Um estudo do Business Intelligence no ambiente empresarial

DOUGLAS TOZI OLIVEIRA 1 Aluno do Curso de Ciência da Computação do Centro Universitário de Vila Velha.

E-mail: douglastozi@gmail.com.

OTACILIO JOSE PEREIRA 1 Mestre em Ciência da Computação pela UFES. Engenheiro em Engenharia Da Computação.

E-mail: Otacílio.pereira@uvv.br

2

RESUMO

Este estudo está voltado para a compreensão da metodologia do business Intelligence como auxiliador para as tomadas de decisão que são cruciais para a movimentação estratégica no mercado de negócios, porem para se chegar a estas medidas decisórias é necessário olhar em volta e especialmente para dentro da empresa. Definindo o conhecimento da metodologia do Business Intelligence como diferencial para concorrer no mercado, é possível utilizar desta tecnologia para angariar particularidades nas ações da empresa em meio a tantas outras, garantindo com isto sua fatia de mercado.

Palavras-chave: tomadas de decisão, Business Intelligence.

1. INTRODUÇÃO

O Business Intelligence (BI) ajuda organizações a acessar informação sintetizada de

forma fácil para a tomada de decisão. Nesse processo, o ato de transformar dados em

informações úteis e significativas, terá como destino a distribuição destas informações

para aqueles que realmente precisarão delas e que poderão tomar decisões corretas e

na hora certa.

No complexo e globalizado cenário de negócios atuais, os diferenciais competitivos

são cada vez mais importantes para que as organizações possam protagonizar seus

espaços de mercado. O Business Intelligence (BI) é um conceito que entra no auxilio

de diferenciais competitivos para a empresa.

Os dias atuais e a nova economia caracterizam-se cada vez mais pela crescente

aplicação da Tecnologia da Informação (TI) nos processos de negócios. Uma das

conseqüências de sua aplicação é a super saturação de informações. Nossa

capacidade de coletar e armazenar dados superou em muito nossa habilidade de

analisar, resumir e extrair "conhecimentos" destes dados.

Os dados estão em toda a parte, entretanto é preciso transformá-los em informações,

e estas em conhecimento. A maioria das organizações não sofre com a falta de dados,

mas sim com uma abundância de dados redundantes e inconsistentes, complexos de

administrar com eficiência, cada vez mais árduos de acessar e difíceis de usar para

fins de suporte à tomada de decisão.

3

Maurizio Niccolai, gerente de Marketing e Soluções da HP Brasil, afirma que: “As

necessidades de BI hoje são as mesmas nas pequenas, médias e grandes empresas.

A diferença está no volume de dados”(PCWORLD, 2007).

Petrini, Pozzebon e Freitas (2005) pesquisaram a utilização de BI em grandes

empresas brasileiras, através de uma técnica de survey. O resultado do estudo

demonstrou que a utilização dessa ferramenta está ocorrendo há pouco mais de três

anos em 73% das empresas pesquisadas. Os autores concluíram, também, que

geralmente esse tipo de tecnologia é criada a partir de objetivos tecnológicos, sem

levar em conta as necessidades informacionais: "há uma falta de foco na

determinação de quais informações são mais relevantes para o negócio, ou até

mesmo alinhar indicadores, que seriam incluídos no sistema com objetivos

estratégicos" [PETRINI; POZZEBON; FREITAS, 2005]1. Os autores identificaram que

as empresas que utilizam algum tipo de ferramenta de BI, voltam sua atenção à

metodologia de avaliação de desempenho e não à geração e flexibilização da

informação.

2. OBJETIVO

O objetivo deste trabalho é desenvolver, um estudo do BI para o segmento

empresarial que contará com ferramentas de extração e filtragem, dando maior

flexibilidade para o retorno de informações ao gestor requerente, e mostrar as

vantagens competitivas em relação a empresas que não possuem nenhum sistema de

Business Intelligence e as empresas que transformaram o Business Intelligence em

atrativo principal na venda de seus softwares.

Ao longo deste artigo será apresentada uma abordagem sobre a metodologia e o

conceito do business intelligence. Em seguida é feito uma análise do estudo de caso

analisando o emprego desta metodologia em uma empresa analisando também os

casos de uso. Após é apresentada a concepção do projeto com sua estrutura e

definido a metodologia a ser aplicada, e o protótipo da aplicação. Por fim, uma

conclusão sobre o que foi observado durante o estudo do projeto.

1 PETRINI; POZZEBON; FREITAS, 2005, p. 12, indica o estudo do crescimento da adesão ao business intelligence no

ambiente corporativo.

4

3. CONCEITOS.

Ao contrário do que se possa imaginar, o principio de Business Intelligence não é

recente. Fenícios, persas, egípcios e outros povos do Oriente 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 de suas respectivas comunidades (BARBIERI-2001).

