BUSINESS ANALYTICS E FERRAMENTAS

ESTRATÉGICAS

1
Sumário
BUSINESS ANALYTICS E FERRAMENTAS ESTRATÉGICAS .............. 1

NOSSA HISTÓRIA .................................................................................. 4

INTRODUÇÃO ......................................................................................... 5

Business Intelligence – Conceitos e análises .......................................... 6

Business Intelligence – Histórico .................................................................... 8

Business Intelligence – Benefícios ............................................................... 11

Gestão do Conhecimento e Sistemas de Informação ................................... 13

Conceitos básicos de Gestão do Conhecimento .......................................... 13

O que é dado? .............................................................................................. 13

O que é a informação? ................................................................................. 14

O que é conhecimento? ................................................................................ 14

Gestão do conhecimento .............................................................................. 15

Administração de dados ............................................................................... 16

Sistemas de informação em organizações ................................................... 16

Componentes de Sistemas de Informação. ........................................... 19

Data Warehouse? ......................................................................................... 22

O que é um Data Warehouse? ..................................................................... 23

Orientado por assunto .................................................................................. 24

Integrado....................................................................................................... 25

Histórico ........................................................................................................ 27

Não volátil ..................................................................................................... 28

Um pouco mais sobre Data Warehouse ....................................................... 30

Construindo um Data Warehouse ................................................................. 30

Arquitetura de um Data Warehouse....................................................... 31

Visão Conceitual ........................................................................................... 31

Visão Física (em Camadas) .......................................................................... 32

2
Estrutura Física dos Dados do DW ............................................................... 33

Arquitetura de Duas Camadas ...................................................................... 34

Arquitetura de Três Camadas ....................................................................... 36

OLTP versus OLAP ...................................................................................... 37

Projeto e Desenvolvimento de Sistemas de Data Warehouse ............... 38

Funções dos Componentes da Equipe ......................................................... 39

Analise entre Model. Dimensional e Model. Relacional ................................ 40

REFERÊNCIAS BIBLIOGRÁFICAS....................................................... 45

3
 NOSSA HISTÓRIA

A nossa história inicia com a realização do sonho de um grupo de empre-

sários, em atender à crescente demanda de alunos para cursos de Graduação
e Pós-Graduação. Com isso foi criado a nossa instituição, como entidade ofere-
cendo serviços educacionais em nível superior.

A instituição tem por objetivo formar diplomados nas diferentes áreas de

conhecimento, aptos para a inserção em setores profissionais e para a partici-
pação no desenvolvimento da sociedade brasileira, e colaborar na sua formação
contínua. Além de promover a divulgação de conhecimentos culturais, científicos
e técnicos que constituem patrimônio da humanidade e comunicar o saber atra-
vés do ensino, de publicação ou outras normas de comunicação.

A nossa missão é oferecer qualidade em conhecimento e cultura de forma

confiável e eficiente para que o aluno tenha oportunidade de construir uma base
profissional e ética. Dessa forma, conquistando o espaço de uma das instituições
modelo no país na oferta de cursos, primando sempre pela inovação tecnológica,
excelência no atendimento e valor do serviço oferecido.

4
 INTRODUÇÃO

Com o passar dos anos a necessidade de conhecimento, vem crescendo

cada vez mais neste mundo globalizado. Acredito que podemos chamar este
século de “A ERA DA INFORMAÇÃO”.
Com isso, o volume de dados e seus devidos repositórios vem se multi-
plicando, se tornando armazéns de dados isolados que dificultam a análise e a
compreensão verdadeira de todo o negócio. Ou seja, nós os profissionais de
tecnologia, envolvidos nas camadas de gerenciamento e análise de dados, te-
mos como principal objetivo ajudar as empresas a transformar os grandes volu-
mes de registros em informações relevantes para a empresa, suportando os pro-
cessos de decisão estratégica e gerando vantagens competitivas no mercado.
Toda esta habilidade é chamada de Business Intelligence (BI), que apoi-
ada por ferramentas de tecnologias adequadas, permite organizar dados disper-
sos em uma empresa, de forma a torná-los inteligíveis e depois estudá-los com
o objetivo de gerar o “Conhecimento” e “Inteligência”, a serem utilizados no de-
senvolvimento estratégico de ações, que beneficiam todo o negócio. Como
exemplo deste emaranhado e complexo sistema de informação, podemos citar
os tradicionalmente sistemas legados das empresas ERP (Enterprise Resource
Planning), bem como as fontes externas de dados e outras fontes de informação
(Planilhas, Arquivos de lotes, etc). Tudo isso faz com que as organizações em-
penhem seus esforços na construção de ferramentas, que através de uma aná-
lise refinada do negócio, mais os conceitos de Business Intelligence, integrados
a crescente tecnologia de softwares voltados a esta área, possam monitorar e
acompanhar a evolução das tomadas de decisões, com precisão e rapidez.
O objetivo desta obra é conscientizar todos os escalões das empresas
privadas, bem como os órgãos públicos em geral, qual a importância no trata-
mento da informação e das reais necessidades de investimento nos projetos de
Business Intelligence. Digo com propriedade que depois de meus vinte e sete
anos como desenvolvedor de ERPs legados, como documentador e principal-
mente como especialista em reporting que; a busca de novas oportunidades no
mercado, bem como a gestão ideal para nossos negócios, não vira sem que

5
tenhamos um bom e estruturado projeto de BI, ou seja, centralizar as informa-
ções, de forma racional e orientada às necessidades do nosso negócio. Essa é
sem dúvida alguma, a melhor forma de se tomar decisões estratégicas. No de-
correr desta obra, o amigo leitor vai conhecer um pouco mais sobre Business
Intelligence, vai acompanhar conceitualmente e na prática a criação de um Data
Warehouse e ver como eles são fundamentais em qualquer projeto de BI. Vai
visualizar como a partir destas informações armazenadas em formato simples e
organizadas, podem ser realizadas as análises para a tomada de decisões es-
tratégicas relacionadas ao seu negócio. Também vai conhecer o conceito dos
poderosos Data Marts e a fantástica modelagem dimensional, bem como as tec-
nologias de OLAP, que serão amplamente comparadas com a OLTP. Aqui o
amigo leitor ainda avaliará os conceitos do Balanced Scorecard e de gestão do
conhecimento, bem como poderá testar na prática a criação de um Data
Warehouse, através de um pequeno projeto de BI, analisado e demonstrado em
todas as suas etapas.

Business Intelligence – Conceitos e análises

O mercado mundial como um todo, não para de comentar e divulgar sobre

a coqueluche do momento, “Business Intelligence”; suas aplicações e soluções
tecnológicas disponíveis no mercado. Porém, eu lhe pergunto amigo leitor, será
que realmente sabemos sobre o que estamos falando? Acredito que precisamos,
antes de qualquer coisa, ter a consciência real sobre o conceito de BI, para o
qual existem os mais diversos tipos de análises e conceitos na atualidade. Nosso
primeiro passo será o entendimento dos dois termos que compõem o referido
conceito: Business (negócio) e Intelligence (inteligência)
O primeiro, quer dizer a intermediação de uma atividade comercial com
fins lucrativos, quando se trata do mundo empresarial. O segundo se refere à
faculdade de aprender ou compreender; capacidade de resolver situações com-
plexas e problemáticas, mediante a reestruturação da informação perceptiva (Fí-
sica). Com a junção dos dois termos acima, é correto supor que a inteligência do
negócio está ligada intrinsecamente à capacidade das pessoas em posições es-
tratégicas dentro de uma corporação e que estão diretamente ligadas ao negó-
cio. Pessoas estas, com poder de decisão para adaptar, implementar ou alterar

6
o rumo da empresa (estrutura, recursos humanos, financeiros, materiais, etc.) ou
externamente (mercado, concorrência, econômico, etc.).
O conceito de BI tem como principal objetivo, auxiliar estes homens e mu-
lheres a aprimorar o processo de tomada de decisão, através do tratamento das
bases de dados existentes. O BI engloba o uso de ferramentas sofisticadas, que
fazem parte da área de pesquisa como, por exemplo, a Inteligência Artificial (IA).
Estas ferramentas proporcionam além de informações mais detalhadas, uma
base de conhecimento extensa, modelada e racionalizada, que conseqüente-
mente dissemina o conhecimento obtido no tratamento da base de dados, que
nada mais são do que as práticas oriundas das decisões tomadas por toda a
empresa.
As empresas fazem parte do mundo dos negócios e esse visa eterna-
mente ao lucro, ao retorno dos capitais investidos no menor tempo possível.
Numa realidade competitiva como esta, as informações estratégicas assumem
um papel fundamental para o sucesso dessa empreitada. É óbvio que não po-
demos deixar de citar a enorme quantidade de informações que são despejadas
sobre nós diariamente.
Desta forma precisamos de mecanismos eficientes que nos ajudem a criar
e monitorar critérios para selecionarmos e organizarmos as informações que re-
almente nos interessam. Como não poderia deixar de ser, os sistemas de infor-
mações prestam uma grande ajuda nesse sentido. Esse sistema proporciona
lucros quando permite que uma maior quantidade de bens sejam produzidos,
uma maior quantidade de clientes sejam atendidos, a satisfação dos mesmos
sejam conquistadas, e finalmente, permite uma melhor alocação dos recursos
disponíveis.
Quando a empresa consegue obter essas informações rapidamente e de
forma estruturada, ela sem dúvida sairá na frente de seus concorrentes, desco-
brindo os problemas com seus produtos e serviços, possibilitando corrigi-los com
maior velocidade e eficiência. A informação estratégica proporciona saber se os
seus clientes estão satisfeitos e poderá definir novas estratégias para expansão
de sua empresa no mercado. Mas, o ponto mais importante nessa mistura de
tecnologias é a empresa poder direcionar todo seu capital intelectual para a sua
devida função, que é pensar.

