível em: http://bigroup.com.br/joomla/
index.php. Acesso em 29 fev. 2012.
FRANCO, D.H. Tecnologias e ferramentas de
gestão. Campinas: Alinea, 2009.
HSM Management. A gestão do conhecimento
na prática. 2004. Disponível em: http://www.
paradigma.com.br/gestao-do-conhecimento-na-
pratica/view. Acesso em 01 mar. 2012.
INMON, William H. Como construir o Data
Warehouse. Rio de Janeiro: Campus, 1997.
KAPLAN, Robert S; NORTON, David P. A estratégia
em ação: Balanced Scorecard. Rio de Janeiro:
Campus, 1997.
KIMBALL, Ralph, CASERTA, Joe. The data
warehouse ETL toolkit. John Wiley Professional,
2004.
O´BRIEN, James A. Sistemas de Informação e
as decisões gerenciais na era da Internet. São
Paulo: Saraiva, 2010.
OLIVEIRA, D. P. R. Sistemas de informações
gerenciais: estratégias, táticas, operacionais.
São Paulo: Atlas, 2008.
56
Gestão Estratégiaca da informação (CPM, BI)
MACHADO, Felipe. N. R. Tecnologia e projeto
de data warehouse. São Paulo: Editora Érica, 2010.
SOUZA NETO, Manoel Veras; RAMOS, Anatália S.
M. Gestão da Tecnologia da Informação. Natal:
Editora UFRN, 2010.
SOUZA, Michel. Data Mining. 2003. Disponível
em: http://imasters.com.br/artigo/1482/gerencia-
de-ti/data-mining. Acesso em 03 mar. 2012.
SOWEK, Carlos Alberto. Data warehouse-
banco de dados. 2009. Disponível em:http://www.
batebyte.pr.gov.br/modules/conteudo/conteudo.
php?conteudo=497. Acesso em 4 mar. 2012.
TERRIBILI, Armando. O Business Intelligence pode
ir além da área de negócios. 2009. Disponível em:
http://www.baguete.com.br/artigos/137/armando-
terribili-filho/13/07/2009/o-business-intelligence-
pode-ir-alem-da-area-de-negoc. Acesso em 2 mar.
2012.
TROVO, Luís Eduardo. Informação,
Competitividade e Estratégia. 2009.
Disponível em: http://luiseduardotrovo.blogspot.
com/2009_08_01_archive.html. Acesso 4 mar.2012.
TURBAN, Efraim; KING, David; ARONSON; Jay E.
Business Intelligence. Porto Alegre: Bookman,
2009.
WEILL, Peter; ROSS, Jeanne W. Governança
de TI- Tecnologia da Informação. São Paulo:
Makron Books, 2005.
_________. O que é mineração de dados? 1998.
GSI - Grupo de Sistemas Inteligentes - Mineração de
Dados do DIN - Departamento de Informática da
UEM – Universidade Estadual de Maringá. Paraná,
Brasil. Disponível em: http://www.din.uem.br/ia/
mineracao/introducao/index.html. Acesso em 03
mar. 2012.
 Gestão Estratégiaca da informação (CPM, BI)

  Anexo 1: Casos de sucesso e (difusão dos conceitos de uma ideia, trabalhando

fracasso no mundo da TI
Os casos de sucesso aqui transcritos foram relatados
por Trovo (2009) no artigo publicado em seu blog
intitulado “Informação, Competitividade e Estratégia”
e estão disponíveis em http://luiseduardotrovo.
blogspot.com/2009_08_01_archive.html.
no seu marketing de forma a torná-la comum e
popularizar o seu uso) e foi conquistando seus
consumidores pelo respeito às preferências de
compra de cada um.
Além do mais, o dinheiro que economizou sem
fazer propagandas para divulgar seu site no auge
da internet pôde ser usado depois em campanhas
nacionais. Um emprego de dinheiro muito mais
eficiente, uma vez que o mind-share e a cultura do
comércio eletrônico já tinham sido implantados.

