Administração de Sistemas de Informação

1. Administração deSistemas de Informação Datawarehouse Business Intelligence Prof. Afranio Lamy Spolador Jr.

2. Business Intelligence • Definições “Termo genérico introduzido por Howard Dresner do Gartner Group em 1989, Business Intelligence é um conjunto de conceitos e metodologias que apoia a tomada de decisões em negócios.” [Computeworld Março/1999] Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

3. Business Intelligence • O que é BI ? “[...] Apesar da semelhança com data warehouse, ele apresenta variações. [...] • é um processo de coleta, análise e distribuição de dados para melhorar a decisão nos negócios; • o objetivo é levar a informação para um número bem maior de usuários dentro da corporação; • As ferramentas de software precisam endereçar problemas como escalabilidade, facilidade de uso e de gerenciamento; • os bancos de dados são a infra-estrutura básica de qualquer sistema de business intelligence. Os mais comuns são os BDs multidimensionais, que permitem as análises por meio de cubos.” [Computeworld Março/1999] Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

4. Business Intelligence • A inteligência é a alma do negócio “Os sistemas de business intelligence vão levar sua empresa para o século XXI e transformar a maneira como se faz negócios.” [Computeworld Março/1999] Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

5. O mercado tem confundido:Data Warehouse (DW)comBusiness Intelligence (BI) Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

6. Data Warehouse • Uma Definição “Um data warehouse é uma coleção de dados orientados a assuntos, integrados, variáveisno tempo e não voláteis para suporte ao processo gerencial de tomada de decisão”. [Inmon & Hackathorn] Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

7. Data Warehouse • Mais Definições “Um data warehouse [...] é um banco de dados que armazena dados sobre as operações da empresa (vendas, compras, etc.) extraídos de uma fonte única ou múltipla, e transforma-os em informações úteis, oferecendo um enfoque histórico, para permitir um suporte efetivo à decisão.” [Adelize Generini de Oliveira] Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

8. Data Warehouse • Mais Definições “Data Warehouse [...] é construído e implementado de uma maneira evolucionária passo a passo, organizando e armazenando os dados necessários para a análise informacional e o processamento analítico sob uma perspectiva de longo prazo”. [Inmon & Hackathorn] Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

9. Data Warehouse • Questões • O DW busca atender a organização com INFORMAÇÕES. Como conseguir isso ? • Que dados devem ser armazenados no DW ? • Que assuntos devem ser organizados no DW ? • Quem pode dar a chave para a construção ? • Quem na organização tem a visão necessária ? • Existe um ponto de partida ? Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

10. Data Warehouse • Uma direção a partir de premissas existentes: • A organização possui um conjunto de processosoperacionais necessários, indispensáveis e que são a própria razão de ser da Empresa. Esses processos se utilizam e geram DADOS. • Os sistemas que atendem a linha operacional possuem completeza e satisfazem. • Como transformar esses resultados operacionais em INFORMAÇÕES ? Isso é suficiente ? Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

11. Business Intelligence / Data Warehouse O Ambiente da Decisão - EXTERNO VARIÁVEIS SOCIAIS VARIÁVEIS TECNOLÓGICAS CLIENTES COMPETIDORES INST. FIN. EMPREGADOS FORN ORGANIZAÇÃO SIND GOV ACIONISTAS Grupos de INTERESSE MÍDIA PARCERIAS VARIÁVEIS ECONÔMICAS VARIÁVEIS POLÍTICAS Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

12. Business Intelligence / Data Warehouse • O Ambiente da Decisão - INTERNO NIVEL ESTRATÉGICO Sistemas de Informações Executivas NIVEL TÁTICO Sistemas de apoio à decisão NIVEL Sistemas Transacionais OPERACIONAL Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

13. Data Warehouse • Objetivo do Data Warehouse “ Não basta ter dados. É preciso interpretá-los e com isso aprender mais sobre os clientes, a própria empresa e o mercado. Ou seja, promover o encontro entre a tecnologia e os negócios”. [Carvalho 1997] Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

14. Data Warehouse • Conhecer mais a organização para .... “ A visão de futuro é um ingrediente fundamental na modelagem estratégica. [...] É a eterna busca por tudo aquilo que ainda não existe, mas que certamente existirá; do que ainda não é necessário, mas será. É um misto de filosofia e receio do desconhecido, um recheio de ameaças e oportunidades que nos lança à busca de antecipações dos próximos movimentos da história.” [Furlan 1997] Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