Dentre as principais características do conceito BI, pode-se destacar: extrair e integrar

dados de múltiplas fontes; fazer uso da experiência, trabalhar com hipóteses e

simulações, procurar relações de causa e efeito e transformar os registros obtidos em

informação útil para o conhecimento empresarial.

Segundo Howard Dresner, (apud BARBIERI, 2001), constata que “Business

Intelligence é um termo “guarda-chuva” que descreve um conjunto de conceitos,

ferramentas e tecnologias para aperfeiçoar o processo de tomada de decisão em

negócios, ou seja, é um processo de conseguir informação certa, no momento

oportuno”.

Cada vez mais, cruzar dados para criar estratégias é fator essencial no mercado. Uma

técnica que fez da tomada de decisão e ferramentas de BI elementos inseparáveis.

A estratégia se constitui em ir juntando “peças” aparentemente irrelevantes, para como

em um quebra-cabeça, compor imagens que têm sentido. Para Porter (apud

POZZEBON, FREITAS e PETRINI, 1997), sintetiza com “é a assertiva segundo a qual,

somente quando se têm 80% do quebra-cabeça é que se pode começar a ver coisas

que as outras pessoas não vêem. Juntando, fazendo encaixes, reorganizando

informações e conhecimentos fragmentados, dispersos e aparentemente sem sentido,

pode-se chegar a conclusões inéditas, mesmo que estas informações já estivessem

disponíveis, porém não disponibilizadas de maneira tal que fosse possível enxergar

algo mais”.

O BI, na verdade, não é um sistema, nem uma ferramenta, mas sim um conceito que

se aplica e que se vivencia no dia-a-dia de uma organização. Qualquer fator ou

5

ferramenta envolvida no ambiente organizacional, que apresentem dados que possam

ser aproveitados pela organização das mais diversas formas, principalmente no que

diz respeito à tomada de decisão, é uma base crucial formadora de Business

Intelligence fig.1. A tomada de decisão é uma atitude executada pelos membros de

uma organização que representa a análise e escolha de uma alternativa entre várias

possíveis para cada situação. (SIMON 1976) apud BARBIERI 2001, afirma que os

tomadores de decisão raramente buscam encontrar a melhor alternativa na solução de

um problema, mas, em vez disso, selecionam um conjunto de resultados

suficientemente bons e uma alternativa com grande probabilidade de alcançar um

desses resultados.

Fig. 1 - O business Intelligence (JACOBISON, MISNER, CONSULTING, 2008)

Segundo Batista (2004), constata que, “As ferramentas de BI podem fornecer uma

visão sistêmica do negócio e ajudar na distribuição uniforme dos dados entre os

usuários, sendo seu objetivo principal transformar grandes quantidades de dados em

informações de qualidade para a tomada de decisões. Através delas, é possível cruzar

dados, visualizar informações em várias dimensões e analisar os principais

indicadores de desempenho empresarial”.

Essa facilidade, considerando-se as características dessas ferramentas, pode

contribuir diretamente para as funções da área de controle na obtenção, análise e

comunicação do recurso de informação aos gestores, além de permitir que esta área

obtenha estreito monitoramento das atividades da empresa como um todo.

Barbieri (2001) nos mostra um conceito de forma mais ampla onde BI pode ser

entendido como a utilização de variadas fontes de informação para se definir

estratégias de competitividade nos negócios da empresa. Uma das vertentes do BI

está relacionada ao apoio e subsídio aos processos de tomadas de decisões

6

baseados em dados trabalhados especificamente para a busca de vantagens

competitivas.

“Todos querem entender clientes e saber onde há riscos para os seus negócios”,

observa o executivo Maurizio Niccolai, explicando que tudo isso é possível a partir da

análise de dados distribuídos pela empresa. (PCWORLD, 20072).

A idéia para a adição do business intelligence na empresa, tem que iniciar contando

com as pessoas certas. “Mesmo que tenha na equipe de BI uma dezena de pessoas

ou apenas uma. Se quiser extrair benefícios reais de um projeto de Business

Intelligence, não basta investir em hardware ou software. Desenvolva, motive e

valorize as pessoas. São elas que irão adicionar valor ao negócio, qualquer que seja

ele. Rapidamente vai perceber que a inteligência que você procura não está no

computador, mas nas pessoas”. Maurizio Niccolai, apud (PCWORLD, 2007).

“As necessidades de saber, por exemplo, quem vende mais, qual produto dá maior

margem de lucro e outras informações desse tipo, são comuns às empresas de todos

os portes”, avalia Marcos Chomen, diretor regional da Cognos no Brasil, apud

(PCWORLD, 2007).

