Congresso de Inovação, Ciência e Tecnologia do IFSP

Propaganda
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.
Download