7
 Os gerentes e diretores poderão ter as informações rapidamente e tam-
bém terão mais tempo para melhorarem todos seus processos e analisarem
mais os seus dados, que passarão a ser valiosas informações. Aí a Tecnologia
da Informação (TI) estará exercendo seu grande papel, que é o de fornecer in-
formações de qualidade e deixar de ser uma armazenadora de dados.
O Business Intelligence pode ser entendido como um leque conceitual que
envolve a Inteligência Competitiva (CI), a Gerência de Conhecimento (KMS) e a
Internet Business Intelligence (IBI), pesquisa e análise de mercado, relacionados
à nova era da Informação, dedicada a captura de informações e conhecimentos
que permitem as organizações competirem com maior eficiência e exatidão. Isso
é bom para cada um de nós clientes e consumidores.
E melhor ainda para os profissionais que fazem parte dessas grandes em-
presas, pois além de nos capacitarmos ainda mais, conseguiremos ajudar a nos-
sas instituições coorporativas a crescerem e chegarem a excelência de seus ne-
gócios. Segundo Gartner Group: “A maior ameaça das empresas da atualidade
é o desconhecimento... O Business Intelligence se empenha em eliminar as dú-
vidas e a ignorância das empresas sobre suas informações, aproveitando os
enormes volumes de dados coletados pelas empresas”. Por fim, o BI ou Inteli-
gência Empresarial tem como principal objetivo à integração dos aplicativos e
tecnologias para extrair e analisar os dados corporativos de maneira simples, no
formato correto e no tempo certo, para que a empresa possa tomar decisões
melhores e mais rápidas, sempre buscando auxiliar o executivo em seus negó-
cios.

Business Intelligence – Histórico

Ao contrário do que se possa imaginar, o conceito de Business Intelli-

gence não é recente. Civilizações antigas já utilizavam esse princípio há milhares
de anos, quando cruzavam informações obtidas junto à natureza em benefício
próprio.
Observar e analisar o comportamento das marés, os períodos de seca e
de chuvas, a posição dos astros, entre outras, eram formas de obter informações
que eram utilizadas para tomar as decisões que permitissem a melhoria de vida

8
de suas respectivas comunidades. O mundo mudou desde então, mas o conceito
permanece o mesmo.
A necessidade de cruzar informações para realizar uma gestão empresa-
rial eficiente é hoje uma realidade tão verdadeira quanto no passado foi descobrir
se a alta da maré iria propiciar uma pescaria mais abundante. Pela visão da
tecnologia, a era que podemos chamar de "pré-BI" está num passado não muito
distante, algo entre trinta ou quarenta anos atrás. Nesta época, quando os com-
putadores deixaram de ocupar salas gigantescas, na medida em que diminuíram
de tamanho e ao mesmo tempo, as empresas passaram a perceber os dados
como uma possível e importante fonte geradora de informações decisórias.
No entanto, naquela época ainda não existiam recursos eficientes que
possibilitassem uma análise consistente desses dados para a tomada de deci-
são. Era possível reunir informações de maneira integrada, fruto de sistemas
transacionais estabelecidos com predominância em dados relacionais, mas que,
reunidos como blocos fechados de informação, permitiam uma visão da em-
presa, mas não traziam ganhos decisórios ou negociais. Estamos falando do
final dos anos 60, período em que cartões perfurados, transistores e linguagem
COBOL eram a realidade da Informática. Era a época em que se via o computa-
dor como um desconhecido, um vislumbre de modernidade, mas que ainda pa-
recia estar em uma realidade muito distante.
O panorama começou a mudar na década de 70, com o surgimento das
tecnologias de armazenamento e acesso a dados, Direct Access Storage Device
(DASD), dispositivo de armazenamento de acesso direto, e o Sistema Gerenci-
ador de Banco de Dados (SGBD), duas siglas cujo principal significado era o de
estabelecer uma única fonte de dados para todo o processamento. A partir daí o
computador passou a ser visto como um coordenador central para atividades
corporativas e o banco de dados foi considerado um recurso básico para asse-
gurar a vantagem competitiva no mercado. No início dos anos 90, a maioria das
grandes empresas contava somente com Centros de Informação (CI) que em-
bora mantivessem estoque de dados, ofereciam pouquíssima disponibilidade de
informação.
Mesmo assim, os CI supriam, de certa forma, as necessidades de execu-
tivos e detentores das tomadas de decisão, fornecendo relatórios e informações
gerenciais.

9
 O mercado passou a se comportar de modo mais complexo e a tecnologia
da informação progrediu rumo ao aprimoramento de ferramentas de software, as
quais ofereciam informações precisas e no momento oportuno para definir ações
que tinham como foco a melhoria do desempenho no mundo dos negócios. No
inicio da década de 90, surgiu o Data Warehouse (DW) que é uma grande base
de dados de informação, ou seja, um único repositório de dados. Considerado
pelos especialistas no assunto, como o elemento principal para a execução prá-
tica de um projeto de BI.
No entanto, quando se trata de BI, as opiniões nem sempre são unâni-
mes. Na avaliação de alguns consultores é importante que a empresa que deseja
incorporar ferramentas de análise disponha de um repositório específico para
reunir os dados já transformados em informações Esse repositório não precisa
ser necessariamente, um DW, mas algo menos complexo como, por exemplo,
um Data Mart (Um banco de dados ou parte dele, desenhado de forma persona-
lizada para departamentos), ou um banco de dados relacional comum, mas se-
parado do ambiente transacional (operacional) e dedicado a armazenar as infor-
mações usadas como base para a realização de diferentes analises e projeções.
Como já foi mencionado acima, o conceito de Business Intelligence é
muito mais antigo do que se imagina. Mas o desenvolvimento tecnológico ocor-
rido a partir da década de 70 e nos anos posteriores, é que possibilitou a criação
de ferramentas que vieram a facilitar todo o processo de captação, extração,
armazenamento, filtragem e disponibilidade personalizada dos dados. Isso fez
com que o setor corporativo passasse a se interessar cada vez mais pelas solu-
ções de BI, principalmente por volta do final de 1996, quando o conceito come-
çou a ser difundido como um processo de evolução do Executive Information
Systems (EIS - Sistema de informações executivas), um sistema criado no final
da década 70, a partir dos trabalhos desenvolvidos pelos pesquisadores do Mas-
sachusets Institute of Tecnology/EUA (MIT).
O EIS é na verdade, um software que objetiva fornecer informações em-
presariais a partir de uma base de dados. É uma ferramenta de consulta às ba-
ses de dados das funções empresariais para a apresentação de informações de
forma simples e amigável, atendendo às necessidades dos executivos da alta
administração principalmente. Permite o acompanhamento diário de resultados,
tabulando dados de todas as áreas funcionais da empresa para depois exibi-los

10
de forma gráfica e simplificada, sendo de fácil compreensão para os executivos
que não possuem profundos conhecimentos sobre tecnologia.
Em termos simples o EIS permite a esses profissionais o acesso amigável
a uma série de informações pela via eletrônica, apresentadas de forma clara e
visualmente atraente. Com o passar dos anos o termo Business Intelligence ga-
nhou maior abrangência, dentro de um processo natural de evolução, como o
próprio EIS, e mais as soluções Decision Support System (DSS - Sistema de
Suporte à Decisão), Planilhas Eletrônicas, Geradores de Consultas e de Relató-
rios, Data Marts, Data Mining, Ferramentas OLAP, entre tantas outras que têm
como objetivo promover agilidade comercial, dinamizar a capacidade de tomada
de decisões.
A história do Business Intelligence também está profundamente atrelada
ao ERP sigla que representa os sistemas integrados de gestão empresarial cuja
função é facilitar os processos operacionais das empresas. Esses sistemas re-
gistram, processam e documentam cada fato novo na empresa e distribuem as
informações de maneira clara e segura, em tempo real. Mas as empresas que
implantaram estas soluções logo se deram conta de que apenas armazenar
grande volume de dados, não lhes serviriam de nada, já que essas informações
se encontravam repetidas, incompletas e espalhadas em vários repositórios den-
tro da corporação.
Percebeu-se que era preciso dispor de ferramentas que permitissem reu-
nir esses dados em uma única base de informação e trabalhá-los de forma, que
possibilitassem realizar diferentes análises sob variados ângulos. Tradicional-
mente, o Business Intelligence pertenceu ao domínio do pessoal de TI e dos
especialistas em pesquisa de mercado, responsáveis pela extração de dados,
pela implantação de processos e pela divulgação dos resultados aos executivos
responsáveis pela tomada de decisões. Mas com o crescimento da Internet tudo
mudou. Hoje, a rede permite disponibilizar soluções de BI para um número cada
vez maior de pessoas dentro e fora das grandes corporações.

