TCC - FINAL Edson Maia - Sistemas de Informação

FACULDADE DE BALSAS
CURSO DE SISTEMAS DE INFORMAÇÃO
APLICAÇÃO DE TÉCNICAS DE BI EM EMPRESA DE PRESTAÇÃO
DE SERVIÇO
Edson Ribeiro Maia
BALSAS – MA
2013
FACULDADE DE BALSAS
CURSO DE SISTEMAS DE INFORMAÇÃO
APLICAÇÃO DE TÉCNICAS DE BI EM EMPRESA DE PRESTAÇÃO
DE SERVIÇO
Edson Ribeiro Maia
Trabalho de conclusão de curso para Curso de
Sistemas de Informação como requisito para a
obtenção do grau de Bacharel em Sistemas de
Informação.
Orientador: Jefferson Fontinele da Silva
Coordenador do Curso de Sistemas de Informação: Junior Marcos Bandeira
Balsas - MA
2013
Agradecimentos
Aos meus pais Maria Deusa e Quintino que sempre me apoiaram para que eu fosse
até o fim.
A todos meus familiares pelo apoio que me deram todos esses anos de faculdade e
principalmente minha irmã e patroa Larice por me proporcionar a flexibilidade de horários e
folgas para que eu concluísse minha monografia.
Ao meu orientador Jefferson pelos incentivos, conselhos, ensinamentos e paciência
durante todo período de desenvolvimento de minha monografia.
Ao Alex Rogaleski por ter me fornecido um dos softwares utilizado no
desenvolvimento de minha monografia e ao Arthur Lima por ter se disponibilizado para
esclarecimentos de algumas dúvidas sobre banco de dados.
A todos os meus colegas de sala, em especial, Igor Ribeiro que me ajudou durante
todo o período de faculdade e Mauricio Gomes pela força que me deu para que fosse possível
eu concluir o meu trabalho de conclusão de curso I dentro do prazo estabelecido pela banca
examinadora.
A empresa L R MAIA por ter disponibilizado sua base de dados.
A todos os professores que de alguma forma contribuíram para a realização dessa
monografia.
RESUMO
Os sistemas OLAP (Processamento Analítico Online) exploram e manipulam os dados que
vão gerar informações relevantes para a organização. Esses sistemas permitem a organização,
análise, compartilhamento e monitoramento de informações que oferecem suporte à gestão de
negócios, fazendo com que cada gestor tome decisões importantes referentes aos negócios da
organização com mais rapidez. Essa técnica de negócio descreve as habilidades das
corporações para acessar os dados e explorar as informações, normalmente contidas em uma
data warehouse, analisando-as e desenvolvendo percepções e entendimento a seu respeito.
Esta monografia tem como principal objetivo realizar a implantação de sistemas de um OLAP
na microempresa L R MAIA do ramo de vendas e prestação de serviços mecânicos para que
venha ajudar aos gestores no desenvolvimento de suas atividades dentro da organização, ter
informações de forma simples e de fácil entendimento, e para isso foi feito o uso de um
software livre, o PENTAHO. O objetivo dessa monografia foi alcançado, tendo as
informações disponibilizadas aos gestores de uma forma gráfica, facilitando a análise para
tomada de decisões referentes aos negócios, com isso permiti ver os benefícios e a
importância dessa técnica de negócio dentro das organizações.
Palavras-chave: Business Intelligence (BI). Data Warehouse. Pentaho. Processamento
Analítico Online (OLAP).
ABSTRACT
OLAP (Online Analytical Processing ) systems explore and manipulate the data that will
generate information relevant to the organization. These systems enable the organization,
analysis, monitoring and sharing of information that support business management, making
each manager to make important decisions regarding the organization deals faster. This
technique describes the business skills to access corporate data and exploit the information
normally contained in a data warehouse, analyzing and developing insights and understanding
about it. This monograph aims to perform deployment of an OLAP system in microenterprise
LR MAIA branch sales and providing mechanical services to come and help managers in
developing their activities within the organization, having information in a simple and easy
understanding, and this was done using a free software, Pentaho. The purpose of this
monograph was met, the information available to managers in a graphical manner, facilitating
analysis for decision making regarding the business, allow it to see the benefits and
importance of this technology within business organizations.
Keywords: Business Intelligence (BI). Data Warehouse. Pentaho. Online Analytical
Processing ( OLAP ) .
LISTA DE FIGURAS
Figura 1 - Processo de implantação de BI ................................................................................ 11
Figura 2 - Funcionamento de uma Ferramenta BI.................................................................... 23
Figura 3 - Tela do IB Expert ..................................................................................................... 25
Figura 4 - Relação entre tabelas ............................................................................................... 27
Figura 5 - Detalhes das tabelas utilizadas ................................................................................. 28
Figura 6 - Consulta de pedido de vendas .................................................................................. 28
Figura 7 - Exemplo de uma consulta à tabela pedido de vendas ............................................. 29
Figura 8 - Consulta à tabela pedido de serviço ......................................................................... 29
Figura 9 - Exemplo de uma consulta à tabela pedido de serviço ............................................ 29
Figura 10 - Consulta à tabela fornecedor ................................................................................. 30
Figura 11 - Exemplo de uma consulta à tabela de fornecedores ............................................. 30
Figura 12 - Consulta à tabela de produtos ................................................................................ 30
Figura 13 - Exemplo de uma consulta à tabela produtos .......................................................... 31
Figura 14 - Consulta à tabela receber ....................................................................................... 31
Figura 15 - Exemplo de uma consulta à tabela receber ........................................................... 32
Figura 16 - Consulta à tabela receber e recebido...................................................................... 32
Figura 17 - Exemplo de uma consulta à tabela receber e recebido ......................................... 33
Figura 18 - Consulta à tabela pagar .......................................................................................... 33
Figura 19 - Exemplo de uma consulta à tabela pagar ............................................................... 34
Figura 20 - Análise gráfica do total de vendas no ano 2012 e 2013 ........................................ 36
Figura 21 - Análise gráfica do total de vendas a cada mês do ano 2012 .................................. 36
Figura 22 - Análise gráfica do total de vendas a cada dia do mês 06/2012.............................. 37
Figura 23 - Análise gráfica do total a pagar a cada dia do mês 05/2013 .................................. 37
Figura 24 - Análise gráfica de contas a receber a cada dia do mês 05/ 2013 ........................... 38
Figura 25 - Análise gráfica do total a receber no ano 2013 ...................................................... 38
Figura 26 - Análise gráfica da quantidade de produtos vendidos no mês 11/2012 .................. 39
Figura 27 - Operação Drill Down ............................................................................................. 39
Figura 28 - Operação Drill Down visualização por ano ........................................................... 40
Figura 29 - Operação Drill Down nível detalhado ................................................................... 40
SUMÁRIO
1.
INTRODUÇÃO .................................................................................................................. 8
2. REVISÃO BIBLIOGRÁFICA ............................................................................................. 10
2.1. Processo de Implantação de BI...................................................................................... 11
2.2. Data Mining ................................................................................................................... 12
2.3. Data warehouse.............................................................................................................. 13
2.4. Processamento Analítico Online (OLAP) ..................................................................... 14
2.4.1. Tipos de operação sobre OLAP .............................................................................. 15
2.4.2. Componentes do OLAP .......................................................................................... 17
2.4.4. Forma de Avaliar o OLAP...................................................................................... 18
2.4.5. Aplicações do OLAP .............................................................................................. 20
2.5. Ferramentas OLAP ........................................................................................................ 20
2.5.1. Mondrian ................................................................................................................ 20
2.5.2. Pentaho .................................................................................................................. 21
2.5.2.1. Componentes de Pentaho.................................................................................... 21
2.5.2.2. Principais Características do Pentaho BI ............................................................. 22
2.6. Funcionamento de uma Ferramenta BI ......................................................................... 22
2.7. Banco de dados FireBird ............................................................................................... 23
2.7.1. Principais Recursos do FireBird ............................................................................. 23
