OLAPOnline Analytical Processing

OLAP

• OLAP fornece às organizações um método de aceder,

visualizar, e analisar os dados corporativos com alta

flexibilidade e performance.

• No mundo globalizado de hoje, as empresas enfrentam uma

maior concorrência e a expansão da sua actuação para novos

mercados.

• Portanto, a velocidade com que os executivos obtêm

informações e tomam decisões, determina a competitividade

de uma empresa e o seu sucesso a longo prazo.

OLAP

• OLAP apresenta informações para os utilizadores através de

um modelo de dados natural e intuitivo.

• Através de um simples estilo de navegação e pesquisa, que os

utilizadores podem rapidamente analisar inúmeros cenários,

gerar relatórios e descobrir tendências e factos relevantes

independente do tamanho, complexidade e fonte dos dados.

• Quanto maior e complexa for a informação armazenada, mais

difícil é a análise.

OLAP

• A tecnologia OLAP acaba com estas dificuldades

fornecendo a informação mais próxima à do utilizador.

• OLAP é normalmente utilizado para integrar e

disponibilizar as informações contidas nas bases de

dados operacionais, sistemas ERP e CRM, Data

Warehouses, de entre outros.

Modelo de Dados

• OLAP é uma tecnologia criada para facilitar a consulta

dinâmica e em tempo real da informação armazenada.

• Num modelo de dados OLAP, a informação é

organizada em cubos que armazenam valores

quantitativos ou medidas.

• As medidas são identificadas por duas ou mais

categorias descritivas denominadas dimensões que

formam a estrutura de um cubo.

Modelo de Dados

• Uma dimensão pode ser qualquer visão do negócio

que faça sentido para a sua análise, como produto,

departamento ou tempo.

• Este modelo de dados multi-dimensional simplifica

para os utilizadores o processo de formular pesquisas

ou "queries" complexos, criar relatórios, efectuar

análises comparativas, e visualizar subconjuntos

(slice) de maior interesse.

Por exemplo, um cubo contendo informações de vendas poderá ser composto pelas dimensões tempo, região, produto, cliente, cenário (orçado ou real) e medidas. Medidas típicas seriam valor de venda, unidades vendidas, custos, margem, etc.

Modelo de Dados

• Dentro de cada dimensão de um modelo OLAP, os

dados podem ser organizados numa hierarquia que

define diferentes níveis de detalhe.

• Por exemplo, dentro da dimensão tempo, poderemos ter

uma hierarquia a representar os níveis anos, meses, e

dias. Da mesma forma, a dimensão região poderá ter os

níveis país, região, estado e cidade.

Operações comuns disponibilizadas sobre cubos OLAP:

• Drill down & roll up – tratam-se de operações que nos

permitem olhar para os dados com maior ou menor nível

de detalhe, consoante se particularize a informação de

determinada célula ou se sumarie células do mesmo nível.

• Slice & Dice – tratando-se de um objecto multi-

dimensional, e ao estar a capacidade analítica do agente

de tomada de decisão limitada a visões tabulares, as

operações de slice & dice permitem posicionar a visão do

agente de decisão em qualquer ponto do cubo OLAP.

Operações comuns disponibilizadas sobre cubos OLAP:

• Definição de alertas – as operações que podem ser utilizadas

para disparar acções quando determinadas situações de

destaque ocorrem em determinadas células.

• Ranking & sorting – operações que permitem agrupar e

escalonar os resultados com base em critérios de ordenação

(não afetando o desempenho das interrogações devido às

agregações armazenadas no cubo).

• Filtragem – Difere das operações de Slicing por limitar o

universo de dados originalmente definidos, muito antes da

visualização do cubo, podendo ainda ser definidos filtros sobre

as medidas.

Pela sua facilidade de manipulação, não significa que a

estrutura por detrás de um cubo seja propriamente

trivial, muito pelo contrário:

• Como estrutura hierárquica que é, e perante o conjunto

de operações que permite executar, o armazenamento

de valores agregados e resumidos é praticamente

obrigatório por questões de desempenho.

• Algoritmos de indexação completamente remodelados

face aos modelos conhecidos para bases de dados

relacionais

• Diferentes estruturas físicas para armazenamento da

informação.

Modelos de armazenamento OLAP:

• MOLAP – Multi-dimensional OLAP;

• ROLAP – Relational OLAP;

• HOLAP – Hibrid OLAP.

MOLAP – Multi-Dimensional OLAP

O armazenamento MOLAP é utilizado para criar cubos

multi-dimensionais a partir da informação armazenada

no Data Warehouse.

É normalmente utilizado se o conjunto inicial de dados é

de tal ordem grande que o processamento do cubo

directamente a partir do Data Warehouse necessita de

processamento em batch.

Os dados são então agregados e processados no cubo

usando um conjunto pré-definido de cálculos.

MOLAP

A grande vantagem prende-se com o melhor desempenho

na devolução de agregações a queries postas pelos

utilizadores: trata-se de localizar no cubo a respectiva

célula em função das dimensões e devolver o seu valor.

Uma das maiores desvantagens(?) será o fato de o cubo

surgir desligado do Data Warehouse, pelo que a sua

actualização é de certo modo complexa (o cálculo dos

acréscimos de dados introduzidos no Data Warehouse,

correcções em valores iniciais, etc, podem levar a que

seja preferível a construção de um novo cubo).

MOLAP

O armazenamento MOLAP apenas permite o uso de

tipos de dados básicos pelo que se torna limitada a

manutenção de informação de contexto sobre as

células.

ROLAP – Relational OLAP

O armazenamento ROLAP apresenta em contra-ponto as

vantagens e desvantagens do armazenamento MOLAP, com a

vantagem de poder também ter um tratamento pré-definido de

agregações (mantidas de forma tabular).

• A estrutura tabular não apresenta o mesmo desempenho,

essencialmente no processamento de agregações e queries.

• É complexa e extensa a definição de índices e agregações para

permitir desempenhos semelhantes a uma estrutura multi-

dimensional.

Às vezes somos confrontados com situações onde, por

exemplo, 80% das queries colocadas são relacionadas

com agregações de alto nível e apenas 20% dizem

respeito a acessos a informação detalhada.

HOLAP – Hibrid OLAP

Para estes casos foi desenvolvido o modelo de

armazenamento HOLAP, como uma combinação de

armazenamento de agregações em estrutura multi

dimensional, associado a estruturas relacionais onde é

armazenada a informação detalhada e necessária para

as questões colocadas ao pormenor.

Este processo é transparente porque o motor é capaz

de seleccionar correctamente a origem dos dados

necessários para a análise.

Aplicações

Finanças: orçamento, análise de balanço, fluxo de caixa,

contas a receber, …

Vendas: análise de vendas (por região, produto, vendedor,

etc.), previsões, lucratividade de cliente/contrato, análise

de canais de distribuição, ...

Marketing: análise de preço/volume, lucratividade de

produto, análise de mercados, …

Recursos Humanos: análise de benefícios, projecção de

salários, ...

Manufactura: gerência de stock, cadeia de fornecimento,

planeamento de procura, análise de custos de matéria-

prima, …

BIBusiness Intelligence

IntroduçãoO mundo mudou. Mais e mais companhias estão a competir à

escala global, causando o aumento da concorrência, das cadeias

de fornecedores e clientes e das fontes de informação. Isto

significa que usar conhecimento analítico para entender e gerir a

organização, o mercado alvo e os fornecedores é mais importante

do que nunca.   

A complexidade de gerir uma organização num ambiente de

competitividade nos dias de hoje exige que os gestores sejam

capazes de ter uma visão do desempenho de diversas áreas da

empresa, simultaneamente, e sob diferentes perspectivas.

Dado o hardware e o software necessários serem muito caros,

costumava ser uma área exclusiva das grandes empresas. No

entanto, esta situação alterou-se e as pequenas e médias

empresas também podem beneficiar actualmente das retomas de

investimento significativos proporcionados pelo data warehousing.