“O BI ajuda em duas coisas fundamentais: redução de custos e aumento de receita,

otimizando processos por meio da análise de dados, melhorando produtos ou criando

novos” por Flavio Bolieiro, vice-presidente da MicroStrategy para a America do Sul.

3.1 PROCESSO DE DATA WAREHOUSE - OLTP

Sistemas OLTP (Online Transaction Processing) caracterizam-se por suportar

múltiplos usuários acessando concorrentemente um banco de dados, submetendo

consultas e atualizando dados por meio de inserções, atualizações e exclusões. São

normalmente utilizados para armazenar as atividades de uma organização conforme

elas ocorrem, vide fig.2.

2 PCWORLD, 2007. Revista de tecnologia que tem como foco o estudo de inovações que despontam no mercado, esta edição tem como foco o business intelligence como título e descrição: Saiba como as ferramentas de BI permitem reunir, armazenar e analisar os dados de companhias de todos os portes.

7

Fig. 2 – Percurso dos dados da origem até o DW – Data warehouse (WILLIAN PEREIRA, 2004)

O banco transacional sofre o processo de exportação para o data warehouse através

do método denominado “Extraction, Transformation and Loading” - ETL (Extração,

Transformação e Carga), que consiste na primeira etapa do processo de obtenção de

dados dos Sistemas OLTP para o ambiente de Data Warehouse.

“A etapa de ETL é uma das mais críticas de um projeto de Data Warehouse (DW). As

ferramentas utilizadas para esse fim podem ser desenvolvidas pela própria empresa

ou adquiridas dos fornecedores, dependendo do projeto” (PRIMAK,2008). É uma das

fases mais delicadas de um data warehouse, pois envolve a fase de movimentação

dos dados.

Toda movimentação de dados é registrada em um “diário de ações” que indica onde

está cada dado. Na perspectiva de Primak, “Os metadados, definidos como os “dados

dos dados”, constituem peças fundamentais num DW – Data Warehouse”( PRIMAK,

2008). Facilita no momento de busca pelos dados no DW com o auxilio destes índices

ou dados sobre o conteúdo no repositório.

Os sistemas OLTP normalmente são usados para criar aplicações comuns, incluindo

aquelas com prazos ou tempos de resposta de missão crítica. A tabela 1.0 resume as

diferenças básicas entre OLTP e sistemas data warehouse.

8

OLTP Data Warehouse Orientado a transação Orientado ao processo de negócios Milhares de usuários Poucos usuários (normalmente abaixo

de 100) Geralmente pequeno (MB até vários GB) Grandes (de milhares de GB a vários

TB) Dados atuais Dados históricos Dados normalizados (muitas tabelas, poucas colunas por tabela)

Dados não normalizados (poucas tabelas, muitas colunas por tabela)

Atualizações contínuas Atualizações em lote Consultas de simples a complexas Normalmente, consultas muito

complexas Tabela 1.0 Comparação entre OLTP e Data Warehouse.(TEOREY,LIGHTSTONE,NADEAU,2007).

No sistema OLTP os dados são acumulados a partir de transações diárias da

empresa. São dados que se encontram em seu estado “puro”, sem o devido

tratamento para análise. Somente consultas preestabelecidas são possíveis nesse

sistema. Dessa forma ele é definido como fonte de dados para o data warehouse.

Cada banco de dados do sistema fonte precisa ser reconciliado com o modelo de

dados do data warehouse, isso é feito durante o processo de extração dos dados

exigidos do sistema de banco de dados fonte, transformando os dados do sistema

fonte para o DW e carregando os dados no Data Warehouse Cataldo, 1997, ( apud

TEOREY; LIGHTSTONE; NADEAU, 20073).

3.2 DATA WAREHOUSE

Os Data Warehouses são projetados para suportar altas demandas de

processamento, uma vez que manipulam quantidades elevadas de dados oriundos de

vários bancos de dados, que podem inclusive pertencer a plataformas diferentes ou

possuem estruturas de dados distintas, a fig. 3 sintetiza a idéia.

Segundo Barbieri (2001), Data Warehouse, cuja tradução literal é armazém de dados,

é um banco de dados, destinado a sistemas de apoio a decisão e cujos dados foram

armazenados em estruturas lógicas dimensionais, possibilitando o seu processamento

analítico por ferramentas especiais (OLAP e Mining).

3 TEOREY,Toby; LIGHTSTONE, Sam; NADEAU, Tom, PROJETO E MODELAGEM DE BANCO DE DADOS, ed.Campos, 2007 ,pag. 153

9

Esses dados operacionais costumam mudar de forma rápida e constante. Os

tamanhos de tabela no nível operacional são mantidos relativamente pequenos,

eliminando-se dados antigos de tempos em tempos. O data warehouse, ao contrário,

recebe periodicamente dados históricos em lotes e cresce com o tempo. O enorme

tamanho dos data warehouse pode chegar a centenas de gigabytes, ou ate mesmo

terabytes (TEOREY; LIGHTSTONE; NADEAU, 20074).