Business Intelligence – Benefícios

O BI consegue trazer inúmeros benefícios para as organizações que o

utilizem “de forma correta”. Veja abaixo uma lista destes benefícios.

11
 • Antecipar mudanças no mercado;
• Antecipar ações dos competidores;
• Descobrir novos ou potenciais competidores;
• Aprender com os sucessos e as falhas dos outros;
• Conhecer melhor suas possíveis aquisições ou parceiros;
• Conhecer novas tecnologias, produtos ou processos que tenham im-
pacto no seu negócio;
• Conhecer sobre política, legislação ou mudanças regulamentais que
possam afetar o seu negócio;
• Entrar em novos negócios;
• Rever suas próprias práticas de negócio;
• Alinhar projetos de tecnologia com as metas estabelecidas pelas empre-
sas na busca do máximo retorno do investimento;
• Propiciar alternativas de investimento em tecnologia dentro do contexto
estratégico, tecnológico e financeiro da empresa;
• Ampliar a compreensão das tendências dos negócios, propiciando me-
lhor consistência no momento de decisão de estratégias e ações;
• Permitir uma análise de impacto sobre rumos financeiros e organizacio-
nais para criar mudanças nas iniciativas gerenciais;
• Facilitar a identificação de riscos e gerar segurança para migração de
estratégias, criando maior efetividade nas implementações dos projetos;
• Abrir um caminho orientado para implantações futuras de novas tecno-
logias, estabelecendo prazos e focando o orçamento dentro das perspectivas e
objetivos da empresa;
• Gerar, facilitar o acesso e distribuir informação de modo mais abran-
gente para obter envolvimento de todos os níveis da empresa. Podemos citar
exemplos mais específicos como o setor comercial, marketing, economia e fi-
nanças, como as primeiras e mais promissoras áreas para a aplicação dos pro-
jetos de BI.
Na área comercial o BI oferece os seguintes benefícios:
• Melhora no prognóstico de vendas;
• Visibilidade contábil abrangente;
• Integração entre orçamento de análise; melhor compreensão da segmentação
do mercado;

12
• Flexibilidade e interação dos relatórios financeiros; Melhoria nas decisões de
distribuição de produtos. Benefícios para a área de marketing:
• Campanha de marketing dirigido;
• Informações personalizadas de cliente;
• Comportamento e freqüência de compra ou preferências são obtidos de uma
forma rápida e fácil com a utilização das ferramentas de BI;
• Fidelização dos clientes; Mala direta e público alvo. Benefícios para a área de
economia e finanças:
• Ações personalizadas, avaliação de riscos e de oportunidades futuras;
• Análise de crédito e de riscos em empresas do setor financeiro;
• Controle de fraude de empresas de seguro.

Gestão do Conhecimento e Sistemas de Informação

Antes de iniciarmos com o desenvolvimento e as aplicações referentes ao

projeto de BI, vamos falar um pouco sobre a gestão do conhecimento e os sis-
temas de informação, já que na minha humilde visão, nenhuma empresa conse-
guirá criar um bom DW, sem que seus processos e ações não estejam baseados
nestes dois conceitos. O conceito de Gestão do Conhecimento surgiu no inicio
da década de 90 em que a Gestão do Conhecimento não era mais um tipo de
moda de eficiência operacional. Agora a GC fazia parte da estratégia empresa-
rial.

Conceitos básicos de Gestão do Conhecimento

Sem compreender o conceito de dado, informação e conhecimento, não

conseguiremos apresentar o processo de Gestão do Conhecimento.

O que é dado?

Dado pode ter significados distintos, dependendo do contexto no qual a

palavra é utilizada. Para uma organização, dado é o registro estruturado de tran-
sações. É informação bruta, descrição exata de algo, ou de algum evento. Os

13
dados em si não são dotados de relevância ou propósitos, mas são importantes
porque são a matéria essencial para a criação da informação.

O que é a informação?

Informação é uma mensagem com dados que fazem diferença, podendo

ser audível ou visível. É onde existe um emitente e um receptor. É o resultado
mais importante da produção humana. Definir informação não é uma tarefa fácil.
Se partirmos da clássica distinção entre dados, informação e conhecimento en-
contraremos certa imprecisão. Informação é um termo que envolve todas as três
palavras, e ainda serve como conexão entre os dados brutos e o conhecimento
que no decorrer das análises pode ser obtido. Esses termos às vezes são utili-
zados de forma inadequada, o que podemos constatar quando verificamos que
durante muito tempo as pessoas se referiam aos dados como informação. O
significado da informação e seus propósitos exigem de imediato, a redefinição
não apenas das tarefas que são realizadas com a ajuda desta informação, mas
também dos processos que as utilizam como insumos. Veja que as pessoas
transformam dados em informação. Ao contrário dos dados a informação exige
análise. Este é sem dúvida o maior desafio imposto aos especialistas da T.I

O que é conhecimento?

Conhecimento é o estágio mais avançado da informação, mais valioso,

mais difícil de gerenciar e de se obter. É valioso precisamente porque se trata
de uma informação que recebeu um significado, uma interpretação. Algum indi-
víduo ou um grupo refletiu sobre conhecimento, acrescentou a ele sua própria
sabedoria, considerou suas implicações mais amplas. O conhecimento, muitas
vezes é tácito – existe simbolicamente na mente humana e é difícil de explicitar.
O homem tenta insistentemente incorporar conhecimento às máquinas, mas os
resultados ainda são tímidos e sua aplicação restrita.
O Conhecimento deriva da informação assim como esta, dos dados. O
conhecimento não é puro nem simples; mas é uma mistura de elementos, é flu-
ido e formalmente estruturado; é intuitivo e, portanto, difícil de ser colocado em
palavras ou de ser plenamente entendido em termos lógicos. Ele existe dentro
das pessoas e por isso é complexo e imprevisível.

14
 O Conhecimento humano pode ser classificado em dois tipos: Conheci-
mento explícito e Conhecimento tácito. NONAKA e TAKEUSHI [01]. Conheci-
mento explícito: É o que pode ser articulado na linguagem formal, inclusive em
afirmações gramaticais, expressões matemáticas, especificações, manuais etc.,
facilmente transmitido, sistematizado e comunicado. Ele pode ser transmitido
formal e facilmente entre os indivíduos. Esse foi o modo dominante de conheci-
mento na tradição filosófica ocidental. Conhecimento tácito: É difícil de ser arti-
culado na linguagem formal, é um tipo de conhecimento mais importante. É o
conhecimento pessoal incorporado à experiência individual e envolve fatores in-
tangíveis como, por exemplo, crenças pessoais, perspectivas, sistema de valor,
intuições, emoções e habilidades.
É considerado como uma fonte importante de competitividade entre as
Organizações. Só pode ser avaliado por meio da ação. Portanto, os conheci-
mentos explícito e tácito são unidades estruturais básicas que se complementam
e a interação entre eles é a principal dinâmica da criação do conhecimento na
organização de negócio.

Visão geral – Dados, informação e conhecimento:

A evolução no processo dados – informação - conhecimento exige cada vez mais

o envolvimento humano. Os computadores são ótimos para nos ajudar a lidar
com dados, mas quando evoluímos para informação a adequação diminui, tor-
nando-se crítica com o conhecimento.

Gestão do conhecimento
A Gestão do Conhecimento é o processo de identificação, criação e aplicação
dos conhecimentos que são estratégicos na vida de uma empresa. Permite a
organização como um todo saber o que ela “SABE”. A gestão do conhecimento
leva as organizações a mensurar com mais segurança a sua eficiência, tomar

15
decisões acertadas com relação a melhor estratégia a ser adotada em relação a
seus clientes, concorrentes, canais de distribuição e ciclo de vida de produtos e
serviços.

Administração de dados

Saber administrar dados é trabalhar o dado como base estratégica da or-

ganização, representando a empresa, independentemente dos processos das
diferentes unidades que utilizem o dado. “A administração de dados (Gestão de
dados) pode ser definida como uma função da organização responsável por de-
senvolver e administrar centralizadamente estratégias, procedimentos, prática e
planos capazes de fornecer dados corporativos necessários, quando necessá-
rios, revestidos de integridade, privacidade, documentação e compartilhamento”.
SERRA [02] A administração de dados em uma organização pode ter uma atua-
ção ampla, participando efetivamente do Planejamento Estratégico Empresarial
junto à direção das empresas onde permitiria detectar, entre outros, as necessi-
dades de informação futuras, pois estaria planejando melhor suas bases de da-
dos em atendimento aos negócios da corporação e atuando fortemente na ad-
ministração dos dados informatizados e os não informatizados espalhados pelos
diversos setores da organização. Portanto, ao administrador de dados, cabe:
procurar identificar, descrever (documentar) e modelar (estruturar) os dados -
chave a serem armazenados e gerenciados (manipulados), além de cuidar das
adaptações impostas pelo Sistema Gerenciador de Banco de Dados Relacional
(SGBDR) e dos aspectos de desempenho e segurança.

