You are on page 1of 60

THATIANE CALEGARI ELIAS RA 972208 SISTEMAS DE INFORMAO

Business Intelligence Uso de Ferramentas para auxiliar e agilizar a tomada de deciso.

Guarulhos 2011

THATIANE CALEGARI ELIAS RA 972208 SISTEMAS DE INFORMAO

Business Intelligence Uso de Ferramentas para auxiliar e agilizar a tomada de deciso.

Trabalho de concluso de curso apresentado Faculdade Eniac, referente ao curso de Sistemas de Informao. Prof. Mauro Roberto Claro

Guarulhos 2011

Elias, Thatiane Calegari Business Intelligence Uso de Ferramentas para auxiliar e agilizar a tomada de deciso. Guarulhos, 2011. 48f

Trabalho de Concluso de Curso Faculdade Eniac Sistemas de Informao.

Orientador: Mauro Roberto Claro

Aluno: Thatiane Calegari Elias Ttulo: Business Intelligence Uso de Ferramentas para auxiliar e agilizar a tomada de deciso. A banca examinadora dos Trabalhos de Concluso em sesso pblica realizada em__ /__/____, considerou o(a) candidato(a): ( ) aprovado ( ) reprovado 1) Examinador(a)______________________________________________________ 2) Examinador(a)______________________________________________________ 3) Examinador(a)______________________________________________________

Dedico realizao deste sonho aos Senhores Alexandre e Ana, queridos pais, que diante das dificuldades e dos

obstculos estiveram sempre presentes. Entenderam cada noite que deixei de estar com eles, cada final de semana que no pude desfrutar ao lado deles,

entenderam o meu nervosismo, a minha falta de pacincia, sobretudo, a minha ausncia nesses 4 anos. Sem vocs nada disso seria possvel.

Agradecimentos

Primeiramente agradeo a Deus por ter iluminado meu caminho para que pudesse concluir mais uma etapa da minha vida. Agradeo minha me Aninha, por ser to guerreira e amiga que, mesmo passando por momentos difceis, pensou primeiramente no meu bem estar, passou horas ao meu lado e nunca duvidou da minha capacidade em concluir mais essa etapa. Ao meu pai Alexandre, que apesar das brigas e puxes de orelhas, sempre esteve do meu lado, nem sempre falando, mas sempre torcendo e abrindo mo de muitas coisas para que eu pudesse realizar este sonho. A faculdade Eniac que no mediu esforos para a minha formao com excelncia, mas agradeo, especialmente, por ter sido responsvel pelo local onde vivi e compartilhei parte minha da vida com pessoas incrveis que estiveram ao meu lado durante longas noites. Ao meu orientador, Prof. Mauro Roberto Claro, pela dedicao dispensada, pela amizade e principalmente por discordar de mim quando era necessrio. Aos amigos que ganhei durante o curso, que estavam sempre ao meu lado (Luana, Marcos, Jonatas, Marcelo, Vagner), me ajudando com a realizao dos portflios, dos projetos e das aulas atividades, obrigada por muitas vezes aguentar meu mau humor, minha falta de pacincia e principalmente por querer sempre o meu bem. Aos meus amigos de trabalho (Bianca, Alex, Marcelo, Michelli, Marcia) que me ajudaram muito na elaborao desse trabalho, me orientando, revisando e auxiliando em tudo no que foi necessrio. Agradeo o convvio dirio que no fcil, por me aguentarem nos momentos de choro, tristeza e alegrias. Por fim, agradeo aos meus amigos e familiares pela compreenso, pacincia e carinho e a todos que diretamente e indiretamente contriburam para a concluso deste trabalho meu agradecimento eterno.

Epgrafe Apesar dos nossos defeitos, precisamos enxergar que somos prolas nicas no teatro da vida e entender que no existem pessoas de sucesso e pessoas fracassadas. O que existem so pessoas que lutam pelos seus sonhos ou desistem deles. (Augusto Cury)

RESUMO

O projeto sobre o tema em pauta traz como proposta principal elencar o surgimento do Business Inteligente (BI), pautando seus conceitos e detalhando cada fase do processo de implantao desta ferramenta e tcnicas empregadas em sua utilizao. A soluo completa composta pelos recursos de Data Warehouse que um banco de dados onde se armazena dados provenientes de outros sistemas transacionais, para que seus utilizadores possam analisar os dados de forma seletiva. O Processo ETL extrai os dados de fontes externas que so chamados de sistemas transacionais, e transforma os mesmos conforme a necessidade da organizao e os carrega no Data Warehouse. J o Data Mart um Data Warehouse, mas de menor capacidade, pois foca em atender as necessidades de um determinado departamento da organizao. O OLAP faz consulta e analisa os dados contidos nos Data Warehouse e Data Mart, ajudando o usurio final a extrair os dados de suas bases e construir relatrios. O Data Mining um processo que varre grande bases de dados, procurando padres e relacionamento, para poder validar esses dados aplicando os padres, com a juno destes recursos criado o ambiente de BI, aonde os gestores das organizaes tero acesso rpido e gil a informaes de cunho gerencial, melhorando assim a gesto da empresa e qualificando a tomada de deciso. Hoje no sculo XXI, conhecido como a era da informao, este sistema de BI imprescindvel para o mundo dos negcios, pois torna as empresas muito mais competitivas, ajudando a entender todo o seu fluxo de negcios e em consequncia se organizar da melhor forma possvel para atender a todos as demandas de mercado, pois trata o que tem de maior valor dentro de uma empresa, a INFORMAO. Palavras chaves : Business Intelligence ; Data warehouse; Data Mining

ABSTRACT

The project on the subject in question has as main purpose to list the emergence of Business Intelligence (BI), basing their concepts and detailing each phase of implementation of this tool and techniques utilized in its use. The complete solution consists of the resources that the Data Warehouse is a database where it stores data from other transactional systems, so your users can analyze data selectively. The ETL process extracts data from external sources, which are called transactional systems, and transforms them according to the needs of the organization and loads it into the Data Warehouse. Data Mart is like a Data Warehouse, but lower capacity, because it focused on meeting the needs of a particular department of the organization. OLAP performs queries and analyzes the data contained in the Data Warehouse and Data Mart, helping the end user to extract data from their database and make a reports. Data mining is a process that scans large databases, searching for standards and relationships in order to validate these data by applying the standards, with the addition of these resources is possible to create the BI environment, where managers of organizations will have fast and agile the information management, thereby improving the management of the company and enabling the decision-making. Nowadays in the twenty-first century, called as the information age, this BI system is essential to the business world because it becomes companies more competitive, helping to understand your business flow and consequently to organize the best way to meet all demands of the market because it has the highest value within a company, the INFORMATION. Keywords: Business Intelligence ; Data warehouse; Data Mining

LISTA DE ABREVIATURAS

BI - Business Intelligence DW - Data Warehouse DM - Data Mining ETL - Extract, Transform and Load OLAP - On-line Analytical Processing EIS - Executive Informations System SIE - Sistemas de Informaes Executivas DSS - Decision System Suporte DASD - Direct Access Storage Device SGBD - Sistema Gerenciador de Banco de Dados ERP - Enterprise Resource Planning BSC - Balanced Scorecard OLTP - Sistemas de processamentos de transaes Online MOLAP - Multidimensional On-Line Analytical Processing ROLAP - Relational On-Line Analytical Processing DOLAP - Desktop On-Line Analytical Processing HOLAP - Hybrid On-Line Analytical Processing

LISTA DE FIGURAS

Figura 1 - Evoluo do BI Figura 2 - Bases de dados Operacionais vs Data Warehouses Figura 3 - Componentes de um DW Figura 4 - Processo de vendas Figura 5 - Esquema Estrela Figura 6 - Floco de Neve Figura 7 - Esquema Constelao Figura 8 - Data mart (Top- Down) Figura 9 - Data Mart (Button-up) Figura 10 - Cubo Figura 11 - Data Mining Figura 12 - Processo ETL Figura 13 - Estrutura de funcionamento do BI Figura 14 - Tela do mdulo do software de BI Figura 15 - Cubo de dados utilizado para alimentar o software de BI Figura 16 - Indicadores gerados com ferramentas OLAP do Excel com base no cubo de dados mostrado na figura 15 Figura 17 - Distribuio de dados