2.8. IBExpert ........................................................................................................................ 24
3. IMPLANTAÇÃO DO OLAP ............................................................................................... 26
3.1. A empresa ...................................................................................................................... 26
3.1.1 Base de Dados Utilizada .......................................................................................... 26
3.1.2. Criação das Consultas............................................................................................. 27
3.1.3. Criação do Data Mart ............................................................................................. 34
3.1.4. Criação dos Cubos .................................................................................................. 35
3.1.4.1. Definição das Medidas ........................................................................................ 35
3.1.4.2. Definição das Análises dos dados ....................................................................... 35
3.1.4.3. Análises Quantitativas ......................................................................................... 39
4. CONCLUSÃO ..................................................................................................................... 41
5. REFERÊNCIAS BIBLIOGRÁFICAS ................................................................................. 42
8
1. INTRODUÇÃO
Business Intelligence – BI ou inteligência de negócios é uma técnica que busca
transformar os dados existentes na empresa em informações, extraindo conhecimento do
negócio através de depósitos de dados, tanto internos quanto externos. Buscando sempre a
melhora de sistemas que apenas se limitam à tarefa de transformar dados em informações,
sem a contribuição para a geração de conhecimento ou desenvolvimento de inteligência de
negócio. (CÔRTES, 2008)
Inteligência de negócios é uma técnica onde se utiliza o conhecimento em uma
determinada área de negócio, para trabalhar os dados que o cliente já possui, fazendo com que
esses dados se transformem em informações que serão usadas pelos gestores da empresa para
que possam tomar decisões referentes ao negócio, auxilia a tomarem decisões baseadas nas
informações coletadas a partir dos dados que a própria empresa já possui. Com a implantação
dessa técnica inteligente de negócio na empresa, todas as informações serão disponibilizadas
aos gestores de forma rápida, dinâmica e de fácil entendimento. (CÔRTES, 2008)
A inteligência de negócios é um termo do Gartner Group1. Essa definição surgiu por
volta da década de 80 e mostra a capacidade das empresas de interação com os dados e a
exploração das informações, normalmente encontradas em um Data Warehouse2/Data Mart3
onde será feita uma análise dos dados e desenvolvido, uma compreensão e entendimento a seu
respeito, tornando mais segura as informações que serão usadas para o processo de tomada de
decisão (TURBAN et. al, 2009).
A aplicação de BI em banco de dados amplia a habilidade de planejar e ajudar na
tomada de decisões estratégicas para o futuro da empresa. Com isso propõe-se aplicar essa
técnica na base de dados instalada na empresa L R MAIA, que vem atuando no ramo de
vendas e prestação de serviços, com o intuito de encontrar informações que venham ser de
grande ajuda para os gestores da empresa a tomarem decisões que serão importantes aos
negócios.
1
Gartner Group: É uma empresa especializada em desenvolvimento de tecnologias relacionadas a exames
necessários para seus clientes tomarem suas decisões todos os dias.
2
Data Warehouse: É um depósito de dados provenientes de varias bases de dados, tanto internas quanto
externas à organização. Ele possibilita a realização de analises e correlações em processos de retiradas de
conhecimentos para serem utilizados em áreas estratégicas, táticas ou operacionais da organização.
3
Data Mart: Mantém o mesmo conceito do Data Warehouse, porém constitui um repositório de dados sobre um
assunto especifico.
9
O sistema de gerenciamento de informações LUKAS SISTEMAS (ALVES, 2004) está
implantado na empresa L R MAIA desde 2012. Nele estão registrados os dados da empresa,
auxiliando nas vendas e controle financeiro, mas não possui nenhuma ferramenta de
inteligência de negócios integrada ao sistema, que venha orientar os gestores na tomada de
decisões. Observando que as informações sobre os clientes, vendas e serviços prestados não
são disponibilizadas de uma forma que possa fazer uma análise de forma rápida, dinâmica e
de fácil entendimento aos gestores da empresa, surgiu à ideia de implantar essa ferramenta de
inteligência de negócio que poderá auxiliar e agilizar a forma de visualização dessas
informações, gerar um conhecimento mais amplo aos gestores a respeito do que acontece
dentro de sua empresa e analisar melhor as informações disponibilizadas.
O principal objetivo desse trabalho de conclusão de curso (TCC) é realizar a
implantação de sistemas de inteligência de negócio na empresa L R MAIA, para que venha
ajudar aos gestores no desenvolvimento de suas atividades dentro da organização.
Para a disponibilização das informações serão utilizadas as ferramentas de OLAP
(Processamento Analítico Online) que tem a habilidade de manusear e fazer uma análise de
uma grande quantidade de dados sob diversas formas, e foi escolhida por proporcionar uma
análise com mais eficiência a grande quantidade de dados armazenados, transformando-os em
informações, além de possibilitar que o próprio usuário produza facilmente seus relatórios
diários e analise as tendências e o desempenho do seu negócio. Os sistemas OLAP oferecem
uma alternativa aos sistemas transacionais, produzindo uma visão dos dados orientados à
análise, além de uma navegação rápida e flexível.
No capitulo 2 irá falar de todos os processos que foram realizados para que fosse
possível fazer a implantação dessa técnica de negócios na empresa L R MAIA, descrevendo
todas as ferramentas utilizadas e a importância de cada uma para o sucesso desse projeto. Já
no capitulo 3 fala da implantação dessa técnica de negocio, descrevendo a base de dados
utilizada, a empresa e todos os processos que foram feitos para que gerassem resultados
relevantes para o gestor da empresa, como as análises onde mostra informações que irão
auxiliar no processo de tomada de decisão.
10
2. REVISÃO BIBLIOGRÁFICA
Segundo CÔRTES (2008) o Business Intelligence (BI ou inteligência empresarial)
está relacionado à habilidade de compreender, entender e ter o conhecimento necessário do
próprio negócio de modo que as suposições possam ser realizadas com grande chance de
sucesso e que possam ter resultados satisfatórios.
A Inteligência Empresarial abrange uma área de conhecimentos e uma área de
implantação muito promissora dentro de organizações, expandindo ainda mais o espaço para
sistemas de informação capazes de gerenciar e aprimorar o funcionamento da mesma,
agregando mais valor para as organizações ampliarem os negócios.
Afirma TURBAN (2009) que o BI tem como objetivo oferecer aos membros da
empresa uma forma interativa e de fácil entendimento de acessar aos dados, manipula-los de
acordo com suas necessidades e proporcionar aos gestores a capacidade de realizar suas
análises adequadamente.
Os gestores, ao analisarem as informações obtidas através dos dados analisados por
essas ferramentas, podem tomar as melhores decisões e as mais adequadas possíveis para os
problemas detectados.
Dentro de uma empresa, essa técnica de BI poderá trazer vários benefícios como a
capacidade de oferecer informações em tempo real e de uma forma que facilite o
entendimento imediato do gestor ao ver as informações, oferece resultados positivos às
análises feitas e de uma forma simples e de fácil entendimento. Todos os benefícios
oferecidos por BI compreendem a uma redução de tempo para análise dados, segurança nas
informações, assim poderão ser traçadas estratégias de negócio, e as melhores decisões.
De acordo com Jacobson e MISNER (2007) a aplicação de BI abrange várias áreas
dentro de uma empresa como na geração de relatórios de movimentações gerais, realizar uma
análise e vendas e marketing, fazer um planejamento e previsão de vendas, usado também na
parte financeira, realizar orçamento e uma análise de rentabilidade da empresa. (JACOBSON;
MISNER, 2007).
11
2.1. Processo de Implantação de BI
A figura 1 mostra todo o processo de implantação de BI. Primeiramente é feito a
extração e a análise dos dados da base, os mesmos passa por um processo de transformação,
fazendo uma limpeza deixando somente as informações que serão úteis para a organização.
Após esse processo de transformação é criado os Data Marts onde é feita a organização de
todas as informações, analisa e correlacionam os dados onde posteriormente serão passados
por outro processo de transformação preparando-os para serem armazenados em um
repositório de dados (data warehouse). Quando os dados estão no data warehouse, todos
organizados contendo somente as informações relevante para o bom desenvolvimento da
empresa é feita a exploração desses dados, gerando informações úteis para os usuários, sendo
mostradas de diversas formas, através de gráficos, relatórios entre outros, esse processo é feito
utilizando as ferramentas OLAP, que nos oferece uma interface iterativa com o usuário.
Figura 1 - Processo de implantação de BI
Fonte: Business Intelligence ( 2013).
Segundo TURBAN (2009) ao implementar um sistema de BI deve-se observar
alguns pontos, ou seja, relacionar algumas questões e suas decisões se possível, como:
 Questões de alinhamento de metas: é um passo inicial, onde serão ouvidas algumas
propostas que serão seguidas durante todo o projeto, analisando questões de curto e
médio prazo.
 Questões de base: Serão coletadas todas as informações atualizadas que serão
necessárias para a implantação do projeto e suas reais necessidades.