15. Financeiras Cartões Bancos Operador Financeiro Operador Financeiro Operador Financeiro Indústrias e-Commerce + CRM + ERP + BI Loja Virtual Call Center Loja Real Vendedores CRM: integ+dbm+wf BI: dw,eis Cliente ERP: ve,co, fi,lo,co, ... Operador Logístico Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

16. Data Warehouse • Como iniciar a construção “ Não é preciso começar grande e com investimentos de milhões de dólares. O importante é simplesmente começar. A própria mudança de comportamento provocada pelo primeiro passo irá influenciar os restantes”. [Computerworld Julho/1996] Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

17. Data Warehouse • Uma direção a partir de premissas existentes: • Estamos falando de INFORMAÇÕES para atender os níveis TÁTICO e ESTRATÉGICO. • Portanto, os sistemas que atendem a linha operacional estão atendidos. • Como transformar esses resultados operacionais em INFORMAÇÕES ? Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

18. Data Warehouse • Como Iniciar a Construcão ? • Opinião da Consultoria • Opinião de Fornecedores • O que a experiência mostra • Temos o que a organização espera como resultado ? • Existe comprometimento de toda a estrutura da empresa ? • Sabemos como acompanhar o ambiente externo • Sabemos como acompanhar o ambiente interno • Definir foco • Patrocinador forte e influente • Equipe de desenvolvimento multi-disciplinar Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

19. Data Warehouse • Como Iniciar a Construção ? • O Planejamento Estratégico da Informação é uma alternativa da Engenharia da Informação • Existem outras alternativas, sugeridas por fornecedores e consultores • Um bom Plano de Trabalho é o primeiro passo. • Sua empresa vai necessitar de consultoria ? • Vai adquirir equipamentos de que porte ? • Já dimensionou a aplicação ? • Vai adquirir gerenciador de BDR ? • Vai adquirir Software para manuseio do DW ? Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

20. Data Warehouse • Como Iniciar a Construcão ? “[Na modelagem estratégica] Inicialmente, estabelecemos a missão da organização e em seguida relacionamos os respectivos objetivos executivos, estratégicos e táticos de sustentação. Posteriormente, determinamos os fatores chaves de sucesso que estarão impactando de forma decisiva os objetivos declarados, bem como as estratégias para a concretização daqueles fatores chaves de sucesso. Por fim, traçamos os planos de ação para levar a termo a implementação das estratégias estabelecidas.” [Furlan 1997] Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

21. Data Warehouse • Como Iniciar a Construcão ? “No modelo funcional não há pessoas, mas recursos; não há hierarquia, mas decomposição funcional. Na verdade, o modelo funcional existe antes das pessoas - quando a empresa é estabelecida, agregamos recursos para que seja possível concretizar sua missão. Os recursos, por sua vez são gerenciados pelas funções de negócio.” [Furlan 1997] Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

22. Data Warehouse • Sugestões • “identificar as necessidades dos usuários e o modelo de dados que o data warehouse deverá conter; • identificar as fontes de dados, em meio aos vários repositórios disponíveis no ambiente; • definir que tipo de transformação o dado deverá sofrer para poder se integrar ao data warehouse; • criação do metadado, que identifica a fonte do dado, a transformação pela qual o dado irá passar, e que define o modelo de dado para o data warehouse; • criação e “popularização” do data warehouse, mediante acesso aos dados das várias fontes de informação.” [Marcelo Merchan - Computerworld] Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

23. Data Warehouse • Mais sugestões “Povoar um data warehouse envolve processos como: • a extração de dados do sistema fonte; • o transporte dos dados para o sistema destino; • a transformação dos dados para melhor qualidade e leitura; • a integração de informação de diferentes fontes; • a carga da base de dados. Mesmo no caso de DWs pequenos, é uma tarefa complexa. As ferramentas que ajudam na integração e automatização desses processos são, por isto, cada vez mais importantes, podendo reduzir os custos e facilitar a gerência do projeto.” [Alda Campos - Computerworld] Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

24. Data Warehouse • Mais sugestões • “estabeleça suas metas corporativas; estabeleça sua visão corporativa; • relacione as áreas de negócio, processos e unidades em sua organização. • destaque aqueles que estiverem MAIS sujeitos à criatividade e individualidade e MENOS passíveis de automatização; • priorize estas áreas de negócio em termos de impacto positivo desejado e contribuição para metas e visões corporativas; • estabeleça a sua principal área de negócio em prioridade; • liste os tópicos e assuntos-chave que melhor representem estas áreas de negócio (produto, cliente, qualidade, vendas, mercado, recursos humanos, etc.) Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