Sistemas de informação em organizações

A tecnologia da informação esta redefinindo os fundamentos das regras

de negócios. Atendimento ao cliente, operações, estratégias de produto e de
marketing e distribuição dependem muito, ou às vezes até totalmente, dos Sis-
temas de Informação (SI). A tecnologia da informação e seus custos passaram
a fazer parte integralmente do dia-a-dia das empresas.
É indiscutível que toda organização têm pelo menos dois problemas ge-
néricos: como gerenciar as forças e grupos internos que geram seus produtos e

16
serviços, e como lidar com clientes, legislações, concorrentes e tendências ge-
rais sócios econômicas em seu ambiente. A principal razão pela qual são cons-
truídos os sistemas de informação é para resolver problemas organizacionais e
para reagir a uma mudança no ambiente LAUDON [03]. Alguns sistemas de in-
formação tratam unicamente de problemas internos, alguns de assuntos pura-
mente externos e outros cumprem os dois papéis. São classificados costumeira-
mente pela especialidade funcional a que se destinam e pelo tipo de problema.
Nenhum sistema sozinho rege todas as atividades de uma empresa.
Os sistemas em nível estratégico ajudam os gerentes seniores a planejar
as ações de longo prazo. Os sistemas táticos auxiliam os gerentes de nível mé-
dio a supervisionar e coordenar as atividades diárias da empresa. Os especia-
listas e funcionários de escritório utilizam sistemas de conhecimento para proje-
tar, racionalizar serviços e lidar com documentos, enquanto os sistemas opera-
cionais tratam das atividades diárias de produção e serviço.

Um sistema pode ser definido como um conjunto de partes coordenadas

que concorrem para a realização de um conjunto de objetivos, seguindo um
plano. Qualquer sistema pode ser encarado como um subsistema de um maior,
sendo isso denominado hierarquia de sistemas. POLLONI [04].
Segundo LAUDON [*]: “Um sistema de informação (S.I.) pode ser definido
como um conjunto de componentes inter-relacionados trabalhando juntos para
coletar, recuperar, processar, armazenar e distribuir informação com a finalidade
de facilitar o planejamento, o controle, a coordenação, a análise e o processo

17
decisório em empresas e outras organizações”. Um sistema é um grupo de com-
ponentes inter-relacionados que trabalham juntos de encontro a uma meta co-
mum recebendo os resultados e produzindo resultados em um processo organi-
zado de transformação.
Um sistema dessa ordem, às vezes chamado de sistema dinâmico, possui
três componentes ou funções básicas em interação: O conteúdo dos sistemas
de informações varia de empresa para empresa, face às necessidades específi-
cas de cada entidade. Em geral contêm informação sobre pessoas, lugares e
coisas de interesse no ambiente ao redor da organização e dentro da própria
organização.
Sua principal tarefa é transformar a informação em uma forma utilizável
para a coordenação do fluxo de trabalho de uma empresa, auxiliando a tomada
de decisões em todos os níveis e a previsão e solução de assuntos complexos.
Três atividades básicas compõem um sistema de informações: entrada (ou in-
put), processamento e saída (ou output). A entrada envolve a captação ou coleta
de fontes de dados brutos de dentro da organização ou de seu ambiente externo.
São exemplos de dados: total de unidades vendidas ou compradas, datas, des-
crição de clientes e produtos. A entrada envolve a captação e reunião de ele-
mentos que entram no sistema para serem processados. O processamento en-
volve processos de transformação que convertem Resultado (entrada) em pro-
duto. Entre os exemplos se encontram um processo industrial, o processo da
respiração humana ou cálculos matemáticos. A saída envolve a transferência de
elementos produzidos por um processo de transformação até seu destino final.
Produtos acabados, serviços humanos e informações genéricas devem ser
transmitidos a seus usuários. Deve-se ressaltar que um sistema de informação
pode ser formal ou informal, organizacional ou individual, baseado em computa-
dores (SIBC) ou não. LAUDON [03].
Os SIBC são sistemas formais que se baseiam em definições de dados
de procedimentos, mutuamente aceitos e relativamente fixos, para a coleta, ar-
mazenamento, processamento e distribuição de informação. Por exemplo, um
arquivo manual de nomes e endereços de clientes ou um catálogo alfabético por
cartões em uma biblioteca é um sistema de informação formal, pois é estabele-

18
cido por uma organização e está de acordo com regras e procedimentos organi-
zacionais; isto quer dizer que cada entrada no sistema tem o mesmo formato de
informação e o mesmo tipo de conteúdo.
Os sistemas informais, ao contrário, não têm essas características. Não
há acordo sobre que informação existe como será armazenada e o que será
armazenado ou processado. Muitos não deixam de ser importantes, na reali-
dade, são muito poderosos e flexíveis. Exemplos desses sistemas informais são
as redes de boato no escritório, grupos de amigos, estudantes e ainda pessoas
com interesses comuns que trocam informações livremente sobre um grande
número de assuntos, tópicos e personalidades mudando-os constantemente. Os
SIBC são montados com a finalidade de resolver problemas importantes na or-
ganização. De acordo com POLLONI [*], um SIBC eficaz, deve:
1. “Produzir informações realmente necessárias, confiáveis, em tempo há-
bil e com custo condizente, atendendo aos requisitos operacionais e gerenciais
de tomada de decisão”;
2. “Tem por bases diretrizes capazes de assegurar a realização dos obje-
tivos, de maneira direta, simples e eficiente”;
3. “Integrar-se à estrutura da organização e auxiliar na coordenação das
diferentes unidades organizacionais (departamentos, divisões, diretorias etc.)
por ele interligadas”;
4. “Ter um fluxo de procedimentos (internos e externos ao processa-
mento) racional, integrado, rápido e de menor custo possível”;
5. “Contar com dispositivos de controle interno que garantam a confiabili-
dade das informações de saída e adequada proteção aos dados controlados
pelo Sistema”;
6. “Finalmente, ser simples, seguro e rápido em sua operação”.

Componentes de Sistemas de Informação.

Os mais poderosos sistemas de informação da atualidade usam tecnolo-

gia da Informação para executar parte das funções de processamento, isto não
quer dizer que apenas investindo em computadores teremos excelentes siste-
mas. Um sistema bem sucedido tem dimensões organizacional e humana atre-
ladas aos componentes técnicos.

19
 Ele existe para atender as necessidades organizacionais, incluindo pro-
blemas apresentados pelo ambiente externo criado por tendências políticas, de-
mográficas, econômicas e sociais LAUDON [9]. As organizações devem moldar
seus sistemas de informações de acordo com suas necessidades, hierarquias,
estrutura funcional e sua cultura específica. Diferentes níveis e diferentes espe-
cialidades em uma organização criam interesses e pontos de vista diferentes,
que freqüentemente conflitam entre si.
Os sistemas de informação devem responder e resolver estes conflitos
internos além de problemas criados pelo ambiente externo. As pessoas são os
usuários dos sistemas de informação sob o enfoque de fornecimento de insumos
e utilização de seus produtos, tudo integrado ao seu ambiente de trabalho. Suas
atitudes a respeito de seus empregos, empregadores ou da tecnologia de com-
putação podem ter um efeito poderoso sobre sua capacidade de usar sistema
de informação de modo produtivo.
Os sistemas de processamento de transações são exemplos importantes
de sistemas de apoio às operações que registram e processam dados resultan-
tes de transações das empresas. Eles processam transações de dois modos
básicos. No processamento em lotes, os dados das transações são acumulados
durante certo tempo e periodicamente processados. No processamento em
tempo real (ou on-line), os dados são processados imediatamente depois da
ocorrência de uma transação. Os sistemas de ponto -de - venda, por exemplo,
em muitas lojas de varejo utilizam terminais eletrônicos no caixa para capturar e
transmitir eletronicamente dados de vendas por conexões de telecomunicações
para centros regionais de computação para processamento imediato (tempo
real) ou a cada noite (lote). Os sistemas de controle de processo monitoram e
controlam processos físicos. Uma refinaria de petróleo, por exemplo, utiliza sen-
sores eletrônicos conectados a computadores para monitorar continuamente os
processos químicos e fazer ajustes imediatos (em tempo real) que controlam o
processo de refino.
Os sistemas colaborativos aumentam as comunicações e a produtividade
de equipe de projeto, por exemplo, podem usar correio eletrônico para enviar e
receber mensagens eletrônicas e videoconferência para realizar reuniões eletrô-
nicas e coordenar suas atividades. A tecnologia é o meio empregado para trans-

20
formação e organização dos dados para utilização das pessoas. Não necessari-
amente um sistema de informação é computadorizado, podendo ser um sistema
manual, tal como um arquivo de fichários, porém os computadores substituíram
a tecnologia manual de processamento de grandes volumes de dados e de tra-
balhos complexos de processamento. Os sistemas baseados em computadores
têm como componentes técnicos:
• O hardware de computador: É o equipamento físico usado para as tare-
fas de entrada, processamento e saída em um sistema de informação. É com-
posto pela unidade de processamento do computador e nos vários dispositivos
de entrada (teclado, “scanner”, “mouse”, “Etc”.).
• (Dispositivos de reconhecimento de caracteres ópticos – OCR, disposi-
tivos de controle de voz, sensores), saída (impressora, plotters, terminais de ví-
deo e outros tipos de dispositivos) e armazenamento (Disco magnético e disco
ótico), além dos meios físicos que interligam estes dispositivos.
• O software do computador: Consiste em instruções pré-programadas
que coordenam o trabalho dos componentes do hardware para que executem os
processos exigidos pelos vários sistemas de informação.
• A tecnologia de armazenamento: serve para organizar e armazenar os
dados utilizados por uma empresa. A tecnologia de armazenamento inclui os
meios físicos para armazenar os dados, assim como o software que rege a or-
ganização de dados nesses meios físicos.
• A tecnologia de comunicação: usada para conectar pontos diferentes do
hardware e para transferir dados de um ponto a outro via redes. Quando os sis-
temas de informação se concentram em fornecer informação e apoio para a to-
mada de decisão eficaz pelos gerentes, eles são chamados sistemas de apoio
gerencial. Fornecer informação e apoio para a tomada de decisão por parte de
todos os tipos de gerentes (dos altos executivos, aos gerentes de nível médio e
até os supervisores) é uma tarefa complexa. Em termos conceituais, vários tipos
principais de sistemas de informação apóiam uma serie de responsabilidade ad-
ministrativa do usuário final:
1. Sistemas de informação gerencial;
2. Sistemas de apoio à decisão;
3. Sistemas de informação executiva.

