Congresso de Inovação, Ciência e Tecnologia do IFSP - 2016 ESTUDO DE SOLUÇÃO DE BI E TÉCNICAS DE INTELIGÊNCIA ARTIFICIAL PARA UM SISTEMA COMERCIAL WEB ERNESTO TCHITECULO T. SAMBONGO1,2, ANDRÉ M. SILVA3, EDGAR J. NÓE4 1 Graduando em Ciência da Computação, UNASP, Campus São Paulo, SP, Brasil.. [email protected] Analista de Sistemas e Sócio de TI na Kimby TI – Soluções Inteligentes, Luanda, Luanda Sul, Angola 3 Professor no Centro Universitário Adventista de São Paulo (UNASP). São Paulo (SP) – Brasil, [email protected] 4 Graduando em Ciência da Computação, UNASP, Campus São Paulo, SP, Brasil.. [email protected] 2 Área de conhecimento (Tabela CNPq): Sistemas de Informação – 1.03.03.04-9 Apresentado no 7° Congresso de Iniciação Científica e Tecnológica do IFSP 29 de novembro a 02 de dezembro de 2016 - Matão-SP, Brasil RESUMO: Para ajudar entidades corporativas nos processos decisórios, aplicação de ferramentas de tomada de decisão ou de Mineração de dados tem sido fundamental na identificação de padrões e da melhor gestão dos dados. Neste projeto será apresentado um sistema comercial integrado com duas ferramentas de análise de dados para suporte a tomada de decisões. Este cenário servirá como um campo de teste para análises comparativas das duas soluções implantadas: uma baseada em uma ferramenta de BI comercial e outra que considera uma solução científica de técnicas de tomadas de decisão. Os critérios de comparação e análise serão características envolvidas nas atividades cotidianas de um analista de BI, ou seja, vão desde tarefas mais simples como instalação até responsabilidades de negócio que envolvem a construção de cruzamentos de dados para decisões. PALAVRAS-CHAVE: Mineração de dados; Inteligência de negócio; Análise de negócio e Tomada de decisão. BI SYSTEM AND A TOOL BASED ON ARTIFICIAL INTELLIGENCE TECHNIQUES FOR A COMMERCIAL SYSTEM ABSTRACT: To help organizations in decision-making, BI or data mining tools has been essential to identify patterns and management of data. In this project an integrated commercial system with two data analysis tools to support decision-making will be presented. This scenario will support as a testing ground for comparative analysis of the two solutions deployed: one based on a commercial BI tool and one that considers a scientific solution of decision-making techniques. The comparison and analysis criteria are features involved in the daily activities of a BI analyst, ie., ranging from simple tasks such as installation to business responsibilities that involve the construction of data crosses for decisions. KEYWORDS: Data Mining; Business Intelligence; Decision Making. INTRODUÇÃO O mundo em geral vive uma demanda competitiva em relação aos negócios, o que leva a uma preocupação com o crescimento não apenas das estruturas como também dos dados das entidades corporativas. O crescimento dos dados no seio empresarial significa sucesso e por outro lado dificuldades na análise e nas tomadas de decisão [ANTONELLI, 2009]. No entanto, perguntas relacionadas a determinado negócio surgem e precisam ser respondidas com maior precisão e assertividade [FALCIN, 2014]. Neste contexto, o mercado de negócio oferece variadas ferramentas para análise e gestão de dados. Muitas delas são apenas para a gestão aplicada no negócio real. A dificuldade de aquisição devido aos altos valores de licença e muitas vezes a complexidade de implantação sem auxílio de um especialista, contribui com que as empresas alimentem ouso destas soluções. Mais que isso, geralmente estas soluções apresentam dificuldades de manipulação, diferenças funcionais e diferenças entre padrões de comunicação; tornando sua manipulação, aquisição e escolha em uma tarefa não trivial. Este projeto tem como objetivo fazer um estudo comparativo em relação duas ferramentas de análise e gestão de dados para tomada de decisão, indicando de alguma forma as caraterísticas fortes e fracas e viabilidade de implantação de cada ferramenta apresentada quando integradas a um sistema financeiro-comercial. Serão listados como críticas comparativas os quesitos de implantação, facilidade de uso e técnicas de IA aplicadas. MATERIAL E MÉTODOS Para que o objetivo seja alcançado, o trabalho conta com o desenvolvimento de indicadores e análises de suporte a decisão de duas diferentes ferramentas de análise de dados e tomada de decisão. Aplicados a um sistema financeiro-comercial como caso real. Para a geração dos indicadores e análises detalhada de dados, faz-se necessário desenvolver o sistema financeiro-comercial primordial para toda parte de alimentação de dados que devem ser consumidos pelas ferramentas de BI. Domínio de Aplicação e Especificação Técnica: Como estudo de caso tomado como testes para aplicação e alimentação de dados para as duas ferramentas de BI apresentadas no projeto, o sistema financeiro-comercial foi desenvolvido. O sistema financeiro-comercial [TURBAN et al., 2008] desenvolvido tem como objetivo gerenciar todo tipo de transação que