Beruflich Dokumente
Kultur Dokumente
I NSTITUTO DE I NFORMÁTICA
Goiânia
2018
U NIVERSIDADE F EDERAL DE G OIÁS
I NSTITUTO DE I NFORMÁTICA
Goiânia
2018
W ILAN C ARLOS DA S ILVA
Steve Jobs,
.
Resumo
Palavras–chave
BI, business intelligence, empresa de médio porte, tomada de decisões
Abstract
This paper proposes to present information about what is Business Intelligence, the
importance of data collection and the transformation of information into information
to assist in decision making, as well as talk about the process of building a BI system,
gathering management data of interest with the client for decision making, presentation
of concepts and modeling of the Data Warehouse and the ETL system to the creation of
OLAP cubes and reporting panels, all focused on a medium-sized company. From the
tests and results achieved will be analyzed the benefits and costs of applying a BI system
to aid in decision making and performance monitoring.
Keywords
BI, business intelligence, midsize companies, decision making
Sumário
Lista de Figuras 11
Lista de Tabelas 12
1 Introdução 13
1.1 Justificativa 14
1.2 Objetivo Geral 14
1.3 Objetivos Específicos 15
2 Business Intelligence 16
2.1 História do BI 16
2.2 Objetivos do BI 17
2.3 Foco nas organizações 19
2.4 Os componentes do Business Intelligence 21
2.4.1 Dados 23
Dados Operacionais 23
Dados Normalizados x Dados Desnormalizados 23
2.4.2 Informação 23
2.4.3 Conhecimento 24
2.4.4 Decisão 24
2.4.5 Gerenciamento de Tempo 24
2.4.6 Ferramentas ETL (Extração - Transformação - Carga) 24
2.4.7 Data Warehouse (DW) e Data Mart (DM) 25
2.4.8 Modelo Dimensional 27
Star Schema 27
2.4.9 OLAP e OLTP 28
3 Procedimentos Metodológicos 31
3.1 A empresa 31
3.2 Sistemas de Informação Presentes na Empresa 32
3.2.1 Banco e fonte de Dados da Empresa 34
3.3 Relatórios de Informações para Tomada de decisão presentes atualmente 35
4 Modelagem do BI 39
4.1 Pesquisa de Interesse 39
4.2 Modelagem e criação do Data Warehouse e Data Marts 41
4.2.1 Bus Matriz 42
4.2.2 Tabelas de Fato e Dimensão 44
4.3 Ferramenta de ETL (Extração - Transformação - Carga) na empresa 45
4.4 Cubos OLAP 48
4.5 Painéis e Relatórios 49
5 Conclusões 54
5.1 Considerações finais 54
5.2 Trabalhos futuros 55
Referências Bibliográficas 56
Lista de Figuras
1.1 Justificativa
O avanço tecnológico tem proporcionado cada dia mais oportunidade de aliar a
TI ao negócio, a TI tem cada vez mais tomado destaque nas organizações. Com o mercado
cada dia mais competitivo a necessidade de tomada de decisões de longo e curto prazo a
todo instante tem se tornado uma tarefa crucial para a boa continuidade de uma empresa.
Grandes organizações têm buscado melhorias no seu gerenciamento como um
todo, e no processo de tomada de decisão não é diferente, onde cada vez mais essas
decisões são tomadas com o uso de ferramentas e processos de Business Intelligence.
Este processo de inteligência de negocio apesar de ser amplamente usado por grandes
organizações, ainda é ignorado por pequenas e médias empresas.
Este trabalho se justifica no contexto de que pequenas e médias empresas
não tomam decisões baseadas em informações, e ainda não implementam processos de
inteligência de negócio, tomando assim decisões apenas de curto prazo e com o mínimo
de embasamento.
