Um estudo do Business Intelligence no ambiente empresarial
Propaganda
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: [email protected]. OTACILIO JOSE PEREIRA 1 Mestre em Ciência da Computação pela UFES. Engenheiro em Engenharia Da Computação. E-mail: Otací[email protected] 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 Orientado a transação Milhares de usuários Data Warehouse Orientado ao processo de negócios 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 Dados não normalizados (poucas colunas por tabela) 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 Os DATA WAREHOUSE 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, INTEGRAÇÃO Marlei; DA FREITAS, Henrique M.R. INTELIGÊNCIA de; PETRINI, COMPETITIVA NOS Maira. PELA 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 <http://www.dwreview.com/dw_overview.html >, Acessado em 20/10/2008. em:
