Aula 4 – Aula 4 – Inteligência de NegóciosInteligência de Negócios (Business Intellingence)Business Intellingence)

2

Podemos definir o termo B.I como: As habilidades das corporações para acessar dados e explorar

informações, analisando-as e desenvolvendo percepções e entendimentos a seu respeito, o que as permitem incrementarem e tornarem mais pautada em informações a tomada de decisões.

Estruturas especiais de armazenamento de informações como Data Warehouse (DW), Data Mart(DM) e ODS (Operational Data Store), com o objetivo de se montar uma base de recursos informacionais, capaz de sustentar a camada de inteligência da empresa e possível de ser aplicada aos seus negócios, como elementos diferenciais e competitivos.

BI - Business Intellingence

Componentes de um ambiente de BI- Componentes de um ambiente de BI- Business IntelligenceBusiness Intelligence

Data WarehouseData WarehouseAplicações do negócio: dão suporte ao dia a dia do negócio da empresa, garantindo a operação da empresa;

Aplicações sobre o negócio: analisam o negócio, auxiliando nas decisões estratégias futuras para a empresa (SAD – Sistemas de Apoio à Decisão).

Data WarehouseData Warehouse

Aplicação A

Aplicação B

Aplicação C

Aplicação D

Aplicação E

Aplicação F

REL 1

REL 2

REL 3

REL 4

REL 5

REL 6

Exemplo aplicações operacionais.

6

O que é Data Warehouse ?O que é Data Warehouse ?Local onde ficam armazenados todos os dados extraídos dos sistemas de informação operacional.

Um Data Warehouse compreende um conjunto de ferramentas que extraem dados dos sistemas operacionais da empresa, um banco de dados que o mantém, e sistemas que fornecem estes dados aos seus usuários.

O Data Warehouse (DW) é um banco de dados, ou armazém de dados, que tem como objetivo dar suporte ao processo decisório.

Aplicação A

Aplicação B

Aplicação C

Aplicação D

Aplicação E

Aplicação F

DW

Características do Data Warehouse

•Simplicidade na apresentação da realidade organizacional integrada.

•Boa qualidade dos dados.

•Facilidade de uso.

•Separação entre as operações de decisão e as operações de produção.

•Vantagem competitiva.

•Melhor visualização e administração do fluxo de informações.

•Possibilidade de processamento paralelo.

•Acesso rápido as informações.

9

Como construir um DW que atenda as Como construir um DW que atenda as necessidades do negócio ?necessidades do negócio ?

Para a construção de um DW, e essencial a estruturação das informações a serem alcançadas, estabelecendo fontes confiáveis para a obtenção dos dados a serem trabalhados, para que não haja redundância ou inconsistências.

Mais antes de começar a construir, e necessário ter as respostas para as seguintes questões:•Quais dados são importantes para o processo decisório;

•Quais serão os sistemas operacionais que servirão como fonte dos dados ao Data Warehouse;

•Como serão harmonizados os dados provenientes de diferentes fontes de dados e que constituirão

•uma única fonte de consulta no Data Warehouse;

•Como os dados serão armazenados, no nível das transações individuais ou resumidas de alguma forma;

•Qual a freqüência de atualização do Data Warehouse;

•Qual o período que os dados se manterão armazenados no Data Warehouse.

10

Data MartsData MartsO Data Mart é um Data Warehouse de menor porte construído para armazenar dados ligados a um determinado aspecto do negocio da empresa.

E um sub-conjunto de dados de um Data warehouse (armazém de dados). Geralmente são dados referentes a um assunto em especial (ex: Vendas, Estoque) ou diferentes níveis de sumarização (ex: Vendas Anual, Vendas Mensal), que focalizam uma ou mais áreas específicas.

DM

DM

DM

DW

Aplicação A

Aplicação B

Aplicação C

Aplicação D

Aplicação E

Aplicação F

Data Mining (Minerador de Dados)Data Mining (Minerador de Dados)•O Data mining são softwares desenvolvidos com base em técnicas de inteligêncial artificial, e vasculham os dados em busca das informações que podem ser de interesse, de acordo com critérios predeterminados.

•É um processo não trivial de identificar em dados, padrões válidos, novos e potencialmente úteis e compreensíveis.

•É a exploração e a análise de grandes quantidades de dados para descobrir modelos e regras significativas.

•Ex: Case cerveja e fralda.