Sumrio
INTRODUO ............................................................................................................ 1 CAPTULO 1 - BUSINESS INTELLIGENCE (BI)......................................................... 3 1.1 Histria............................................................................................................... 3 1.2 Conceito............................................................................................................. 5 1.3 Ferramenta Balanced Scorecard (BSC) ............................................................ 6 CAPTULO 2 FERRAMENTAS DE BI ...................................................................... 8 2.1 Data warehouse (DW) ....................................................................................... 8 2.1.1 Caractersticas .......................................................................................... 10 2.1.2 Modelao Multidimensional ..................................................................... 12 2.1.2.1 Tabelas fatos ...................................................................................... 12 2.1.2.2 Tabelas de Dimenso ......................................................................... 15 2.1.2.3 Esquema estrela ................................................................................. 16 2.1.2.4 Esquema floco de neve ...................................................................... 18 2.1.2.5 Esquema constelao ........................................................................ 19 2.2 Data Mart ......................................................................................................... 19 2.3 OLAP ............................................................................................................... 22 2.4 Data Mining...................................................................................................... 25 2.5 Processo ETL .................................................................................................. 27 CAPTULO 3 ESTUDO DE CASO ......................................................................... 30 CONSIDERAES FINAIS ...................................................................................... 43 REFERNCIAS BIBLIOGRAFICAS .......................................................................... 45 ANEXO ...................................................................................................................... 48

INTRODUO
O presente trabalho tem a finalidade de abordar o Business Intelligence (BI), tambm conhecido como Inteligncia do Negcio, que auxilia a tomada de deciso de maneira rpida e fcil, acessando informaes sintetizadas, atravs de tecnologias que coletam, fornecem acesso e analisam dados e informaes sobre todas as operaes de uma empresa. O objetivo deste processo transformar os dados em informaes teis e significativas, a fim de distribuir queles que realmente faro uso e tomaro decises corretas e imediatas. Alm disso, as tecnologias de BI auxiliam as empresas a tecer uma anlise de tendncias de transformao do mercado, alteraes no comportamento dos clientes e padres de consumo. Ajudando os analistas a determinar quais ajustes demonstram maior probabilidade de alterar ou afetar essas tendncias. O nmero de dados cresce cada vez mais, e uma das consequncias a saturao de informaes. Atualmente a tecnologia j fornece estrutura para coletar e armazenar dados, porm no possumos a habilidade para analisar, resumir e extrair conhecimentos desses dados. Entretanto, com a ferramenta de BI, isso j pode ser realizado. Os dados esto em toda a parte, contudo preciso transform-los em informaes, e estas, em conhecimento. As empresas sofrem com a abundncia de dados, pois no tm capacidade de administrar com eficincia, tornando impossvel usar os dados para fins de suporte tomada de decises. A Secretaria de Educao do Municpio de Guarulhos, local onde trabalho, no possui um gerenciamento de negcios, ou seja, uma ferramenta de BI. Administramos os dados em simples planilhas do Excel, buscamos os dados nos sistemas que possumos e preenchemos as planilhas conforme os dados necessrios. Quando se torna necessrio um estudo para levantamento e extrao dos mesmos, que sero utilizados nas tomadas de decises h um trabalho exaustivo e demorado. A importncia do tema escolhido mostrar que o Business Intelligence uma ferramenta muito til para as empresas procurarem um diferencial competitivo,

afinal, cada minuto pode ser crucial em uma tomada de deciso e justamente atravs do BI que gestores recebem informaes privilegiadas e corretas a fim de decidir por uma ao. Este trabalho estar voltado, portanto, para a compreenso da metodologia do Business Intelligence como auxiliador para tomadas de deciso que so cruciais para a movimentao estratgica no mercado de negcios. O trabalho ser dividido nos seguintes captulos: No Captulo 1 ser descrito o que Business Intelligence sua histria e seus conceitos. No Captulo 2 ser detalhado as ferramentas do BI, que so: o Data Warehouse, o Data Mining, o Data Mart, o Processo ETL e a ferramenta OLAP e. No Captulo 3 mostrarei o estudo de caso da Kia Motors, onde a ferramenta de BI foi aplicada. Por fim apresento as consideraes finais deste trabalho.

CAPTULO 1 - BUSINESS INTELLIGENCE (BI)

Na atualidade, saber fazer uso da informao um dos diferenciais para a competio empresarial. Os profissionais precisam tomar importantes decises em um curto perodo de tempo, e, para isso, eles se baseiam em fatos ou em conhecimentos acumulados durante sua vida. A quantidade de informaes est crescendo freneticamente e necessitam ser armazenadas em formato eletrnico, como exemplo o data center, que um meio de extrair dados de altos nveis para dar suporte a tomadas de decises. Para saber se as solues a serem escolhidas podero ajudar as empresas a atingir seus objetivos, necessria a utilizao de informaes estratgicas, adquiridas atravs da anlise dos dados. Esse conceito conhecido como Business Intelligence, no qual capaz de organizar os dados, estud-los e fornecer informaes estratgicas para a tomada de deciso com auxilio de ferramentas.

1.1 Histria
O Business Intelligence [1] um termo criado pela Gartner Group (empresa de consultoria em TI) nos anos 80. Antes de ser nomeado Business intelligence, o processo de tomada de deciso recebeu outros nomes: EIS (Executive Informations System) ou SIE - Sistemas de Informaes Executivas, procedimento no qual eram copiados os valores de um relatrio para uma planilha onde se pudessem tratar os dados. Mais tarde, esse processo passou a se chamar DSS (Decision System Suporte) ou Sistemas de Suporte a Deciso, no qual se realizava o mesmo trabalho citado acima.

No final da dcada de 60, a realidade na informtica era os transistores e a linguagem COBOL. Na chamada era Pr-BI, no existiam recursos eficientes para realizar uma anlise eficaz para as tomadas de decises. As informaes eram reunidas e associadas com os sistemas transacionais, onde s era possvel ter uma determinada viso da empresa, e no se representavam ganhos remunerveis. Na dcada de 70, surgiram novas tecnologias de armazenamento e acesso de dados, DASD (Direct Access Storage Device dispositivo de armazenamento de acesso direto) e SGBD (Sistema Gerenciador de Banco de Dados), duas siglas cujo principal significado era estabelecer uma nica fonte de dados para todo o processamento. (PRIMAK ,2006). Nos anos 90 as empresas s contavam com os Centros de Informao (CI), no qual mantinha estoques de dados, de onde eram gerados relatrios, mas no se disponibilizava a quantidade de informaes necessrias. [2] Entre os anos 1992 e 1993 surgiu o Data warehouse, uma ferramenta capaz de gerenciar grandes quantidades de dados, modelando-os para suprir as necessidades por informaes mais rpidas sobre o desempenho da empresa. considerada a pea essencial para a execuo prtica de um projeto de Business Intelligence. Por volta do ano de 1996, o Business Intelligence comeou a ser difundido como um processo de evoluo do EIS, um software que tem como objetivo principal objetivo oferecer ao usurio, em um curto espao de tempo, uma viso gerencial da organizao, mostrando como funcionam seus processos de trabalho. O termo Business Intelligence inclui uma srie de ferramentas (Figura1), como o prprio EIS e DSS , Planilhas Eletrnicas, Geradores de Consultas e de Relatrios, Data Marts, Data Mining, Ferramentas OLAP, entre outras. Business Intelligence tambm est ligado ao ERP (Enterprise Resource Planning), sistemas de comunicao que armazenam, processam e documentam cada acontecimento e distribuem as informaes de maneira clara e segura. Esses sistemas podem armazenar grande quantidade de dados, porm as informaes ficam espalhadas em vrios sistemas dentro da empresa, causando duplicidade de informao. Percebeu-se, ento, que era necessria uma ferramenta que agrupasse as informaes em uma nica base, para que fosse possvel realizar diferentes

analises sob vrios ngulos. Por esse motivo o BI e o ERP esto sendo usados conjuntamente. [2]

Figura 1 Evoluo do BI (TURBAN, 2009).

1.2 Conceito
No tpico que segue, sero descritas algumas definies sobre o BI, cujo objetivo esclarecermos o conceito deste termo.

Segundo Grupo Gartner [3],


A maior ameaa das empresas da atualidade o desconhecimento... O Business Intelligence se empenha em eliminar as dvidas e a ignorncia das empresas sobre suas informaes, aproveitando os enormes volumes de dados coletados pelas empresas.

Para Tozi [4],


Dentre as principais caractersticas do conceito de BI, pode-se destacar: extrair e integrar dados de mltiplas fontes; fazer uso da experincia, trabalhar com hipteses e

simulaes, procurar relaes de causa e efeito e transformar os registros obtidos em informao til para o conhecimento empresarial.

Conforme Grupo Gartner [3],


Para que uma empresa possa prosperar, preciso atender rapidamente seus clientes e estar atenta as constantes mudanas. Isso significa que os executivos tero de tomar decises crticas em questo de segundos. Entretanto, se as informaes no forem utilizadas de maneira correta, ocorrer o comprometimento da agilidade e eficincia da empresa.

De acordo com Haberkorn (2004,p.140). Business Intelligence uma tecnologia que possibilita aos usurios acessar dados e explorar as informaes visando uma tomada de deciso mais correta. Portanto podemos concluir que o BI um conjunto de ferramentas que interagem entre si, integrando toda a tecnologia que possa prover ao usurio um poder de anlise com a rapidez e a preciso que ele no possui, permitindo transformar os dados em informao para um melhor gerenciamento de seus negcios.