21
 Os sistemas de informação gerencial fornecem informação na forma de
relatórios e exibições em vídeo para os gerentes.
Os gerentes de vendas, por exemplo, podem utilizar seus terminais de
computador para obter visualizações instantâneas sobre os resultados de ven-
das de seus produtos e acessar relatórios semanais de analise de vendas que
avaliam as vendas realizadas por cada vendedor Os sistemas de apoio à decisão
fornecem suporte computacional direto aos gerentes durante o processo de de-
cisão. Os gerentes de propaganda podem utilizar um pacote de planilhas eletrô-
nicas para realizar analise de simulação quando testam o impacto de orçamen-
tos alternativos de propaganda sobre as vendas previstas para novos produtos.
Os sistemas de informação executiva (EIS) fornecem informações critica em
quadros de fácil visualização para uma multiplicidade de gerentes.

Data Warehouse?

Desde sua aparição no início da década de 90, e até os dias de hoje, o

conceito e a operação de um DW (Data Warehouse), saíram do âmbito teórico,
acadêmico, para a área empresarial, notando-se uma clara tendência no sentido
de sua aceitação por praticamente todas as empresas que operam em ambien-
tes competitivos.
Antes da popularização dos DW e das ferramentas de ERP (Enterprise
Resource Planning), uma verdadeira integração de dados era apenas um sonho,
ou seja, era uma utopia a ser quebrada. Sistemas trocavam dados de forma que
atendesse às necessidades de cada um deles, sendo por isso chamado "siste-
mas integrados", sem que essa integração sequer se aproximasse do que se
vêem hoje nos ERP, cujos fornecedores têm dado a seus produtos característi-
cas que os tornam facilmente fornecedores de dados aos warehouses. Cada
aplicativo tinha uma visão da situação, um produto ou uma operação; uma visão
corporativa das informações disponíveis era praticamente irreal. Dados históri-
cos não existiam de forma organizada e os dados sintéticos disponíveis mostra-
vam quase sempre apenas uma pequena parte da realidade da empresa.
A integração dos dados permite a um executivo ter uma visão "corpora-
tiva" dos dados; essa integração, ou mais especificamente a migração dos dados

22
mantidos pelos sistemas anteriores, no entanto, não é um processo fácil, nem
barato.
Tudo isso exige muito planejamento. Há algumas versões de Data
Warehouse que merecem ser individualizadas por suas características especi-
ais: uma delas é o Operational Data Store (ODS), que opera diretamente conec-
tado aos dados operacionais, objetivando dar suporte a decisões de natureza
operacional, com características que permitem a obtenção de tempos de res-
posta bastante rápidos.

O que é um Data Warehouse?

Por Willian H. Inmon "Data Warehouse é um banco de dados orientado

por assunto, integrado, não volátil e histórico, criado para suportar o processo
de tomada de decisão." Outra boa definição para DW vem de Gupta (1997): "um
ambiente estruturado, extensível, projetado para a análise de dados não voláteis,
lógica e fisicamente transformados, provenientes de diversas aplicações, alinha-
dos com a estrutura da empresa, atualizados e mantidos por um longo período
de tempo, referidos em termos utilizados no negócio e sumarizados para análise
rápida". De forma bastante simples, a imagem 1 mostra a arquitetura de um DW,
com os sistemas que o alimentam, seus usuários, o DW propriamente dito e os
metadados, cada um desses conceitos será amplamente discutido mais à frente:

23
A definição de um Data Warehouse (por W. H. Inmon) necessita de um completo
detalhamento, porque existem detalhes muito importantes e sutilezas básicas
nas características de um Warehouse.
• Orientado por Assunto
• Integrado
• Histórico
• Não Volátil

Orientado por assunto

A primeira característica de um DW é que ele está orientado ao redor do

principal assunto da empresa. O caminho do registro, orientado ao assunto está
em contraste com a mais clássica das aplicações orientadas por processos ao
redor dos quais os sistemas operacionais mais antigos estão organizados.

24
 No geral, o mundo da informação operacional está todo baseado ao redor
de aplicações e funções transacionais. O mundo do Data Warehouse está orga-
nizado ao redor do principal assunto assim como por exemplo, cliente, vendas,
produtos e atividades.
O alinhamento ao redor das áreas de assunto afeta o desenho e imple-
mentação do dado criado no Data Warehouse, ou seja, a área do assunto mais
influente é a parte mais importante da estrutura chave. O mundo das aplicações
está preocupado com o desenho dos processos e de banco de dados. O mundo
do Data Warehouse está focado exclusivamente na modelagem de dados e de-
senho do banco de dados.
Nota: O desenho de processos (como é na forma clássica) não é parte de
um ambiente de Data Warehouse. As diferenças entre aplicações orientadas por
processos/funções e as orientadas por assunto, mostra as diferenças no conte-
údo dos dados e no nível de detalhes dos mesmos. No Data Warehouse são
excluídos os dados que não devem ser usados no processo de DSS (Sistemas
de Suporte a Decisão), enquanto no
ambiente operacional as aplicações contêm dados para satisfazer imediata-
mente as requisições funcionais/processamento que podem ou não ser usadas
para análise de DSS.
Outra importante maneira na qual os dados operacionais das aplicações difere
dos dados para Data Warehouse está no relacionamento dos dados. Dados ope-
racionais mantêm relacionamentos entre duas ou mais tabelas baseadas nas
regras de negócio que estão em efeito. Registros do DW usam uma base de
tempo e os relacionamentos criados no DW são muitos. Muitas regras de negó-
cio são representadas no DW entre duas ou mais tabelas.

Integrado

O mais importante aspecto do ambiente de DW é que dados criados den-

tro de um DW são integrados. SEMPRE. COM NENHUMA EXCEÇÃO. Essa é
sem duvida a melhor essência do ambiente de warehouse... A integração mos-
tra-se de diferentes maneiras: na convenção consistente de nomes, na forma

25
consistente das variáveis, na estrutura consistente de códigos, nos atributos fí-
sicos consistente dos dados, e assim por diante. Veja os exemplos refletidos
pela imagem 03

A habilidade coletiva de muitos analistas de aplicações em criar produtos

sem consistência é lendária.
A imagem 3 apresenta algumas das muitas diferenças importantes na ma-
neira como as aplicações são desenhadas.
• Codificação - desenvolvedores de aplicações têm preferido, por exem-
plo, codificar o campo SEXO das mais variadas formas. Um desenvolvedor re-
presenta SEXO com um "M" e um "F". Outro desenvolvedor representa SEXO
com um "1" e um "0". Outro desenvolvedor representa SEXO com um "x" e um
"y". E ainda outro desenvolvedor SEXO com "masculino" e "feminino". "M" e "F"
são provavelmente bons para algumas representações. Entretanto quando
SEXO é carregado para o DW de um projeto de BI, o mesmo deve ser convertido
para um único formato; o formato do Data Warehouse.
• Forma dos atributos - desenvolvedores de aplicações têm preferido ao
longo dos anos utilizarem uma variedade de medidas. Um desenvolvedor arma-

26
zena dados em centímetros. Outro desenvolvedor armazena em polegadas. Ou-
tro desenvolvedor de aplicação armazena dados em milhões de pés cúbicos por
segundo. E outro desenvolvedor armazena informações em termos de jardas.
Quando a informação chega no Data Warehouse é necessário ser mensurada e
transformada de algum modo.

Histórico

Todo registro no Data Warehouse é exato em algum momento do tempo.

A característica básica do dado em warehouse é ter muitas fontes de dados di-
ferentes no ambiente operacional. No ambiente operacional o dado é exato no
momento do acesso, ou seja, no ambiente operacional quando você acessa uma
unidade do dado, você espera que isto deva refletir os valores corretos no mo-
mento do acesso. Por causa do dado em DW ser exato em algum momento do
tempo, o dado criado no warehouse é um "histórico". A imagem 4 mostra os
valores históricos do dado no warehouse.
Os valores históricos dos dados no DW são mostrados em várias manei-
ras. O modo mais simples é que o dado representa os dados sobre um horizonte
de tempo distante. O horizonte de tempo representado pelo ambiente operacio-
nal é muito curto. O segundo modo que o "histórico" é mostrado no DW é na
estrutura chave. Sempre na estrutura chave do DW existe, explicitamente, ou
implicitamente, um elemento de tempo, assim como dia, semana, meses, etc. O
elemento de tempo está quase sempre no final da chave concatenada criada no
DW.
A terceira maneira que o "histórico" aparece no DW, é que uma vez o
registro estando correto, não pode ser atualizado. Dado no DW e, para todos os
propósitos práticos, é uma série longa de snapshots. Naturalmente se os snap-
shots do dado têm sido feitos incorretamente, eles não são alterados uma vez
feitos. Em alguns casos isto pode ser sempre ilegal, podendo os snapshots no
DW, serem alterados. Dados operacionais iniciam pontualmente no momento do
acesso, podendo ser atualizados quando surgir à necessidade.

