Você está na página 1de 8

Business Intelligence: Elevando a gesto dos negcios a um novo patamar

http://technet.microsoft.com/pt-br/library/cc668463.aspx Aps a aplicao das mais diferentes teorias de administrao e da implantao dos mais variados sistemas de gesto, empresas concorrentes em um mesmo setor chegaram a um estgio onde as diferenas entre elas so muito pequenas: todas trabalham com pblico-alvo, margens de lucro, produtividade e padres de qualidade muito parecidos. Em um cenrio assim, onde mudanas mnimas podem ser a diferena entre o sucesso e a falncia, torna-se questo de sobrevivncia poder antecipar-se aos concorrentes e entender de forma mais flexvel e gil as inmeras variveis que regem o mercado. Quando se fala na capacidade de anlise, os sistemas usados por uma empresa podem ser divididos em dois tipos: OLTP e OLAP. Os sistemas OLTP (Online Transactional Process), tambm conhecidos como sistemas transacionais, so excelentes para administrar o dia-a-dia das empresas, mas pecam quando o objetivo o planejamento estratgico. Os relatrios que os sistemas OLTP fornecem so restritos a uma viso bidimensional do negcio, que no possibilita aos tomadores de deciso a flexibilidade que necessitam na anlise da organizao como um todo. Esses relatrios trabalham com o conceito de agrupamento linear das informaes. Pode-se citar como exemplo disso um relatrio que exiba as vendas de determinado produto por regio, tendo os produtos e regies agrupadas em nveis hierrquicos simples. Veja na Figura 1 um exemplo de um relatrio ou viso bidimensional.

Figura 1 Relatrio Bidimensional O planejamento estratgico de uma empresa exige mais dinamismo do que os sistemas de gesto normalmente conseguem prover. Existe ento a necessidade da quebra de paradigmas, saindo das atuais vises bidimensionais para um novo conceito que vem revolucionando a gesto das empresas j a alguns anos: as vises multidimensionais, igualmente conhecidas como Cubos, que fazem parte dos sistemas OLAP (Online Analytical Process), conforme pode ser visto na Figura 2.

Figura 2 Viso Multidimensional Os sistemas OLTP so alterados regularmente pois controlam as operaes dirias das empresas. Se uma informao possui um valor incorreto os resultados podem ser catastrficos. J sistemas OLAP no so alterados constantemente. Por ter uma funo de anlise, os dados de um sistema OLAP so provenientes de um ou mais sistemas OLTP e arquivos (planilhas, e-mails, XML, etc) em um processo conhecido como Carga Incremental. Esse processo normalmente agendado para ocorrer de tempos em tempos e esse tempo determinado pela quantidade de dados j existentes. Se temos dados de 1 ou 2 anos apenas, interessante atualizar constantemente o repositrio OLAP, agendando a carga de dados para a cada 3 ou 7 dias. J se a massa de dados maior, pode-se aumentar o perodo de carga para a cada 15 dias, por exemplo. Exatamente por ter uma massa de dados maior que um sistema OLTP, um valor incorreto em um sistema OLAP no tem grande importncia, pois o erro diludo no tempo, no sendo analiticamente importante. A capacidade de anlise da empresa cresce exponencialmente com este novo tipo de ferramenta. O antigo relatrio de vendas de produto por regio pode ser expandido para um relatrio da evoluo das vendas de diferentes produtos por regio, faixas etrias ou grupos de produtos no decorrer do tempo. Essa mudana de viso traz o novo conceito: o de agregar informaes e no mais simplesmente agrup-las. Inicio da pagina

Arquitetura de um Sistema OLAP


Os dados de sistema OLAP se baseiam nas informaes contidas nos diversos softwares utilizados pela empresa. Quando falo de diversos me refiro no apenas aos ERPs mas sim a tudo que a empresa usa em seu dia-a-dia e tem relevncia nica na gesto do negcio, como planilhas Excel, arquivos texto, XML, etc. Em um cenrio assim, a mesma informao pode estar em diferentes locais e precisam ser descartados os valores duplicados ou uma informao de um local como complementar outra mas com identificadores diferentes, como por exemplo um cliente que identificado em um software por um cdigo e em uma planilha Excel por seu nome. Outra possibilidade de uma empresa com diferentes unidades, algumas em diferentes pases, onde os dados precisam ser unificados, converses de moedas realizadas e as demais aes realizadas. Para o sistema OLAP, todas essas informaes devem ser consolidadas e armazenadas juntas.

