Introduo aos conceitos de Business Intelligence 1 year ago Email Favorite Download Embed 0 comments Introduo aos conceitos

de Business Intelligence - Presentation Transcript BUSINESS INTELLIGENCE: O que e o que envolve este termo? Emerson henrique soares silva emerson.hss@gmail.com Introduo aos conceitos de Business Intelligence Quem este que vos fala? Aluno concluinte do curso de Cincia da Computao da ASPER H 1 ano e 2 meses sou Analista e Desenvolvedor de Sistemas para Web da Ativas ystems (Diviso de desenvolvimento de Software da Ativaweb) 2 Emerson Henrique S. Silva 10/12/2009 Agenda Introduo Business Intelligence (BI) Data Warehouse (DW) Data Mart (DM) Abordagens de implementao de DW Arquiteturas de DW Modelagem Dimensional OLAP OLAP x OLTP Data Mining Grupo(s) de Pesquisa Proposta de Projeto Inicial 3 Emerson Henrique S. Silva 10/12/2009 Introduo Era da Economia da Informao Empresa preciso mais do que operar, funcionar Precisam de conhecimento, sobre si e sobre os demais Precisam aprender com erros e acertos 4 Emerson Henrique S. Silva 10/12/2009 Introduo Sistemas de Informao e seus espaos de negcio Patamar conhecido Operacional Foco nas tarefas No realizar trabalho Busca por novos patamares: Gerencial Foco no planejamento Alocao de Recursos Oramentos Estratgico

Relacionada ao gerencial Intenes estratgicas Produtos/Servios e seus benefcios para os clientes 5 Emerson Henrique S. Silva 10/12/2009 Introduo Patamar estratgico dos Sistemas de Informaes do apoio aos processos de tomadas d e decises nas organizaes. O conceito de Business Intelligence (BI), ou Inteligncia de Negcios, ganha esp essura neste cenrio. BI pode ser entendido como um guarda-chuva conceitual que envolve Inteligncia Competitiva, ou CompetitiveIntelligence (CI), Gerncia de Conhecimentos, ou knowl edge Management System (KMS), Internet Business Intelligence (IBI), pesquisa e a nlise de mercados, etc. [BARBIERE, 2001] 6 Emerson Henrique S. Silva 10/12/2009 Business Intelligence(BI) Business Intelligence representa a habilidade de se estruturar, acessar e exp lorar informaes, normalmente guardadas em Data Warehouses e Data Marts, com o obje tivo de desenvolver percepes, entendimentos, conhecimentos, os quais podem produzi r um melhor processo de tomada de deciso . (BARBIERE, 2001) Business Intelligence um termo genrico para descrever o levantamento de infor maes sobre os ativos internos e externos da organizao para tomar melhores decises de negcios [KIMBALL e ROSS, 2002]. Para Moss e Atre (2003) o BI no um produto, nem um sistema. uma arquitetura e uma coleo de aplicaes e bancos de dados com acesso facilitado aos dados e que prov s uporte a tomada de deciso. 7 Emerson Henrique S. Silva 10/12/2009 Business Intelligence (BI) 8 Emerson Henrique S. Silva 10/12/2009 Data Warehouse (DW) Sobre Data Warehouse (DW) ou Armazns de Dados, Machado (2007) afirma que repr esenta uma grande base de dados capaz de integrar, de forma concisa e confivel, a s informaes de interesse para a empresa que se encontram espalhadas pelos sistemas operacionais e em fontes externas, para posterior utilizao nos sistemas de apoio deciso. Segundo Barbiere (2001), Data Warehouse pode ser definido como um banco de d ados, destinado a sistemas de apoio a deciso e cujos dados foram armazenados em e struturas lgicas dimensionais, possibilitando o seu processamento analtico por fer ramentas especiais (OLAP e Mining). 9 Emerson Henrique S. Silva 10/12/2009 Data Warehouse (DW) Caractersticas Segundo [INMON, 1997 apud ZORZIN, 2006], um DW um conjunto de dados... orientados por assuntos, integrados, no volteis, variveis em relao ao tempo e que apiam a tomada de decises. 10 Emerson Henrique S. Silva 10/12/2009