O caso Magazine Luiza

O Magazine Luiza foi o precursor do varejo

eletrônico no Brasil. Em 1992, muito antes da explosão O caso Bradesco
comercial da internet, a rede já trabalhava com lojas
Sendo um banco de perfil estratégico e altamente
virtuais. Enquanto a grande maioria das empresas
focado em inovações tecnológicas, o banco Bradesco
adotava o comércio eletrônico procurando forçar seus
foi um dos primeiros a investir na internet pelo
clientes a visitar seus sites (gastando muito dinheiro
celular, quando ainda era uma tecnologia emergente.
com sua divulgação e esperando que o simples fato
Através de uma parceria com a Samsung, o banco
de estarem na internet levasse os consumidores a
escolheu um protocolo chamado Anyweb, tecnologia
comprar pela internet), o Magazine Luiza resolveu
de propriedade da Samsung que foi desenvolvida
usar um conceito bem diferente. Partiu para educar e
especialmente para o serviço de internet móvel.
habituar seus consumidores ao sistema de compras
Infelizmente para o Bradesco, o protocolo que
eletrônicas, deixando que os próprios consumidores
eventualmente foi se tornando padrão de fato e
decidissem como preferiam comprar. Os funcionários
sendo amplamente divulgado e usado foi o WAP -
existentes nas lojas tiram dúvidas e auxiliam os
Wireless Application Protocol.
compradores a utilizar os equipamentos. Suas lojas
virtuais não têm estoques nem mercadorias expostas,
Como foi o primeiro a lançar seus serviços pelo
contando com computadores ligados à internet,
celular, o Bradesco ganhou destaque. Investindo em
possibilitando compras online por todos os tipos de
uma tecnologia que não recebeu o devido valor do
clientes (tanto nas lojas como em casa, via internet).
mercado, o banco teve que repensar e modificar
sua linha de investimento. O que o banco perdeu?
O emprego que o Magazine Luiza fez do conceito
Dinheiro. O que ganhou? Foi o primeiro, apostando
de lojas virtuais, com atendimento personalizado,
numa estratégia de inovação, que ganhou experiência
mostrou ser uma estratégia acertada de varejo
e acabou forçando seus concorrentes a segui-lo e a
eletrônico. Com sua visão inovadora de comércio
adotarem esta nova tecnologia. Os outros bancos se
eletrônico, o Magazine Luiza foi criando mind-share

57

viram “obrigados” a oferecer serviços para os seus
clientes, equivalentes aos do Bradesco, correndo o
risco de ficarem para trás.
O investimento do Bradesco, no serviço de internet
móvel usando protocolos emergentes (Anyweb e
WAP), demonstra claramente a dimensão de risco
que a adoção de novas tecnologias pode significar.
O caso – Enciclopédia Britânica
Os responsáveis pelas decisões da Encyclopaedia
Britannica não acreditaram no sucesso dos
computadores pessoais e nem da capacidade de
armazenamento dos CD-ROMs. Ignoraram estes dois
fatos e confiaram que sua estratégia de venda de
enciclopédias, bem encadernadas com papel fino,
juntamente com o status que esta coleção dava ao
comprador, fossem motivos suficientes para manter
seu mercado fiel. A Britannica só não foi à falência
total porque, sob nova administração, resolveu
58
Gestão Estratégiaca da informação (CPM, BI)
finalmente produzir material escolar em CD-ROM
com acesso também pela internet.
Apesar da qualidade “Britannica”, esta nova forma
de negócios não resgatou o seu sucesso anterior.
Sem vendedores, sem estrutura comercial, sem
resultados significativos, e pior de tudo, sem interesse
do mercado, a Encyclopaedia Britannica não é mais
a mesma. Tudo isso porque demorou a perceber
a importância que as tecnologias da informação,
emergentes à época, poderiam ter para o futuro do
seu negócio.
Anexo 2 – Empresas e
Ferramentas de BI
Algumas das principais empresas da área de
Business Intelligence estão listadas a seguir.
1) IBM Cognos
A IBM oferece o COGNOS “uma solução de
business intelligence (BI) e planejamento entrega
relatórios essenciais, dashboards, scorecard,
planejamento, orçamento e previsões que as
empresas de médio porte precisam a um preço que
elas podem pagar. Tudo está incluído em uma solução
pré-configurada que é fácil de instalar, fácil de usar e
fácil de comprar.”
http://www-01.ibm.com/software/br/db2/
cognos/cognos-express/