12
 Custos e Riscos: Em toda implantação de projeto deve ser estimado os custos
necessários para sua implantação e se precaver dos riscos que ocorre caso o
investimento não tenha sucesso.
 Cliente e Stakeholder4: Nesse passo será definido quem será o responsável por arcar
com todas as despesas da implantação.
 Métricas relacionadas: estas solicitações de informações devem ser realizadas com
mais clareza e bem definidas por parâmetros métricos.
 Mensuração Metodológica: deverá determinar uma excelente maneira e a mais
aceitável para medir os as solicitações métricas.
 Resultados relacionados: alguém será o responsável pela monitoração do sistema de
BI para garantir que tudo ocorra como foi planejado e também fazer a assistência
técnica caso seja necessário, testando sempre a eficácia, a rentabilidade e a validade
dos sistemas além de sempre esta atualizando.
Segundo TURBAN (2009) um programa de BI é composto por quatro componentes:
primeiro o data warehouse que é um depósito de dados, onde são encontradas todas as
informações da empresa prontas para serem manipuladas e exploradas, auxiliando no
processo de tomada à decisão; segundo o OLAP que é uma ferramenta que manipula os dados
de um data warehouse, contendo tecnologias inovadoras para analisar os dados de uma
empresa; terceiro a gestão de desempenho do negócio (Business Performance Management –
BPM) responsável por monitorar e comparar, de acordo com as metas estabelecidas, o
desempenho do sistema; e quarto, a interface com o usuário, aonde ocorre toda a parte de
interatividade do sistema.
2.2. Data Mining
O Data Mining é um processo feito sobre enormes repositórios de dados como o data
warehouse buscando identificar padrões e alguma relação de consumo que não são
conhecidos pela empresa e que podem ser usados na tomada de decisão. (CÔRTES, 2008)
Os profissionais da área de análise de informação enfrentam alguns problemas no
processo de transformar dados que as empresas acumulam em suas transações diárias em
informações que serão de grande utilidade para o desempenho dos negócios. Usando o Data
Mining esse problema será resolvido, pois ele é um processo pelo qual se descobri
4
Stakeholder: É um termo usado em diversas áreas como gestão de projetos, administração e arquitetura de
software referente às partes interessadas que devem estar de acordo com as práticas de governança corporativa
executadas pela empresa.
13
informações importantes para a empresa, como os padrões, as associações entre as
informações da base de dados, mudanças, anomalias e as estruturas, em grandes quantidades
de dados que são armazenados em base de dados ou outros repositórios de dados. (CÔRTES,
2008)
Os sistemas de gestão estão presentes em todas as empresas, pequena, média e
grande porte e diariamente elas estão processando informações e armazenando-as, mas com o
passar do tempo com tantas informações armazenadas acabam se perdendo e até mesmo
esquecidas. Nos sistemas transacionais que as empresas utilizam são acumulados em suas
bases de dados as transações diárias da empresa como vendas, orçamentos, financeiro e
muitos outros, sendo que cada um gera informações próprias, mas com o uso de Business
Intelligence, esses passa por processo de transformação que antes eram gerados
independentemente passam a ser visto como um todo, sendo disponibilizado somente
informações sólidas e segura, e tudo isso é feito graças a ação do Data Mining que organizou
todas as informações. (CÔRTES, 2008)
2.3. Data warehouse
Um data warehouse é considerado como um repositório de dados ou armazém de
dados proveniente de bases diferentes, podendo ser uma base interna ou externa às empresas.
Possui ferramentas que armazena dados que serão de grande interesse aos gestores das
empresas facilitando a realização de análises dos dados armazenados e a procura de
conhecimentos que serão usados em áreas de gestão estratégica da empresa. (KIMBALL,
2002)
O data warehouse facilita a realização de uma avaliação de grandes volumes de
dados extraídos dos sistemas transacionais das empresas. Esses sistemas armazenam dados de
eventos passados e atuais das organizações que de acordo com as análises realizadas sobre
esses dados ajudará os gestores no processo de tomada de decisões para o presente e prever
novos eventos para o futuro. Os dados de um data warehouse não mudam, somente se houver
a necessidade de correções de dados primeiramente carregados, pois os dados são
disponibilizados apenas para leitura e não podendo sofrer alteração. (KIMBALL, 2002)
O data warehouse esta relacionado com as dificuldades dos gestores em adquirirem
informações que possam auxiliá-los no processo de tomada de decisões estratégicas, mas não
se resume somente nisso, mas também é uma técnica que faz a coleta dos dados das
14
organizações sem ter passado por nenhum processo analítico e os transforma em informações
concretas disponibilizando-as para toda a organização. Existe vários tipos de aplicações que
roda a plataforma do data warehouse e a ferramenta mais usada para a extração de um data
warehouse é
Online Analytical Processing OLAP ou Processo Analítico em Tempo Real.
(KIMBALL, 2002)
2.4. Processamento Analítico Online (OLAP)
O OLAP é composto por vários processos usados para criar, gerenciar e manipular os
dados contido no banco de dados, o mesmo tem a função de agilizar a recuperação dos dados,
podendo ainda executar e examinar uma grande quantidade de dados. Os gestores das
empresas usam OLAP em qualquer setor da organização, pois lhes proporciona realizar
análises comparativas para auxiliá-los nas decisões tomadas no dia-a-dia. (JACOBSON;
MISNER, 2007)
O OLAP é composto por inúmeras técnicas e ferramentas que possibilitam a
exploração de dados armazenados em um data warehouse, utilizando técnicas que permitem a
visualização de vários dados. Diariamente as organizações acumulam grandes quantidades de
dados e o OLAP as ajuda a fazer uma análise mais segura e confiável desse grande volume de
dados transformando-os em informações. (JACOBSON; MISNER, 2007)
O OLAP oferece ferramentas para que os usuários possam criar seus próprios
relatórios, com isso poderá analisar como anda o desenvolvimento das empresas de uma
forma mais rápida e flexível. (LARSON; AGARWAL, 2006)
Os sistemas OLAP são conhecidos por representar algumas características como:
(LARSON; AGARWAL, 2006).
 Oferece aos usuários uma resposta às suas consultas com mais rapidez.
 Apresenta relatórios que antes eram difíceis de analisar devida sua
complexidade de uma forma mais fácil, simples de entender.
 Oferece uma forma interativa com o usuário durante a disponibilização das
informações.
 Permite que haja uma repetição de dados para melhorar as consultas.
 Permite que se façam cálculos com uma complexidade alta e uma visualização
desses cálculos em diversas dimensões.
15
 Permite que se façam ajustes para que as consultas se tornem mais segura, para
que a partir desses resultados se possam concluir analises de tendências.
Uma empresa que usa OLAP terá um desempenho melhor diante das concorrentes,
pois com o uso dessa técnica pode trazer informações com mais rapidez, da melhor forma
para seu entendimento e tudo de uma forma bem interativa. Hoje no mercado o que vale é ter
informação e estar sempre informado do que esta acontecendo no mundo, mas,
principalmente, dentro de sua própria empresa e essa técnica possibilita que todos os
membros fiquem integrados do que acontece na organização de forma simples, rápida e
interativa. (JACOBSON; MISNER, 2007)
KIMBALL (2002) classifica os sistemas OLAP em ROLAP, MOLAP, HOLAP E
DOLAP, essas ferramentas possibilitam diferentes formas de organizar os dados antes de
apresentá-los ao usuário final.
A ROLAP é utilizada nas análises mais exploratórias dos dados, sendo bastante
utilizada pela área de marketing. Quanto à ferramenta MOLAP, permite análises mais simples
e rápidas, mas, também, apresenta limitação de tamanho, tendo estrutura similar ao de uma
planilha, com linhas e colunas. (MICROSOFT CORPORATION, 2007)
A HOLAP é o resultado da combinação entre as ferramentas MOLAP e ROLAP,
extraindo o que há de melhor das duas. (MICROSOFT CORPORATION, 2007)
As ferramentas DOLAP (Desktop Online Analytical Processing) disparam uma
instrução SQL (Structure Query Language) de computador simples, configurado como
cliente, com um servidor de dados que retorna um microcubo de informações a serem
analisadas no cliente, permitindo o processamento da máquina cliente, sem problemas de
tráfego de rede e nem problemas de escalabilidade. Porém existe uma desvantagem neste
processo, o microcubo não deve ser muito grande para que não haja uma perda de largura de
banda. (MICROSOFT CORPORATION, 2007)
2.4.1. Tipos de operação sobre OLAP
BALLARD (2006) destaca que as principais operações utilizadas nas ferramentas
OLAP são: Drill Across, Drill Down, Drill Up, Drill Throught, Alertas, Ranking, Filtros,
Sorts, Breaks, Slice and Dice, pivot.
1. Drill Across – Ocorre quando o usuário atravessa um nível intermediário numa
mesma dimensão. Ex: Ele executa um Drill Across quando há uma alteração de
ano para mês diretamente.
2. Drill Down – Ocorre quando o nível de detalhes da informação sofre um aumento.
16
3. Drill Up – Ocorre quando o usuário diminui o nível de detalhes da informação, é o
contrario do Drill Down.
4. Drill Throught – Ocorre quando o usuário muda a informação de dimensão. Ex:
Estás na dimensão tempo e no próximo passo estás analisando a informação por
região (outra dimensão).
5. Alertas – Servem para informar sobre as situações importantes e mostrar os
valores mediante as condições.
6. Ranking – Possibilita juntar todos os resultados por ordem decrescente ou
crescente, baseando-se em objetos numéricos (Measures).
7. Filtros – Dar a permissão para os usuários aperfeiçoarem, as pesquisas (Query)
solicitadas por mais de uma vez, como se fossem filtros de informações.
8. Sorts – Serve para ordenar as informações de forma crescente ou decrescente, de
acordo com a escolha do usuário.