Ele representa uma grande base de dados capaz de integrar, de forma concisa e

confiável, as informações de interesse para a empresa, que se encontram espalhadas

pelos sistemas operacionais e em fontes externas, para posterior utilização nos

sistemas de apoio a decisão.

Na visão de Felipe Nery (2007), seria um enorme desperdício de investimento realizar

um data warehouse tão volátil e para um período de tempo tão curto. Essa função

deve ser exercida por aplicação especifica de ambiente transacional. É gerencial sim,

mas nem tudo que é gerencial deve estar em um data warehouse, somente as

informações em caráter histórico e estatístico.

Em um ambiente com Data Warehouse, as informações analíticas e estratégicas

extraídas da base de dados operacional passam por um processo de Modelagem

Dimensional onde as bases de dados são estrategicamente centralizadas e otimizadas

para o atendimento de consultas. A separação das informações por assunto facilita a

visualização e o rápido entendimento das informações usadas nas principais consultas

pelos gestores da instituição.

4 TEOREY,Toby; LIGHTSTONE, Sam; NADEAU, Tom, PROJETO E MODELAGEM DE BANCO DE DADOS, ed.Campos, 2007 ,pag. 152

10

Fig. 3– Arquitetura básica do Data Warehouse. (TEOREY; LIGHTSTONE; NADEAU, 2007).

3.3 DATAMART

O Datamart é um subconjunto de informações existentes num Data Warehouse, cujo

desenho é elaborado de tal forma a entender a um segmento ou unidade de uma

organização, vide fig.4. Dessa forma ele faz parte da estratégia adotada no Data

Warehouse. São considerados como Data Warehouses departamentais, nos quais os

dados são ajustados aos requisitos de cada área ou departamento.

Fig. 4 Data Mart (NERY,2007).

São muito utilizados em pequenas empresas ou com o objetivo de reduzir a

complexidade de um projeto de Data Warehouse. Segundo Willian Pereira (2004) é

costume dividir essa arquitetura em três camadas, assim distribuídas:

11

1) Camada do banco de dados transacional, em que os dados da empresa são

propriamente armazenados.

2) Camada do Data Warehouse, um repositório de dados históricos com

informações detalhadas.

3) Camada do Data Mart, que são conjuntos de tabelas estruturadas, alimentadas

pela segunda camada.

Veja o diagrama apresentado na figura 5.

Fig. 5 – Diagrama de um Data Mart (WILLIAN PEREIRA, 2004)

Segundo Fabio Primak (2008), define que, “Algumas vezes, projetos que começam

como data warehouses se transformam em Data Marts. Quando as organizações

acumulam grandes volumes de dados históricos para suporte à decisão que se

mostram pouco ou nunca utilizados, elas podem reduzir o armazenamento ou

arquivamento de informações e contrair o seu Data Warehouse em um Data Mart mais

focado. Ou elas podem dividir o DW em vários Data Marts, oferecendo tempos de

resposta mais rápidos, acesso mais fácil e menos complexidade para os usuários

finais”.

Está nota demonstra que não só no inicio do DW é manipulável o DM, mas também é

possível após sua criação a manipulação até mesmo a transformação do DW em um

DM mais concentrado e veloz.

3.4 OLAP – EXTRAÇÃO DIMENSIONAL

As aplicações baseadas em processamento analítico “on-line Analytical Processing”

(OLAP) são comumente chamadas de aplicações sobre o negócio. As aplicações

sobre o negócio analisam as informações obtidas através das aplicações operacionais,

12

ajudando executivos e altos gerentes a interpretar mudanças na realidade de negócio

e, assim, mudar as regras de negócio da empresa vide figura 6.

Segundo Fabio Primak, OLAP é considerado uma categoria de software que permite a

analistas, gerentes e executivos obterem respostas dentro dos dados, através de uma

rápida, consistente e interativa forma de acesso a uma ampla variedade de possíveis

visões. As ferramentas OLAP permitem que o negócio da empresa possa ser

visualizado e manipulado de forma multidimensional, isto é, agrupando as informações

em varias dimensões como: produtos, fornecedores, departamentos, localização,

clientes e recursos.

Os dados usados por essas aplicações são chamados de dados analíticos. Os dados

analíticos são nada mais que dados operacionais otimizados para a consulta e análise,

e não para transações.