2) SAS (Enterprise Miner, dentre outros
produtos)
“A SAS é líder em análise preditiva e data
mining. Ela fornece ferramentas financeiras,
estatísticas e de previsão para a solução de problemas.
Uma área de destaque é a avaliação e gerenciamento
de risco, usando modelos de pontuação de crédito
(credit scoring)”. [TURBAN, 2009]
http://www.sas.com/technologies/analytics/
datamining/miner/#section=1
Filmes em inglês sobre tomada de decisões e
soluções de BI da SAS
http://www.sas.com/knowledge-exchange/
business-analytics/a-million-little-decisions.html
3) Oracle Hyperion
Em 2007 a Oracle adquiriu a A Hyperion
Solutions Corporation, uma empresa que desenvolve
softwares voltados para a área de Business Intelligence
(BI) e Business Performance Management (BPM).
h t t p : / / w w w . o r a c l e . c o m /
oms/businessintelligence11g/index.
html?src=6811165&Act=267
4) MicroStrategy
“A MicroStrategy é líder global em Business
Intelligence. Mais de 1 milhão de pessoas utilizam
o nosso software todos os dias para geração de
relatórios, análises e dashboards ilimitados, mobile
intelligence, data mining, forecasting, gerenciamento
59
Gestão Estratégiaca da informação (CPM, BI)
de operações e para tomada de decisões de negócios.
O nosso último release, o MicroStrategy 9 Release 2,
possibilita um BI rápido e fácil.”
http://www.microstrategy.com.br/
5) Microsoft BI
“O Microsoft BI possui os recursos comprovados
do Microsoft SQL Server 2008 e do SQL Server
2008 Integration Services, que podem ajudá-lo a
construir e gerenciar data warehouses que escalam
para satisfazer até mesmo as necessidades das
maiores e mais complexas organizações. A solução
de BI da Microsoft fornece a você ferramentas para
elaboração de relatórios, ferramentas para análises,
e tecnologias eu podem mapear suas necessidades
específicas. Esta é a situação ideal: todos em sua
organização vêem as decisões que tomam no
contexto da empresa como um todo, e cada decisão é
alinhada com as metas e estratégias da corporação. O
Microsoft Business Intelligence (BI) pode ajudar sua
empresa a alcançar esse estado ideal através de três
recursos: monitoramento, analítica e planejamento.”
http://www.microsoft.com/brasil/servidores/bi/
Filme em inglês mostrando as soluções de BI da
Microsoft
http://www.microsoft.com/brasil/servidores/
bi/resourcecenter/default.aspx
 