9. Breaks – Serve para agrupar as informações em blocos. Ex: O usuário que ver as
informações por cidades, então ele executou um break. Após esta ação ter sido
executada, as informações estarão agrupadas por cidades.
10. Slice and Dice – Faz parte das principais características da ferramenta. Como o
OLAP gera ou recupera um micro-cubo, oSlice and Dice têm a responsabilidade
de fazer alteração na posição de uma informação, alterar linhas e colunas para
facilitar a compreensão dos usuários e girar o cubo sempre que tiver necessidade.
11. Pivot - É o ângulo pelo qual os dados são visualizados. Permite a troca de linhas
por colunas em uma tabela ou modificação da posição das dimensões em um
gráfico.
Os OLAP’s são ferramentas que facilitam as consultas no âmbito da inteligência
comercial, que tem a capacidade de transformar dados em informações extraindo dados de
uma base de dados OLAP e, logo após, analisá-los quanto a informações que possam ser
usadas para as posteriores tomadas de decisão. (BALLARD, 2006)
Segundo KIMBALL (2002) OLAP é uma tecnologia de banco de dados que foi
otimizada para consulta e relatório, em vez de processamento de transações. Os dados de
origem do OLAP são bancos de dado OLTP (Online Transactional Processing) que são
comumente armazenados em um data warehouse.
Os dados OLAP são originados a partir desses dados históricos, e integrados em
estruturas que permitem análise sofisticada, sendo organizados hierarquicamente e
17
armazenados em cubos em vez de tabelas. Esta tecnologia é organiza de forma fácil as
estruturas multidimensionais para agilizar o acesso aos dados a serem analisados. Os
relatórios de tabelas ou gráficos dinâmicos, a exibição de resumos de alto nível, bem como a
exibição de resultados detalhistas.
2.4.2. Componentes do OLAP
Os tipos de dados que constituem os bancos de dados OLAP são as “medidas” e as
“dimensões”, sendo as medidas, os dados numéricos (as quantidades e médias que você usa
para tomar decisões comerciais), e as dimensões sendo as categorias que você usa para
organizar essas medidas.
Os bancos de dados OLAP auxiliam na organização dos dados por muitos níveis de
detalhe, utilizando algumas categorias que serão descritas a seguir: (MICROSOFT
CORPORATION, 2007).
Cubo -
São formas de dados que ajudam na realização de análises, sem eles não
seria possível realizar análises de dados em diversas dimensões. Os cubos possibilitam
combinar o tempo, a geografia e os produtos com números de vendas de forma resumida.
Medida - São todos os valores numéricos encontrados na região central de um
cubo, como por exemplo, as vendas, os lucros, as receitas e os custos, todos processados,
agregados e analisados.
Membro – É caracterizado por objetos que podem desempenhar um ou mais impacto
de dados em uma hierarquia.
Membro calculado - O valor de um membro é calculado enquanto esta ocorrendo
uma execução por meio de uma expressão. O valor de um membro calculado pode ser
originado do valor de outro membro.
Dimensão -
É composta por uma ou mais hierarquias organizadas de níveis em um
cubo de uma forma que o usuário possa entender e assim usá-las para fazer análise de dados.
Como exemplo, podemos citar um espaço geográfico que talvez inclua níveis para
País/Região, Estado/Província e Cidade. Cada tipo de relatório seja ele em forma de tabela ou
gráfico dinâmico, cada um formará um conjunto de campos que possibilitará a classificação e
apresentação em um nível mais baixo ou mais alto.
Hierarquia - é uma forma de ordenação em diferentes níveis organizando os
membros de uma dimensão de forma que cada membro tenha um possa ter um membro pai e
18
zero ou até mais membros filho. De acordo com a hierarquia o membro filho é inferior ao
membro atual, já o pai está em um nível superior relacionado diretamente ao membro atual. O
valor pai é no gera consolidado aos valores de todos os seus filhos.
Nível - Em um processo hierárquico, os dados podem ser ordenados em níveis de
detalhe inferiores e superiores, como por exemplo, Ano, Trimestre, Mês e Dia em uma
hierarquia Tempo.
2.4.4. Forma de Avaliar o OLAP
Para fornecer indicadores mais precisos sobre o exercício dos sistemas OLAP,
CODD e SALLEY (1993) propõem doze regras de avaliação ou condições de operação para
esses sistemas:
1. Visão conceitual multidimensional: Os analisadores de negócio possuem uma
visão baseada, por natureza, multidimensional, avaliando vários aspectos e questões
a respeito de um mesmo problema. Assim também as aplicações de OLAP adotam
o mesmo conceito, de tal forma que facilite a interação e cálculos interdimensionais
de uma forma mais clara.
2. Transparência: Normalmente os usuários não estão acostumados a usarem as
ferramentas OLAP por elas não fazerem partes dos programas no qual estão
acostumados a usarem. Por este motivo o OLAP deverá integrar-se com interfaces
ou programas mais simples, assim facilitará sua utilização e não ter problema com
o desempenho de outros sistemas.
3. Acessibilidade: Os sistemas OLAP deve possibilitar aos usuários elaborarem suas
análises baseadas em esquemas conceituais mais familiares. As ferramentas OLAP
são responsáveis por descrever todo o esquema lógico do banco de dados, isso
inclui o acesso físico a meios não heterogêneos, realizando as conversões
necessárias á geração de relatórios resumidos, coerentes e consistentes. Para utilizar
uma ferramenta OLAP corretamente os usuários não precisam ser um analista ou
especialista em banco de dados por ser uma ferramenta de fácil aprendizado e
manuseio.
4. Performance consistente: mesmo com a ampliação das dimensões consideradas,
os usuários de um sistema OLAP não deverá perceber qualquer redução
significativa de desempenho, que deverá manter-se sempre estável.
19
5. Arquitetura cliente-servidor: é necessário que um sistema OLAP funcione em
uma arquitetura cliente-servidor, permitindo que a ferramenta analítica fique
instalada em um servidor apropriado e os usuários possam fazer uso do sistema a
partir de estações PCs, ao longo de uma rede.
6. Dimensionamento genérico: Todas as ferramentas disponibilizadas devem atender
a todas as dimensões específicas das matrizes multidimensionais e não a uma só,
mesmo quando elas forem simétricas, o acréscimo de funcionalidades deverá ser
disponibilizado para qualquer dimensão existente.
7. Manipulação dinâmica de matrizes: O OLAP deverá trabalhar com um esquema
físico que seja compatível com o esquema analítico que estiver sendo utilizado.
Independentemente do modelo de matriz que estiver sendo usado, somente um
modelo físico é o ideal para fazer um bom uso das memórias e tem a capacidade de
assumir o controle das matrizes.
8. Sistema multiusuário: Constantemente muitos analistas de negócios terão
necessidade de usar o sistema OLAP, no qual o mesmo deverá ter a capacidade de
oferecer acesso a diversos usuários, com a mesma integridade e segurança de
dados.
9. Operações transdimensionais irrestritas: Na prática isso significa, que mais de
duas células podem ser utilizadas em qualquer fórmula, não importa dimensão em
que aparecem dentro do esquema analítico. Não há uma restrição quanto às
fórmulas, cada termo pode ser alterado, incluir mais atributos de qualquer
dimensão, ou seja, qualquer célula ou intervalo de células pode ser utilizado para
cálculos a qualquer momento.
10. Manipulação intuitiva de dados: Os dados devem ser fornecidos aos usuários
através de uma interface que proporcione aos usuários uma manipulação amigável
e intuitiva desses dados.
11. Relatórios
flexíveis: Com o uso de OLAP os relatórios deverão ser
disponibilizados de uma forma mais flexível do que fornecem as ferramentas
convencionais. A realização de consultas e relatórios usando a linguagem SQL, que
em muitos casos envolverá uma estrutura bastante complexa deverá ser facilitada.
Durante as análises e representações de dados deverão ser organizadas de acordo
com a situação verificada na empresa.
20
12. Sem limites para o dimensionamento e níveis de agregação: O OLAP não limita
os números de dimensões e níveis de agregação de dados, pelo contrário ele
possibilita a definição de diferentes parâmetros ou caminhos para sua consolidação.
2.4.5. Aplicações do OLAP
O OLAP é caracterizado por ser diversificado, podendo ser aplicado em diversos
setores de uma organização como no setor de: (MICROSOFT CORPORATION, 2007)
 Finanças - Nesse setor com o uso de OLAP poderá ser realizada uma analise de
balanço geral da empresa, fazer um orçamento, fluxo de caixa da empresa, contas à
receber;
 Vendas – Pode ser feita uma análise das vendas escolhendo a região, os produtos que
mais foram vendidos nesta região, o vendedor responsável pelas vendas, entre outros
dados;
 Marketing – O OLAP possibilita que faça uma análise de mercados, lucratividade de
produto, e fazer uma análise de preço ou volume;
 Recursos Humanos – Com os sistemas OLAP poderá ser feito uma análise de
benefícios, fazer projeção de salários e analise de números de funcionários da
empresa ou do setor;
 Manufatura – Através dessa ferramenta OLAP pode-se gerenciar o estoque da
empresa, os fornecedores, fazer planejamento de que produtos estão em demanda,
analisar os custos dos materiais para fabricação dos produtos.
2.5. Ferramentas OLAP
Os gestores das organizações tem a necessidade de uma ferramenta que os auxiliem
na exploração dos dados que forneça informações confiáveis, que de acordo com a análise das
mesmas possam os auxiliar na tomada de decisão. Para isso existem algumas ferramentas que
poderão ajuda-los nesse processo de exploração e analise dos dados como o Mondrian e
Pentaho.
2.5.1. Mondrian
Mondrian possibilita que os analistas de negócios possam fazer análise de um grande
volume de dados em tempo real. Com o uso dessa ferramenta os usuários poderão explorar os
21
dados da empresa, transformando-os em informações que serão importantes para os negócios
dentro da organização, realizando consultas de análise complexa e de forma rápida.
O Mondrian pode ser utilizado para realização de diversas funções como:

Verificar a performance do sistema e realizar análises de forma interativa usando
pequenas e grandes quantidades de informações;

Possibilita explorar os dados de forma dimensional, podendo escolher o tipo de analise
que deseja fazer como, analisar as vendas por linha, produtos, por regiões e por um
determinado período de tempo.

Realizar consultas de alta velocidade e fazer cálculos avançados, tornando as
informações mais seguras e o tempo de resposta mais rápido.
2.5.2. Pentaho
O Pentaho Open Source Business Intelligence têm ferramentas para a análise de
informações, monitoramento de indicadores e data mining. Esse programa faz parte das
plataformas completa de BI que foram desenvolvidas, distribuídas e implantadas como Open
Source, apresentando algumas características como independência de plataformas, e uma alta
confiabilidade e segurança. (PENTAHO, 2013)
O Pentaho Corporation foi criado e implantado por profissionais das fábricas de TI
que já possuíam bastante experiência na área de desenvolvimento de produtos de Business
Intelligence. O Pentaho Business Intelligence Suite é considerado uma solução de BI, com
técnicas e ferramentas para criação de data warehouses e servir, via web, relatórios ad hoc,
OLAP e data mining. (PENTAHO, 2013)
2.5.2.1. Componentes de Pentaho
A solução consiste dos seguintes componentes: (PENTAHO, 2013)
 Pentaho Data Integration ou Kettle: São ferramentas utilizadas para realizar a
extração, transformação e carga (ETL) de dados.
 Pentaho Analysis Services: Podendo ser chamado e conhecido por muitos como
Mondrian OLAP server, e é uma das ferramentas de código aberto para On-line
Analytical Processing (OLAP).
22
 Pentaho Reporting: originado do projeto JFreeReport h
 Pentaho Data Mining: originado do projeto Weka, são várias ferramentas que estão
relacionadas com a mineração de dados
Pentaho for Apache Hadoop, ou Pentaho BI Suite como é conhecido também, é uma
versão para Hadoop, faz parte da plataforma utilizada para processamento de grandes
quantidades de dados. (PENTAHO, 2013)
2.5.2.2. Principais Características do Pentaho BI
O Pentaho apresenta os resultados aos gestores de uma forma que possibilita ter uma
visão do estado geral da organização, também implementa seus próprios processos (workflow)
para que possam resolver os problemas identificados e apresentados. (PENTAHO, 2013)
O Pentaho se tornou uma importante plataforma de BI por ser: (PENTAHO, 2013)

Flexível: Tem a capacidade de fazer a leitura de mais 30 bancos de dados;
 Econômico: Os relatórios SQL podem ser reaproveitados;
 Portável: É considerado 100% Java;
 Ponta-a-ponta: faz desde a extração de dados, à limpeza desses dados, incluindo
Processamento Analítico Online (OLAP), dashboards e relatórios ad hoc.
 Simples: Oferece um acesso centralizado via web aos dados da empresa;
 Flexível: Oferece diversas formas de visualizar as informações podendo ser em forma
de relatórios ou gráficos, e outros;
 Self service: O usuário tem a liberdade de escolher os campos, e combinações que
deseja visualizar;
 Saídas: Possibilita vários formatos para a visualização dos resultados: Excel, CVS ou
PDF.
2.6. Funcionamento de uma Ferramenta BI
A figura 2 abaixo mostra o funcionamento de uma ferramenta BI. As empresas que
possuem bancos de dados relacionais onde ficam armazenadas todas as transações diárias da
empresa são desses bancos que é feita a extração dos dados tanto internos quanto externos.
Depois dos dados serem extraídos os mesmos são guardados em outro banco e temporário
staging, onde os dados passarão por um processo de transformação e organização para
posteriormente serem armazenados em um grande banco de dados conhecido como data
23
warehouse. Após todo esse processo, os dados do data warehouse são organizados na forma
de cubo já na parte de análise, disponibilizando as informações extraídas dos dados coletados
do data warehouse para os usuários. Esses cubos OLAP é a tela que fará a interação com o
usuário, as informações serão visualizadas de uma forma que agiliza o entendimento e a
análise.
Figura 2 - Funcionamento de uma Ferramenta BI
Fonte: A Inteligência por traz do Business Intelligence (2013).
2.7. Banco de dados FireBird
O Firebird é uma ferramenta de gerenciamento de banco de dados, podendo ser
executado nos sistemas operacionais Linux, Windows, Mac OS, além de uma variedade de
plataformas Unix que ele oferece. (FIREBIRD, 2010)
2.7.1. Principais Recursos do FireBird
O Firebird é um SGBD completo e com um grande poder de gerenciamento. Ele
pode administrar bancos de dados de alguns Kbytes até centenas de Gigabytes com um bom
desempenho e quase sem precisar de manutenção. (FIREBIRD, 2010)
Os principais recursos do Firebird são: (FIREBIRD, 2010)

Total assistência a Stored Procedures e Triggers;
24

Transações compatíveis
com ACID
(Atomicidade,
Consistência,
Isolamento,
Durabilidade) que são algumas propriedades que garantem a confiabilidade do
processamento das operações de um banco de dados;

Integridade Referencial;

Geração de várias arquiteturas (Multi Generational Architecture);

O consumo dos recursos de processamentos é pouco;

Usa uma linguagem natural, simples para Stored Procedures e Triggers (PSQL);

Suporte para Funções Externas (UDFs);

Praticamente não necessita de DBAs especializados

Possui um grande grupo de usuários e diversos lugares para se obter suporte gratuito;

Versão embutida (embedded) do SGBD, apropriado para criação de catálogos em
CDROM, aplicações "demo" ou standalone;

Diversas ferramentas oriundas de terceiros, incluindo aplicações gráficas de
administração, replicação, etc;

Careful writes – recupera com bastante rapidez, não necessita usar log de transações;

Várias formas de acesso ao banco de dados: nativo/API, dbExpress, ODBC, OLEDB,
.Net provider, JDBC nativo tipo 4, Python module, PHP, Perl, etc.