27
Não volátil

A quarta característica definida para um DW é que ele é não volátil. Ima-

gem 5 ilustra este aspecto no Data Warehouse. A imagem 5, apresenta que atu-
alizações como, inclusão, exclusão, e alteração, são feitas regularmente no am-
biente operacional de um registro básico. Mas a manipulação de dados básicos
que ocorre no Data Warehouse é mais simples. Existem somente duas espécies
de operações que ocorrem no DW, à carga inicial do dado, e o acesso ao dado.
Esta não é uma atualização do dado (no sentido geral de atualização) no DW
como parte normal do processamento.
Para o nível de desenho, existe a necessidade de ter cautela nas atuali-
zações anormais, o que não é um fato importante no DW, atualizações neste
dado não são feitas. Existem meios para que no nível físico do desenho, permis-
sões possam ser criadas para otimizar o acesso ao dado, particularmente em
procedimentos com o uso de normalização e desnormalização física. Outras
conseqüências da simplicidade das operações do DW estão na tecnologia bá-
sica usada para rodar no ambiente de DW.
Como suporte para atualização de registro por registro em modo on-line
requer uma tecnologia com fundamentos muito complexos, em baixo da simpli-
cidade de uso. A tecnologia que suporte backup, recovery, transação com inte-
gridade do dado, a detecção e correção de deadlock é muito complexa. Isto não
é necessário para processamento de DW. As características de um Data
Warehouse, desenho orientado ao assunto, integração dos dados com o Data

28
Warehouse, histórico, e simplicidade de gerenciamento dos dados - todos con-
duzem para um ambiente que é MUITO, MUITO diferente do ambiente operaci-
onal básico.
A fonte para aproximar todos os dados do Data Warehouse é o ambiente
operacional. Muitas vezes as pessoas podem pensar que isto é mais uma redun-
dância do dado entre os dois ambientes. De fato, na primeira impressão isso até
ocorre, porém, este entendimento superficial é a necessidade de demonstrar o
que está ocorrendo no Data Warehouse. De fato, este é o MÍNIMO de redundân-
cia do dado entre o ambiente operacional e o ambiente de Data Warehouse.
Considere o seguinte:
• Dado é filtrado quando passa do ambiente operacional para o ambiente
de Data Warehouse. Muitos dados nunca saem do ambiente operacional. So-
mente o dado que é necessário para o processamento do DSS é encontrado no
ambiente warehouse;
• O histórico do dado é muito diferente de um ambiente para outro. Dado
no ambiente operacional é muito recente. Dado no warehouse é muito antigo.
Só na perspectiva de histórico recente, é muito pequeno o overlap entre o ambi-
ente operacional e o ambiente de Data Warehouse;
• O DW contém dados sumarizados que nunca são encontrados no ambi-
ente operacional;
• Dados sofrem uma fundamental transformação ao passar para o DW.
Muitos dados são alterados significativamente após serem selecionados e movi-
dos para o Data Warehouse. Dito de outra forma, muitos dados são fisicamente
e radicalmente alterados quando movidos para o warehouse. Estes dados não
são os mesmos que residem no ambiente operacional do ponto de vista de inte-
gração.

29
Um pouco mais sobre Data Warehouse

Não existe uma receita pronta para desenvolver um DW, porem, é possível en-
contrar várias ferramentas no mercado mundial que atendem e, ou abrangem
desde as etapas de extração e análise de dados, até a construção propriamente
dita, e o gerenciamento do DW. Um ponto importante a ser ressaltado é a obser-
vação do valor do investimento no projeto como um todo, geralmente situado na
casa dos milhões de dólares. Por estar diretamente vinculado aos negócios da
empresa, o projeto exige não apenas o trabalho da equipe técnica, mas também
a interação constante da área executiva, pois qualquer desvio ou mau entendi-
mento na execução dos vários processos que envolvem um projeto de BI pode
causar graves prejuízos ao levar a empresa a consultar informações não confiá-
veis e, conseqüentemente, a tomar decisões erradas.

Construindo um Data Warehouse

Antes de qualquer coisa, vamos analisar a arquitetura de um DW, suas caracte-

rísticas e minúcias. Desta forma poderemos entender melhor as etapas operaci-
onais que serão apresentas posteriormente nesta obra.

30
 Arquitetura de um Data Warehouse
Podemos definir basicamente duas formas de apresentação da arquitetura de
um DW, uma conceitual e outra física do modelo relacional que representa todo
o sistema.

Visão Conceitual

O DW pode ser dividido em diversos Data Marts (DM), que departamen-

talizam os dados separando-os por setores dentro da organização. Nota: Os data
marts serão apresentados posteriormente. Os dados contidos nos DW e nos
DMs são gerenciados por um ou mais servidores de warehouse, os quais apre-
sentam visões multidimensionais dos dados para uma variedade de ferramentas
front end.
A visão multidimensional geralmente é apresentada na forma de um ou
mais cubos de dados, que indicam que as informações são visualizadas em li-
nhas colunas como o formato tradicional das planilhas, porém existem mais di-
mensões, sendo que o cubo teria apenas mais uma dimensão.

31
Visão Física (em Camadas)

Camada de Bancos de Dados Operacionais e Fontes Externas: contém

as bases de dados operacionais e podem ser compostas também de informa-
ções de fontes externas, estes dados recebem um tratamento especial para po-
derem ser incorporados ao DW;

Camada de Acesso aos Dados: Compõe o elo de ligação entre as ferra-

mentas de acesso à informação e os bancos de dados operacionais, comuni-
cando-se com diversos Sistemas de Gerenciamento de Banco de Dados
(SGBDs) e sistemas de arquivos, sendo que a este conjunto de características
dá-se o nome de acesso universal de dados;
Camada de Transporte ou Middleware: tem a função de gerenciar a trans-
missão das informações pelo ambiente de rede que serve de suporte para o
sistema como um todo, separando as aplicações operacionais do formato real
dos dados, realiza ainda a coleta de mensagens e transações e se encarrega de
entregá-las nos locais e nos tempos determinados;
• Camada do Data Warehouse: constitui-se do armazenamento físico dos dados
oriundos dos sistemas operacionais da empresa e externos, permitindo um

32
acesso mais rápido e seguro aos dados do DW, além de prover maior flexibili-
dade de tratamento e facilidade manipulação;
• Camada de Acesso à Informação: proporciona a interação com os usuários
finais através de ferramentas visuais tradicionais, tais como sistemas de plani-
lhas de cálculo, browsers, entre outras;
• Camada de Metadados (Dicionário de Dados): os metadados descrevem os
dados e a organização do sistema, podem ser ainda fórmulas utilizadas para
cálculo, descrições das tabelas disponíveis aos usuários, descrições dos cam-
pos das tabelas, permissões de acesso, informações sobre os administradores
do sistema, entre outras;
• Camada de Gerenciamento de Processos: faz o controle destas tarefas que
mantêm o sistema atualizado e consistente, gerenciando as diversas tarefas que
são realizadas durante a construção e a manutenção dos componentes de um
sistema de DW;
• Camada de Gerenciamento de Replicação: serve para selecionar, editar, resu-
mir, combinar e carregar no DW as informações a partir das bases operacionais
e das fontes externas, envolvendo programação bastante complexa, sendo que
existem ferramentas poderosas que permitem que estes processos sejam ge-
renciados de forma mais amigável, além do controle da qualidade dos dados que
serão carregados.

Estrutura Física dos Dados do DW

A respeito da disposição física dos dados, o DW pode ter uma estrutura centra-
lizada em um único local ou então ser implementado de forma distribuída. Se
optarmos pelo primeiro modelo, o centralizado; teremos um warehouse consoli-
dado e o Banco de Dados (BD) formará um DW integrado. Definindo o projeto
desta forma pode-se maximizar o poder de processamento e acelerar os proces-
sos de busca por informações analíticas. Definindo-se uma arquitetura federa-
tiva, pode-se distribuir a informação por função, separando os dados do setor
financeiro em um servidor, os dados de marketing em outro local, e dados de
manufatura em um terceiro lugar. Existe ainda uma terceira metodologia, na qual
se considera uma arquitetura de DW separada por camadas, armazenando os

33
dados mais resumidos em um servidor, dispondo os dados um pouco mais de-
talhados, em nível de detalhe intermediário, em um segundo servidor, e por fim
colocamos os dados mais detalhados (atômicos) em um terceiro servidor. A ima-
gem 8, exemplifica esta metodologia.