25. Data Warehouse “O data warehouse é indispensável para o gerenciamento dos negócios, visto que esta estratégia dá suporte à criatividade e individualidade dos tomadores de decisão em toda a empresa. [ ... ] Percorrendo estas etapas você selecionou as áreas de negócio, tópicos e os critérios de comparação para seu projeto inicial de data warehouse. Estas informações também serão de utilidade para obter compromisso interno em sua organização para o projeto de data warehouse.” [SAS Institute Inc] Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

26. Data Warehouse - Estrutura • A Reta Inclinada ESTRATÉGICO DATA MINING EIS TÁTICO DATA MINING DATA DESTILLERS DATA DESTILLERS APLICAÇÕES OPERACIONAL Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr. DATA MART

27. Data Warehouse • Alguns conceitos • Data Mart: obedece aos mesmos conceitos do data warehouse, mas tem um conteúdo direcionado para um determinado objetivo que pode ser por assunto ou departamental. Se utiliza das mesmas ferramentas e manipula bancos de dados menores. Exemplo: • Vendas de um produto em uma região • Os 500 maiores Clientes da empresa • Informações contábeis Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

28. Data Warehouse • Alguns conceitos • Data Mining: técnicas que buscam dar significado aos dados do DW e Data Mart. Mineração através de pesquisas pré-definidas, elaboradas sob medida às necessidades conhecidas. A Mineração ad-hoc para consultas não definidas e não conhecidas previamente, usada para análises e simulações. Exemplo: • Análise do perfil do consumidor e cliente • Avaliação de ações de concorrentes • Análise das vendas por região, local, produto, vendedor • Desempenho equipes de venda - sazonalidade Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

29. Data Warehouse • Alguns conceitos • Data Destillers: características similares ao data mining mas no sentido inverso, utiliza-se de extrações resumidas e consolidadas de dados do negócio para subsidiar de forma sucinta eficaz a tomada de decisões. Exemplo: • Que indicador será afetado por uma ação operacional • Quais resultados serão modificados por uma mudança em ambiente operacional Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

30. Data Warehouse • Alguns conceitos • Data Bridge: estrutura para através de programas realizar filtragens para transformar dados do ambiente operacional para o ambiente DW/BI. Exemplo: • Alguns dados operacionais podem nunca sair do ambiente operacional, chegando ao ambiente DW/BI através de cálculos, combinações e deduções. Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

31. Data Warehouse • Alguns conceitos • Operational Data Storage: Base de dados transacional que suporta pesquisas para BI. Possibilita a sumarização imediata a partir da ocorrência operacional do processo gerador. Permite a atualidade dos dados e seu uso imediato no ambiente de decisões em função da sumarização dinâmica e sua destilação imediata por assunto. Exemplo: • Venda de um produto reflete na venda diária e mensal imediatamente. Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

32. Data Warehouse • Alguns conceitos • Aplicação: onde está desenvolvido o conjunto de pesquisas ao data warehouse - linguagem amigável • Engine: software principal, onde é realizado todo o processo de coordenação das pesquisas e montagem dos algoritmos em tempo de execução. • Metadados: armazenamento do dicionário de dados que associa o data warehouse físico com as visões dos aplicativos e que são manipulados pelo Engine Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

33. Data Warehouse • Arquiteturas • Ferramentas para manuseio do DW • Vários Fornecedores • Vários Tipos de Soluções para Manuseio do DW • Soluções que possibilitam navegação na estrutura de dados • Soluções para manuseio local ou remota • Soluções integradas ao Office • Soluções na WEB - camadas da arquitetura Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

34. Data Warehouse • Arquiteturas - Ferramentas para carga do DW • Carga Tradicional – programas desenvolvidos • Modelagem da Base de Dados DW • Definição e Construção dos Programas de Carga • Rotina operacional para Carga • Dificuldades: tempo, know-how, qualidade dos dados. • Ferramenta ETL(Extraction-Transformation-Loading) • Parte dos arquivos do legado e associa ao modelo DW • Constrói a carga • Constrói a transformação dos dados • Constrói a rotina para carga e eschedulagem • Dificuldades: reduzidas drásticamente Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

35. Data Warehouse • Arquiteturas • Camadas • Solução com UMA CAMADA - Cliente Gordo Na estação CLIENTE está o data warehouse, os Metadados, o Engine, cubos e a aplicação. • Vantagens: • Simplicidade na arquitetura • Desvantagens: • Performance extremamente prejudicada • Somente para volume de dados muito reduzido Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