Compreende-se ento que um sistema OLAP possui uma camada onde esto os dados originais e uma outra camada onde esto os dados tratados, a que chamamos de Datawarehouse. O Datawarehouse (armazm de dados) pode ser entendido ento como um gigantesco repositrio de dados preparados para serem consultados por um sistema OLAP. O mais importante do ponto de vista tcnico para um sistema de Business Intelligence que a performance seja a melhor possvel para qualquer tipo de simulao ou consulta que se deseje fazer. Desde modo, ao montar um Datawarehouse, os purismos e as regras de normalizao devem ser esquecidas. Apenas para citar o exemplo mais comum: para os campos de data, como data da venda, deve-se alm da data, se armazenar o ano, o ms e o trimestre em que a data se encontra. Ou seja, ao invs de apenas um campo, o que seria o normal em um banco de dados convencional, o Datawarehouse teria nesse caso quatro campos. O espao ocupado em disco maior, mas nenhum clculo feito ao se realizarem consultas, melhorando assim consideravelmente a performance. Concluso: em um Datawarehouse, todos os clculos possveis devero ser feitos e armazenados. Para extrair os dados das fontes de dados e armazenar no Datawarehouse, necessria uma etapa de extrao e transformao dos dados. Normalmente esta tarefa realizada por um script ou programa feito especificamente para o cliente e que agendado para executar de tempos em tempos. Pela minha experincia em implantao de solues de Business Intelligence, praticamente impossvel sair diretamente de uma camada de dados originais para um Datawarehouse. Isso porque em uma empresa real a complexidade dessa tarefa muito grande e o custo envolvendo essa ao seria proibitivo. O que recomendo que se divida a empresa em reas ou departamentos e para cada um se faa pequenos Datawarehouses, a quem damos o nome de DataMarts. Lembrando Napoleo Bonaparte: Dividir para Conquistar um conselho que sempre dou para quem se interessa por essa rea. Aps carregados os DataMarts, a sim uma boa idia partir deles para carregar o Datawarehouse com todos os dados consolidados da empresa. Por fim, existem as ferramentas OLAP para visualizao de cubos, relatrios, etc. Essas ferramentas consultam os DataMarts e exibem os dados para os tomadores de deciso da empresa. Existem diversos tipos de ferramentas disponveis no mercado e, por incrvel que parea, a mais popular dentre elas o Microsoft Excel, que possui um componente feito especialmente para este fim, a PivotTable. Em um artigo futuro abordaremos algumas dessas ferramentas. Veja na Figura 3 um resumo de uma arquitetura recomendada de um sistema OLAP.

Figura 3 Arquitetura de um Sistema OLAP Inicio da pagina

Conceitos de Business Intelligence


Existe um conceito chamado de KPI (Key Performance Indicators), que uma ferramenta utilizada para medir a sade da empresa e como o nome diz so indicadores ou medidas chaves para avaliar o desempenho do negcio. Os KPIs so frmulas matemticas que retornam valores algumas vezes mensurveis em uma escala percentual. Como exemplo de KPIs podemos citar Taxa de Cancelamento de Pedidos, Taxa de Horas de Indisponibilidade de Equipamento, Fator de Capacidade Lquida, ROI (Return of Investment), Custo da mo-de-obra, etc. No incio da dcada de 90, o professor da Universidade de Harvard Robert Kaplan e o consultor David Norton apresentaram um novo e mais amplo conceito de indicadores chamado de Balance Scorecard (BSC). A proposta do BSC interligar o sistema de mtricas e os diversos KPIs estratgia da empresa. O Balance Scorecard alia informaes financeiras a dados no financeiros, sendo assim, o Balance Scoredcard consegue medir aspectos aparentemente incomensurveis, como, por exemplo, o ndice de Satisfao do Cliente ou Risco Empresa. Dizer que o BSC est ligado estratgia da empresa quer dizer que o tipo de medidas que sero construdas est relacionado em uma primeira instncia ao que a empresa quer focar para tornar-se mais competitiva e principalmente que os indicadores sero feitos baseados no planejamento estratgico da empresa e no baseados na operao diria da mesma. Exemplificando, para um BSC mais interessante saber o ROI (Return of Investiment) do que a Taxa de Manuteno de Equipamentos. O mais interessante dos KPIs e BSC que ambos podem conectar-se a diferentes fontes de informaes e fornecer um valor numrico fcil compreenso aos tomadores de deciso. Ambos podem igualmente ser mostrados em um tipo especial de grfico chamado de Gauge, onde se visualiza uma rea separada por cores como em um semforo (verde, amarelo e vermelho) e cada indicador posicionado no nvel em que se encontra baseado em valores desejados ou ideais. Uma

outra vantagem dos KPIs e BSC poder acompanhar detalhadamente o resultado das aes da empresa antes que as mesmas alterem os resultados em vendas ou custos, sem contar que possvel se construir cenrios para o planejamento de estratgias e medir o possvel impacto futuro que novas prticas podero ter em toda a empresa.