Figura 6 – Estrutura de OLAP (WILLIAN PEREIRA, 2004)

Não é certo interpretar que não se possam extrair relatórios e análise de aplicações

operacionais. Isto é possível, mas demanda grande esforço para reunir, integrar e

apresentar cada relatório (INMOM,1997).

3.4.1 OPERAÇÕES BÁSICAS OLAP

As ferramentas OLAP são as aplicações às quais os usuários finais têm acesso para

extrair os dados de suas bases e construir os relatórios capazes de responder ás suas

questões gerenciais.

13

Segundo Felipe Neri (2007), “estas ferramentas surgiram juntamente com os sistemas

de apoio á decisão para fazerem a consulta e análise dos dados dos Data Warehouse

e Data Marts”.

A funcionalidade de uma ferramenta OLAP é caracterizada pela análise

multidimensional dinâmica dos dados, apoiando o usuário final nas suas atividades.

Quatro tipos de operação são utilizados em OLAP para analisar dados. Estas

operações que são denominadas de drill utilizam a navegação nos dados, modificando

o nível de granularidade da consulta. Para navegar nas dimensões nos utilizamos das

operações de slice and dice.

• Drill-dow e Dtill-up: O drill down ocorre quando o usuário aumenta o nível de

detalhe da informação, diminuindo o nível de granularidade. O drill up ou roll up

é o contrário. Ele ocorre quando o usuário aumenta o nível de granularidade,

diminuindo o nível de detalhamento da informação.

• Drill Across: Ocorre quando o usuário pula um nível intermediário dentro de

uma mesma dimensão.

• Drill Throught: Ocorre quando o usuário passa de uma informação contida em

uma dimensão para outra.

• Slice and Dice: Slice é a operação que corta o cubo, mas mantém a mesma

perspectiva de visualização dos dados. Dice é a mudança de perspectiva da

visão. É a extração de um subcubo ou a intercessão de vários slices.

4. ESTUDO DE CASO

Após entender os conceitos de Business Intelligence a partir deste capitulo tais

conceitos vão ser aplicados para demonstrar o exemplo de criação de uma solução de

BI.

Neste capitulo 4 será apresentado a análise da solução contemplando uma

modelagem de casos para se obter uma visão funcional do cenário escolhido, o de

empresa aérea. Além disso uma visão do processo para se criar a solução. Nos

capítulos posteriores as outras atividades, projeto e implementação, serão

apresentadas.

14

O cenário possui uma visão de desenvolvimento que procura se espelhar em casos de

sucesso; que obtiveram êxito na utilização da metodologia do Business Intelligence

(BI), que coloca em consideração o diferencial destas empresas no mercado.

Este trabalho utilizou como exemplo para aplicação do estudo do Business Intelligence

(BI) um cenário aéreo comercial, pois é um ramo relevante e de fácil compreensão

permitindo assim que, mesmo sem muita experiência, fossem estabelecidas algumas

demandas que poderiam servir de estudo de caso para a aplicação de BI.

Neste cenário de setor aéreo comercial, que tem como metas, promover viagens

diárias, e que também esta envolvida nas necessidades de logística, e principalmente

as de gestão que é o ponto chave para a pesquisa da aplicação do BI, direcionada ao

gestor (diretor comercial) responsável que tem como característica na empresa de

tomador de decisões estratégicas.

O fato é que a empresa, com base num sistema para o apoio a decisão, consegue

com maior praticidade gerenciar a taxa de ocupação de seus vôos e oferecer certo

número de tickets a preços realmente atraentes, conforme as regras estabelecidas no

sistema.

A vantagem do sistema é que ele permite equacionar os custos do trecho voado para

que não haja perda de receita e o vôo continue rentável. Desta forma, a companhia

não tem perdas e consegue voar com um melhor aproveitamento de passageiros e

conseqüentemente aumentar o seu market-share no mercado (Aviação

Brasil,2008,GOL).

4.1 MODELAGEM DE CASO DE USO

Para se obter uma visão das funcionalidades do exemplo do diagrama da fig.7

apresenta o caso de uso da empresa aérea, limitada a conveniência da visão do

gestor comercial direcionador de decisões. Onde o diretor terá um “leque” de opções

para consultas em sua base de conhecimento já vivida pela empresa.

15

A utilização do caso de uso mostrado abaixo, é uma visão funcional do cenário de

empresa aérea, que exemplifica o objetivo de apresentar as funcionalidades na

empresa e as necessidades geradas pelo gestor.

Existem quatro atores humanos que interagirão com o sistema:

• Diretor comercial: é o gestor responsável pela análise e tomada de decisão.

• Atendente: Irá ter um responsável por vendas e um responsável pelo check-in.

• Auxiliar: será responsável pela condução das etapas do check-in.