Possui suporte próprio para os maiores sistemas operacionais, incluindo o Windows,
Linux, Solaris, MacOS.;

Possui Backups incrementais;

Construção (Builds) de 64bits disponíveis;

Possui o controle total de cursores em PSQL;

Tabelas de Monitoramento;

Triggers de conexão e transação;

Tabelas temporárias;

TraceAPI - saiba o que está acontecendo no servidor.
2.8. IBExpert
O IBExpert é considerada importante, não somente pelos inúmeros recursos que
oferece, mas também pela interface gráfica intuitiva, facilitando assim sua utilização. O
IBExpert é uma excelente ferramenta para Administração e configuração de base de dados
Interbase/Firebird. Possui um layout com diversas funcionalidades e apresenta algumas
características como: a possibilidade de exportar os arquivos em vários formatos (text, word,
25
excel, etc), a criação visual é feita quase que "automática" de views, stored procedures,
triggers, generators etc, além de diversas outras facilidades que essa ferramenta oferece.
(DALL AGNOL, 2013)
O IBExpert têm um ambiente de trabalho muito flexível, pois permite que se faça
várias configurações, como configurará a posição das janelas em um ambiente MDI (Multiple
document interface) ou SDI( Single documente interface). O usuário também poderá escolher
algumas configurações para ser default (omissas), como por exemplo, a versão do servidor
quando for registrar a base de dados, a biblioteca de acesso, e várias outras configurações do
ambiente de trabalho do IBExpert. (DALL AGNOL, 2013)
O IBExpert não se restringe simplesmente a administrador de BD Interbase/Firebird.
Essa ferramenta é composta pelo que há de melhor referente a administração de BD. (DALL
AGNOL, 2013)
Com o IB Expert pode se gerenciar um banco de dados, realizando todas as tarefas
necessárias para o suporte e manutenção do banco tanto local como remotamente. Com ele é
possível administrar o banco dados criando tabelas, alterando campos, índices, executando
scripts SQL e outras funcionalidades. O IB Expert permite a geração do modelo de entidade
de relacionamento para bancos de dados Interbase e Firebird. (DALL AGNOL, 2013)
A figura 3 abaixo mostra a tela de trabalho do IB Expert, onde se pode visualizar
toda a base de dados, verificar a relação das tabelas e como funciona a ligação entre as
mesmas e criar as query que tragam as informações solicitadas pelos usuários.
Figura 3 - Tela do IB Expert
26
3. IMPLANTAÇÃO DO OLAP
Neste capítulo será apresentado todo o processo de implantação do OLAP, a geração
de alguns relatórios que podem auxiliar os gestores no processo de tomada de decisão e as
consultas criadas para gerar as informações que serão relevantes para o bom desenvolvimento
dos negócios.
3.1. A empresa
A empresa L R MAIA vem atuando no mercado com o ramo de vendas de peças para
radiadores e prestação de serviços mecânicos como, solda, montagem e limpeza de
radiadores, ela atende na cidade Balsas e nas fazendas da região.
Para os auxiliarem no gerenciamento, a empresa utiliza um sistema ERP com um total de 140
tabelas onde estão registrados os dados da empresa, auxiliando nas vendas e controle
financeiro, mas não possui nenhuma ferramenta de inteligência de negócios integrada ao
sistema, que venha orientar os gestores na tomada de decisões.
3.1.1 Base de Dados Utilizada
A base de dados não tem seus dados organizados de uma forma consistente, a
maioria das tabelas não possuem chaves estrangeiras e nem primárias, possuem campos
desnecessários por não fazer uso dessas chaves, o que torna a base difícil de ser analisada.
Algumas tabelas não tem ligação com outras como deveria ter, dificultando assim as consultas
realizadas dentro da base.
A base de dados possui uma estrutura, a qual não bloqueia a inserção de dados
incompletos e não tem restrição para inserir caracteres especiais por parte dos usuários do
sistema ao qual o banco pertence isso faz com que o administrador da base de dados tenha
dificuldades quando for visualizar ou fizer alguma alteração nas tabelas.
A figura 4 mostra a relação entre as tabelas que foram utilizadas na criação das
consultas, podendo observar que algumas estão sem relacionamentos dentro da base como,
por exemplo, a TBRECIBO, dificultando assim a realização das consultas.
27
Figura 4 - Relação entre tabelas
A figura 5 mostra como é a estrutura das tabelas do banco, que tipo de informação
contém em cada uma e a forma como são escritas. Analisando essa figura pode-se observar
que a forma como são escritas às informações que contém em cada tabela é difícil de entender
por conter dados na maioria das tabelas desnecessários como por exemplo, NOME1, NOME2,
OBS1, OBS2, que poderiam está sendo buscados de outras tabelas que já tem essas
informações, mas por falta de uma estrutura mais organizada dificulta essa busca.
3.1.2. Criação das Consultas
As consultas têm como objetivo extrair dados do banco de dados e apresenta-los de
uma forma que seja adequada à necessidade do usuário, são formadas por um conjunto de
instruções que permitem fazer a extração de um determinado subconjunto de dados.
A figura 6 mostra uma consulta que traz as vendas realizadas com a data da venda, o
nome do cliente, endereço, estado, cidade, a quantidade e o produto que foram comprados,
preços dos produtos e serviços. Para essa consulta foram utilizadas várias tabelas e para juntar
as informações contidas em todas essas tabelas foi usado o INNER JOIN que é utilizado para
consultar dados contidos em duas ou mais tabelas, baseados no relacionamento entre colunas
dessas tabelas.
28
Figura 5 - Detalhes das tabelas utilizadas
A figura 7 mostra um exemplo do retorno de consulta mostrada na figura 6, trazendo
os campos que foram selecionados na consulta.
select pedvenda.data as data_venda, clientes.razao as nome_cliente, clientes.endereco
as end_cliente, cidade.nome as nome_cidade, cidade.uf, pedpecas.qtd as qtd_produto,
produtos.nome as nome_produto, produtos.preco as preco_produto, pedserv.qtd as
qtd_servico, pedserv.vunit as vlr_unit_servico, pedvenda.vlr_total
from pedvenda
inner join clientes on (pedvenda.codclie=clientes.codclie)
inner join cidade on (cidade.codcid=clientes.codcid)
inner join pedpecas on (pedpecas.codped=pedvenda.codped)
inner join produtos on (produtos.codprod=pedpecas.coditem)
inner join pedserv on (pedserv.codped = pedvenda.codped), servlant sl
Figura 6 - Consulta de pedido de vendas
29
Figura 7 - Exemplo de uma consulta à tabela pedido de vendas
A figura 8 mostra uma consulta na tabela pedido de serviço trazendo o nome do
serviço, valor, quantidade e o nome dos clientes para quem foi realizado esses serviços, e
como foi preciso buscar informações contidas em mais de duas tabelas foi usado o INNER
JOIN que fez a junção das informações contidas nessas diferentes tabelas.
select
pedserv.qtd as qtd_servico, pedserv.vtotal as vtotal_servico, clientes.razao
nome_cliente, servicos.nome as nome_servico, servicos.valor as Vunitario_servico
from pedserv
inner join servicos on (pedserv.coditem = servicos.codserv)
inner join clientes on (clientes.codclie = servicos.codserv)
Figura 8 - Consulta à tabela pedido de serviço
A figura 9 está exemplificando a figura 8, mostrando os campos especificados na
consulta à tabela pedido de serviços.
Figura 9 - Exemplo de uma consulta à tabela pedido de serviço
30
Na figura 10 a seguir esta mostrando uma consulta à tabela de fornecedores, onde da
mesma é selecionado os campos nome, código, fone dos fornecedores e os produtos que os
mesmos vendem como tem informações em outras tabelas que para realizar essa consulta será
necessário, foi usado o LEFT JOIN que vai juntar todas as tabelas e trazer todos os registros
mesmos que sejam NULL.
select fornecedores.codforn, fornecedores.razao as nome_fornecedor, fornecedores.fone
as fone_fornecedor, produtos.nome as nome_produto
from fornecedores
left join produtos on (fornecedores.codforn = produtos.codforn)
Figura 10 - Consulta à tabela fornecedor
A figura 11 mostra um exemplo da consulta à tabela de fornecedores, mostrando
como são mostradas as informações dos campos selecionados na consulta.
Figura 11 - Exemplo de uma consulta à tabela de fornecedores
Na figura 12 esta mostrando uma consulta à tabela de produtos. Desta tabela foram
selecionados os campos nome, preço e código do produto, preço, data e a quantidade de
produtos que foram vendados num determinado período de tempo, e o nome dos clientes que
compraram esse determinado produto. Para essa consulta foi preciso usar o INNER JOIN para
buscar informações em outras tabelas para tornar a consulta mais otimizada.