1.3 Ferramenta Balanced Scorecard (BSC)


O Balanced Scorecard uma ferramenta de gesto que integra as aes Estratgicas, Operacionais e Organizacionais, auxiliando as organizaes a transformarem suas estratgias em objetivos operacionais, direcionando aes, calculando desempenhos e propiciando uma estrutura de mensurao eficiente. Os seus principais benefcios so: traduz a estratgia em objetivos e aes concretas;

promove o alinhamento dos indicadores chaves com os objetivos estratgicos a todos os nveis organizacionais; Proporciona gesto uma viso sistematizada do desempenho operacional; constitui um processo de avaliao e atualizao da estratgia; facilita a comunicao dos objetivos estratgicos, focalizando os colaboradores na sua consecuo. A implementao dessa metodologia nos sistemas ERP, est colaborando para que cada vez mais as empresas adotem essa ferramenta. As quatros perspectivas que constituem a ferramenta BSC so Finanas, Cliente, Processos Internos e Crescimento. Perspectiva Financeira: Avalia a lucratividade da estratgia, aumento da receita, lucro, gerao de caixa, novas fontes de faturamento, diminuio e variao de custos, giro dos estoques, otimizao do uso dos ativos, aumento da participao nas vendas de itens de alta margem, inadimplncia no contas a receber; Perspectiva Clientes: Agilidade e pontualidade no atendimento, entendimento da concorrncia, preos competitivos, satisfao e reclamaes dos clientes, qualidade e defeitos testados pelo consumidor, lealdade, fixao e recuperao de clientes, uso da garantia; Perspectivas Processos Internos: Inova os produtos, logstica de entrega, marketing, gastos com tecnologia, utilizao do ERP. Perspectiva Aprendizado e Crescimento dos Colaboradores: formada pelo Capital Organizacional, Capital Humano e Capital da Informao. O Capital Organizacional alinha os objetivos de todos os colaboradores, em especial a cultura orientada aos clientes O Capital Humano envolve o desenvolvimento de competncias e habilidades e a atrao e reteno de talentos. O Capital da Informao o compartilhamento do conhecimento e o Capital. (Haberkorn,2004).

CAPTULO 2 FERRAMENTAS DE BI

2.1 Data warehouse (DW)


Para que possamos entender um pouco melhor sobre Data Warehouse importante fazer uma comparao com o conceito tradicional de banco de dados os chamados de Operacionais. A tecnologia esta presente no nosso cotidiano, na maioria das nossas aes como: Um simples saque no caixa eletrnico, um deposito em banco e assim por diante. Esses processos de transaes que ocorrem com freqncia esto envolvidos na atualizao do banco de dados que chamamos de operacional. Onde podem ocorrer os seguintes procedimentos, uma transao de saque de caixa eletrnico, onde o saldo bancrio deve ser reduzido segundo o valor retirado. Esses procedimentos que lidam com negcios rotineiros no andamento de uma empresa so chamados de Sistemas de processamentos de transaes Online (OLTP). Um Data warehouse por sua vez trabalha com o Sistemas de

Processamentos analticos online (OLAP), pois um banco que fornece armazenamento para os dados que sero utilizados para anlise. Isso proporciona aos profissionais acessar os dados da empresa e usar a anlise para dar um suporte ttico ou operacional s decises, isso possibilitara uma toma de deciso mais rpida e informada. (TURBAN,2009). As principais diferenas entre uma base de dados operacional e um Data Warehouse, esta sendo representada na Figura 2.

Figura

Bases

de

dados

Operacionais

vs

Data

Warehouses

(SANTOS,2006,P.79).

Segundo Turban (2009, p.57),


Data Warehouse uma coleo de dados projetada para oferecer suporte tomada de decises gerenciais, contm uma grande variedade de dados que apresentam uma imagem coerente das condies da empresa em um determinado ponto no tempo. A idia por trs do conceito foi criar uma infraestrutura de banco de dados que estivesse sempre online e contivesse todas as informaes dos sistemas OLTP, incluindo dados histricos. Porm, esta infra-estrutura seria reorganizada e estruturada de forma a oferecer rapidez e eficincia em consultas, analises e suporte deciso.

Podemos definir o Data Warehouse como um banco de dados que armazena dados atuais e Histricos, onde seus utilizadores podem analisar os dados de forma seletiva. Esses dados vm de outros sistemas transacionais, o Data Warehouse estabiliza e padroniza as informaes para que elas possam ser usadas por toda a empresa para analise gerencial e tomada de decises.

10

Figura 3 Componentes de um DW (LAUDON, 2007).

2.1.1 Caractersticas
A melhor forma de apresentaremos o Data Warehouse detalharmos suas caractersticas: Orientado por assunto: Os dados so organizados por assuntos de uma organizao como, clientes, fornecedores, produtos ou lojas, no armazena informaes do dia-a-dia da organizao, contem apenas as informaes relevantes ao suporte deciso. A orientao por assunto permite informar o desempenho e o porqu dele, proporcionando uma viso mais abrangente da organizao. Integrado: Um Data warehouse construdo de diversas fontes heterogenias de dados, ou seja, de diversas fontes de dados da organizao. Esse termo

11

integrado refere-se a consistncias de nomes, no sentido que os dados vo ser colocados em um formato consistente, um exemplo, o campo sexo, pode existir aplicaes que codificam sexo como M/F e outras como H/M. Quando os dados so carregados para dentro do DW, eles so convertidos para um estado uniforme, ou seja, sexo codificado apenas de uma forma. Para isso, devem enfrentar conflitos de nomenclaturas e discrepncias entre unidades de medidas. Varivel no tempo: O Data Warehouse mantm dados histricos, fornecendo informaes sob uma perspectiva histrica, quando ocorre uma mudana no banco , ou seja, um novo registro, uma nova entrada criada para marcar esta mudana, por exemplo, se um cliente sofre alteraes no seu cadastro de endereo trs vezes no ltimo ano sero gerados trs novas linhas no banco de dados sendo possvel a identificao de todo este histrico posteriormente. No Voltil: Nos sistemas operacionais so realizadas operaes bsicas nos registros, como consultas, inseres, atualizaes e excluses. Porem o Data warehouse os usurios no tem o poder de alterar, atualizar ou excluir os dados que foram inseridos. Os dados antigos que no so mais utilizados so descartados e as alteraes so registradas com dados novos. (TURBAN, 2009).

Segundo (Santos, 2006,P.81),


Apresentadas as principais caractersticas de um Data Warehouse, convm realar que este integra a informao relativa a um determinado assunto, ou assuntos, da

organizao. Isto significa que caracteriza a organizao e no parte dela. Sempre que o mbito mais restrito, por exemplo, departamental, o repositrio de dados armazena um

subconjunto especifico de dados da organizao, sendo designado de Data Mart e no de Data Warehouse.

12

2.1.2 Modelao Multidimensional


A Modelao multidimensional utilizada para arquitetar a estrutura de um Data Warehouse, ela tem dois pressupostos que so: produzir uma estrutura de base de dados fcil de compreender e utilizar ; e otimizar o desempenho no processamento de questes, fazendo com que a os relatrios que do suporte deciso possam ser gerados rapidamente e com boa performance. (SANTOS, 2006). Os elementos bsicos de representao so estabelecidos quando o modelo de dados comea a ser definido, para que se possa criar um padro de modelagem. Os elementos so as dimenses e fatos representados em tabelas, podendo haver mltiplas dimenses e mltiplas tabelas de fatos. [5]

2.1.2.1 Tabelas fatos


As tabelas fatos so um dos principais componentes dos modelos multidimensionais, pois permitem armazenar registros a analisar de interesse da organizao. Estes registros devem ser numricos porque eles sero agregados utilizando-se operaes tais como, mdia, soma, contagem e etc. Os dados podem ser armazenados diariamente, semanalmente, quinzenalmente, mensalmente, bimestralmente, trimestralmente, semestralmente ou anualmente. Porem os dados no possuem as mesmas caractersticas, portanto no podem ser analisados da mesma maneira. [6]

Segundo Cheila [8],


As tabelas de fatos possuem duas ou mais chaves estrangeiras, relacionadas s tabelas de dimenso,

caracterizando a integridade referencial, geralmente a chave primria da tabela de fatos formada por um subconjunto das chaves estrangeiras, denominada chave composta.

De acordo com Nardi [9],


Ao modelar a(s) tabela(s) de fatos (ou apenas tabela fato), deve-se ter em mente os seguintes pontos:

13

A chave primria composta, sendo um elemento da chave para cada dimenso; Cada elemento chave para a dimenso deve ser

representado e descrito na tabela dimenso correspondente (para efetuar a juno); A dimenso tempo sempre representada como parte da chave primria.