pode ocorrer na instituição comercial em análise, mantendo um controle absoluto de todos os lançamentos e classificando os mesmos em receitas e despesas. No desenvolvimento das aplicações de BI, o banco de dados usado como transacional foi o MySQL, por ser o mesmo banco de dados usado pelo sistema financeiro-comercial. O Weka por ser forte em mineração de dados, não precisou de exercícios extras para manter consistentes as análises nele aplicadas. Sendo assim, somente foi necessário configurar uma conexão com o mesmo banco de dados usado pelo sistema Financeiro-comercial passando para o Weka apenas o usuário, senha e banco de dados usado. Para a integração do BI da Oracle com os dados de transação, foi necessário construir um armazém de dados (DW), aplicado em uma base de dados. RESULTADOS E DISCUSSÃO Apresentação Funcional do Sistema: Por se tratar de um sistema que deveria servir como base de dados para a execução de sistemas de tomada de decisão, o sistema apresenta funcionalidades limitadas de cadastro e manutenção dos dados; e apresentação simples dos mesmos. Os principais recursos de apresentação ficariam a cargos dos sistemas integrados. Desta forma, o sistema apresenta basicamente controle de acesso, inventários de vendas e compras; cadastros de usuários, clientes e fornecedores; e relatórios; Execução e Análise da Integração: Na figura 1 (a) é apresentado o processo de integração completo entre o sistema comercial proposto e as duas ferramentas de BI tratadas no projeto. Nesta figura apresenta-se um usuário a fim de ilustrar o cadastro de um lançamento ao sistema que é diretamente persistido ao banco de dados MySQL. Após os dados estarem no banco de dados, com o Weka já é possível gerar os indicadores. Já para o OBIEE é necessário, obrigatoriamente, replicar os mesmos dados para o DW, e somente após isso é possível que os dados sejam considerados, organizados e limpos para a geração dos indicadores. Oracle OBIEE: Para a integração do sistema com a solução de BI da Oracle (OBIEE) houve a necessidade de se construir, no sistema de banco de dados, outro repositório de dados para armazenar informações relativamente à empresa, criando e organizando relatórios através de históricos que são depois usados pela empresa para ajudar a tomar decisões importantes com base nos fatos apresentados [MENDES, 2015]. Nesse repositório, as tabelas de transação do sistema são consideradas “de origem” dos dados, pois, são elas que recebem diretamente os dados via sistema e alimentam as tabelas personalizas do DW chamadas de tabelas destino, que são classificadas como tabelas fatos e tabelas dimensões. O processo para integração aconteceu tecnicamente no banco de dados por ser o centro de persistência de dados do sistema financeiro. Nesse contexto, foi necessário criar uma um repositório separado do transacional para limpar e preparar os dados de acordo aos critérios do OBIEE. Quanto aos problemas, a separação do repositório do BI e do repositório de transação do sistema Financeirocomercial gerou um subprocesso paralelo chamado processo de cargas, com responsabilidade de carregar para as tabelas destino vindo das tabelas do sistema Financeiro-comercial. Este evento constitui a maior dificuldade na implantação de um BI, onde se alguma falha acontecer nessa faze, o BI pode se considerar inútil para processos decisórios por apresentar dados não atualizados para o usuário final. Uma implantação durante esta implantação é que o consultor de BI se limita totalmente em informações que são passadas por funcionários que conhecem inteiramente o negócio. Contudo, quando bem aplicado os conceitos de BI que o OBIEE recomenda, o usuário final do sistema de BI apresenta grande satisfação, pois toda análise refletirá verdadeiramente o seu negócio e com as técnicas de DRILL-DOW e DRILL-UP e muitas outras oferecidas ajudam a entender melhor o andamento do negócio mostrando os dados em detalhe sobre diferentes níveis acelerando o processo decisório. A figura 1 (b) representa a camada de apresentação do OBIEE, apresentando dois indicadores e um filtro interativo. Software de Mineração de Dados Weka: Para a integração do sistema Financeiro-comercial com o Weka, foi necessário apenas passar o caminho JDBC, informar o usuário e senha do Banco de dados e banco de dados a usar. Pelo fato de ser uma ferramenta com forte ligação à mineração de dados, ele usou diretamente as tabelas de transação do sistema Financeiro-comercial, excluindo qualquer tipo de modelagem para a geração dos indicadores e consequentemente Análises do negócio e tomada de decisão. Ainda nesta integração além de passar o usuário e senha de banco de dados, é necessário passar uma simples consulta escrita em SQL para que o Weka navegue sobre os dados das colunas retornadas e faça descobertas significativas referentes ao negócio em análise [ABERTNETHY, 2016]. A figura 1 (c) apresenta a camada de apresentação do software, onde é explorada uma visão real de acordo ao negócio em