• Cliente: é considerado como fonte do banco de dados com suas ações e

escolhas perante a empresa.

Fig.7 - Diagrama de caso de uso

A descrição dos casos de uso mostra como os personagens estão envolvidos na

coleta e inserção dos dados no banco.

16

4.1.1 VISUALIZA CONSULTA DE BANCO

Ator Diretor Comercial

Precondições: Diretor Comercial seleciona em uma pagina de interface com opções para

consulta das informações relevantes.

Pós-condições: tomada de decisão com base na consulta.

Fluxo Principal:

1. O Diretor abre a base de consulta;

2. O sistema disponibiliza opções para construção da análise;

3. O Diretor manipula parâmetros como ano comercial e outros e solicita a busca;

4. O sistema realiza a busca e disponibiliza os dados;

5. O Diretor Comercial por meio de operações de Drill Down ou Drill Across explora

através das dimensões e fatos, navegando assim pelos dados para melhor

compreensão do negócio;

6. Visualiza o resultado, obtendo a visão do lucro da empresa.

4.1.2 VENDE PASSAGEM

Ator Atendente

Precondições: É o responsável pelo atendimento ao cliente e alimentação na base de

dados OLTP com dados do dia a dia da empresa. O atendente Cadastra a origem e destino

do vôo, cadastra a hora do vôo, insere o numero de passageiros, insere tarifa, informa se o

passageiro faz uso do plano fidelidade, e cadastra os dados de identificação do cliente.

Pós-condições: cadastra passagem em nome do cliente indexado a loja.

Fluxo Principal:

1. O atendente faz a abertura no sistema para a venda;

2. O sistema abre a inserção dos dados para registro da venda;

3. O atendente confirma o pagamento;

4. O sistema cadastra a venda no banco;

5. O sistema libera a emissão da passagem;

6. O atendente entrega a passagem.

17

4.1.3 CHECK-IN

Ator Auxiliar

Precondições: O auxiliar conferiu o numero da passagem e os dados do cliente

Pós-condições: autoriza uso da passagem ao Check-in

Fluxo Principal:

1. O atendente abre pedido de check-in ao sistema;

2. O sistema autoriza a inserção dos dados para o chek-in;

3. O sistema valida o check-in e retorna na tela a liberação;

4. O auxiliar confirma a liberação para o cliente;

5. O cliente segue até o vôo.

4.1.4 COMPRA PASSAGEM

Cliente

Precondições: O cliente já escolheu o destino, a hora do vôo, o dia do vôo, a tarifa

desejada e o uso do plano fidelidade.

Pós-condições: a loja emite passagem ao cliente

Fluxo Principal:

1. O sistema emite o valor final;

2. O atendente passa a informação sobre o valor ao cliente;

3. O cliente paga a passagem;

4. O atendente autoriza a venda;

5. O sistema emite passagem;

6. O atendente repassa ao cliente;

7. O cliente recebe a passagem junto com as informações do vôo;

8. O cliente vai embora com a passagem.

4.2. PAPEIS NO PROCESSO DE BI.

Antes do projeto e implementação vale apresentar o processo de construção.

Analisando os textos sobre BI, pode-se deduzir que a organização de uma equipe de

BI deve ou pode ter os seguintes papéis. Esta visão não foi extraída de nenhuma

18

bibliografia em específico, vale apenas como uma proposta concebida através do

entendimento dos vários textos lidos sobre o assunto.

• Diretor: é o responsável pelos pedidos de extração de um cubo OLAP ao

gerente de TI, e já passando quais os fatos e dimensões que serão relevantes

para a futura pesquisa.

• Gerente de TI: com base no pedido de pesquisa, é passada a responsabilidade

de extração ao analista responsável.

• Analista de OLTP e ETL: É o responsável pela organização dos dados na base

e pede extração, formatação e refinamento da base operacional OLTP para o

data warehouse

• Analista de DW: responsável pela manutenção e organização dos dados neste

grande repositório e integrando com a manutenção ao banco de metadados.

• Analista de OLAP / Report.: Este é responsável pela extração do pedido do

diretor comercial por intermédio do DW, trabalhando com cubos para fazer a

extração dos dados relevantes na pesquisa do diretor.

Fig. 8 - Diagrama de atividades do OLTP

Atividades que ocorrem num processo de BI apresentadas pela fig.8 que ocorre desde

a manipulação dos dados na base OLTP até a sua extração para o Data Warehouse.

19

Fig. 9 - Diagrama de atividades do OLAP

Atividades envolvidas mostradas pela fig. 9 no pedido do gerente comercial até a sua

extração pelo analista e retornando a base para consulta. Lembrando que, o diretor

comercial poderá ir diretamente ao analista e fazer novos pedidos para consulta,

mantendo a posição do gerente como coordenador dos serviços prestados pelo

departamento de TI responsável pelo BI.