O primeiro servidor geralmente atende à maior parte das consultas, sendo que
teremos um menor número de pedidos de acesso solicitados para a camada 2 e
camada 3. O dimensionamento dos servidores é o seguinte: na primeira camada
podemos ter uma configuração para suportar um grande número de usuários
que farão diversas consultas, as quais trabalharão com um volume relativamente
pequeno de dados. Já os servidores das outras duas camadas devem ser confi-
gurados para permitir processar grandes volumes de dados, porém não é neces-
sária uma preocupação em configurar o sistema para suportar o acesso de um
número maior de usuários. Isto explica-se pelo fato de que a maioria dos usuá-
rios terá suas perguntas respondidas pelas consultas iniciais da camada 1. Se
algum usuário não se satisfizer com o nível de detalhe das respostas da camada
1, pode buscar maiores informações na camada 2 e até mesmo na camada 3.
Concluímos então que poucos usuários farão acessos regulares à última ca-
mada, sendo que alguns nunca o farão além do nível inicial.

Arquitetura de Duas Camadas

34
 Existe uma arquitetura de implantação de sistemas de DW que consiste
em utilizar um computador de alta capacidade como servidor. Este método dis-
ponibiliza aplicações aos usuários finais na forma de ferramentas front end, que
servem para realizar as consultas, em conjunto com os componentes do servidor
com ferramentas back end, que servem para municiar o DW com informações
Organizações que podem crescer com a incorporação de outras empresas do
mesmo ramo ou ainda de outro ramo de negócio, gradualmente acumulam di-
versos sistemas de computação legados, cada um com suas incompatibilidades
de definições dos dados.
Esta redundância e falta de consistência dos dados dificulta a administra-
ção das bases de dados, resultando numa dificuldade também para desenvolver-
se novas aplicações front end. Esta arquitetura pode ser chamada de "sistema
guarda-chuva", a qual possui um formato em que o cabo do guarda-chuva repre-
senta o servidor principal e as hastes representam os sistemas de consulta a
este servidor.

A arquitetura ilustrada na imagem 9 pode ser usada para construir um

sistema de DW em duas camadas, o qual possui os componentes dos clientes
(front end) e os componentes do servidor (back end). Esta arquitetura é bastante
conveniente, uma vez que utiliza os sistemas já existentes na empresa bem
como os servidores de bancos de dados e requer um pequeno investimento em
hardware e software. Um dos grandes problemas que existe neste tipo de arqui-
tetura é o fato de não ser permitido o seu escalonamento, o que resulta, com o

35
aumento do número de usuários, num desempenho ruim pelo gargalo existente
entre os clientes e o servidor. Estas anomalias podem ocorrer pelo uso de esta-
ções clientes muito lentas e com muitos processos rodando simultaneamente.

Arquitetura de Três Camadas

Para tentar solucionar os problemas de desempenho resultantes do gar-

galo da arquitetura de duas camadas, existe uma arquitetura de informação em
múltiplas camadas, como mostrado na imagem 10. Esta arquitetura é bastante
flexível e suporta um grande número de serviços integrados, onde a interface do
usuário (ferramentas front end), as funções de processamento do negócio e as
funções de gerenciamento do BD são separadas em processos, os quais podem
ser distribuídos através da arquitetura de informação. Este tipo de arquitetura em
três camadas é bastante utilizado. Na primeira camada ficam as aplicações de
interface com os usuários, que devem ser gráficas e baseadas em rede. Dados
e regras de negócio podem ser compartilhados pela organização, assim como o
BD para o DW, ficam armazenados em servidores de alta velocidade na segunda
camada, a camada central.
Na terceira e última camada estão localizadas as fontes de dados. Anali-
sando o ambiente do DW, os servidores de BD e os servidores de aplicações da
camada central provêem um acesso eficiente e rápido aos dados compartilha-
dos. Com a separação dos servidores em transacional e analítico pode-se obter
uma boa performance nas consultas e no processamento, sendo que deve haver
disponibilidade de equipamentos e recursos satisfatórios de conexão entre os
diversos componentes do sistema.

36
OLTP versus OLAP

Os termos OLTP (on-line transaction processing – processamento on-line

de transações) e OLAP (on-line analytical processing – processamento analítico
online) descrevem o modo de processamento de cada uma das componentes
da divisão proposta para os sistemas de Bancos de Dados. Bancos de dados
operacionais atingem proporções de centenas de megabytes e até mesmo giga-
bytes. Consistência e capacidade de recuperação de dados são críticas, e a ma-
ximização do poder de processar transações é requerida para minimizar os pro-
blemas que podem ser causados pela concorrência de processos. Analisando
sistemas OLAP, sistemas que dão apoio à decisão, pode-se notar o contraste
com OLTP.
No caso do processamento analítico deve-se dar maior importância aos
dados históricos, totalizados e consolidados em detrimento dos dados detalha-
dos ou individualizados. Uma vez que os DW contêm dados referentes a longos
períodos de tempo, estes podem atingir dimensões muito maiores do que os
bancos de dados operacionais, chegando a conter centenas de gigabytes e até
mesmo terabytes de informações. A tabela 1 ilustra as diversidades apresenta-
das pelos dois tipos de sistemas, DW e Bancos de Dados Operacionais:

37
 Projeto e Desenvolvimento de Sistemas de Data
Warehouse

A maioria dos autores sobre o assunto costuma dizer que o projeto de

sistemas de DW é muito cansativo e penoso. Analisando pelo ângulo das gerên-
cias administrativas, muitas vezes pode-se imaginar que, uma vez que a base
de dados transacional já está em funcionamento, torna-se automática a implan-
tação de sistemas de análise e suporte à decisão. Muitas vezes é necessária
uma completa reavaliação dos sistemas transacionais para que só então seja
possível modelar um projeto de DW. De certa forma os projetos de sistemas de

38
apoio à tomada de decisão não fogem ao modo tradicional de se implementar e
implantar sistemas de informação. Deve ser feita uma análise do sistema como
um todo utilizando-se inclusive da realização de diversas reuniões com os ge-
rentes, funcionários e outros colaboradores envolvidos no tema. Os projetos de
DMs devem ser inicialmente simples e úteis para que possam atingir seus obje-
tivos de forma rápida e clara. Não é desejável para uma empresa investir uma
quantia em dinheiro e tempo de seus funcionários em um projeto que pode levar
meses para ser concluído e que durante o processo de implantação possa ter-
minar por gerar controvérsias e até mesmo problemas para os setores. Após a
conclusão de um projeto inicial bem implantado, com certeza surgirão outros
projetos a partir de novas idéias dos próprios usuários, e também dos projetistas,
em função da experiência adquirida durante o projeto do sistema inicial.

Funções dos Componentes da Equipe

O projeto e a posterior manutenção e utilização de sistemas de DW requerem o

empenho de profissionais capacitados e com conhecimentos avançados em di-
versas áreas. Além disto, poderão ser definidas várias funções para os usuários.
De acordo com o tamanho do projeto e o tipo de tecnologia utilizada, podem ser
necessárias várias pessoas para realizar as diferentes funções. Nota-se também
que algumas das funções da tabela 2 são necessárias apenas durante a fase de
projeto do DW. Algumas funções podem variar conforme o estágio em que se
encontra o projeto, assim como podem ser agrupadas para que uma só pessoa
realize várias delas ao mesmo tempo.

Tabela 2: Funções dos componentes da equipe de um DW.

39
Analise entre Model. Dimensional e Model. Relacional

Um modelo entidade-relacionamento nem sempre é indicado para a cons-

trução de bancos de dados de apoio à decisão, os chamados DSS (Decision
Suport Systems). Este tipo de modelagem é bastante apropriado para ser apli-
cado no desenvolvimento de sistemas transacionais em ambientes relacionais.
Na atualidade, a forma mais utilizada pelos projetistas para armazenar grandes
quantidades de dados é feita em bancos de dados relacionais, uma vez que sua
estrutura de dados é bastante propícia para solucionar problemas de espaço em
disco e também de desempenho.
A questão fundamental é que as novas tecnologias de consulta e análise
de dados requer recursos que a modelagem relacional não pode oferecer. É su-
gerido por vários autores do tema BI, a utilização de técnicas diferenciadas de-
nominadas Modelagem Dimensional (MD), as quais estruturam os dados de
forma diferente daquela definida pelos sistemas relacionais, possibilitando que

40
todas as consultas sejam melhoradas. Não existem segredos para que se con-
verta um modelo ER em um modelo dimensional. O gerenciador de banco de
dados utilizado no MD é bastante diferente do tradicional que gerencia modelos
ER, sendo que no primeiro são facilitadas a navegação e as consultas. O número
de tabelas é reduzido pelo fato de existirem dimensões ligadas a uma tabela de
fatos central, logo o gerenciador pode trabalhar com um número menor de cha-
ves. A teoria de bancos de dados relacionais sugere aos desenvolvedores que
procurem eliminar as redundâncias dos dados através da modelagem ER e nor-
malizações. As tabelas definidas são relacionadas através de chaves e utiliza-
se estas tabelas normalizadas para reduzir o número de atualizações necessá-
rias nesta base.
O grande problema dos modelos ER é que o número de tabelas inconsis-
tentes é grande. Qualquer pessoa que tenha projetado um sistema de informa-
ção que controle um processo dentro de uma empresa de porte médio deve pos-
suir pelo menos um grande mapa desenhado com as entidades relacionadas
entre si. Podem existem nele centenas de tabelas interligadas por centenas de
relacionamentos. Este modelo pode ser visto pelos olhos do projetista e das pes-
soas ligadas à tecnologia de banco de dados como um modelo consistente e
bem arranjado, o qual supre as necessidades de consistência e desempenho
das transações que são realizadas em grandes quantidades a todo o momento.
Porém, sob a ótica do usuário final, este modelo arquitetado é dificílimo, para
não dizer impossível, de ser entendido.
Já um modelo dimensional nos parece diferente. Um modelo estrela or-
ganiza de forma mais simplificada o processo como um todo, reduzindo a ampli-
tude dos fatos desejados e trazendo as questões importantes para o foco. Por
exemplo, na Imagem 11 é apresentado um modelo dimensional de um processo
empresarial típico: um caixa registrador de vendas em uma cadeia de varejo.
Normalmente se chama este tipo de diagrama de Diagrama Estrela. Observe
que na tabela central, a tabela de fatos, estão colocadas chaves para as dimen-
sões e alguns atributos que representam medidas numéricas do negócio. Esta
tabela é tradicionalmente a maior em número de registros.