aplicação. Nesta camada de apresentação, apresenta-se que o Weka faz apresentação de um indicador de barras apresentando a quantidade de lançamentos com receitas e quantidade de lançamentos como despesas. Apesar de não ser muito interativo visualmente, a solução Weka reflete em sua camada de apresentação informações totalmente válidas e consistentes de acordo ao negócio, o que pode ajudar os usuários do sistema de BI nas tomadas de decisões. FIGURA 1. Esquema de integração dos sistemas (a), análise no OBIEE (b) e no Weka (c). O processo de integração aconteceu tecnicamente no banco de dados por ser o centro de persistência de dados do sistema financeiro. Neste processo, problemas podem ocorrer caso se tente fazer a conexão do Weka com o Banco de dados passando parâmetros de acesso errados. Outro caso que pode se considerar um problema é se não for aplicado o Driver JDBC no diretório de instalação do Weka. O Weka apresenta algumas limitações em relação aos indicadores a serem gerados, não dando a possibilidade de customizar a camada de apresentação. Por fim, por ser uma ferramenta não muito complexa, o Weka possui uma forma muito simples de se manusear, dando ao usuário final a possibilidade de resolver pequenos problemas que podem acontecer em torno de determinada análise. CONCLUSÕES Com o desenvolvimento do trabalho foi possível concluir que as diferenças encontradas consistem em que o Weka se apresentou como uma ferramenta de fácil acesso, simples configuração e com grande capacidade na questão de mineração de dados retirando do consultor de BI a complexidade de preparação de um DW, excluindo a necessidade de que o consultor tenha um conhecimento profundo do negócio. Contudo, o Weka não possui bons atrativos visuais e interativos para o usuário final. Isto pode ser um problema, pois muitas corporações valorizam questões de estética e visibilidade quanto a interface de apresentação dos dados. Por outro lado, uma grande vantagem é o fato de ser uma ferramenta que não exige custo de licença de uso. Já o OBIEE, se apresentou como uma ferramenta muito poderosa nas suas funcionalidades e possuindo grandes atrativos visuais. Porém, obriga que o consultor de BI tenha um conhecimento profundo do negócio para poder criar, monitorar e prever manutenção do DW de acordo mudanças na regra de negócio empresarial. Quanto a licença, tem a desvantagem de ser uma ferramenta bastante custosa, principalmente quando em comparação com soluções de baixo custo. Levando em consideração os detalhes [GARCIA, 2010] de cada ferramenta apresentada, o projeto define que cada solução pode ser implantada de acordo com a realidade de cada empresa. Neste sentido, este projeto não define exatamente qual ferramenta é melhor. No entanto, sobre os recursos, técnicas e contexto de domínio considerados, classificou cada detalhe com pontuações conforme apresentadas na Tabela 1. Esta tabela apresenta, detalhadamente, as duas soluções analisadas, sua viabilidade de implantação e por fim uma nota de aplicabilidade de acordo com as atividades comparativas desenvolvidas no projeto. TABELA 1. Pontuação de Análise comparativa. Descrição de Viabilidade OBIEE Weka pto. OBIEE pto. Weka Apelo visual Ótimo Péssimo 5 0 Mineração de dados Ruim Bom 0 10 Facilidade de implantação Péssimo Bom 0 8 Uso no mercado de negócios Bom Ruim 5 0 Facilidade de análise Bom Bom 10 10 Customização de indicadores Bom Ruim 8 0 Satisfação do cliente Ruim Bom 5 5 Facilidade de aquisição Bom Bom 0 8 Interação com o usuário Ótimo Ruim 7 0 Acesso multiusuário Bom Ruim 5 0 Total geral de viabilidade 45 41 * valores baseados em métodos comparativos orientado a planilha de dificuldade e satisfação do usuário analista. AGRADECIMENTOS Agradecimentos especiais aos comerciantes de Angola que participaram do projeto durante a definição do caso de uso. Esta colaboração foi essencial para o entendimento do contexto, aprendizagem sobre necessidades reais e conhecimento de problemas específicos. REFERÊNCIAS ABERTNETHY, M. Mineração de dados com Weka. [online] Disponível em <https://www.ibm.com/developerworks/br/opensource/library/os-weka1/>. Acesso em: 10 maio de 2016. ANTONELLI, R. A. Conhecendo o Business Intelligence (BI): Uma Ferramenta de Auxílio à Tomada de Decisão. Revista Técnica TECAP, Paraná, v.3, n. 03, p. 79-81, 2009. FALCIN, E. Comparativo de Usabilidade entre as soluções Microstrategy e Cognos. 2014. Dissertação de conclusão de curso de Bacharelado em Ciência da Computação. UNASP. São Paulo. GARCIA, D. M., Ferramentas de Business Inelligence Proprientária e Open Source Estudo Comparativo. 2010. Tese (Trabalho de Conclusão de Curso de Bacharelado em Ciência da Computação). UNASP. São Paulo. MENDES, C., OBIEE – Noções Básicas da Aplicação. [online] Disponível em: <http://carinamendes.com/obiee-analytics-nocoes-basicas/>. Acesso em 12 de outubro de 2015. TURBAN E.; SHARDA R.; ARONSON J. e KING D. Business Intelligence: um enfoque gerencial para a inteligência do negócio. Ed. Artmed, 2008, p. 253.