2.1 História do BI
Não existe uma data específica de quando surgiu o Business Intelligence (BI),
de acordo com Botelho e Filho (2014 p. 59)[2] "o termo foi usado pela primeira vez
no trabalho de Hans Perter Luhn em 1958. Durante os anos 1980 ganhou o significado
e a importância como visto atualmente devido ao trabalho de Howner Dresner que
posteriormente se vinculou ao Gartner Group". Mas antes disso, a partir dos anos 70 com
o inicio da popularização da informatização e do surgimento dos Datas Acess Storeges
Devices e SGBDs, ou seja, sistemas de gerenciamento de dados ou banco de dados
relacionais, que possibilitou nas empresas adotar maiores estratégias operacionais e de
negócios por começarem a realizar registros e acesso a dados, criando fontes de dados que
antes eram armazenadas em sequencias de arquivos de texto sem uma intercomunicação
entre si e com um alto custo de busca, passamos por vez a ter com a implementação dos
SGBs a extração e manipulação dos dados bem mais viável tecnologicamente.
A partir do meio para o final dos anos 80 os micro computadores já ficaram
mais acessíveis nas empresas e ao topo da pirâmide administrativa, e juntamente com as
novas formas e tecnologias de armazenamento, dados com um grande valor começaram a
ser gerados e armazenados dentro das próprias organizações. Devido a implementação
e evolução dos sistemas e suas formas de armazenamento, surgiram várias fontes de
dados com padronizações diferentes o que gerou dificuldade para transformar os dados
em informações. Diante destes surgem ferramentas mesmo que primitivas de analise,
organização e compartilhamento de informações, além do desenvolvimento de novas
linguagens de computação para criação de softwares onde os dados eram apresentados
de maneira mais organizado, gerando um local de fonte de informações. Com estas
informações geradas agora de maneira mais rápida e consistente, os sistemas começaram
a oferecer uma capacidade de ajudar os gestores nas tomadas de decisão, mostrando assim
pela primeira vez um começo da adoção de processos de tomada de decisão baseados em
dados sintetizados em informação.
Já no inicio dos anos 90 com um maior uso dos microcomputadores nas empresas
2.2 Objetivos do BI 17
e os OS visuais, foi possível utilizar mais os computadores para buscar relatórios para
tomada de decisão. Mas para que toda essa enorme quantidade de dados seja, de fato
útil, é preciso transformá-los em informação. As ferramentas passaram a evoluir para
acompanhar o crescimento do mercado e suas novas características e aos poucos obtinham
informações mais exatas. Sendo assim surgiu a necessidade de estudiosos estudarem uma
ciência especifica para o fornecimento de informações gerenciais, foi aí que no final de
92 e inicio de 93 surgiu os primeiros conceitos de armazém de dados ou Data Warehouse,
onde a ideia era separar o processamento do computador para obter informação com
o processamento para gerir o dia a dia da empresa. Em 1996 surgiu o termo EIS
(Executive Information System) e começou a aparecer uma serie de ferramentas dedicadas
exclusivamente a apresentar informações baseadas em dados utilizando os primeiros
conceitos de Data Warehouse.
Já na primeira década do século 21 a internet começou a se disseminar, e o
dado começou a ser disponibilizado democraticamente. Nas empresas o uso dos sistemas
EIS começou a ser difundido cada vez mais rumo a base da pirâmide nas empresas, e a
necessidade de se ter ferramentas mais robustas e uma maior complexidade dos modelos
de negocio além da maior concorrência, fizeram com que as ferramentas começassem a
evoluir e os EIS começaram a ser chamados de Business Intelligence (BI).
Já nos dias de hoje a internet já esta difundida, a nuvem já virou um padrão,
as redes sociais expõe muitas informações de consumo e gostos além dos sistemas
e smartphones ligados a todo momento a rede, o crescimento da internet das coisas,
estamos 24hrs registrando e coletando dados sobre os acontecimentos, gostos, pesquisas
e pensamentos das pessoas, que por sua vez são clientes e consumidores em potencial,
assim cada vez geramos mais dados. Nos dias atuais transformar os dados em informação
e obter os mesmos nunca se fez tão necessário.