Os fatos podem ser: fatos aditivos, fatos semi-aditivos e fatos no-aditivos. Fatos Aditivos Um fato aditivo quando pode ser agregado em todas as dimenses que esto diretamente relacionadas com as tabelas fatos. Para que possamos entender melhor os fatos aditivos, a Figura 4 apresenta um esquema em estrela, onde a tabela fato esta ligada em diversas dimenses e integra um conjunto de fatos. O processo de negocio que esta sendo representado nessa figura o processo de vendas, onde o mesmo integra os fatos, ou indicadores de negcio, Quantidade, PreoUnitrio e TotalVenda. O TotalVenda calculado a partir da multiplicao da quantidade do produto vendido e do seu PreoUnitrio. Nessa figura as dimenses so a dimenso Tempo, a dimenso Produto, a dimenso Funcionrio e a dimenso Cliente. (SANTOS, 2006).

14

Figura 4 Processo de vendas (SANTOS, 2006, p.88).

Pegaremos a dimenso Tempo e somaremos todos os registros associados s vendas de um dado ms, no atributo TotalVenda, obtemos como resultado o valor total de vendas verificado no ms escolhido. Se pegarmos a dimenso Cliente e agregarmos o TotalVenda, teremos o valor total de compras j realizadas pelo cliente. Se pegarmos a dimenso Produto, para os produtos so somados os valores disponveis na tabela fatos, permitindo conhecer o valor total de vendas por produto. Se pegarmos a dimenso Funcionrio, o TotalVenda permitira calcular o total de vendas de um determinado funcionrio. Portanto o fato TotalVenda, foi agregado pelas diversas dimenses consideradas no modo estrela, mostrando que um fato aditivo. (SANTOS, 2006). Fatos SemiAditivos Os Fatos Semi Aditivos so os fatos que s podem ser agregados por algumas das dimenses, pode ser tanto em uma dimenso, como podem ser em mais. Portanto a diferena dos Fatos Aditivos que pelo menos uma dimenso no tem como agregar um determinado fato. (SANTOS, 2006).

15

Fatos NoAditivos Os Fatos No-Aditivos so os fatos que no podem ser agregados por nenhuma das dimenses que esto no modelo. No faz muito sentido utilizar um fato deste tipo, mas um uso para ele seria uma simples contagem.[6] Se tentarmos agregar esse fato nas dimenses, nos retornara valores que no correspondem realidade. Pois fatos No-Aditivos integram preos ou valores unitrios,

porcentagens e outros atributos que precisam de uma analise isolada. (SANTOS, 2006).

2.1.2.2 Tabelas de Dimenso


As Tabelas Dimenso so uma entidade auxiliar da Tabela Fato que determinam o contexto de um assunto de negcios que armazenam informaes. As dimenses so os aspectos pelos quais se pretende observar as mtricas e so compostas por uma chave primria que interliga com a tabela fato. Segundo Araujo [7],
As dimenses podem ser compostas por membros que podem conter hierarquias. Membros so as possveis divises ou classificaes de uma dimenso. Por exemplo, a dimenso tempo, pode ser dividida nos seguintes membros: ano, trimestre e ms, e a dimenso localizao em: cidade, estado e pas.

Conforme Nardi [9],


Deve haver uma tabela dimenso para cada dimenso do modelo, contendo: Uma chave artificial (ou gerada) genrica; Uma coluna de descrio genrica para a dimenso; Colunas que permitam efetuar os filtros;

16

Um indicador NVEL que indica o nvel da hierarquia a que se refere a linha da tabela.

2.1.2.3 Esquema estrela


O Esquema estrela (Star Schema) a forma mais comum de modelar dados para o uso multidimensional. Esse esquema esta estruturado para facilitar as consultas, enquanto o esquema relacional arquitetado para armazenar dados que venham de transaes, evitando redundncia. O esquema estrela esta estruturado com apenas uma nica tabela fatos, que constitui o centro da estrela, e mltiplas tabelas de dimenses ligadas a tabelas fatos. Onde a tabela fatos corresponde ao assunto que se pretende analisar, essa tabela integra valores numricos, que podem ser analisados utilizando as funes estatsticas, tambm composta pelas chaves de ligao das tabelas de dimenses (Figura 5). (SANTOS, 2006).

Figura 5 Esquema Estrela (SANTOS, 2006, p.83).

17

Segundo Gouveia [12],


O Esquema estrela uma estrutura com tabelas e ligaes bem definidas, baseado no formato de uma estrela. formado por uma tabela central, denominada Tabela de fatos, a qual possui os dados principais da viso da anlise, ou seja, o assunto que est sendo analisado, por exemplo, o consumo, as quantidades de inadimplentes, as quantidades de

consumidores, etc. Nela ficam ligadas as tabelas de dimenso, que possuem os aspectos pelos quais se deseja observar as medidas relativas ao processo que se est analisando.

De acordo com Santos (2006, p.83),


As tabelas de dimenses so normalmente tabelas no normalizadas, podendo ter embebidas um ou mais hierarquias. As caractersticas mais representativas dos esquemas em estrela so: Tabelas fatos: Integra um conjunto de atributos numricos (fatos) e um conjunto de chaves estrangeiras que relacionam a tabela de fatos com as diversas dimenses que lhe esto associadas; Apresenta-se normalizada; Contm uma grande quantidade de registros, ocupando normalmente mais de 95% do espao ocupado pelo Data Warehouse. Tabela Dimenses: Existem tantas dimenses quantas vertentes pelas quais se pretende analisar os fatos; Apresentam-se no normalizadas, integrando na

maioria dos casos uma grande quantidade de atributos; Contm poucos registros quando comparadas com a tabela de fatos, apesar de integrarem muitos atributos.

18

2.1.2.4 Esquema floco de neve


O Esquema floco de neve (snowflake schema) um esquema em estrela onde suas dimenses so normalizadas, pois formam hierarquias nas mesmas. Esse esquema ajuda a diminuir as redundncias, mas conseqentemente aumenta a sua complexidade, dificultando a compreenso dos usurios. O Esquema floco de neve indica a estrutura de cada uma das suas dimenses, diferente do esquema estrela, onde as dimenses integram um conjunto estruturado de dados, como as dimenses esto normalizadas esse esquema evita que a informao redundante seja armazenada. (Figura 6) A vantagem de se usar o esquema floco de neve que ele ajuda a diminuir o volume de dados que so levados para a memria, o inner join que feito com a tabela normalizada tambm mais fcil de ser resolvido. Porm o nmero de relacionamento entre as tabelas maior, fazendo com que o tempo de execuo das consultas aumente. [12]

Figura 6 Floco de Neve. (SANTOS, 2006, p.86).

Segundo Horita [11],


O esquema floco de neve representa uma variao do esquema estrela. Este esquema aplica a terceira forma normal (3FN) em todas as tabelas dimenso, ou seja, so retirados das tabelas os campos que so funcionalmente dependentes de outros campos que no so chave

19

2.1.2.5 Esquema constelao


O esquema Constelao (constellation schema) composto de varias tabelas fatos que compartilham dimenses comuns. Esse esquema pode ser visto como um conjunto de esquemas estrelas. Esse esquema pode modelar assuntos mltiplos e inter-relacionados, pois as diversas estrelas que o integram podem ser interligadas por mais do que uma dimenso (Figura 7).

Figura 7 Esquema Constelao (SANTOS, 2006, p.87).

2.2 Data Mart


O Data Mart considerado um Data Warehouse, mas de menor capacidade e complexidade, pois foca em atender as necessidades de um determinado departamento da organizao. Segundo Gouveia [12],
Um Data Mart representa uma rea especifica a partir de nico processo empresarial, sendo considerado a parte de um todo. por isso que o Data Mart, que uma abordagem descentralizada do conceito de Data Warehouse, no um pequeno Data Warehouse, mas sim um unidade lgica de um DW, podendo ser qualificado com um Data Warehouse Departamental.

20

Alem da implementao do Data Mart ser bem mais rpida e o custo bem mais baixo que um Data Warehouse, o Data Mart esta sendo usado mais constantemente pois pode servir como teste para as companhias que desejam adquirir o Data Warehouse.

Segundo Primak (2008,p.28),


preciso ter em mente que as diferenas entre Data Mart e Data Warehouse so apenas com relao ao tamanho e ao escopo do problema a ser resolvido. Portanto, as definies dos problemas e os requisitos de dados so essencialmente os mesmos para ambos. Enquanto um data mart trata de problema departamental ou local, um data warehouse envolve o esforo de toda a companhia para que o suporte decises atue em todos os nveis da organizao. Sabendo se as diferenas entre escopo e tamanho, o desenvolvimento de um data warehouse requer tempo, dados e investimentos

gerenciais muito maiores que um data mart.