Sistemas Tradicionais

A análise de resultados não é uma tarefa simples e normalmente depende de mão de obra intensiva para recolha e análise dos dados pretendidos. Para além de muitos dos referidos dados se encontrarem em diversos sistemas informáticos, é para além de difícil, um processo moroso e muita informação importante pode ficar por analisar se a mesma se encontrar dispersa.

Estes sistemas/ modelos surgiram através da perspectiva financeira e estão demasiado concentrados no controlo - especificam as acções que querem que os colaboradores realizem e depois avaliam se os colaboradores as realizaram e quais os resultados imediatos, sem avaliarem aspectos qualitativos e de conjuntura.

A análise do desempenho histórico da organização através dos tradicionais sistemas de avaliação de desempenho / controlo de gestão, não permite identificar atempadamente os problemas que podem surgir no futuro devido ao inerente desalinhamento das acções correctivas com a respectiva estratégia da organização.

O que é o B I ?

Business Intelligence, pode ser traduzido como Inteligência de Negócios ou

Inteligência Empresarial, é um conjunto de metodologias de gestão

implementadas através de ferramentas de software que permite às

organizações aceder, analisar e compartilhar informações. Um conjunto de

software integrado de Business Intelligence extrai com rapidez dados de fontes

distintas, organiza-os e viabiliza análises, simulações e outras informações

relevantes que podem ser distribuídas por toda a organização para suportar a

tomada de decisões e melhorar o desempenho de gestão e operacional.

•Uma plataforma de Business Intelligence acede a informações históricas, e

permite o desenvolvimento de predições estatísticas e oferece toda a

ferramenta necessária para a construção de aplicações analíticas.

Componentes básicos de uma Plataforma de Business Intelligence

Estes componentes ajudam as companhias a executarem uma

estratégia completa de negócio, promovendo uma melhoria

contínua do desempenho em toda a organização.

•Query & Reporting

•Análises OLAP

•Relatórios Corporativos e Financeiros

•Ferramentas de Integração e Movimentação de Dados

•Ferramentas de Desenvolvimento

Query & Reporting

O primeiro passo a ser dado é viabilizar o acesso às fontes

de dados corporativas, sejam elas relacionais,

multidimensionais, ou outros tipos de arquivos.

Ferramentas de query & reporting possibilitam a

transformação de dados em informações, facilitando a

compreensão de oportunidades e tendências, permitindo

aos seus utilizadores tomar decisões melhores e mais bem

informadas.

Análises OLAP

Além das capacidades básicas para a geração de

consultas e análises ad hoc, uma plataforma de Business

Intelligence deve permitir a realização de análises

sofisticadas - como comparações estatísticas, simulações,

análises de cenários - e cálculos dimensionais - como

alocações e rateios. Para isto é necessária uma ferramenta

OLAP robusta.

Relatórios Corporativos e Financeiros

Numa solução de Business Intelligence, tão importante quanto

as capacidades analíticas e o acesso às informações  é a sua

distribuição através de relatórios e outros tipos de

publicações. Existem diferentes tipos de procuras por

relatórios ou informações pré-formatadas: alguns que devem

seguir o mesmo padrão periodicamente, outros que são

gerados para atender a necessidades específicas, outros

ainda adequados às especificações legais dos relatórios

financeiros, cada qual comportando diferentes volumes de

dados ou ainda requerimentos de layout e ambientes de

publicação variados.

Ferramentas de Integração e Movimentação de Dados

Uma plataforma de Business Intelligence precisa ainda

integrar as fontes de dados e os diferentes sistemas

existentes, permitindo o fluxo da informação entre as

diversas áreas de uma organização.

Ferramentas de Desenvolvimento

Um ambiente de Business Intelligence não estará

completo sem ferramentas que permitam a utilização desta

tecnologia para a criação de aplicações que atendam a

variadas procuras.