6) Pentaho
“O Pentaho Open Source Business Intelligence
oferece poderosas ferramentas de análise de
informações, monitoramento de indicadores e data
mining para que as organizações revolucionem
o uso da informação gerencial, atingindo ganhos
significativos de eficiência e eficácia. O software - uma
plataforma completa de BI desenvolvida, distribuída
e implantada como Open Source — apresenta grande
flexibilidade e independência de plataformas, alta
confiabilidade e segurança a um custo mínimo de
implantação e manutenção.”
http://www.pentaho.com/
7) SAP - SAP NetWeaver BI
“O SAP NetWeaver Business Intelligence
(SAP NetWeaver BI) fornece um quadro completo de
60
Gestão Estratégiaca da informação (CPM, BI)
sua empresa para satisfazer as várias necessidades
dos usuários finais, profissionais de TI e gerentes
executivos. Ele reúne uma poderosa infra-estrutura
de inteligência de negócios, um conjunto abrangente
de ferramentas, capacidades de planejamento e
simulação e funcionalidades de data-warehousing —
tudo entregue por meio de uma tecnologia de portal
corporativo. “
h t t p : / / w w w. s a p . c o m / b ra z i l / p l a t f o r m /
netweaver/businessintelligence/index.epx
Filme em português sobre um caso prático de
ferramenta SAP
http://www.youtube.com/watch?v=uYWN_
EGcPw4
 Gestão Estratégiaca da informação (CPM, BI)

(V) A criação e a implantação de processos que

 Respostas Comentadas dos
gerem, armazenem, gerenciem e disseminem o
Exercícios conhecimento representam um grande desafio
enfrentado pelas corporações.

Capítulo 1
3) Complete os espaços em branco:
1) Dê um exemplo de dado, informação e
conhecimento e contextualize seu exemplo.
Dados são valores que quantificam alguma coisa.
Informações são os dados transformados em um
Dado poderia ser o número de novos clientes
conteúdo útil. E conhecimento se refere ao uso das
de uma operadora de celular. Informação poderia
informações de forma a se poder tomar decisões
ser a comparação de número de novos clientes em
inteligentes com base nelas.
diferentes regiões num certo período de tempo.
Conhecimento poderia ser a decisão de realizar uma
campanha para novos clientes numa determinada
região em função de resultados ruins e alto potencial 4) Defina CPM.
de lucratividade.
O CPM é termo “guarda-chuva” que engloba
conceitos, processos, metodologias, sistemas e
indicadores que são utilizados para planejar, medir,
2) Assinale V-Verdadeiro ou F-Falso
comparar, analisar, prever e reportar informações
das organizações, permitindo que a sua performance
(V) De acordo com o BI Group, os indicadores
seja gerenciada de maneira racional, eficiente e
de performance corporativos podem ser estudados
integrada, contribuindo para a tomada de decisão de
e implementados a partir de uma combinação
forma inteligente e consistente.
composta por soluções como Business Intelligence,
Business Planning e Business Scorecard.

(F) Conforme foram desenvolvendo seus

produtos, fornecedores adotaram nomes diferentes
do Corporate Performance Management (CPM),
como Business Performance Management (BPM),
Enterprise Performance Management (EPM) e
Performance Management (PM), pois são termos
muito distintos do conceito de CPM. Correção: estes
termos também se referem ao conceito de CPM.
(F) Uma solução encontrada pelas empresas
atualmente consiste em distribuir muitos dados
por diferentes sistemas para ajudar na tomada de
decisões corporativas. Correção: este é um problema
que dificulta a tomada de decisão.
Capítulo 2
1) Assinale V-Verdadeiro ou F-Falso
(F) Correção: CPM não é simplesmente uma
solução de BI, não é uma ferramenta de análise de
dados a ser implementada num único departamento,
não é uma tecnologia e não é um complicado
software.
(V) O BI deve servir como uma forma de mudar a
maneira como a empresa conduz suas operações de
negócio, melhorando seus processos e transformando
a tomada de decisões em processos mais orientados
à análise de dados.