Hoje além de banco de dados estruturados também temos a necessidade da
presença de bancos de dados com informações não estruturadas (fotos, etc. . . ) e bancos
que atendam a sistemas de analise de dados para tomada de decisão. Além disso nas
empresas e organizações ficou cada vez mais necessário para as pessoas do top da
pirâmide operacional terem acesso a dados para fazer sua gestão de negocio, seja pessoal
ou de equipe.
2.2 Objetivos do BI
Antes da criação do termo Business Intelligente (BI) hoje do Gartner Group em
meados da década de 90 o conceito já era antigo e presente nos sistemas que forneciam
relatórios na década de 70, mas com poucos recursos, relatórios estáticos, bidimensionais
e sem algum tipo de recurso de análise mais avançado.
2.2 Objetivos do BI 18
• Economia de tempo;
• Versão única da verdade;
• Melhores estratégias e planos;
• Melhores decisões táticas;
• Processos mais eficientes;
• Economia de custos.
• Verificar sua condição perante o mercado para enfrentar novos desafios impostos;
• Ter uma visão geral e não fragmentada dos processos compostos no BI;
• Fazer uso das práticas recomendadas, ficar atendo a custos relacionados ao BI e
sempre buscar desenvolver e aprimorar o mesmo em sua organização;
As organizações hoje devem estar atentas com o que acontece em suas operações,
concorrentes, acompanhar resultados, buscar tendências futuras, e verificar o feedback
de seus clientes. Com isso tem de estar sempre buscando melhorar seus processos e
sua capacidade de adaptação ao mercado, devem fornecer informações uteis aos seus
gestores e buscar adiantar suas estratégias de forma a permanecerem um passo à frente
das crescentes pressões competitivas.
Segundo Turban (2009)[17], o BI não pode ser apenas um processo técnico para
a TI, ele deve estar alinhado ao negocio e ser um meio para a empresa evoluir suas
operações com melhorias de processos e da tomada de decisões baseadas em informações.
Hoje na constante busca empresarial pelo crescimento, onde pequenas empresas
concorrem com grandes corporações, sistema de informação como o Business Intelli-
gence que gera informações estratégicas muitas vezes antecipando acontecimentos e te
colocando na frente dos concorrentes se torna fundamental para empresas que tem o ob-
jetivo de se desenvolver.
do uso de BI, seus gestores ainda não têm a pratica de incorporar ferramentas de BI em
seus negócios, e quando tem, tais ferramentas são subutilizadas, fazendo com que o BI
não demostre seu verdadeiro potencial em tais organizações.
No Brasil em um estudo realizado em 2014 pela Fundação Getúlio Vargas a
pedido do SEBRAE[11] constatou que apenas as MPE (Micro e pequenas empresas)
geraram, em 2011, 27,0% do produto interno bruto do país (PIB), o que mostra a
força e o tamanho das micro e pequenas empresas no país, mas em contra partida um
estudo realizado em São Paulo pelo SEBRAE[12] no ano de 2017 mostra que a taxa
de sobrevivência de pequenas empresas é de 76,3%. Portanto, 1 em cada 5 empresas
registradas no CNPJ fecham antes de completarem 2 anos no mercado. Todos estes
dados mostram como é importante adotar a implementação de ferramentas de BI, que
além de melhorar a sobrevivência das pequenas e médias empresas podem influenciar
positivamente a economia do país.
Tem se percebido que o mercado não importa mais com o tamanho da empresa e
sim com as necessidades de mercado, mesmo organizações de pequeno e médio porte
devem começar a utilizar de ferramentas de inteligência de negócio para otimizar o
trabalho da organização, reduzir custos, otimizar processos, obter previsões futuras, e se
manter e crescer no mercado como contribuindo para as decisões estratégicas.
Temos que lembrar como explica Rafael Piton (2018)[9], que no processo de
modelagem do BI como demostra a figura a seguir 2.2 o desenho do Data Warehouse deve
ser feito antes do desenhos dos processos de ETL, isso se deve ao fato que não ter como
desenharmos os processos de ETL sem antes saber os esquemas do Data Warehouse, já no
fluxo dos componentes o dado passa antes pelo processo de ETL e depois é armazenado
no Data Warehouse como demostra a figura 2.1.
