Seminário II
Business Intelligence:
um sistema de apoio a decisões gerenciais
Aduílio
Ana Cláudia
Danilo
Dhullyene
Enivaldo
Introdução
 Sistema computadorizado de suporte aos gestores;
 Solução de BI centrada em Data Warehouse (DW)
 “Fábrica de informações”
 Implementar uma solução de BI
 KeyPerformance Indicator – KPI
 Ferramentas de processamento analítico.
Business Intelligence
BI é fazer uso de informações já disponíveis nas
organizações para ajudar os responsáveis pelas
tomadas de decisões a adotar as melhores opções e
de forma mais rápida.
Business Intelligence
Objetivos:
• Permitir acesso interativo aos dados.
• Proporcionar a manipulação desses dados.
• Fornecer aos gestores a capacidade de realizar a
análise adequada.
• Fornecer informações precisas quando necessário.
Business Intelligence
Principais benefícios:
• Economia de tempo
• Melhores estratégias e planos
• Melhores decisões táticas
• Processos mais eficientes
• Economia de custos
Data Warehouse
Data Warehouse (DW) é um conjunto de dados
produzido para oferecer suporte à tomada de
decisões.
É um repositório de dados atuais e históricos de
possível interesse aos gestores de Toda a
organização.
Data Warehouse
Características:
• Os dados, normalmente, são estruturados de modo a
estarem disponíveis em um formato pronto para
atividades de processamento analítico.
• Coleção de dados orientada por assunto, integrada,
variável no tempo e não volátil.
• Grande variedade de dados.
Arquitetura
As principais arquiteturas utilizadas são:
 Arquitetura de Data Warehouse Empresarial
(Enterprise Data Warehouse – EDW): é
considerada a que suporta toda ou maior parte dos
requisitos ou necessidades.
Ela possui grande grau de acesso e a utilização das
informações é para todos os departamentos de uma
empresa.
Arquitetura
• Arquitetura de Data Mart Independente: é um DW
projetado para uma unidade estratégica de negócios
ou um departamento.
Eles são fáceis de construir, porém envolvem altos
custos, redundância de dados e não permitem uma
visão global da empresa.
Arquitetura
• Arquitetura
de
Data
Mart
Dependente
(Integrados): é um subconjunto criado a partir do
EDW.
Ele tem a vantagem de usar um modelo de dados
consistente e apresentar dados de qualidade.
Modelagem
- Modelagem multidimensional que compreende um
sistema baseado em recuperação que suporta acessos
com alto volume de consultas
- Dados organizados de acordo com a preferência do
usuário.
- Representação dos dados tem a estrutura de um
cubo transmitindo a ideia de múltiplas dimensões.
Modelagem – Modelo de um cubo
Modelagem – Tipos de Estrutura
 Fatos: tabela central do modelo e contém os valores
(numéricos) que se deseja analisar, geralmente,
contendo um grande volume de dados.
 Dimensões: representam um aspecto do negócio que
está sendo analisado.
 Medidas: : são atributos numéricos armazenados na
tabela de fatos, que representam o desempenho de
um indicador em relação às dimensões que
participam desse fato.
Modelagem – Tipos de Modelo
 Esquema estrela:
Modelagem – Tipos de Modelo
 Esquema floco de neve:
Integração e Processos ETL
A integração de dados compreende três grandes processos
que, quando implementados corretamente, permitem
que eles sejam disponibilizados a um conjunto de
ferramentas de Extração, Transformação e Carga (ETL),
análise e ao ambiente de data warehousing.
Já os processos compreendem: acesso aos dados (a
capacidade de acessar e extrair dados de qualquer fonte),
federação de dados (a integração das visualizações de
negócios em diversos data stores) e captura de alterações
(com base na identificação, captura e entrega das
alterações feitas nas fontes de dados da empresa).
Integração e Processos ETL
Três etapas do processo ETL:
• Extração: coleta de dados dos sistemas de origem
extraindo-os e transferindo-os para o ambiente de
DW.
• Limpeza, Ajustes e Consolidação: é nesta etapa que
realiza-se os devidos ajustes, podendo melhorar a
qualidade dos dados e consolidar dados de duas ou
mais fontes.
• Entrega ou carga dos dados: consiste em fisicamente
estruturar e carregar os dados para dentro da
camada de apresentação.
OLAP
• Conjunto de ferramentas e técnicas que permite realizar
a exploração dos dados de um DW, utilizando os recursos
de modelagem, análise e visualização de grandes
conjuntos de dados. O OLAP ajuda a analisar de forma
mais eficiente a quantidade de dados crescente
armazenados pelas organizações transformando-os em
informação.
• O OLAP possibilita que o usuário produza facilmente
seus próprios relatórios e analise tendências e
desempenho diariamente. Os sistemas OLAP oferecem
uma alternativa aos sistemas transacionais, produzindo
uma visão dos dados orientados à análise, além de uma
navegação rápida e flexível.
Planejamento
 Na etapa de planejamento o escopo do projeto deve
ser definido, sempre mantendo o foco no negócio.
 Deve ser escolhido o mecanismo de processamento
de consultas (multidimensional, relacional ou
ambos), considerando o desempenho desejado e o
conjunto de funções de análise oferecidas
 Posteriormente, deve ser realizada uma análise da
visão macro, para verificar como os projetos futuros
serão integrados ao projeto inicial.
Levantamento
 A etapa de levantamento de necessidades é uma das
mais importantes, pois nesta fase é possível
identificar e priorizar as necessidades de informação
que a organização necessita. É importante o
envolvimento de analistas de sistemas, usuários,
equipe de tecnologia da informação e DBAs durante
esta fase, outra fonte que pode auxiliar o
levantamento de dados são os relatórios gerenciais.
Modelagem
 A etapa de modelagem é considerada uma das mais
importantes e é um dos fatores críticos de sucesso
em um projeto de DW. Ela possibilita que o usuário
obtenha as informações em uma forma muito
próxima do seu entendimento, com várias
perspectivas possíveis.
Projeto
Físico e de banco de Dados
 Definição das estruturas lógicas do modelo dimensional
 Os seus relacionamentos
 Os índices
 Os atributos
 As regras de tabelas
ETL – Extract Transform Load
 Extração: Responsável pela coleta de dados do sistema e
transferência destes dados para o ambiente Data
Warehouse.
 Transformação: Responsável em realizar os devidos
ajustes, podendo melhorar a qualidade dos dados e
consolidar dados de duas ou mais fontes.
 Carga: Responsável por estruturar e carregar os dados
para dentro da camada de apresentação.
Desenvolvimento
 Após adquirir dados e informações de diversas fontes e
organizá-los em um data warehouse, inicia-se o
desenvolvimento da solução de análise de negócios.
Teste e Homologação
 Ambiente alpha
 Teste diferentes de outras aplicações comerciais;
 Sensação de investigação;
 Detectadas algumas “anomalias” nos dados de
produção;
 Ambiente de homologação (processo de validação);
 Simulações de volume e de processamento para
avaliar o impacto da solução na produção.
Treinamento
 Workshop sobre a solução com diretor, o gerente e
colaboradores da trabalham no setor onde será o
foco do projeto.
 Possibilita alguns ajustes antes de entrar em
produção.
Implantação
 Servidor ;
 Backup;
 Sistemas de monitoramento;
 Capacidade do sistema;
 Processos ETL acessarão bancos de dados de
produção (base transacional).
Obrigado.