61

(V) Uma empresa deve utilizar medidas de ROI
e TCO para estimar a relação custo/benefício da
implantação de um projeto de BI.
(V) A complexa situação que envolve a tomada
de decisões pode ser apoiada com a utilização de
SADs que utilizem um DW e ferramentas para
o gerenciamento e tratamento dos dados e das
informações, buscando vantagens competitivas para
o negócio.
(F) O ambiente dos sistemas de BI deve ser
totalmente associado (correção: dissociado) do
ambiente transacional, uma vez que no BI as
pesquisas são mais complexas e há um volume muito
maior de informações, das quais os dados históricos
são de grande importância.
2) Associe a função com o nível
administrativo.
A- Os gerentes de nível médio desenvolvem
planos de curto e médio prazo e orçamentos e
especificam as políticas, procedimentos e objetivos
para as unidades da organização. 2- Tático
B- Os gerentes da supervisão desenvolvem
recursos de planos de curto prazo como os programas
de produção. 3- Operacional
C- Os principais executivos desenvolvem as
metas globais, estratégias, políticas e objetivos da
organização por meio de um planejamento estratégico
de longo alcance. 1- Estratégico
3) Conceitue e diferencie BI e CPM.
CPM, de acordo com o Gartner Group é “um
termo genérico que descreve todos os processos,
metodologias, métricas e sistemas necessários para
medir e gerenciar a performance de uma organização”.
62
Gestão Estratégiaca da informação (CPM, BI)
O CPM pode ser considerado, então, uma solução
mais abrangente e complementar aos sistemas de
gestão que são baseados em ferramentas de BI,
nos quais regras de negócio complexas, ligadas à
administração do negócio e governança corporativa,
são utilizadas de forma a se conseguir mensurar o
desempenho do negócio.
BI: Fornece soluções para mostrar o porquê do
status atual dos negócios, respondendo a pergunta:
Porque estamos desta maneira?
CPM: Adiciona as respostas às perguntas: Como
estamos? Como deveríamos estar? Além de responder
a: Quanto capacitamos, produzimos, satisfazemos ou
lucramos?
4) A que se referem as definições?
Sistemas transacionais: Estes sistemas
apresentam como principais características alta
velocidade no tempo de resposta e baixo volume de
dados envolvidos na transação. Para estes sistemas,
as informações históricas não são relevantes.
SADs – Sistemas de Apoio à Decisão: Geralmente
utilizam como repositório de dados um DW, que está
desvinculado das bases de dados chamadas de OLTP
– OnLine Transaction Processing.
Ferramentas de Query & Report: São utilizadas
para execução e extração periódica de informações
com médio ou alto grau de detalhamento. Possibilitam
a construção de relatórios através de comandos
simplificados.
Ferramentas OLAP: Permitem a análise dos dados
por diversas dimensões, de forma que seja possível
se identificar com rapidez e facilidade o desempenho
dos negócios. São instrumentos de análise e
exploração de dados para atividades mais interativas
e investigativas.

Capítulo 3
1) Assinale a alternativa falsa sobre DW
b) A informação que descreve o modelo e a
definição dos elementos da fonte de dados é chamada
de data warehousing, que são os meios pelos quais o
usuário final compreende os dados no DW. Correção:
metadados
2) Assinale V-Verdadeiro ou F-Falso
(V)O DW é tipicamente instalado em um sistema
de alta performance, do tipo SMP - Symmetric Multi-
Processing ou MPP - Massively Parallel Processing, ou
seja, sistemas multiprocessados ou paralelos.
(V) A implantação de um projeto de DW envolve
a extração dos dados, que são provenientes de
diferentes fontes, sua transformação e carga no DW
que é feita por ferramentas de ETL.
(F) Os dados não podem (correção: podem) ser
inseridos no DW e depois transferidos para os Data
Marts; os Data Marts devem (correção: podem) ser
criados antes do DW, com dados específicos dos
departamento da empresa.
(F) O termo Data Warehousing se refere a um
produto, que armazena os dados provenientes
de diferentes sistemas e os consolida, fornecendo
informações para que os executivos possam tomar
as decisões do negócio de modo rápido e eficaz.
(correção: não se refere a um produto, mas a uma
estratégia que considera que armazenar....)
3) A qual arquitetura de DW as definições
se referem?
Arquitetura de Data Marts integrados: Em relação
aos negócios, o aspecto positivo dessa arquitetura é
63
Gestão Estratégiaca da informação (CPM, BI)
que a capacidade e a qualidade da visão corporativa
das informações são ampliadas.
Arquitetura de Data Marts independentes: Esse
tipo de arquitetura raramente tem impacto nos
recursos de TI e resulta sempre em implementação
rápida. Possui um mínimo de integração corporativa
e não permite nenhuma visão global.
Arquitetura Global: Habilita os usuários finais
a utilizar visões corporativas de dados, que
normalmente são requisitos de negócio. Entretanto
esse tipo de ambiente consome muito tempo de
desenvolvimento e administração, assim como seu
custo de implementação é muito alto.
4) Existem basicamente quatro
características que descrevem um DW;
identifique-as:
não-volatilidade: os dados não são atualizados
ou modificados em nenhum momento; uma vez
que estes entram no DW, passam a ser somente
acessados, nunca alterados.
orientado ao assunto: os dados são organizados
de acordo com o assunto ao invés da aplicação.
variação em relação ao tempo: há espaço para
o armazenamento de dados que têm 5, 10 ou
mais anos, de forma que possam ser utilizados em
comparações, tendências e previsões.
integrado: todos os atributos e convenções de
tipos são unificados e integrados, de forma que
signifiquem sempre a mesma coisa.