2.4.1 Dados
Os dados por si só não dizem muita coisa, ou seja, eles não transmitem nenhum
tipo de mensagem ou informação, um dado sozinho geralmente não traz relevante utili-
dade.
Nos dizeres de Turban (2009)[17] os dados são a matéria prima da informação.
Os dados são descrições de coisas, eventos e atividades os quais sozinhos não conseguem
se unir e representar algum significado. Na imagem 2.3 vemos os passos que o dado segue
até chegarmos a tomada de decisão.
Dados Operacionais
2.4.2 Informação
Diferente dos dados, a informação tem significado e podem ser utilizadas em
tomadas decisões, são dados contextualizados para algum propósito.
2.4 Os componentes do Business Intelligence 24
2.4.3 Conhecimento
O conhecimento associa a experiência que a informação por si só não é capaz de
mostrar. Com isso, o conhecimento auxilia a tomada de decisão.
2.4.4 Decisão
É a escolha entre alternativas sustentada por informações e conhecimento para
realizar uma ação, onde a decisão escolhida seja a melhor disponível.
• Extração: Parte onde é realizada a leitura dos dados que podem estar localizados
em diversas fontes de dados e em diversos formatos.
• Transformação: Conversão dos dados extraídos na forma que estavam no antigo
local de armazenamento para a forma que precisam estar para serem armazenados
no Data Warehouse.
2.4 Os componentes do Business Intelligence 25
Para Turban (2009, p. 33)[17] "Os processos de ETL costumam consumir 70%
do tempo em um projeto centrado em dados". Já Primak (2008, p. 63)[10] cita que "a etapa
ETL é uma das mais criticas de um Data Warehouse, pois envolve a fase de movimentação
dos dados."
Devemos lembrar que o processo de ETL não termina e nem é feito apenas uma
vez, ele não deve ficar estático, devemos sempre buscar melhorar o processo de ETL,
ele deve ser atualizado e customizado já que o negocio de uma organização também está
sempre sendo modificado, assim o ETL como a base das extrações, manipulação e carga
dos dados deve evoluir junto com o negocio, e como é o gerador da base de dados uma
base ruim vai gerar resultados finais ruins.
Star Schema
dados para sistemas OLAP. Ela é formada por uma tabela fato ao centro que armazena
o que aconteceu, é um fato realmente realizado ou ocorrido, como por exemplo uma
venda realizada. A tabela fato sempre está ligada a mais uma dimensão, essas que não se
relacionam entre si mas podem estar ligadas a outras tabelas fato, devido a fato se conectar
com as dimensões temos a formação do modelo dimensional como pode ser verificado na
imagem a seguir 2.6.
A ocorrência que no geral são tabelas fato é onde as métricas são registradas,
nas tabelas dimensão temos os dados separados por características do evento, como por
exemplo o produto vendido, quem comprou e quem vendeu. Quando uma consulta é feita,
ela percorre primeiro as tabelas de dimensão e depois a de fato. De acordo com Rafael
Piton (2018)[9] "É comum quem trabalha com BI acreditar que a consulta começa pela
fato".
não se preocupam com o histórico de um dado, eles são focados no presente e utilizam de
dados normalizados.
O OLAP, do inglês "On-line Analytical Processing", são sistemas que nos
permite realizar uma análise de um grande volume de informações por uma perspectiva
ampla de diferentes ângulos e formas para auxiliar na tomada de decisão. De acordo
com Turban (2009)[17] OLAP são ferramentas que permitem ao usuário criar e analisar
relatórios de dados, com elas Turban (2009, p. 37)[17] cita que "usuários podem analisar
diferentes dimensões de dados, como uma série temporal de vendas em cada região e
a análise de tendências. Assim, os usuários de negócios são capazes de identificar com
rapidez e facilidade as tendências de desempenho".