Data Warehouse (DW) Pedido e nota fiscal so etapas do processo transacional de uma venda Vendas so assuntos de empresa de interesse estratgico Informaes sobre quantidades vendidas, sobre lucros e observaes de resultados de aes de marketing 11 Emerson Henrique S. Silva 10/12/2009 Data Warehouse (DW) O DW alimentado por outras fontes de dados, que podem trazer dados represent ados de formas diferentes, mas que possuem o mesmo significado. Por este motivo os dados devem ser integrados e padronizados. 12 Emerson Henrique S. Silva 10/12/2009 Data Warehouse (DW) O DW s permite duas operaes bsicas: a incluso inicial e incremental de novos dado s e o acesso somente para leitura a estes dados, isto , no existem alteraes nem excl uses dos dados do DW, isso para evitar impasses e atualizaes registro a registro. 13 Emerson Henrique S. Silva 10/12/2009 Data Warehouse (DW) Variveis em relao ao Tempo O DW deve ser carregado periodicamente atravs de um processo batch (em lotes) . E deve ser armazenada uma ou mais referncias temporais sobre os dados carrega dos, de modo que seja possvel verificar o histrico desses dados. O tempo uma caracterstica importante para tomada de decises, por isso os dados do DW devem variar em relao a suas referncias de tempo. 14 Emerson Henrique S. Silva 10/12/2009 Data Warehouse (DW) Dados que apiam a tomada de decises O DW construdo sobre um modelo multidimensional Centralizar os fatos pelas dimenses dos negcios Organizao lgica dos negcios da organizao sobre esse modelo permite um acesso faci itado de ferramentas para anlise dos negcios, e o resultado dessas anlises permitem visualizar cenrios passados, atuais e possveis da organizao, gerando informaes estra icas que possibilitem a tomada de decises de melhorias e evolues. 15 Emerson Henrique S. Silva 10/12/2009 Data Mart(DM) Apresenta as mesmas caractersticas de um DW. um subconjunto de um DW. Representa um DW departamental, regional ou funcional. Segundo Sing (2001) apudFelber (2005) uma empresa pode contrur uma sria de DM ao longo do tempo e vincul-los a um DW lgico de empresa inteira. 16 Emerson Henrique S. Silva 10/12/2009 Data Mart(DM) So bem aceitos no mercado por: Apresentarem menor investimento em infra-estrutura Produzirem resultados mais rapidamente E por serem escalveis at DWs 17 Emerson Henrique S. Silva

10/12/2009 Abordagens de Implementao de DW Inicialmente existiram (anos 1990) duas abordagens, cada uma apresentada por um guru da tecnologia de DW Bill Inmon Implementao top-down (do topo para a baixo) Ralph Kimball Implementao bottom-up (da base para cima) 18 Emerson Henrique S. Silva 10/12/2009 Abordagens de Implementao de DW Top-down Primeiro se construiria um DW para depois construir os DMs departamentais a partir do DW. 19 Emerson Henrique S. Silva 10/12/2009 Abordagens de Implementao de DW Top-down Vantagens Herana de arquitetura, consequentemente facilidade de manuteno Viso do empreendimento, DW concentra toda a empresa e seus negcios Controle e centralizao de regras, nico conjunto de aplicaes para ETL Monitorao e manuteno centralizada Desvantagens Demora para entrar em produo Alto risco de investimento Demora no retorno do investimento 20 Emerson Henrique S. Silva 10/12/2009 Abordagens de Implementao de DW Bottom-up Primeiro se constroem os DMs separados que devero ser integrados a medida que os mesmos evoluem, dando condies para a construo de um DW. 21 Emerson Henrique S. Silva 10/12/2009 Abordagens de Implementao de DW Bottom-up Vantagens Implementao mais rpida Retorno sobre o investimento mais rpido A manuteno do enfoque da equipe facilitada Pode existir uma herana incremental entre os DMs permitindo o reaproveitament o Desvantagens Os DMs produzidos podem no obter uma perfeita coeso Integrao pode se tornar invivel Provvel repetio de esforos na fase de ETL 22 Emerson Henrique S. Silva 10/12/2009 Abordagens de Implementao de DW Convergncia das abordagens Melhor dos dois mundos Visualizar a empresa e seus negcios de forma integrada Construindo o DW de forma incremental, a partir de DMs Construo integrada