Exemplos:

IBM Global Services

Microsoft Business Intelligence

HYPERION

Enterprise Information Systems

EIS

Enterprise Information Systems

A capacidade de reagir e o tempo de reacção são

qualidades fundamentais para a definição de estratégias

de captação, das organizações, para que as mesmas se

possam tornar claramente orientadas para o mercado e,

para as oportunidades que estão surgindo. Neste

cenário de transformações e de forte concorrência, a

tecnologia da informação (TI), está sendo apontada

como uma das principais ferramentas a ser utilizada,

para obter ganhos de qualidade e de produtividade

(Tapscott e Caston, 1995).

Enterprise Information Systems

O apoio à decisão das empresas, referidamente nos

sistemas Enterprise Information System (EIS), cujo

objectivo principal – a identificação ou antecipação de

problemas e oportunidades – está exigindo, no contexto

de um cenário de fortes pressões externas, um nível

cada vez maior de sofisticação e de inteligência.

Níveis de Decisão

• Sistemas de apoio ao executivo (SAE)

• Sistemas de apoio à decisão (SAD)

• Sistemas de informação da gestão (SIG)

• Sistemas de trabalhadores do conhecimento (STC)

• Sistemas de automatização de escritório

• Sistemas de processamento de transacções (SPT)

Enterprise Information Systems

Sistemas de Apoio ao Executivo (SAE)

Nível Estratégico

-Entrada : Dados agregados

-Processamento : Interactivo

-Saída : Projecções

-Utilizadores : Gerentes de topo

Abordam decisões não habitual que exigem bom senso, avaliação e percepção, uma vez que não existe um procedimento previamente estabelecido, para se chegar a uma solução.

Sistemas de Apoio à Decisão (SAD)

Nível da Gestão

-Entrada : Pequeno volume de dados

-Processamento : Interactivo

-Saída : Análise de decisão

Utilizadores : Profissionais, equipas internas

Ajudam os gerentes a tomar decisões não- usuais, que se

alteram com rapidez e que não são facilmente especificadas

com antecedência

Exemplo ( Dada a programação de entrega de um cliente e a taxa de frete

oferecida, qual navio deverá ser designado para o transporte e que taxa

maximizaria os lucros?)

Sistemas de Informação da Gestão (SIG)

Nível da Gestão

-Entrada : Alto volume de dados

-Processamento : Modelos simples

-Saída : Relatórios / sumários executivos

Utilizadores : Gerentes de nível médio

Apóiam as funções de planeamento, controlo e decisão ao nível da gestão

Exemplo

(Orçamento anual)

Sistemas de Trabalhadores do Conhecimento (STC)

Nível do Conhecimento

-Entrada : Especificações de projecto

-Processamento: Modelagem

-Saída : Projectos, Gráficos

Utilizadores : Pessoal técnico ( Engenheiros, médicos, advogados, Cientistas

Exemplo: Estações de trabalho de engenharia (Promovem a criação de novos conhecimentos e asseguram que esses novos conhecimentos e capacidades técnicas sejam adequadamente integrados nas empresas.)

Sistemas de Processamento de Transacções (SPT)

Sistemas de processamento de transacções:

-Sistemas administrativos básicos que atendem ao nível

operacional

-Sistema computorizado que realiza e regista as

transacções rotineiras necessárias ao funcionamento

da empresa

Exemplo (Registo de pedidos de venda, folha de

pagamento manutenção do registo de funcionários)

Tipos de Sistemas

Conclusão

Conclusão

OLAP fornece às organizações um método de

aceder, visualizar, e analisar os dados corporativos

com alta flexibilidade e performance. Esta serve

como ferramenta para BI, para triagem de

informação e ajudar a decisão.

EIS é um conjunto de ferramentas que servem para monitorizar todas as adversidades que são postas as empresas. Assim, esta serve para todos os departamentos das empresas, como por exemplo, a análise dos concorrentes, etc.

EIS, BI e por suas vez OLAP servem para as empresas enfrentar e tomar decisões em relação aos problemas que são postos neste mundo global.