OLTP OLAP
Orientado a transação Orientado ao processo de negócio
Milhares de usuários Poucos usuários
Geralmente banco de médio porte Geralmente banco de grande porte
Dados atuais do negócio Focado no histórico de dados
Dados normalizados Dados não normalizados
Muitas tabelas e poucas colunas Poucas tabelas, muitas colunas
Atualizações contínuas Atualizações em lotes
Consultas simples Consultas complexas
3.1 A empresa
A iCircuit Centro de Serviço Autorizada Apple e Revenda Apple, é uma empresa
especializada em soluções para o mundo Apple, com sede em Goiânia e Anápolis oferece
assistência técnica autorizada para toda linha Apple e venda de produtos e acessórios.
Atuando no mercado desde 2003 quando foi fundada, hoje é gerida por dois sócios, um
com mais de 10 anos de experiência em gestão de negócios, logística, relacionamento
com clientes e financeiro, e o outro com experiência em gestão, relacionamento com
clientes, área de TI, financeiro e fiscal. Com o conjunto de seus sócios, o perfil inovador e
o pensamento sempre focado na qualidade e atendimento com suporte ao cliente, nestes 5
anos e empresa sempre focou e investiu na melhoria de seus processos, equipe e sistemas
de informação. Hoje a empresa conta com 26 funcionários e uma média de atendimento
de 150 clientes diários divididos entre suas lojas, do seu faturamento 75% correspondem
a clientes buscando a parte de assistência e os outros 25% correspondem a produtos e
acessórios.
A empresa se encontra em um estado de crescimento, mas diminuiu seu ritmo
com a crise de 2016[6], onde teve que tomar diversas decisões baseadas apenas em
experiências passadas e intuições dos gestores com o mercado, sem estarem amparados
por informações que descem embasamento as decisões, mesmo a empresa tendo diversos
sistemas que geravam dados que poderiam ser trabalhados para se obter informações. A
empresa hoje está inserida em um mercado onde tem uma concorrente direta localizada
no maior shopping da região e vários concorrentes indiretos espalhados por toda a cidade.
Após superar as dificuldades e barreiras enfrentadas durante o momento de crise
que vivemos os gestores perceberam a necessidade de se obter informações sobre seu
negocio e como melhorar suas decisões baseado em acontecimentos, a empresa quer
se preparar para voltar a crescer e para isso agora quer tomar decisões baseadas em
informações de seus negócios, para aumentar a chance de conseguir seus objetivos e
também diminuir os riscos além de maximizar os ganhos e diminuir os custos, sendo
assim implementar um projeto de BI se mostra o cenário ideal.
3.2 Sistemas de Informação Presentes na Empresa 32
• Data7: É um sistema apesar de menor e mais simples que atende de forma mais
eficaz as necessidades da empresa com um melhor suporte. Hoje o sistema atual de
ERP é responsável pela frente de caixa da loja, gestão de estoque e setor financeiro.
• Sis OS: Para a gestão de ordens de serviço dos produtos a empresa preferiu adotar
uma solução própria, isso se deve ao fato de que a Apple tem seu sistema de gestão
de suporte aos seus produtos, o qual oferece algumas APIs que podem ser utilizadas
pelo Sistema de OS, com uma solução própria mudanças e implementações utili-
zando essas APIs são mais rápidas, personalizadas e mais baratas, para a empresa
ter o controle e personalização do sistema de OS é um passo importante.
3.2 Sistemas de Informação Presentes na Empresa 33
Para a iCircuit a pesquisa foi feita através de entrevista com os gestores toma-
dores de decisão, foram feitas perguntas para se levantar os requisitos, tais perguntas
seguiram no formato demostrado na tabela 4.1.
Com as perguntas das entrevistas respondidas foi levantado que para a tomada de
decisões futuras e para investimentos futuros que estão sendo planejados e adaptação de
processos na empresa existe a necessidade de dois relatórios principais que hoje ou não
estão presentes ou não são utilizados pela implementação ruim, ou os dados utilizados
para prover informações não são confiáveis. Algumas perguntas como as referentes de
disponibilidade de dados e da estrutura de TI da organização tiveram que ser respondidas
com o auxilio de membros da equipe de colaboradores com mais conhecimento de
negócio ou da estrutura de TI. Em um resumo dos interesses podemos concluir que:
ideia. Este indicador é desejado para servir como base para treinamentos focados e
específicos, aquisição de ferramentas especificas e componentes e peças que podem
auxiliar no diagnostico e resolução de problemas.