select produtos.codprod as codigo_produto, pedpecas.qtd as qtd_produto, produtos.nome
as
nome_produto,
produtos.preco
as
preco_produto,
pedvenda.data
as
data_venda_produto, clientes.razao as nome_cliente
from produtos, pedvenda
inner join clientes on (clientes.codclie = produtos.codprod)
inner join pedpecas on (pedpecas.codped = clientes.codclie)
Figura 12 - Consulta à tabela de produtos
31
Na figura 13 a seguir mostra um exemplo da consulta à tabela de produtos,
mostrando todos os campos que foram selecionados.
Figura 13 - Exemplo de uma consulta à tabela produtos
A figura 14 está mostrando uma consulta à tabela receber. Essa consulta tem o
objetivo de mostrar os nomes dos clientes com seus respectivos débitos, com a data de
emissão e de vencimento e o numero do documento a receber. Para essa consulta foi feito o
uso do INNER JOIN para trazer o nome dos clientes que estão em debito com a empresa.
select receber.documento as num_docum_receber, receber.codclie as recebido_cliente,
receber.emissao as data_emissao, receber.vencto as data_vencimento, receber.valor as
valor_receber, clientes.razao as nome_cliente
from receber
inner join clientes on (clientes.codclie = receber.codclie)
Figura 14 - Consulta à tabela receber
Como exemplo à consulta a tabela receber, a figura 15 abaixo mostra detalhado o
resultado a essa consulta.
32
Figura 15 - Exemplo de uma consulta à tabela receber
A figura 16 mostra uma consulta na tabela recebimento. Nessa consulta o usuário
pode está visualizando todas as notas que tem pra receber e as que já foram recebidas. Para
que fosse possível realizar essa consulta foi necessário fazer uso do INNER JOIN para que
buscasse o nome do cliente que tem débito na empresa e o LIKE para contentar os dados e os
títulos que foram pagos. A consulta também mostra o nome dos clientes que já pagaram e que
ainda estão em débito.
select
receber.documento, receber.codclie as recebido_cliente, receber.emissao as
data_emissao, receber.vencto as data_vencimento, receber.valor as valor_receber,
clientes.razao as nome_cliente, tbrecibo.data as data_recebimento, tbrecibo.referente as
titulo_recebido, c.razao as cliente_q_pagou
from receber, tbrecibo, clientes as c
inner join clientes on (clientes.codclie = receber.codclie)
where
tbrecibo.referente LIKE 'Título ' ||receber.documento
Figura 16 - Consulta à tabela receber e recebido
Na figura 17 está exemplificando a consulta mostrada na figura 16, onde mostra os
títulos que ainda não foram dado baixa e os que já foram baixados, todos com suas respectivas
datas de emissão, vencimento e recebimento, além do nome do cliente em debito e que já
pagou assim como mostra na consulta.
33
Figura 17 - Exemplo de uma consulta à tabela receber e recebido
Na figura 18 podemos observar uma consulta à tabela pagar, onde consta todas as
contas que a empresa tem para serem pagas. Nesta consulta mostra o numero do documento a
ser pago, o valor, a data de emissão, de vencimento e o nome do fornecedor com o qual a
empresa esta em debito. Para que pudesse buscar o nome do fornecedor foi utilizado o INNER
JOIN para que isso fosse possível ser mostrado.
select pagar.documento as num_docum_apagar, pagar.emissao as data_emissao,
pagar.vencto as data_vencimento, pagar.valor as valor_apagar, fornecedores.razao
as nome_forn_apagar
from pagar
inner join fornecedores on (fornecedores.codforn = pagar.codforn)
Figura 18 - Consulta à tabela pagar
Podemos observar um exemplo da consulta a tabela de contas apagar na figura 19,
onde está mostrando todos os campos que foram selecionados na consulta.
34
Figura 19 - Exemplo de uma consulta à tabela pagar
3.1.3. Criação do Data Mart
O Data Mart é um processo onde os dados do banco são organizados, deixando-os de
uma forma que irá fornecer informações para a empresa tomarem decisões referentes ao
negócio. (CÔRTE, 2008)
A base de dados utilizada passou por um processo de organização, foram analisadas
todas as tabelas da base, verificando a relação entre as mesmas e vendo quais as tabelas
contém informações que serão relevantes para o negócio da empresa. Durante a análise da
base foi observado que contém muitas tabelas que não são utilizadas, que não trazem
nenhuma informação concreta para o bom desenvolvimento dos negócios da organização.
Observando os excessos de tabelas e dados desnecessários dentro da base de dados,
foi feito uma limpeza, organizando a forma que os dados são inseridos, como por exemplo, as
quebras de datas que antes eram juntas, corrigindo a escrita dos dados, verificando a
quantidade de caracteres nos campos e fazendo correções na inserção de caracteres especiais,
foram escolhidas as tabelas que contém as informações que serão mais importantes para a
empresa e criada algumas consultas e salvas em formato cvs para posteriormente serem
importada para pentaho e assim transformar os dados em informações que podem auxiliar os
gestores no processo de tomada de decisão.
35
3.1.4. Criação dos Cubos
Os cubos tem o objetivo de fazer com que os usuários visualizem os dados em
diversas dimensões, como por exemplo, o dia, mês, e ano que as vendas que foram realizadas
em um determinado período de tempo. Possibilita fazer combinações como o tempo, a
localização geográfica e os produtos com números de vendas de forma resumida.
Analisando as necessidades do gestor da empresa, foram criados cubos onde o
mesmo poderá ver as vendas que foram feitas no período de tempo que ele desejar, suas
contas a pagar e a receber assim poderá fazer projeções com o capital que tem e que vai
receber, pode fazer uma análise dos produtos e serviços que estão tendo mais saída e quais
clientes consomem mais tais produtos, com isso o gestor poderá tomar a decisão de quais
produtos comprar.
3.1.4.1. Definição das Medidas
As medidas são valores numéricos encontrados na região central de um cubo, como
por exemplo, a quantidade das vendas, os valores, todos processados, agregados e analisados.
Verificando como funcionam os negócios da empresa e quais os dados a serem
analisados que mais terão importância para os gestores, as informações que irão auxiliá-los no
processo de tomada de decisão foram definidas as seguintes medidas: a quantidade e valor
total. Com essas medidas o gestor pode analisar a quantidade de produtos e serviços que a
empresa tem vendido e o valor total das vendas e serviços oferecidos.
3.1.4.2. Definição das Análises dos dados
Com as análises dos dados gerados, utilizando a ferramenta pentaho, os gestores
podem está visualizando como anda a movimentação de sua empresa e tomar alguma decisão
sobre o negócio baseada nos dados que estão sendo visualizados.
Na figura 20 nos mostra uma analise gráfica do total de vendas que foram realizadas
no período do mês de janeiro até junho do ano de 2012 e 2013, neste gráfico é possível fazer
uma comparação das vendas dos dois anos num mesmo período de tempo, para que assim os
gestores tenham uma visão de como foram às vendas dentro desse período de tempo.
36
VLR TOTAL
800000
759.810,00
700000
600000
500000
400000
VLR TOTAL
257.570,00
300000
200000
100000
2012
2013
Figura 20 - Análise gráfica do total de vendas no ano 2012 e 2013
Caso o gestor queira visualizar as vendas que foram realizadas durante o ano e mês
especificado, isso é possível como mostra abaixo na figura 21. Nesta análise os gestores
podem ver o total das vendas que foram realizadas em cada mês do ano de 2012, com isso
pode analisar como foi as vendas e qual mês vendeu mais e qual vendeu menos, e ver os
motivos que ocasionou esses valores, para elaborar estratégias para tentar melhorar as vendas
dos meses que vendeu menos no ano anterior.
Total de Vendas a cada Mês do Ano 2012
500000
454.295,00
400000
311.750,00
300000
210.270,00
VLR TOTAL
200000
110.510,00
100000
47.300,00
5
45.580,00 42.355,00 45.580, 00
6
7
8
9
10
11
Figura 21 - Análise gráfica do total de vendas a cada mês do ano 2012
12
37
Na figura 22 podemos observar uma análise gráfica das vendas que foram realizadas
a cada dia do mês 6 do ano 2012, mostra o valor da venda de cada dia do mês, isso ajuda ter
um controle do que esta vendendo por dia, e caso os resultados não forem satisfatórios
procurarem melhorar no que for preciso para aumentar sempre mais vendas. Essa análise
também mostra os percentuais das vendas diárias.
Total de Vendas a cada dia do Mês 06/2012
60000
56.760,00
50000
38.700,00
40000
32.895,00
32.250,00
30000
VLR TOTAL
20000
13.975,00
9.460,00 10.750,00
10.320,00
10000
5.160,00
1
4
5
9
18
20
27
28
29