Figura 4 Grfico de Gauge O nvel mais interessante na implantao de um sistema de Business Intelligence em uma empresa quando se consegue construir modelos teis de Data Mining, uma tcnica que visa varrer os dados da empresa em busca de padres ou tendncias de modo inteligente, de tal forma que possibilidades nunca antes pensadas possam ser cogitadas. O processo consiste basicamente em trs etapas: explorao, construo de um modelo e validao. A explorao a etapa onde o modelo de Data Mining varre todo o banco de dados em busca de informaes baseadas em uma solicitao inicial e tenta encontrar padres baseados nesta solicitao. Neste caso, pode-se solicitar, por exemplo, que o modelo busque todas as vendas de produtos e o perfil dos consumidores dos produtos e tente encontrar correlaes entre esses fatos. O modelo retornar informaes que ajudaram a entender que tipo de produto cada perfil de pessoa consome, ajustando a estratgia de marketing de modo a prever o que cada um dos clientes mais deseja comprar. Esta fase muitas vezes chamada de treinamento, pois o algoritmo dever ser executado repetidas vezes para treinar que informaes dever buscar. Baseado na explorao constri-se um modelo que possa funcionar em produo e trazer informaes cada vez mais verdadeiras. Isso est diretamente relacionado com a etapa de validao, onde falsas ocorrncias so eliminadas. importante dizer que todas essas etapas acontecem ininterruptamente num processo cclico construindo os modelos de Data Mining cada vez mais inteligentes e eficazes.

Data Mining uma parte de um conceito mais amplo chamado de KDD (Knowledge Discovery in Database) que visa preparar o banco de dados e as prprias informaes para a explorao. Para que todo o processo funcione necessrio que a quantidade de dados seja grande e de no mnimo trs ou cinco anos, dependendo do tipo de negcio da empresa. O OLAP uma ferramenta presente dentro de um conceito mais amplo chamado de Business Intelligence, que tambm envolve KPIs (Key Performance Indicators) e Data Mining (Minerao de Dados). Portanto, podemos entender Business Intelligence como um conjunto de ferramentas/aplicaes que tm por objetivo fornecer as informaes necessrias para que os tomadores de decises possam administrar de forma mais consciente a organizao. Voltando a falar de OLAP, importante entender o conceito de dimenso: informaes presentes num cubo OLAP, por exemplo, produto, regio, tempo, etc. Introduzimos aqui um novo termo: Cubo, que nada mais do que uma metfora que ajuda a entender como se comporta uma viso multidimensional. importante dizer que Cubo e OLAP ou mesmo Cubo e Business Intelligence no so a mesma coisa. Um cubo apenas uma viso multidimensional (como se fosse um relatrio), OLAP a tcnica, teoria ou ferramenta usada para se construir cubos e Business Intelligence o conjunto de cubos, KPIs, BSC, Data Mining, relatrios e demais ferramentas que compe uma soluo de anlise gerencial e estratgica de uma empresa. Um cubo para ser conhecido como tal, deve prover as seguintes operaes:

Drill down: significa descer um nvel hierrquico em uma dimenso. Ex: dimenso tempo, ano para o trimestre e trimestre para o ms. Drill up/ Roll up: significa subir um nvel hierrquico em uma dimenso. Ex: dimenso produto, subir o nvel do produto para categoria do produto. Drill across: significa analisar um nvel intermedirio dentro de uma mesma dimenso. Ex: dimenso produto, venda dos produtos num determinado ano, venda de um produto X no ano Y Drill throught: significa alternar a anlise de uma dimenso para outra. Ex: produto para regio ou mesmo de uma agregao (todas as vendas de Agosto de 2006) para os detalhes (tabela com cada venda no perodo citado). Drill back/ Write back: bastante utilizado em previses e consiste na ao de alterar os valores existentes em um cubo OLAP. Pode ser usado, por exemplo, para medir o impacto na empresa do aumento em 10% do oramento para o ano seguinte. Slice: significa analisar determinada fatia do cubo OLAP. Ex: analisar determinado produto em uma determinada regio. Dice: significa alterar a viso de um cubo OLAP, alterando a anlise de vendas dos produtos por regio para vendas por faixa etria de cada ms.