As empresas que optam nas solues de um Data Warehouse tm a idia de comear pequeno, mas pensando no grande, iniciam o processo a partir de uma rea especifica da empresa para depois ir crescendo aos poucos. Ao implementar o Data Mart necessrio se preocupar com o

compartilhamento dos dados, tabelas e relatrios que so iguais aos de outros departamentos, que seriam os outros Data Marts. Pois havendo vrios Data Marts em uma mesma organizao o risco de ocorrer redundncia de dados muito alto. De acordo com Primak (2008,p.29),
Abaixo teremos algum dos motivos pela crescente popularidade de data marts: Os data marts tm diminudo drasticamente o custo de implementao e manuteno de sistemas de apoio deciso e tm os posto ao alcance de um nmero muito maior de corporaes.

21

Eles podem ser prototipados muito mais rpido, com alguns pilotos sendo construdos entre 30 e 120 dias e sistemas completos sendo construdos entre trs e seis meses. Os data marts tem o escopo mais limitado e so mais identificados com grupos de necessidades dos usurios, o que se traduz em esforo/time concentrado.

O Data Mart pode tomar as seguintes arquiteturas: [13] Top-Down: Primeiramente cria-se o Data Warehouse e logo depois divide o mesmo em reas menores gerando pequenos bancos orientados por assuntos departamentalizados, que so os Data Marts. (Figura 8)

Figura 8 Data mart (Top- Down) [13]

Na Figura 8, notamos que o Data Warehouse alimentado pelo processo ETL (Extraction, Transformation and Loading), e depois carrega os Data Marts, onde cada um recebera os dados referente aos assuntos ou departamento. Essa aplicao requer um grande investimento e muito tempo de construo. [13]

Botton-up: a aplicao ao contrrio, a empresa prefere criar um banco de dados somente para um rea da organizao, pois no conhece direito a tecnologia

22

usada, fazendo assim um teste e tambm tendo um custo bem inferior do que um projeto de Data Warehouse. Conforme os primeiros resultados partem para outra rea da organizao e assim por diante ate resultar em um data warehouse. (Figura 9) [13]

Figura 9 Data Mart (Button-up) [13]

Nessa aplicao o Data Mart carregado atravs do processo ETL, onde cada um deles carregado com as informaes adequadas. Depois podemos decidir se deve ou no construir um Data Warehouse.[13]

2.3 OLAP
OLAP (On-line Analytical Processing) uma tecnologia para apoiar anlises e consultas online auxiliando a responder as perguntas dos analistas, gerentes e executivos e tambm auxilia os usurios a resumir as informaes atravs de comparaes, vises personalizadas e anlises histricas [12]. A ferramenta OLAP ela faz consulta e analisa os dados contidos nos Data Warehouse e Data Mart e faz com que o usurio final consiga extrair os dados de suas bases e construir relatrios capazes de responder as questes gerenciais.

23

Essa Tecnologia permite criar cubos (Figura 10) para analisar a informao sob diferentes perspectivas, esses cubos permitem analisar os fatos disponveis na tabela fatos, pelas diferentes dimenses consideradas na modelao realizada, portanto a modelao muito importante, pois ela que garante que toda a informao necessria seja considerada. (SANTOS, 2006)

Figura 10 Cubo [13] Segundo Anzanello [13],


O OLAP mais do que uma aplicao uma soluo de ambiente, integrao e modelagem de dados. A maioria dos dados de uma aplicao OLAP, so originrias de outros sistemas e fontes de dados. Para formular a topologia e o projeto de uma soluo OLAP multidimensional as seguintes perguntas devem ser feitas: Quando ?, O qu ?, Onde ? e Quem ?. Essas perguntas formam a base de todos os arrays multidimensionais. A obteno dos dados originrios das respostas so destinados aos DW e, da, possivelmente para um ou vrios Data Marts. Os Data Marts so subconjunto de informaes dos DWs, segmentado para uma determinada rea ou assunto, visando aumentar a velocidade na consulta de informaes.

24

Para ser elaborada a estrutura da aplicao, precisamos conhecer os mtodos de armazenamento de dados da ferramenta OLAP que so:

MOLAP (Multidimensional On-Line Analytical Processing): Nesse mtodo os dados so armazenados de forma multidimensional e tambm utilizado bases de dados Multidimensionais para armazenamento dos dados. [14]

ROLAP ( Relational On-Line Analytical Processing): Nesse mtodo tanto os dados como as consultas so processados em um banco relacional, utilizando um sistema gestor de bases de dados relacionais para armazenar e gerir os dados que a sero posteriormente analisados. (SANTOS, 2006)

DOLAP (Desktop On-Line Analytical Processing): Nesse mtodo fornece a vantagem de reduo de trafico na rede e tambm fornece uma probabilidade dos dados.[14]

HOLAP (Hybrid On-Line Analytical Processing): Nesse metodo que o mais recente, nele temos uma combinao entre o MOLAP e o ROLAP, assim nos beneficiamos dos dois mtodos, da escalabilidade do ROLAP e da velocidade de processamento do MOLAP.[14]

Com o crescimento das necessidades das empresas em tomar decises, esto sendo criadas varias ferramentas de OLAP, cujos componentes principais so o do administrador que gera os cubos de dados a serem acessados e o componente do usurio final que tem acesso aos dados para extra-los, onde ser possvel gerar relatrios capazes de responder as questes gerenciais. Algumas caractersticas dessas ferramentas so: [14] Consultas ad-hoc: So utilizadas pelos usurios finais, que cruzam informaes conforme suas necessidades para terem as respostas que precisam.

25

Slice and Dice: Possibilita alterar a posio de uma informao, como trocar linhas por colunas para facilitar a compreenso dos usurios e tambm permite girar o cubo sempre que tiver necessidade. Drill down: Seu objetivo fornecer uma viso mais detalhada dos dados que sero analisados. Drill up ou Roll up: Ao contrario do Drill down essa ferramenta diminui o nvel de detalhamento da informao. Segundo Anzanello [13],
A escolha da ferramenta de OLAP no deve ser uma das primeiras tarefas em um projeto de desenvolvimento de uma aplicao OLAP. O mais interessante iniciar com a obteno dos dados, sua modelagem, armazenamento e, a sim, se proceda a escolha da ferramenta de OLAP.

2.4 Data Mining


Na nossa atualidade o volume de informao esta cada vez maior e se torna indispensvel aproveitar o mximo o que essa informao pode nos oferecer, essas informaes so armazenadas em banco de dados, onde possvel recuperar esses dados para possveis consultas, porm somente essas consultas no propicia todas as vantagens possveis que possamos ter com essas informaes. Essa Informao pode ser usada para melhorar os procedimentos da empresa, permitindo que a mesma descubra tendncias e que possa tomar decises rapidamente para um evento que esta por vir. Mas devido ao grande volume de dados as empresas no so capazes de aproveitar totalmente o que esta armazenado em seu banco de dados, e os mtodos convencionais no conseguem suprir essa necessidade. O processo de Data Mining permite que se investigue esses dados procura de padres que tenham valor para a empresa. Segundo COMPOLT [15],

26

A tecnologia utilizada no Data Mining utiliza da procura em grandes quantidade de dados armazenados procurando extrair padres e relacionamentos que podem ser fundamentais para os negcios da empresa. O Data Mining trabalha com um conjunto de tcnicas avanadas e princpios de inteligncia artificial para identificar os padres e associaes que os dados refletem, com isso oferecendo concluses que podem trazer valiosas vantagens a nvel de mercado para as empresas. Reconhecendo o Data Mining como uma forma de incorporar significado aos dados, prope-se especificar e desenvolver um Sistema de Informao para efetuar classificao e

segmentao utilizando as tcnicas de Data Mining.

Portanto o processo de Data mining um processo que explora grandes bases de dados, procurando padres e relacionamento para que se possam validar esses dados que so fundamentais para os negcios da empresa. Atravs do Data Mining, o usurio no precisa definir o problema, selecionar os dados e ainda escolher a ferramenta para analisar esses dados, essa ferramenta pesquisa automaticamente os dados a procura de irregularidades e possveis relacionamentos, encontrando assim problemas que no tinham sido identificados pelos usurios, portanto o Data Mining analisa os dados, identificam possveis problemas ou relacionamentos dos dados, assim diagnosticam o comportamento do negcio, assim os usurios s se preocupara em buscar o conhecimento e produzir as vantagens competitivas.[16] Como podemos ver, o Data Mining, somente facilita e auxilia o trabalho dos gestores das empresas, ajudando as mesmas a serem mais competitivas e aumentarem seus lucros. Nesse processo as tecnologias esto embutidas no software, assim os usurios no precisam conhecer as tcnicas para extrair as informaes necessrias, podendo ainda exportar os dados para planilhas eletrnicas e para outras ferramentas que servem de apoio tomada de deciso.