• Tempo de atendimento: Os entrevistados desejam ter um relatório com informa-
ções confiáveis sobre os tempos de atendimento, querem informações de quantos
clientes foram atendidos, o tempo que o cliente levou até ser atendido, o tempo que
o cliente ficou sendo atendido. Também desejam saber os horários de mais fluxo de
clientes e a quantidade de cliente que cada funcionário atende e o tempo de aten-
dimento de cada um. Com essas informações os gestores querem diminuir o tempo
de espera dos clientes melhorando a satisfação dos mesmos e também melhorar a
qualidade e velocidade de atendimento da equipe, além de trabalhar em um rema-
nejamento de horários para a equipe conseguir atender o fluxo do momento.
Verificamos através das respostas dos gestores nas entrevistas que os mesmos
desejam analisar as aberturas de ordem de serviço por Produto, Atendente, Região,
4.2 Modelagem e criação do Data Warehouse e Data Marts 43
e que vão se transformar em tabelas de dimensão. A Bus Matriz e seus componentes não
devem ser considerada uma representação estática, com o passar do tempo novas neces-
sidades dos gestores vão surgir, até mesmo devido as novas informações reveladas, o que
faz com que ela deva ser atualizada e revista sempre, uma das grandes vantagens desta
ferramenta é a sua elasticidade.
A tabela Fato é interligada com suas dimensões e nela as métricas são armaze-
nadas junto com as Surrogate Keys (FK) que ligam com as respectivas dimensões, para
atender o requisito de velocidade nas consultas a tabela fato armazena apenas a chave para
a dimensão, o que pode ser salvo como atributo da tabela fato são as métricas. Existem di-
versos tipos de tabelas fatos, devido a necessidades do negocio utilizaremos a do tipo fato
sem fato (Factless Fact Table), também chamada de fato de associação ou de intersecção.
Ela não tem foco em registros de métricas a cada fato. Sendo assim ela é utilizada para
comparar ou cruzar dimensões e não possui métricas para se realizar comparações. Nas
tabelas dimensões temos a Surrogate Key que será a Primary Key na dimensão e também
a Natural Key que é a Primary Key da tabela fato, para assim sabermos de onde o dado
foi originado.
Este Script primeiramente irá percorrer todas as fontes de dados (Data Source)
e depois irá salvar os dados no Data Stage Area, é neste momento que ele trabalha na
transformação, qualidade, limpeza e cruzamento dos dados para posteriormente serem
salvos no Data Warehouse.
De acordo com a entrevista registrada com os gestores e o levantamento de dados
dos sistemas e TI da empresa, para a criação dos relatórios os dados serão retirados de duas
fontes de dados, a primeira é o banco de dados do Sis OS que basicamente respondera
pelas dimensões da Fato Ordem de Serviço e a segunda será o banco de dados do Sis
Atendimento que respondera pelas dimensões da Fato Atendimento.
O Sis OS utiliza uma API interligada a um sistema de gestão da Apple para
buscar informações do aparelho do cliente baseado em seu número de serie. A API da
Apple retorna à descrição dos modelos dos produtos que serão utilizados como fonte de
dados para a tabela de dimensão Produto. Este retorno do dado de modelo segue um certo
padrão que gera em média 5 diferentes descrições para um mesmo produto. Essa variação
ocorre porque a Apple utiliza algumas características como a tecnologia de conexão a
rede do celular (GSM ou CDMA) na descrição do produto. Outro dado oriundo do Sis OS
é a descrição do problema que vai popular a dimensão Defeito, para este dado não temos
um padrão estabelecido, ficando a cargo de cada funcionário responsável pela abertura da
ordem de serviço criar e descrever o defeito de acordo com seu entendimento.