36. Data Warehouse • Arquiteturas • Camadas • Solução com DUAS CAMADAS • Estação Cliente: • Aplicativo + Metadados Aplicação + Cubos • Servidor Remoto: • Data Warehouse + Engine + Metadados Relacional + Gerenciador Banco de Dados • Melhora um pouco a performance em relação a uma camada. Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

37. Data Warehouse • Arquiteturas • Camadas • Solução com TRÊS CAMADAS • Estação Cliente: • Somente Aplicação • Servidor Remoto Motor: • Engine + Metadados Aplicação + Cubos • Servidor Remoto Armazenamento: • Data Warehouse + Metadados Relacional + Gerenciador Banco de Dados Relacional Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

38. Data Warehouse • Arquiteturas • Camadas • Solução com QUATRO CAMADAS - Cliente Magro • Estação Cliente: • Somente Browser • Servidor Remoto WEB • Servidor WEB + Interface WEB da Ferramenta • Servidor Remoto Motor: • Engine + Metadados Aplicação + Cubos • Servidor Remoto Armazenamento: • Data Warehouse + Metadados Relacional + Gerenciador Banco de Dados Relacional Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

39. Data Warehouse • Arquiteturas • Camadas • Solução com QUATRO CAMADAS - Cliente Magro • Vantagens: • Instalação no Cliente: Somente o Browser • Simplificação no suporte - maior performance • Estação Cliente não precisa ser muito robusta • Desvantagens: • Investimento maior em servidores • Necessita boa administração dos recursos Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

40. Data Warehouse • Arquiteturas • Outra visão de camadas: • Camada Externa de Banco de Dados - BD Operacional • Camada de Acesso a Informação - Ferramenta • Camada de Acesso aos Dados - SQL • Camada do Diretório de Dados - Metadados • Camada do Gerenciamento do Processo • Camada de Mensagens da Aplicação - Comunicação • Camada Física do Data Warehouse - BDR • Camada de Replicação de Dados - Cubos / Agregações [Adelize Generini de Oliveira] Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

41. Data Warehouse • Ferramentas de Manuseio- Fornecedor / Produto • Business Object / Business Object • Brio Technology / Brio Query • Choice / O3 • Cognos / Impromptu, Power Play e Scenario • DSS MicroStrategy / MicroStrategy • IQ Software / IQ • Execplan / FastBI Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

42. Data Warehouse • Ferramentas de Manuseio- Fornecedor / Produto • Extent Pilot / Pilot • Hyperion / Essbase, Pillar, Enterprise • IBM / Intelligent Miner, DB.2 OLAP Server • IBM / DataJoiner, DataPropagator, ITI • IBM / DataRefresh, VisualWarehouse • Informix / InfoMover, Advanced Decision Support, Extended Parallel Option Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

43. Data Warehouse • Ferramentas de Manuseio- Fornecedor / Produto • Microsoft / SQL Server 2000 • NCR / Teradata, Teracube, CMS • Oracle / ExpressServer, 11i • Platinum / DecisonBase, InfoBeacon, Forest and Tree, Perspectivo for Marketing Analysing • Prism Solution - DB-Open / Prism Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

44. Data Warehouse • Ferramentas de Manuseio - Fornecedor / Produto • SAS Institute / MDDB Server, SAS EIS e AF, Insight, Enterprise Miner, Enterprise Report • Seagate Software / Seagate Info, Holos, Crystal Reports, Worksheet • Sybase / Warehouse Studio, PowerDimensions Fonte: ComputerWorld 8 de Marco de 1999 Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

45. Data Warehouse • Ferramentas de ETL - Fornecedor / Produto/Site • IBM  / ETI  / www.eti.com • INFORMATICA / PowerCenter / www.informatica.com • ASCENTIAL / DataStage / www.ascentialsoftware.com • CA / Decision Base Transformer / www.ca.com • Sagent / www.sagent.com • Choose / Amadea / www.choose.com.br Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.

46. Business Intelligence / Data Warehouse “É indiscutível o benefício decorrente do conhecimento e uso da informação. No entanto, o sucesso na implementação do Business Information Warehouse depende do quanto a empresa adota estas propostas e as considera estratégicas para a sobrevivência do seu negócio.” [ComputerWorld Marco/1999 - Johnson & Johnson] Datawarehouse e Business Intelligence Prof. Afranio Lamy Spolador Jr.