27

Figura 11 Data Mining [16]

2.5 Processo ETL


O Processo ETL (Extract, Transform and Load), ou seja, extrao, transformao e carga. Esse processo extrai os dados de fontes externas, transforma os mesmos conforme necessidade da organizao e os carrega no Data Warehouse.[17] Os dados da organizao podem ter vrias origens diferentes, portanto, pode ocorrer uma inconsistncia de dados, alm deles possurem as mesmas informaes, contudo foram gravados de forma diferente, por isso necessrio estabelecer um padro para ajustar esses dados. Um exemplo que pode ocorrer , um Sistema X que possui a tabela Alunos e essa tabela contem a coluna Sexo, e os dados dessa coluna so F para Feminino e M para Masculino. No sistema Y que tambm agrega a tabela Alunos, com a Coluna de Sexo, os dados dessa coluna so

28

preenchido com 1 Feminino e O Masculino. Ao carregar esses dados sem ocorrer o Processo de ETL, o sistema no identificar que esses dados possuem a mesma informao. Ento necessrio realizar as transformaes e carregar os dados j tratados no processo de transformao para o Data Warehouse e a partir desses dados ser possvel realizar as anlises. No processo ETL os estgios Extrao e Carga so obrigatrios, j a Transformao opcional. Extrao Extrao a primeira parte do processo ETL, onde ocorre a extrao dos dados dos sistemas de origem, como cada sistema pode utilizar um formato de dados diferentes, a extrao converte esses dados para um determinado formato para iniciar o processo de Transformao. [17] Transformao Esse estgio tem uma srie de regras ou funes que se aplicam nos dados extrados para proceder nos dados que sero carregados, os dados podero necessitar das seguintes transformaes: Seleo de apenas determinadas colunas para carregar os dados; Traduo de valores codificados, o que conhecido como limpeza de dados; Codificao de valores de forma livre; Derivao de um novo valor calculado; Juno de dados provenientes de diversas fontes; Resumo de vrias linhas de dados; Gerao de valores de chaves substitutas; Transposio ou rotao; Quebra de uma coluna em diversas colunas; [17]

29

Carga Essa fase que os dados so carregados no Data Warehouse, incluindo tarefas de ordenao, agregao, consolidao e verificao da integridade dos dados, entre outras. Esse processo varia conforme as necessidades da organizao, pois os dados no Data Warehouse podem ser substitudos semanalmente, como tambm podem ser substitudos a cada hora.

Figura 12 Processo ETL (SANTOS, 2006, p.93) Aps esse processo de ETL, os dados sero utilizados para gerar relatrios que sero aproveitados em anlises atravs de ferramentas online analytical processing, que permitiro que o usurio navegue de forma rpida e eficiente.

30

CAPTULO 3 ESTUDO DE CASO


O Estudo de caso apresentado nesse Trabalho de Concluso de Curso foi apresentado na integra, cujo objetivo foi exemplificar o Business Intelligence aplicado no ambiente coorporativo. [18]

Business Intelligence para Alavancar as Vendas de Automveis.

O mercado automotivo, atualmente, possui muitas oportunidades de utilizao de BI principalmente para ganhos de competitividade com relao aos concorrentes. A ferramenta de BI tem por objetivo fornecer maior disponibilidade de informaes processadas de forma que o executivo possa tomar decises com base em dados estatsticos, grficos e relatrios, entre outros. Assim sendo, a confiabilidade e a qualidade das decises tornam a empresa mais agressiva com relao aos seus concorrentes. A ferramenta de BI utiliza recursos de Tecnologia de Informao (TI) para disponibilizar a maior quantidade possvel de informaes ao usurio de forma organizada. Permitindo assim, que o executivo tenha viso da empresa em diversos aspectos e pontos de vista. A viso geral da empresa possibilita evitar erros de tomada de decises devido falta de informao ou interpretaes de dados de maneira errnea. Um aspecto que deve ser levado em considerao o custo de ter uma ferramenta como esta dentro da empresa. A ferramenta de BI custosa e conseqentemente apenas grandes empresas podem adquirir esta ferramenta em sua plenitude. As montadoras de automveis freqentemente fazem parte de rol das grandes empresas e esto normalmente imersas em uma concorrncia ferrenha. Neste cenrio as montadoras podem ter a ferramenta de BI como uma grande aliada em suas investidas contra os concorrentes de forma que esta adquira o mximo de segurana possvel em seus investimentos e estratgias.

31

Caracterizando o Business Intelligence (BI)

O BI, para Wu (2000), recorre ao uso de tecnologia para colecionar e efetivamente usar informao para melhoria empresarial. Um sistema ideal de BI fornece aos empregados de uma organizao e aos seus scios, o acesso fcil informao que eles precisam e a capacidade de analisar e compartilhar estas informaes. A estrutura de funcionamento do BI segue uma estrutura de camadas em forma de pirmide mostrada por Wu (2000) as quais servem para ajudar a focar as informaes necessrias para que as aes sejam tomadas com maior base.

Figura 13 - Estrutura de funcionamento do BI Fonte: Afolabi (2004)

As montadoras acumulam grandes volumes de dados em Data Warehouse sobre seus clientes, vendas, produtos, componentes, mercados internacionais, enfim, sobre qualquer coisa que possa ajudar nos seus negcios. A filtragem e anlise destes dados geram informao selecionando os dados que realmente so interessantes de serem analisadas. Com base nas informaes coletadas so gerados indicadores para que a compreenso do problema ocorra com maior facilidade e possa se conhecer os objetivos da pesquisa e o que se deseja obter do volume de dados disponvel.

32

Para que se possa adquirir conhecimento das informaes coletadas, normalmente, so utilizadas ferramentas de Data Mining para que o conhecimento seja extrado utilizando-se as informaes obtidas e a compreenso do problema. Graas ao conhecimento obtido pela ferramenta de minerao de dados, Data Mining, que faz com que os envolvidos com o problema colaborem com conscientizao para que os objetivos sejam alcanados e o gestor tome as aes corretivas exatamente no centro do problema assim a eficincia e eficcia das aes sejam maximizadas. Implementadas as colaboraes & aes de acordo com o planejamento ditado pelos processos anteriores o retorno do investimento (ROI) obtido naturalmente e com maior volume possvel. Na metodologia mostrada por AFOLABI & THIERY (2004), para que a ferramenta de BI atinja seus objetivos deve-se identificar o que se quer alcanar com o BI. Em condies prticas isto significa procurar oportunidades na organizao onde a inteligncia empresarial pode melhorar a qualidade das decises. Este processo de BI dividido em trs etapas bsicas: A primeira etapa requer considerao de onde pode ser aplicado o BI em uma organizao (por exemplo, unidades empresariais ou reas funcionais), quem so os beneficirios (por exemplo, executivos, analistas e gerentes) e so definidos os tipos de informao (por exemplo, dimenses e medidas). A segunda etapa consiste em envolver as pessoas para juntar idias e compartilhar as experincias sobre as quais processos empresariais podem se beneficiar do BI e que informao pode ajudar a melhorar os processos da empresa. A terceira etapa a seleo criteriosa das idias para identificar as oportunidades de BI que oferecem os maiores benefcios. Os benefcios de se utilizar o software de BI, principalmente o retorno do investimento, conforme KOUNADIS (2000), so tipicamente mais difceis de se avaliar, especialmente para companhias que tm pouca ou nenhuma experincia com a tecnologia. Os benefcios mais importantes no so facilmente quantificados com antecedncia, eles envolvem variveis menos mensurveis como o impacto de ter informao mais rapidamente, maior qualidade de decises, perspectivas de novos mercados e potenciais melhorias na estratgia competitiva.

33

Alm disso, h uma lista de benefcios da implementao do software de BI que, conforme DEBROOSE (2003), so intangveis, e, no entanto, difceis de quantificar, mas, onde os maiores e mais rpidos retornos acontecem. Os benefcios intangveis so: Decises operacionais e estratgicas de melhor qualidade e mais oportunas. Melhoria da comunicao entre os empregados e satisfao no cargo, so os resultados de um maior senso de autonomia. Maior compartilhamento do conhecimento. A camada mais visvel da infra-estrutura de inteligncia empresarial conforme WU (2000) so as aplicaes que se estendem em camadas para entrega de informao aos usurios. As exigncias de inteligncia empresarial incluem gerao de relatrio, consultas e capacidades para realizar investigaes especiais nos dados e anlises que permitam a identificao de tendncias. Para DEBROOSE (2003), o software de BI deve permitir aos usurios a interao com a informao para ganhar novas vises das variveis empresariais subjacentes e apoiar decises empresariais. Para alcanar a mxima velocidade da inteligncia empresarial, processos devem ser monitorados continuamente para que possam alertar aos responsveis atravs de indicadores, apressando aes para solucionar problemas ou compensar eventos empresariais imprevistos. Esta natureza de atividade da inteligncia empresarial pode prover tremendos benefcios de negcio. A utilizao da inteligncia empresarial na Web atravs de portais, para AFOLABI & THIERY (2004), est ganhando impulso considervel. Portais Web esto se tornando um ponto personalizado de acesso para informaes empresariais fundamentais. Todos os principais fornecedores de software de BI desenvolvem componentes que incluem na infraestrutura de BI da empresa portais de acesso a informaes empresariais.