Resultado repositrio integrado e coeso Dimenses alinhadas e conformes, e mtricas compatveis 23 Emerson Henrique S. Silva 10/12/2009 Arquiteturas de DW Deciso gerencial em um projeto de DW Diretamente ligada a infra-estrutura fsica no aspecto da tecnologia da inform ao As arquiteturas podem ser: Global Centralizada Distribuda Data Marts independentes Data Marts integrados 24 Emerson Henrique S. Silva 10/12/2009 Arquiteturas de DW Viso corporativa dos dados pelos usurios Porm, consumo de tempo de desenvolvimento e administrao do ambiente muito grand e, assim como o custo de implementao. 25 Emerson Henrique S. Silva 10/12/2009 Arquiteturas de DW 10/12/2009 Emerson Henrique S. Silva 26 Data Marts independentes DMs isolados por departamentos Sem foco corporativo Pouca interferncia da TI Vantagem: Implementao Rpida, por conta do escopo reduzido e isolado Desvantagem: Capacidade de deciso atravs dos dados limitada Arquiteturas de DW 10/12/2009 Emerson Henrique S. Silva 27 Data Marts integrados DMs distribudos em departamentos, como na anterior Dados interconectados, integrados e acessveis a outras reas ou departamentos d a empresa Maior interferncia da TI Vantagem: Aumenta a viso corporativa e a qualidade das informaes Desvantagem: Maior complexidade dos requisitos Maior necessidade de controle e de administrao Modelagem Dimensional 10/12/2009 Emerson Henrique S. Silva 28 De acordo com Machado (2007) a modelagem multidimensional uma tcnica de conce po e visualizao de um modelo de dados de um conjunto de medidas que descrevem aspect os comuns de negcios. E esse modelo formado por trs elementos bsicos: os fatos as d imenses e as medidas (variveis). O objetivo dessa modelagem fornecer a capacidade de visualizar os dados de u

m organizao, de modo a permitir a anlise de valores desses dados, isto , permitir ob ter informaes de apoio a deciso. Modelagem Dimensional 10/12/2009 Emerson Henrique S. Silva 29 Fatos Definem a importncia e a motivao da modelagem dimensional Representam numericamente valores que refletem temporalmente a evoluo dos negci os de uma organizao representado no modelo por uma tabela chamada tabela de Fatos Formados por dados de medidas e de contexto Modelagem Dimensional 10/12/2009 Emerson Henrique S. Silva 30 Medidas Atributos numricos que representam um fato, o desempenho de um indicador de n egcios relativo as dimenses que participam do fato Modelagem Dimensional 10/12/2009 Emerson Henrique S. Silva 31 Dimenses As dimenses determinam o contexto de um assunto de um fato de negcio Possui uma ou mais hierarquias naturais, alm de atributos descritivos sem rel acionamento hierrquico representada por uma tabela que descreve uma caracterstica de um fato Quando Onde Quem O qu Modelagem Dimensional 10/12/2009 Emerson Henrique S. Silva 32 Dimenses Determinam o como se pode filtrar informaes sobre os fatos Exemplo: Por lojas Por regio Por ms Por produto Etc. Modelagem Dimensional 10/12/2009 Emerson Henrique S. Silva 33 Esquemas propostos So 2 os esquemas propostos conhecidos Star Schema(Esquema Estrela) SnowflakeSchema (Esquema Floco de Neve) Modelagem Dimensional Star Schema As tabelas de dimenses so diretamente relacionadas a uma tabela central chamad a tabela de fatos Nesse modelo no h preocupao com economia de espao de armazenamento Nem com normalizao Respeita-se o preceito de informao rpida 34