41
 Sistemas de DW podem ter várias tabelas de fatos, cada uma represen-
tando um processo diferente dentro da empresa, constituindo os DMs, que po-
dem ser ligados uns aos outros dependendo da necessidade e também da pos-
sibilidade de que isto aconteça. As tabelas de fatos são ligadas através de rela-
cionamento a diversas tabelas de dimensões utilizando chaves. Estas tabelas
são muito menores em tamanho e número de registros do que a tabela de fatos
a que são ligadas. Cada tabela de dimensão tem uma única chave e os campos
destas tabelas são tipicamente textuais e utilizados como fontes para compor os
cabeçalhos de relatórios. Um esquema estrela como o da imagem 11 se baseia
em dois tipos de consultas (queries): browse e join multitabelas. A query browse
é definida para ser aplicada em uma tabela apenas, sem que seja necessário
utilizar comandos join. Um exemplo deste tipo de consulta ocorre quando um
usuário abre um menu pull-down de toda a lista de itens de uma tabela que re-
presenta uma dimensão do modelo estrela a fim de consultar seus atributos.
Normalmente os dados resultantes desta consulta serão apresentados de
forma automática, uma vez que, teoricamente, tudo o que se quer já está na tela.
As consultas com joins multitabelas são precedidas por uma série de browses
que fazem uso da estrutura do modelo estrela através de diversas uniões entre
a tabela de fatos e as dimensões. Dificilmente este tipo de consulta será atendido
rapidamente, uma vez que são localizadas centenas ou até milhares de registros
de tabelas subjacentes para darem uma resposta resumida para o usuário. A
modelagem dimensional é um processo top-down. Primeiro são identificados os
processos empresariais que serão a base para a criação das tabelas de fatos,
tabelas estas que serão povoadas como os dados numéricos destes fatos. A
modelagem ER habitual possui grande parte de seu conjunto formado pelas ta-
belas de dimensão e por técnicas de normalização. Se as tabelas de dimensão
forem normalizadas em estruturas de "floco de neve", onde estas dimensões são

42
compostas de mais de uma tabela, podem surgir dois problemas. Primeiro, o
modelo de dados fica bastante complexo para ser apresentado aos usuários.
Segundo, a união entre as diversas partes do floco de neve irá comprometer o
desempenho do sistema como um todo. O desempenho durante a fase de atua-
lização das tabelas raramente é importante em sistemas de apoio à decisão,
uma vez que esta operação é feita, como já foi dito neste trabalho, durante a
noite ou em momentos em que não se esteja utilizando os sistemas da empresa
a pleno vapor. Mesmo assim, alguns projetistas utilizam o argumento de melho-
rar este desempenho para justificarem a necessidade de normalizar as dimen-
sões. Um projeto de banco de dados dimensional tem uma estrutura fixa onde
não há nenhum caminho alternativo. Isto simplifica grandemente a otimização e
a avaliação de questões nestes esquemas.
Deve ser construída uma longa lista ordenada de chaves compostas para
a tabela de fatos. A seguir, repassar a tabela de fatos compondo um índice por
vez. Analise de perto como seu gerenciador de banco de dados tenta processar
uma consulta em um esquema estrela. Se o plano de avaliação de consulta tem
a tabela de fatos em parte semelhante ao modo abaixo a lista com as tabelas de
dimensão mencionadas depois disto, seu DBMS não sabe como fazer joins do
tipo estrela. Quando a tabela de fatos é só parte da lista abaixo, o DBMS está
gravando um subconjunto da tabela de fatos no disco. O DBMS está testando
então individualmente os registros resultantes contra as tabelas de dimensão
restantes e o resultado é uma query que roda muito lentamente. Uma diferença
final um pouco controversa entre o modelo ER e a MD é o grau de julgamento
deixado nas mãos do projetista. A essência de um bom modelo dimensional é a
escolha do conjunto da maioria das dimensões naturais da perspectiva de um
usuário final. Sempre há duas ou mais alternativas que representam os dados
da mesma maneira, mas empacotam as dimensões diferentemente. Em última
instância, o julgamento do projetista deve prevalecer. É útil ter uma análise de
ER antes de embarcar em um projeto dimensional porque a equipe de DW en-
tenderá melhor os dados desta forma. Porém, a equipe tem que fixar aparte o
diagrama ER durante o processo de projeto do DW porque a modelagem dimen-
sional tem que proceder de uma perspectiva de usuário, em lugar de uma pers-
pectiva de dados. Se não existir uma análise de ER, não é recomendável des-
pender um bom tempo para fazer isto com a finalidade de construir um banco de

43
dados de DW. Os últimos três quartos do tempo de uma análise de ER são para
a redução da redundância - especialmente fora das tabelas de dimensão que
não beneficiam o projeto dimensional.

44
 REFERÊNCIAS BIBLIOGRÁFICAS

ALTER, Steven. Information systems: a management perspective. 3ª edition.

EUA: Addison-Wesley Educational Publishers Inc, 1996.

ANGELONI, Maria T. ; REIS, Eduardo S. Business Intelligence como Tecnologia

de Suporte a Definição de estratégias para melhoria da qualidade do ensino. In:
Encontro da ANPAD, 2006, Salvador. XXX Encontro Nacional de Pós-Gradua-
ção em Administração, 2006, 2006. v. 1. p. 16 paginas.

BARBIERI, Carlos. BI – Business Intelligence: modelagem e tecnologia. Rio de

Janeiro: Axcel Books, 2001. BATISTA Emerson O. Sistemas de informação. São
Paulo: Saraiva, 2004. GAMA, João. Do OLTP ao OLAP. Disponível em:
http://www.liacc.up.pt/ ~jgama/Bdc/olap.pdf. Acesso em: 10 de abr. de 2009.

ITWEB. Implementação de Cubos. Disponível em: http:// www.itweb.com.br/so-

lutions/bancodedados/datawarehouse/artigos/ artigos.html?cod=12154. Acesso
em: 10 de abr. de 2009.

LEITE, Marcos A. N. Análise de implantação e resultados obtidos com sistemas

ERP. Dissertação apresentada ao Programa de PósGraduação em Administra-
ção PPA UEL/UEM, como requisito à obtenção do título de Mestre em Adminis-
tração. Londrina, 2002.

NASCIMENTO, A. M. ; REGINATO, Luciane. Um estudo de caso envolvendo

business intelligence como instrumento de apoio à controladoria. Revista Conta-
bilidade & Finanças, v. 18, p. 69-83, 2007.

ROMNEY, Marshall B; STEINBART, Paul John. Acconting Information Systems.

8ª ed. New Jersey. Prentice-Hall, Inc. 2000.

45
PETRINI, M.; POZZEBON, M.; FREITAS, M. T. Qual é o Papel da Inteligência
de Negócios (BI) nos Países em Desenvolvimento? Um Panorama das Empre-
sas Brasileiras. In: Anais do 28º Encontro da ENANPAD, Curitiba - PN, setembro
de 2004.

PRIMAK, Fábio V. Decisões com B.I. (Business Intelligence). Rio de Janeiro:

Ciência Moderna, 2008.

PLETSCH, Estela. O fluxo de Informações como Apoio à Tomada de Decisão:

O caso da central de atendimento da telet S.A. Dissertação de Mestrado, apre-
sentada ao Programa de Pós-Graduação em Administração da Universidade Fe-
deral do Rio Grande do Sul como requisito parcial para a obtenção do grau de
Mestre em Administração. Porto Alegre, 2003.

RIBEIRO, Rogério F. Business Intelligence como garantia de diferencial compe-

titivo. Trabalho de Fim de Curso apresentado à UNIMINAS, como requisito par-
cial à Obtenção do título de Bacharel em Sistemas de Informação.Trabalho de
conclusão, 2005.

SERAIN, J. S. Modelo Dimensional para Data Warehouse. Disponível em:

http://www.tecnologiainfo.eti.br/documentos/bi/ ModeloDimensionalData-
Warehouse.doc. Acesso em: 04 de mai. de 2009. SERRA, Laércio. A essência
do Business Intelligence. 1ª Edição, São Paulo: Editora Berkely Brasil, 2002

46