Inicio da pagina

Business Intelligence
O BI quando implantado com os sistemas de informao adequados so valiosos para as empresas. Tais sistemas constituem um auxlio inestimvel no processo de tomada de deciso das organizaes. Torna-se fcil de entender agora que palavras como competitividade, globalizao e qualidade fazem parte do dia-a-dia de empresas que usam esses tipos de sistemas. O Business Intelligence uma tecnologia que permite s empresas transformar dados guardados nos seus sistemas em informao significativa. Permite, tambm, aos usurios analisar bases de dados para descobrir informaes importantes, ajudando a organizao a tomar decises bem

fundamentadas. Esta capacidade conseguida atravs de vrias funes, como a anlise OLAP e o Data Mining, que satisfazem as necessidades dos vrios pblicos da empresa (desde o usurio comum a um executivo da organizao). Com o aparecimento da Internet, o BI tornou-se ainda mais importante, pois as organizaes desenvolveram uma plataforma unificada para distribuir de forma facilitada a informao, aos tomadores de decises dentro e fora do seu espao (empregados, fornecedores, parceiros de negcio e clientes). medida que as organizaes comeam a implementar novos sistemas na Web, recolhem tambm cada vez mais informao sobre os seus clientes, mercados, produtos e processos contribuindo para uma viso mais profunda do negcio. E com o alcance quase ilimitado que a Internet possui a fonte de dados externa tornam-se acessveis, contribuindo para essa viso mais abrangente do negcio e tomada de deciso fundamentada. J no basta que uma ferramenta de BI tenha acesso a tipos limitados de dados. Para que as necessidades de uma organizao com diversas fontes de informao sejam satisfeitas, a soluo de Business Intelligence deve acessar, integrar e fazer referncias cruzadas de dados novos, dados externos ou dados legados. Essa tarefa de referncia cruzada de dados externos pode at aumentar o valor dos prprios dados internos. Por exemplo, uma companhia de seguros poderia fazer a referncia cruzada entre a sua informao sobre taxas de seguros com as dos concorrentes, guardadas em fontes externas pblicas, para localizar reas e mercados onde aqueles so mais ou menos influentes. Assim, seria possvel estudar e propor novas estratgias de marketing e ajustar as taxas para um nvel mais competitivo. Com a Internet, aumentou a importncia e o valor da tecnologia de Business Intelligence ao fornecer a base para a troca de informao no s dentro da empresa como para alm dela. Apesar da crise econmica, o mercado de Business Intelligence (BI) continua em plena expanso. Segundo o IDC, estima-se que esse segmento atingir US$ 7.5 bilhes em 2006. As implementaes de BI garantem retorno sobre o investimento (ROI) e so cada vez mais consideradas essenciais para o sucesso de uma empresa. Apesar desse quadro promissor, poucas empresas possuem um projeto de BI corporativo ou claramente, definido. Isso tem levado vrias empresas a enfrentar as conseqncias como: crescimento de custos redundantes e usurios finais frustrados pela falta de respostas precisas sobre os negcios. Atualmente, vrias empresas esto lutando contra a falta de informaes unificadas, usurios frustrados e gastos redundantes com produtos de BI. Isso torna-se mais complicado com o desenvolvimento de novos projetos de BI sem coordenao e planejamento. A utilizao de um sistema e padronizao de BI uma grande oportunidade para as empresas reduzir custos e obter retorno nos investimentos j realizados. Vrias empresas concluram suas padronizaes em infra-estruturas de banco de dados e aplicaes ERP, ETL e data warehouses. Abaixo alguns benefcios que sua empresa pode obter implementando os sistemas e padres de BI:

Reduo de custos: o Na compra de softwares; o Na administrao e suporte; o Nas avaliaes de projetos de BI; o Nos treinamentos aos usurios; Retorno sobre o investimento mais rpido (ROI) para os projetos de BI;

Mais controle e menos dados incorretos: o Segurana coordenada e centralizada minimiza o acesso aos dados sem autorizao; o Maior garantia de informaes precisas para os executivos; o Combinao de dados operacionais com dados de data warehouses e informaes financeiras; o Compartilhamento de informaes entre diferentes grupos de usurios, clientes, parceiros e provedores; Melhor alinhamento com usurios corporativos: o Respostas mais pontuais sobre os negcios; o Anlise de informaes de diferentes departamentos para chegar unificao; o Vantagem competitiva pela melhor explorao dos benefcios de empreendimentos de BI.

Igor Alcantara (http://www.igoralcantara.com.br) graduado em Tecnologia de Administrao de Banco de Dados pela Faculdade IBTA, desenvolvedor a mais de 10 anos, fundador e lder do MUG SJC , palestrante Microsoft e membro da Comisso Editorial da revista MSDN Magazine. Atualmente trabalha com solues de Business Inteligence e Data Warehouse, customizaes e implantaes de ERPs em clientes no Brasil e principalmente no exterior, alm de ser o diretor de tecnologia da AFC Consultoria e da IPC Global em sua unidade na Amrica Latina.