5. PROJETO

Em primeiro lugar vale entender a estrutura que servirá de base para a solução.

Fig. 10 – processo de BI (http://www.dwreview.com/DW_Overview.html.) [1]

20

Tendo como ponto de partida da cadeia de dados operacionais (usuário alimentador

da base de dados OLTP) , seguindo a idéia da fig.10 até os dados analíticos. Todo

dado é armazenado em uma base dinâmica e de rápida atualização contendo dados

do setor correspondente, o destino para estes dados transacionais é intermediado por

meio de um ETL (Extract Transform Load), que independente da sintaxe dos dados da

base anterior, fará o processo de transporte, porém, com a base de conhecimento

ainda precisando ser refinada, formatada e dimensionada.

Cada setor da empresa seja ele o RH, Financeiro ou até mesmo o Jurídico, possuem

bases de dados distintas e de grande conteúdo.

Uma medida de centralização destas informações é o transporte dessa base de dados

transacional para o warehouse, o administrador do DW modela esta inserção

convenientemente ao destino. Estes lotes de dados não são agrupados de maneira

desordenada, cada bloco recebe o nome administrativo de Datamart onde este é um

subconjunto de um DW, logo todo Data warehouse é formado por seus DM

(Datamart).

As necessidades que se fazem presentes na gestão administrativa da empresa levam

a um fluxo constante de buscas em históricos, e possibilidades que serão formadoras

de decisão. Como responsável por esta constante administração voltada para o

retorno de informações especificas, está o gerente de TI que exerce a função de

manipular a informação de retorno de forma clara e especifica. Obedecendo a padrões

de dimensionamento sejam ele por produto, tempo ou região, estes dimensionamentos

estão limitados a necessidade do diretor comercial.

A extração de resultados é proveniente de uma ferramenta que utiliza como sintaxe de

funcionamento uma base de dados que possa ser dimensionada e que possua fatos

para o retorno. O simbolismo envolvido neste processo fica a cargo de um cubo de

nome OLAP.

Todo processo de extração de uma seqüência de dados até mesmo grandes blocos de

conteúdo em meio ao repositório é possível com o emprego da ferramenta OLAP, com

sua particular ação de cubos retirando um lote de informações sintetizadas do Data

warehouse sendo possível visualizar o que antes era inimaginável ao gestor, fazer

21

buscas por meios visuais em planilhas e até mesmo buscas diretas ao DW que se

tornam inviáveis pelo tempo que demandaria para extrair informações. Sendo que, o

tempo é crucial para a tomada de decisão na empresa.

Com a extração pronta, ainda é necessário trazê-lo para o gestor em um nível visual

amigável para simplificar a retirada de informações. Com este propósito é utilizado a

ferramenta de report que possui uma característica de flexibilidade para montar

relatórios sendo eles por meio tabular, gráfico e misto.

Diante da análise do sistema e das demandas delegadas, o foco agora é

compreender o projeto da solução.

Fig. 11 – Diagrama do banco

22

6. PROTOTIPO.

O foco deste capitulo é a implementação do protótipo que será o produto final a ser

disponibilizado para o diretor comercial para este possa extrair via consulta, e

relatórios suas informações.

O principal objetivo é apresentar a construção e implementação da solução; que tem

como base o uso do SQL Server 2005, usufruindo da aplicação SQL Server Business

Intelligence Development Studio (SSBIDS) que é ilustrado pela tela (fig. 12) com suas

propriedades singulares de construção do cubo utilizando-se de meios como

dimensões e possuindo um report da base de dados separada pela data source

delimitada pelo OLAP e utilizada pelo report.

Fig. 12 - report em formato de extração para o gerente de TI responsável.

23

Fig. 13 - Tela do report com o SQL.

A tela acima (fig.13) demonstra a total liberdade do analista em efetuar a busca com o

delimitador produzido pelo cubo.

Fig. 14 - report em formato de extração para o gerente de TI responsável.

24

Diante desta visão é possível colocar a questão do manejo da tela do diretor comercial

que terá uma interface que se aproxima a esta da fig. 14, porém toda consulta será por

meio da web, utilizando-se de consultas dinâmicas com interface amigável. Notando

que a necessidade para visualizar o que está sendo extraído, auxilia ao analista

responsável pela extração no momento de conferir o conteúdo a analisando o

resultado definindo como correto ou não. E uma das múltiplas opções é o report , este

meio já integrado na aplicação e limitado ao cubo pré-definido anteriormente que cria

uma base de dados secundária no componente datasource é responsável pelo

conteúdo que se almeja em buscar.