34

Inteligncia Empresarial e Indstria Automotiva

A indstria de automotiva muito varivel. Para Carvalho (2005), fatores como globalizao, fuses e aquisies, competio de instituies e inovao tecnolgica, forou companhias a re-pensar a estratgia empresarial. As empresas do mercado automotivo tm que criar novas fontes de renda, entrar em novos mercados, ganhar parte do mercado e reduzir custos operacionais. Alm disso, as expectativas de clientes esto mudando. Eles esto mais bem informados e mais exigentes. Companhias esto transformando a estratgia de administrao para se tornar mais focada ao cliente que ao produto. Solues de BI fizeram um papel significante na estratgia de muitas das companhias automotivas, permitindo que estas se adaptem para comercializar rapidamente novos produtos de acordo com as tendncias de mercado. Com o fcil acesso aos dados, analisados estatisticamente, companhias podem administrar custos, desempenho e aumentar a rentabilidade em termos de lucros. Solues de BI podem ajudar a melhorar o desempenho das companhias nas vendas do varejo garantindo mais investimentos em novos produtos e nichos de mercado.

Contribuies do BI na qualidade das vendas

O BI, para Carvalho (2005), pode ajudar as empresas automotivas a identificar os clientes e produtos mais lucrativos, entendendo os padres de compra dos clientes, reter os clientes e valoriz-los entendendo o comportamento de maneira individual, identificando e respondendo as necessidades e oferecendo produtos e servios de melhor qualidade. Outro aspecto relevante a melhoria do atendimento ao consumidor identificando e respondendo rapidamente a tendncias de mercado, necessidade de novos representantes, estudos de geografia e caractersticas de disputa de mercado.

35

A eficincia das campanhas comerciais pode se tornar mais efetivas atravs de analises de taxa tima de resposta e da estratgia a ser trilhado que so feitas muito eficientemente com a utilizao da ferramenta de BI. Os riscos perdas podem ser minimizados entendendo exposio de risco tanto ao longo da organizao quanto a um nvel individual num setor.

Aplicao de uma ferramenta de BI na Kia Motors da Alemanha

Na Alemanha, as pessoas levam automvel muito a srio, j que os alemes so os produtores de alguns dos mais distintos e respeitados automveis no mundo. Mesmo assim, no nenhuma novidade que os alemes no so leais com suas marcas nativas, fazendo o mercado automotivo alemo ser extremamente competitivo e desafiador para fabricantes e importadores de automveis. Em um esforo para impulsionar sua posio competitiva no exigente mercado alemo de automveis, a Kia Motors da Alemanha, uma diviso da Kia Motors da Europa, queria proporcionar para suas 450 concessionrias, acesso de tempo real de inventrios de veculos novos e peas de reposio alm de outras informaes para melhorar satisfao de cliente e aumentar as vendas. Na Alemanha, as concessionrias da Kia Motors tm apenas alguns carros novos disponveis apenas para demonstrao. Os carros, quando so comprados na concessionria, geram uma ordem em demanda para Kia na Coria e ento os carros so transferidos s concessionrias para entrega para o cliente. extremamente necessrio, para que este processo ocorra bem, com disponibilidade de dados precisos e imediatos da disponibilidade de carros sendo estes dados cruciais ao sucesso das concessionrias e a satisfao dos clientes.

A exigncia da Minimizao de Processos baseados em papis

Os

concessionrios

da

Kia

estavam

utilizando

relatrios

impressos

semanalmente com informaes de tempo de disponibilidade de carros novos e peas de reposio. Com a distribuio mundial de automveis e peas, estes relatrios de papel no puderam manter o ritmo das movimentaes de inventrio se

36

tornando obsoletos muito rapidamente. Alm disso, concessionrios dependiam dos lentos e ineficientes relatrios em papel para realizar suas vendas de carros e peas sobressalentes. Estes relatrios eram compartilhados por mtodos, como fac-smile. A falta de dados disponveis mais rapidamente estava causando problemas para os concessionrios e era um fato impeditivo para os clientes comprarem os carros da Kia Motors. Os concessionrios no confiavam na lista de papel e chamavam o departamento de distribuio para confirmar a disponibilidade carros novos e peas de reposio o que provocava desperdcio de trabalho e tempo de ambos os lados. Alguns clientes potenciais estavam preocupados com o excesso de tempo para entrega dos pedidos de carros novos, devido demora da chegada do pedido ao fabricante na Coria, o mesmo se diz para peas sobressalentes. Assim a Kia quis melhorar seu nvel de servio com um software de BI.

Vantagens adquiridas com a implementao do software de BI

O novo sistema permite aos concessionrios a fazer diversas operaes online entre elas pode se citar a checagem da disponibilidade de carros novos, realizao de pedidos de carros novos, obter a lista de peas sobressalentes, entre outras funes. Conforme Mostrado na figura 14 a interface do software de fcil manuseio e entendimento das informaes oferecidas. O software foi concebido para utilizao por pessoas de diversos nveis hierrquicos, fornecendo tanto dados para suporte a vendas quanto dados estatsticos sobre as vendas voltados para o planejamento estratgico por parte da gerncia.

37

Figura 14 - Tela do mdulo do software de BI

O software desenvolvido voltado para utilizao em navegadores WEB para o sistema operacional Microsoft Windows em ambiente de escritrio. O software de BI ajudou a Kia Motors a alavancar a lgica empresarial existente tornando crticas as informaes sobre a disponibilidade de inventrio de automveis e peas de reposio atravs de uma intranet segura. Com a melhoria do sistema de informao dos concessionrios possibilitou-se tambm a melhoria da inteligncia empresarial para a Kia Motors, apresentando dados executivos agregados para cada regio e o histrico do concessionrio. O sistema fornece informaes mais precisas sobre a data e o horrio que um pedido feito, permitindo fazer melhorias dentro do planejamento de pessoal. Adicionalmente, h estatsticas que permite analisar os concessionrios tanto individualmente quanto de maneira geral.

38

O ROI

A Kia da Alemanha alcanou resultados mensurveis com a implementao do software de BI: Reduo de custos com fora de trabalho entre 70 a 80 por cento. Melhoria das vendas de 30 por cento. Economia de 10.000 Marcos (5,000) remetendo-se aos custos de administrao dos relatrios dos concessionrios agora providos com o acesso on-line e informaes em tempo real de inventrio de peas e automveis novos. Agilizao do cumprimento das ordens, entregando ordens de peas sobressalentes e carros novos em um dia em mdia, contra dois a trs dias no passado. Minimizado o tempo de treinamento dos empregados. A Soluo aplicada

O software de BI utiliza um cubo de dados, como mostrado na figura 15, para fornecer dados de vendas de automveis novos, peas de reposio e solicitaes de utilizao de garantia pelo fabricante. O cubo de dados um repositrio acessado pelos concessionrios atravs de um navegador WEB, todos os 450 concessionrios KIA j possuem acesso ao banco de dados com disponibilidade 24 horas. Em uma verso de testes mais 610 concessionrios distribudos pela Europa esto tambm acessando o mesmo banco de dados com o objetivo de integrar todos os concessionrios da Europa em uma nica rede integrada de informaes. Com a integrao dos concessionrios de toda a Europa, aumentou-se ainda mais a eficincia do sistema, permitindo que todos os concessionrios da Europa possam ter as mesmas informaes sobre peas de reposio e carros novos alm da atualizao online das regras de garantia dos produtos e preos dos produtos.

39

Figura 15 - Cubo de dados utilizado para alimentar o software de BI - Fonte: Adaptado de Fidalgo et.al.(2004)

Os dados sobre vendas coletados pelo sistema so filtrados e exportados para o Excel para que possam ser trados pela ferramenta OLAP disponvel no pacote Office da Microsoft. Um exemplo do relatrio montado em Excel com os dados de vendas de acessrios dos carros, mais especificamente na rea de som e vdeo mostrado na figura 16.

40

Figura 16 - Indicadores gerados com ferramentas OLAP do Excel com base no cubo de dados mostrado na figura 15

A coleta de dados de controle de estoque e de estatsticas de vendas facilitado pela organizao dos dados em data marts. A estrutura de dados do sistema mostrado pela figura 17.

41

Figura 17 - Distribuio de dados - Fonte: Adaptado de Fidalgo et. al.(2004)

Com a implantao do sistema de BI a Kia Motors da Alemanha foi capaz de aumentar sua capacidade de administrao de seu inventrio e estend-lo para sua intranet, disponibilizando informaes mais rapidamente e de melhor qualidade para os concessionrios, ao longo da Alemanha. O projeto teve tanto xito na Alemanha que o sistema foi utilizado em outras divises de Kia na ustria, Blgica, Repblica Tcheca, Hungria e Sucia.