Capítulo 4
1) Assinale a alternativa falsa:
d) Os processos ETL são considerados como uma
das fases mais simples (correção: mais complexas)
do ciclo de vida do DW, pois envolve diversas fontes
de dados e transformações que preparam os dados
para o DW.
2) A que se referem as definições?
BAM - Business Activity Monitoring: ferramentas
que dão suporte a este conceito são capazes de
analisar e reportar dados estratégicos em tempo real.
Dashboards: fornecem informações visuais
imediatas sobre o desempenho dos negócios em
toda a empresa.
Scorecards: apresentam uma visão consolidada
sobre os objetivos estratégicos da empresa.
Privilegiam informações estratégicas que são obtidas
em um dado momento para análise crítica da alta
direção.
Text Mining: processo que utiliza métodos para
navegar, organizar, achar e descobrir informação em
bases textuais escritas em linguagem natural.
Data Mining: processo analítico projetado para
explorar grandes quantidades de dados na busca
de padrões consistentes e/ou de relacionamentos
sistemáticos entre variáveis, transformando-os em
novas informações.
3) Assinale V-Verdadeiro ou F-Falso
(V) Com a crescente adesão às redes sociais, as
empresas preocupam-se em saber a opinião dos
64
Gestão Estratégiaca da informação (CPM, BI)
internautas e, para isso, utilizam ferramentas de web
mining.
(V) O drill down ocorre quando o usuário aumenta
o nível de detalhe da informação, diminuindo o nível
de granularidade.
(F) Dice (correção: Slice) é a operação que corta
o cubo, mas mantém a mesma perspectiva de
visualização dos dados.
(V) Roll up ocorre quando o usuário aumenta o
nível de granularidade, diminuindo o nível de detalhe
da informação.
(F) Slice (correção: Dice) é a mudança de
perspectiva da visão. É como se girássemos o cubo
em nossas mãos.
4) Há vários tipos de implementação dos
Data Marts nas arquiteturas independente e
integrada que podem ser usados. Explique e
diferencie as abordagens top-down e botton-up.
A abordagem top-down consiste em
implementar os Data Marts a partir da implementação
do DW. Neste ambiente os dados são resumidos,
dimensionados e distribuídos para um ou mais
Data Marts dependentes. Estes Data Marts são
“dependentes” porque eles derivam todos os seus
dados de um DW centralizado.
Já na abordagem bottom-up os Data Marts são
organizados de forma independente, representando
determinadas áreas setoriais ou departamentos da
empresa e, após sua implementação, parte-se para
a construção do DW. Assim, o DW será corporativo,
representando o conjunto de todos os assuntos da
empresa de forma que o suporte à decisão atue em
todos os níveis da organização.