Emerson Henrique S. Silva 10/12/2009 Modelagem Dimensional SnowflakesSchema Neste esquema as dimenses so normalizadas AS hierarquias so separadas Consultas envolvero mais tabelas diminuindo a performance 35 Emerson Henrique S. Silva 10/12/2009 Modelagem Dimensional 10/12/2009 Emerson Henrique S. Silva 36 Diferenas em relao a modelagem ER Modelagem Dimensional 10/12/2009 Emerson Henrique S. Silva 37 OLAP 10/12/2009 Emerson Henrique S. Silva 38 Acrnimo para: OnLineAnalyticalProcessing Processamento Analtico OnLine So ferramentas que possibilitam a explorao dos dados de um DW [MACHADO, 2007] p ara fins de anlise de determinadas variveis para descoberta de cenrios e tendncias O objetivo dar suporte ao processo de tomada de decises OLAP x OLTP 10/12/2009 Emerson Henrique S. Silva 39 OLTP acrnimo para: OnLineTransactionProcessing Processamento de Transaes OnLine Transaes se referem diretamente as atividades operacionais de ume empresa Exemplo: Realizar pagamento aos empregados Realizar pagamento aos fornecedores Realizar vendas aos clientes Essas operaes envolver um conjunto de atividades que juntas formam uma transao Os Sistemas de Informao com foco operacional so sistemas transacionais Diferentes dos sistemas OLAP com foco analtico dos dados Data Mining 10/12/2009 Emerson Henrique S. Silva 40 Em portugus, Garimpagem ou Minerao de Dados O processo de Data Mining visa realizar inferncias sobre os dados de um DW/DM , buscando adivinhar fatos e correlaes no explicadas em meio a esses dados. Algoritmos inteligentes sobre um amostra dos dados visando detectar padres em determinados relacionamentos. Segundo Moss e Atre (2003), a aplicao de minerao de dados pode ento usar uma sofi sticada mistura de componentes clssicos e avanados, como a inteligncia artificial, reconhecimento de padres, bases de dados, estatsticas tradicionais e grficas para a presentar relaes ocultas e padres encontrados no repositrio de dados da organizao. Grupo(s) de Pesquisa 10/12/2009 Emerson Henrique S. Silva

41 Empregos na rea de BI existem, porm poucos so as pessoas qualificadas para assu mir essas vagas Existe espao para novas pesquisas em cima de BI, novas ferramentas tecnologia s, arquiteturas, metodologias de desenvolvimento, solues open source,..., entre ou tras vrias Ento por que no unir o til ao agradvel e montar na instituio um grupo de pesquisa e estudos sobre BI? Proposta de Projeto Inicial 10/12/2009 Emerson Henrique S. Silva 42 Desenvolver um soluo completa de BI para o setor de transporte coletivo urbano Visando atender necessidades estratgicas de empresas de transporte coletivos, de associaes de empresas do ramo de transporte coletivo, de organizaes governamenta is controladoras e fiscalizadoras e, principalmente, a dos usurios desse sistema de transporte. Interessados no grupo de pesquisas? 10/12/2009 Emerson Henrique S. Silva 43 Se voc se interessou entre em contato comigo ou com o professor Fbio Niccio(fab ionicacio@gmail.com) tempo de buscar novos conhecimentos e novas oportunidades de emprego, alm de oportunidades de negcio. Dvidas 10/12/2009 Emerson Henrique S. Silva 44 Obrigado! 10/12/2009 Emerson Henrique S. Silva 45 Referncias 10/12/2009 Emerson Henrique S. Silva 46 BARBIERI, Carlos. Business Intelligence: Modelagem e Tecnologia. Rio de Jane iro: Axcel Books. 2001. INMON, W. H. Como construir o Data Warehouse. Rio de Janeiro: Editora Campus , 1997. KIMBALL, Ralph. Data Warehouse Toolkit: Tcnicasparaconstruo de data warehouses dimensionais. So Paulo: Makron Books. 1998. KIMBALL, Ralph; ROSS, Margy. The Data Warehouse Toolkit: The Complete Guide to Dimensional Modeling. 2ed. New York: John Wiley & Sons. Inc. 2002. MACHADO, Felipe N. R. Tecnologia e Projeto de Data Warehouse: Uma Viso Multid imensional. 3ed. So Paulo: rica, 2007. MOSS, Larissa T.; ATRE, Shaku. Business Intelligence Roadmap: The Complete P roject Lifecycle for Decision-Support Applications. Boston: Pearson Education, I nc. 2003. SING, Hary. Data Warehouse. So Paulo: Makron Books, 2001.