Figura 22 - Análise gráfica do total de vendas a cada dia do mês 06/2012
Na figura 23 está mostrando todas as contas que a empresa tem para pagar no mês 05
do ano de 2013, essa análise mostra o valor a pagar de cada dia do mês, isso ajuda os gestores
ter um controle do que tem para pagar durante todo o mês.
Valor a pagar a cada dia do Mês 05/2013
500
446,20
450
400
323,13
350
323,13
300
250
224,04
VALOR APAGAR
167,00
200
150
100
24,00
50
2
4
10
15
19
27
Figura 23 -
Análise gráfica do total a pagar a cada dia do mês 05/2013
38
Uma análise muito importante também a ser considerada mostrada na figura 24 é o
que a empresa tem para receber. No gráfico a seguir mostra o total a receber em cada dia do
mês 05 do ano 2013. Os gestores analisando essas informações podem fazer projeções do que
irão fazer com o capital que tem para receber, como por exemplo realizar pagamentos de
fornecedores, compras avistas e muitos outros investimentos.
Valor a Receber a cada dia do Mês 05/2013
8000
6810
7000
6000
5000
VALOR
RECEBER
4000
3000
2455
1850 1680
2000
1000
870
60120
350 200
1400
730
1975
1500
12901150
1200
890
975
700
605
350
220
200
1 2 3 4 6 7 8 9 10 11 12 13 14 15 16 18 19 22 23 24 25 26 27
Figura 24 - Análise gráfica de contas a receber a cada dia do mês 05/ 2013
Os gestores podem esta visualizando o que a empresa tem pra receber não só
diariamente, mas já fazer uma previsão do que será recebido durante todo o ano, como está
mostrando na figura 25. Com isso já podem ter uma base do que poderá gastar baseado no que
tem pra receber.
Valor Receber no Ano 2013
200000
178.151,00
150000
100000
50000
2013
Figura 25 - Análise gráfica do total a receber no ano 2013
VALOR RECEBER
39
A figura 26 mostra uma análise da quantidade de produtos que cada cliente comprou
no mês 11 do ano 2012. Com essas informações os gestores podem esta visualizando quais
produtos têm mais saída, quais clientes costumam comprar tais produtos.
Figura 26 - Análise gráfica da quantidade de produtos vendidos no mês 11/2012
3.1.4.3. Análises Quantitativas
Para a visualização dos dados as ferramentas OLAP oferecem características como as
operações drill down, que permite o usuário analisar os dados trocando o nível de detalhe,
aumentando e diminuindo dentro da mesma dimensão, de acordo com as suas necessidades.
Na figura 27 nos mostra um exemplo de uma operação drill down sem detalhar o
nível de visualização, ou seja, nessa análise mostra todas as informações grupadas, onde o
usuário poderá ver suas contas apagar por ano, dia, mês de vencimento, nome do fornecedor e
valor a pagar, mostrando também o valor total que a empresa deve para seus fornecedores.
Figura 27 - Operação Drill Down
40
Na figura 28 mostra que o usuário aumentou o nível de visualização, antes ele viu as
informações como um todo, agora ele esta vendo o valor apagar em cada ano, o que significa
que ele aumentou o nível de detalhe de visualização.
Figura 28 - Operação Drill Down visualização por ano
De acordo como irão surgindo as necessidades de visualizar os dados o usuário pode
ir aumentando o nível de detalhe, isso quer dizer que ele pode ver apenas o total, ou pode ver
todas as informações bem detalhada como mostra na figura 29, onde o usuário primeiro
visualizou o total a pagar por ano, em seguida aumentou o nível de detalhe visualizando por
mês , e foi aumentando para o dia, até chegar ao nome do fornecedor e o valor ao qual irá
pagar para o mesmo. As operações Drill Down, possibilita que os gestores possam está
visualizando as informações de sua empresa em varias dimensões, possibilitando realizar
consultas dinamicamente de acordo com o surgimento de suas necessidades.
Figura 29 - Operação Drill Down nível detalhado
41
4. CONCLUSÃO
Observando a importância do recurso informação, torna-se importante que todas as
empresas destinem uma atenção especial ao seu formato e à forma que ela é obtida, pois são
através dessas informações que serão tomadas decisões importantes para o desenvolvimento
da organização. Com o estudo dessa técnica de negócio pôde-se concluir que utilizando essa
técnica, agiliza no processo de geração de informações e auxilia os gestores nas tomadas de
decisão e até mesmo para manter-se sempre á afrente no mercado.
Portanto, com a utilização das ferramentas OLAP as empresas poderão ter ganhos
significativos de produtividade, pois ao auxiliar na tomada de decisões, disponibiliza
informações estratégicas que poderá ser visualizadas de diversas formas. Tudo isto de forma
instantânea e consistente, com respostas rápidas às consultas e perguntas de gerentes e
analistas.
Com a realização desse projeto pude concluir que o uso dessa técnica de negócios,
agregou conhecimentos aos gestores da empresa L R MAIA, auxiliando-os na tomada de
decisões precisas em tempo real, provendo dados da empresa que antes do uso dessa técnica
não era possível explorar. As informações geradas com BI proporcionou aos gestores da
empresa uma visão geral de como anda os negócios da sua empresa e assim traçar metas para
melhorar seus negócios, além de ser um diferencial competitivo tanto para manter-se ao
domínio do mercado quanto para agilizar suas analises.
De acordo com analise bibliográfica desse projeto, a base de dados utilizada, e vendo
os resultados positivos que essa técnica de negócio traz para a empresa, podem ser sugeridos
os seguintes trabalhos futuros: A migração da base de dados para mysql, criação de um data
warehouse bem estruturado e fazer uma mineração de dados nessa base de dados. Com tudo
isso teria uma probabilidade bem maior de ter resultados mais significativos para a empresa.
.
42
5. REFERÊNCIAS BIBLIOGRÁFICAS
ALVES, Luiz Carlos. Lukas Sistemas: Banco de dados. Balsas-MA, 2004.
Business Intelligence. Disponível em:
http://www.oficinadanet.com.br/artigo/980/business_intelligence_bi. Acessado no dia
26/05/2013
BI Open Source - Conhecendo o Pentaho . Disponível em:
http://imasters.com.br/artigo/16080/gerencia-de-ti/bi-open-source-conhecendo-o-pentaho/.
Acessado no dia 31/05/2013
CÔRTES, P. L. Business Intelligence, Crm, Olap, Data Mining, Data Warehouse e Data Mart.
PEDRO LUIZ CÔRTES. Administração de Sistemas de Informação. São Paulo: Saraiva,
2008. p. 365-437.
D. R. Carvalho, “Data Mining através de indução de Regras e
“Algoritmos Genéticos”, Dissertação de Mestrado em Informática
Aplicada, PUCPR, PR, 1999.
JACOBSON, R. e Misner, S. (2007), Microsoft SQL Server Server 2005: Analysis
Services, Microsoft Press, 340 p.
KIMBALL, R. (2002), The Data Warehouse Toolkit, Wiley, 464 p.
LARSON, B. e Agarwal, S. (2006), Delivering Business Intelligence with Microsoft
SQL Server 2005, McGraw-Hill, 792 p.
OLAP. Disponível em: http://office.microsoft.com/pt-br/excel-help/visao-geral-do-olapprocessamento-analitico-online-HP010177437.aspx. Acessado no dia 26/05/2013.
OLAP. Disponível em: http://www.itnerante.com.br/profiles/blogs/artigo-suporte-a-decis-o02-sobre-as-opera-es-de-olap. Acessado no dia 26/05/2013.
TURBAN, E., SHARDA, R., ARONSON, J. e KING, D. (2009), Business Intelligence: um
enfoque gerencial para a inteligência do negócio, Artmed, 254 p.
Z.Chen, “Data Mining and Uncertain Reasoning: AnIntegrated Approach”, John Wiley
& Sons, Canada, 2001.
Microsoft Corporation. (2007). Visão geral do OLAP (processamento analítico online).
Acesso em: 13 de Maio de 2013. Disponível em Office: <http://office.microsoft.com/ptbr/excel-help/visao-geral-do-olap-processamento-analitico-online-HP010177437.aspx>
Business Intelligence: Elevando a gestão dos negócios a um novo patamar. Disponível em:
http://technet.microsoft.com/pt-br/library/cc668463.aspx. Acesso em 26 de maio de 2013.
43
A Inteligência por traz do Business Intelligence. Disponível em:
http://flavioaf.wordpress.com/2011/09/28/a-inteligencia-por-traz-do-business-intelligence/.
Acesso em 26 de Maio e 2013.
FIREBIRD. (2013). Conheça o Firebird em 2 minutos. Disponível em:
http://www.firebirdnews.org/docs/fb2min_ptbr.html. Acesso em 20 de outubro de 2013
DALL AGNOL Giovani. Banco de Dados. IBExpert. Disponível em:
http://www.giovani.inf.br/delphi/pdf/aula05.pdf. Acessado em 21 de outubro de /2013
44
Clemilda Izaias Santos
Bibliotecária CRB 13/626
Maia, Edson Ribeiro
Aplicação de técnicas de BI em empresa de prestação de serviço /
Edson Ribeiro Maia. – Balsas, 2013.
43f.:il.
Monografia (Graduação em Sistemas de Informação) – Curso de
Sistemas de Informação, Faculdade de Balsas - UNIBALSAS / Balsas,
2013.
1. Business intelligence (BI). 2. Data warehouse. 3. Processamento
analítico Online (OLAP). I. Título.
CDU 004 (812.1Balsas) (02)
M217a