Concluso Estudo de Caso

O mercado automotivo em qualquer local do mundo apresenta muitas disputas, sendo assim, as montadoras devem estar muito bem informadas sobre si e sobre o mercado que esto participando. A ferramenta de BI oferece vantagens competitivas, principalmente, relacionadas com a disponibilidade de informaes precisas e sempre atualizadas. Este suporte imprescindvel para que as corporaes se tornem mais seguras sobre as estratgias que esto tomando e sobre as reaes que o mercado est tendo com relao s aes estratgicas aplicadas sobre ele.

42

Assim grandes prejuzos financeiros so evitados, prejuzos estes devido a estratgias errneas de mercado, perda de clientes e principalmente problemas com a prpria imagem da empresa. Num cenrio competitivo como este o atendimento ao cliente fundamental para que as vendas sejam realizadas, para que os clientes retornem concessionria para fazer reparos e quando ocorrer a troca esta seja feita por um automvel da mesma marca. A fidelidade dos clientes um patrimnio incalculvel para as montadoras e o software de BI uma grande ferramenta para manter os clientes sempre satisfeitos. As tecnologias de comunicao de dados principalmente as relacionadas com a web so grandes ferramentas para melhoria da comunicao interna da empresa, melhorando a qualidade das informaes, com atualizaes mais rpidas e precisas. As ferramentas de BI esto explorando as redes de comunicao de dados para que suas funcionalidades tenham o melhor xito possvel. O investimento para implantao de um software de BI, segundo Microsoft (2002), pode ser reduzido em muito com a utilizao do pacote Office Microsoft como software de apoio, gerando relatrios, contribuindo com a organizao de dados e gerao de grficos. O software apresentado neste artigo ilustrou as potencialidades da ferramenta para operaes de logstica e vendas das montadoras. Mostrou que a utilizao correta da ferramenta pode alavancar vendas, melhorar a imagem da empresa mostrando que uma instituio eficiente, organizada e confivel. A eficincia que o software de BI implementado mostrou provocou reaes de mercado e mudanas de ponto de vista dos clientes fazendo que a antiga imagem ineficincia e lentido da logstica da KIA Motors da Alemanha fosse mudada para melhor. Conforme mostrado no artigo houve melhorias no somente em vendas, mas, tambm em qualidade, marketing, logstica, entre outros.

43

CONSIDERAES FINAIS
Tal pesquisa proporcionou uma viso ampla de como o BI pode servir de apoio tomada de deciso. No sculo XXI, a informao tornou-se um foco para as que as empresas possam crescer, se as mesmas forem conduzidas de modo eficaz certamente ajudar em seu crescimento. Conseguir atrelar essas informaes junto com o processo de deciso, para saber que rumo tomar dentro de uma organizao o diferencial competitivo que todas as empresas, sejam elas: pequenas, mdias e grandes, procuram. Os Sistemas de Tomada de Deciso hoje esto cada vez mais presentes na vida dos gestores, pois proporcionam metodologias eficazes no processo decisrio. O Business Intelligence uma excelente escolha para as empresas que querem e precisam de um diferencial competitivo na era da informao, pois essa ferramenta possibilita que os gestores possam manipular e extrair os dados conforme suas necessidades, podendo assim transform-los em informao. Todos os que realmente disputam um lugar no mercado e que preciso tomar decises corretas e em tempo gil, esto se rendendo a essa ferramenta, pois pode ser uma importante arma nessa guerra de interesses. Com base no estudo de caso, conclui-se que todos os objetivos por parte da empresa Kia Motors que implementou o BI foram atendidos. O sistema se mostrou apto a gerar informaes de acordo com os dados selecionados, conseguindo cruzar informaes relevantes para a gesto integral das vendas, controle de estoque e solicitaes de utilizao das garantias, dando subsdio aos gestores para um possvel caminho para sua tomada de deciso. O sistema disponibiliza essas informaes atravs de um cubo de decises, onde esses dados so filtrados e exportados para o Excel, que tratado pela ferramenta OLAP disponvel no pacote Office da Microsoft que capaz de gerar grficos se for de preferncia do executivo, para facilitar visualmente a anlise da informao. Com ferramentas de fcil utilizao e com finalidade bem definidas a Kia Motors se satisfez com os resultados, pois alm das informaes forma disponibilizadas mais rapidamente, as mesmas ganharam tambm na qualidade, pois a tcnica do BI retornou dados corretos e sem inconsistncias.

44

Este trabalho proporciona aos gestores, diferencias competitivos a fim de agregar informaes coerentes em um tempo hbil para as tomadas de decises. Certamente pude perceber a real importncia de uma tomada de deciso dentro de uma empresa, e o quanto o modelo de negcios pode se tornar eficiente e os custos podem ser reduzidos atravs deste trabalho.

45

REFERNCIAS BIBLIOGRAFICAS
Meio Digital

[1] Business Intelligence http://www.businessintelligence.com.br/portal/modules.php?name=News&file=article &sid=1 Acessado em: 15 de Outubro de 2011 s 15:32

[2] Curso de Business http://www.nextgenerationcenter.com/detalle-curso/Business_Intelligence.aspx Acessado em: 16 de Outubro de 2011 s 11:10

[3] Conceito de BI http://www.infobras.com.br/portugues/produtos_bi_conceito.asp Acessado em: 16 de Outubro de 2011 s 12:00

[4] Estudo do BI http://www.uvv.br/portais/cienciacomputacao/pdf/2008/UM%20ESTUDO%20DO%20 BUSINESS%20INTELLIGENCE%20NO%20AMBIENTE%20EMPRESARIAL.pdf Acessado em: 16 de Outubro de 2011 s 14:25

[5] BI http://msdn.microsoft.com/pt-br/library/cc518031.aspx Acessado em: 02 de Novembro de 2011 s 18:17

[6] OLAP http://www.din.uem.br/~ia/a_multid/mineracao/OLAP.html Acessado em: 02 de Novembro de 2011 s 18:44

46

[7[ Data Warehouse http://www.devmedia.com.br/post-6978-Qualidade-na-Modelagem-dos-Dados-deum-Data-Warehouse.html Acessado em: 05 de Novembro de 2011 s 19:06

[8] SI http://www.giovani.inf.br/adm_inf/artigos/DW_Sistema_de_Informacoes_Integradas.p df Acessado em: 08 de Novembro de 2011 s 09:58

[9] Sistemas de Informao http://msdn.microsoft.com/pt-br/library/cc518031.aspx Acessado em: 09 de Novembro de 2011 s 09:07

[10] Business Intelligence (BI) http://bibdig.poliseducacional.com.br/document/?view=98 Acessado em: 10 de Novembro de 2011 s 09:23

[11] Modelagem dimensional http://www.flaviohorita.stillit.com.br/index.php?option=com_content&view=article&id= 81:modelagem-dimensional&catid=43:business-intelligence&Itemid=57 Acessado em: 10 de Novembro de 2011 s 18:37

[12] Tecnologia http://www.ppgi.di.ufpb.br/wp-content/uploads/2009robertamacedo.pdf Acessado em: 11 de Novembro de 2011 s 13:10

[13] Data Mart http://www.dataprix.net/pt-pt/24-data-mart Acessado em: 11 de Novembro de 2011 s 17:43

[14] Sistemas de Informao - OLAP

47

http://www.fag.edu.br/professores/limanzke/Administra%E7%E3o%20de%20Sistema s%20de%20Informa%E7%E3o/OLAP.pdf Acessado em: 12 de Novembro de 2011 s 00:21

[15] Globalizao http://campeche.inf.furb.br/tccs/1999-II/1999-2geandroluiscompoltvf.pdf Acessado em: 12 de Novembro de 2011 s 15:35

[16] Tecnologia Business Intelligence http://www.intelliwise.com/reports/i2002.htm Acessado em: 12 de Novembro s 16:25

[17] Conceitos http://www.infobras.com.br/portugues/produtos_conceito_etl.asp Acessado em: 13 de Novembro s 15:16

[18] Estudo de caso http://www.simpep.feb.unesp.br/anais/anais_13/artigos/642.pdf Acessado em; 15 de Novembro s 18:05

Meio Impresso

HABERKORN, Gesto Empresarial com ERP. Microsiga, 2003.

LAUNDON. Sistemas de Informao Gerenciais. Pearson, 2007. PRIMAK. Decises com B.I (Business Inteligence). Cincia Moderna, 2008. SANTOS, RAMOS. Business Intelligence: Tecnologias da informao na gesto de conhecimento. FCA - Editora de Informtica, 2006.

TURBAN, et al. Business Intelligence Um enfoque Gerencial para a Inteligncia do negcio. Bookman, 2009.

48

ANEXO
Termo de compromisso e responsabilidade Autenticidade e exclusividade sob as penas da Lei 9810/98

Pelo presente, os abaixo assinados declaram, sob as penas da lei, que o presente trabalho indito e original, desenvolvido especialmente para os fins educacionais a que se destina e que, sob nenhuma hiptese, fere o direito de autoria de outrem.

Para maior clareza, firmamos o presente termo de originalidade.

Guarulhos, 16 de novembro de 2011

Thatiane Calegari Elias