7. CONSIDERAÇÕES FINAIS

O estudo do Business Intelligence é o foco principal desse trabalho relacionando às

necessidades da alta e media gerência, que precisa de tomar decisões com base em

informações que são para o nível estratégico da empresa. Gerentes têm a

responsabilidade de tomar a melhor decisão possível, com base nos dados

disponíveis para eles no momento. Se sua habilidade em analisar estes dados e

transformá-los em informação útil é aperfeiçoada, a qualidade geral de suas decisões

também será aprimorada.

Segundo Kira Tarapanoff (2001), na sociedade da informação, a hegemonia

econômica e social é exercida não mais pelos proprietários dos meios de produção, e

sim por aqueles que administram o conhecimento e podem planejar a inovação. É

nesse sentido que se devem promover novas ferramentas de pesquisas, que visem

facilitar a manipulação de grandes massas de dados, que assegurem sua

interpretação com o mínimo de esforço possível.

Logo, a metodologia do BI com todos os seus passos e processos mostrou nestes

últimos anos sua eficácia isto é comprovado pelo anúncio explosivo e diário de

empresas de conceito que estão adotando de maneira colossal esta idéia e tornando-a

como atrativo principal para o mercado tão carente deste retorno de informações

filtradas e otimizadas.

Assegurado, pelo conhecimento da metodologia do Business Intelligence que foi

conhecida é possível trilhar uma linha de raciocínio definindo desde o seu conceito

25

passando por sua análise onde foi possível descrever o projeto para aplicação deste

estudo, e chegando ao seu protótipo demonstrando a possibilidade em desenvolver

com este trabalho uma visão crítica sobre desta tecnologia que se aplica no

desenvolvimento para soluções táticas e estrategicas de tomada de decisão do dia a

dia da empresa.

A STUDY OF BUSINESS INTELLIGENCE IN THE BUSINESS ENVIRONMENT

ABSTRACT

This study is focused on understanding the methodology of business intelligence as an aid for decision making which are crucial for handling strategic marketing business, but to reach these decisions need look around and especially into the company. Defining the knowledge of the methodology of the Business Intelligence and differential to compete in the market, you can use this technology to gain features in the actions of the company in the midst of so many other things, with ensuring that their market share. Keywords: decision-making, business intelligence.

REFERÊNCIAS

BARBIERI, Carlos. BI – BUSINESS INTELLIGENCE – Modelagem & Tecnologia ,

Ed. Axcel Books – 2001

BATISTA, Emerson de Oliveira. SISTEMA DE INFORMAÇÃO: o uso consciente da

tecnologia para o gerenciamento, Ed. Saraiva, 2004.

INMON, W.H.. COMO CONSTRUIR UM DATA WAREHOUSE, Ed. Campus, 1997.

JACOBSON, Reed, MISNER, Satcia, CONSULTING, Hitachi. SQL SERVER 2005

ANALYSIS SERVICES, Ed. Bookman, 2008.

MISNER, Stacia, CONSULTING, Hitachi. SQL SERVER 2005 REPORTING

SERVICES, Ed. Bookman, 2007.

NERY, Felipe. TECNOLOGIA E PROJETO DE DATA WAREHOUSE, Ed. Érica, 3º

edição, 2007.

26

PEREIRA,William. FUNDAMENTOS DE BANCO DE DADOS, Ed. Érica, 2004.

PETRINI, M.; POZZEBON, M.; FREITAS, M. T. INTELIGÊNCIA DE NEGÓCIOS NO

BRASIL., Ed.HSM Management, 2005.

PRIMAK, Fábio Vinicius. DECISÕES COM B.I. (BUSINESS INTELLIGENCE),

Ed. Ciência Moderna, 2008.

POZZEBON, Marlei; FREITAS, Henrique M.R. de; PETRINI, Maira. PELA

INTEGRAÇÃO DA INTELIGÊNCIA COMPETITIVA NOS ENTERPRISE

INFORMATION SYSTEMS (EIS), inf., Brasília, 1997.

TEOREY,Toby; LIGHTSTONE, Sam; NADEAU, Tom. PROJETO E MODELAGEM DE

BANCO DE DADOS, Ed. Campus, 4º edição – 2007..

TARAPANOFF, Kira (org.) INTELIGÊNCIA ORGANIZACIONAL E COMPETITIVA, Ed.

Universidade de Brasília, 2001.

VIDAL, Luiz Alfredo. DATAMINING: A MINERAÇÃO DE DADOS NO MARKETING,

MEDICINA, ECONOMIA, ENGENHARIA E ADMINISTRAÇÃO, Ed. Ciência moderna,

2005.

Data Warehousing Review., Data warehouse Disponivel em:

<http://www.dwreview.com/dw_overview.html >, Acessado em 20/10/2008.