Diante deste cenário o Script faz a leitura dos dados de modelo do produto já
armazenados no Data Stage Area e aplica conceitos definidos na entrevista para realizar
o tratamento dos dados como é demostrado na imagem 4.6, caso a descrição do produto
não esteja presente na lista de conceitos o Script tenta através da descrição do produto
retirar as informações de modelo, capacidade e cor desmembrando o dado de descrição.
4.3 Ferramenta de ETL (Extração - Transformação - Carga) na empresa 47
Após todo o tratamento e transformação dos dados que estavam no Data Stage
Area, agora o Script salva os novos dados gerados no Data Warehouse, esses dados então
estão prontos para serem manipulados por ferramentas e cubos OLAP e acessados por
sistemas de painéis e relatórios como mostra a figura 4.9 para gerar as informações e
atender as expectativas propostas pelos gestores ajudando nas tomadas de decisões.
dados que utiliza bando de dados OLAP. Para a analise de dados os cubos tratam de forma
ágil uma grande quantidade de dados e dão acesso a qualquer ponto desfragmentado para
analise de uma variedade de perguntas que podem ser realizadas pelo gestor, no cubo
as célula contêm os valores das métricas e faces do cubo definem as dimensões como
demostra a imagem 4.10.
Para isso serão criados três cubos de análise, um para cada relatório de teste:
É importante ressaltar que existem várias outras opções possível para cubos
de analise e indicadores, porem no momento apenas esses serão implementados, com
a evolução das informações obtidas pelo sistema novas necessidades de indicadores e
relatórios vão surgir e devem ser implementados para que os gestores consigam adaptar e
alcançar seus objetivos, assim como as tabelas de fato e dimensões e o processo ETL
precisa ser registo e atualizado constantemente, os modelos de cubo OLAP não são
diferentes.
ter estratégias de ETL bem implementadas e um Data Warehouse com modelos dimensi-
onais bem definidos se a apresentação final dos resultados não é boa e vai afastar o uso
das ferramentas pelos gestores o que pode enfraquecer a prática de adoção dos processos
de inteligência de negocio ou exploração ineficiente dos dados apresentados.
Para isso montamos os modelos de gráficos abaixo para atender as necessidades
de relatório dos clientes. O primeiro relatório 4.11 vai fornecer as informações da
quantidade por produto em um determinado período de tempo que deram entrada na
empresa dividido por região, para o relatório o cubo de Produto x Região x Tempo foi
utilizado.
Para o terceiro relatório 4.13 foi utilizado o cubo Produto x Defeito x Tempo, ele
apresenta a porcentagem de produtos que apresentaram um certo defeito, caso o gestor
deseje ele pode expandir o gráfico 4.14 com a visão de apenas um defeito para a melhor
visualização dos dados.
4.5 Painéis e Relatórios 52
[1] A NTONIADIS , I.; T SIAKIRIS , T.; T SOPOGLOY, S. Business intelligence during times
of crisis: Adoption and usage of erp systems by smes. Procedia-Social and
Behavioral Sciences, 175:299–307, 2015.
[4] E CKERSON , W. Smart companies in the 21st century: The secrets of creating
successful business intelligence solutions. TDWI Report Series, 7, 2003.
[7] K IMBALL , R.; R OSS , M. The data warehouse toolkit: the complete guide to
dimensional modeling. John Wiley & Sons, 2011.
[8] L IGHTSTONE , S. S.; T EOREY, T. J.; N ADEAU, T.; J AGADISH , H. Projeto e Mode-
lagem de Banco de Dados: Tradução da 5a Edição, volume 1. Elsevier Brasil,
2013.
[12] SEBRAE. Panorama dos Pequenos Negócios 2017. São Paulo, 2017.
[17] T URBAN , E.; S HARDA , R.; A RONSON , J. E.; K ING , D. Business Intelligence: um
enfoque gerencial para a inteligência do negócio. Bookman Editora, 2009.