Business Intelligence

Slide 1: BI Business Intelligence e a gestão dos dados Por Armando Levy armando@epress.com.br

Slide 2: A gestão dos dados A inteligência do negócio está fundamentalmente no tratamento da informação disponível na organização, de modo integrado, visando seu reaproveitamento no negócio

Slide 3: O que é Business Intelligence? Business Intelligence (BI) é reunir a informação adequada para os tomadores de decisão no momento em que eles necessitam da informação BI é um modo efetivo de conectar sistemas apartados com o objetivo de gerar informação BI é um ambiente corporativo que suporta relatórios, análises e tomada de decisão em uma plataforma distribuída Mais do que softwares, estamos falando de conceitos

Slide 4: Dados valiosos, informação pobre Bancos de dados Com todos os Access Oracle investimentos em SQL sistemas, as organizações reúnem dados valiosos Planilhas Mas reunir a informação entre as diferentes áreas é difícil porque os sistemas não conversam entre si Outros sistemas Reunir informações multidimensionais é MKT RH impossível: os sistemas só SAC analisam dados em suas dimensões

Slide 5: O efeito “DRIP” Bancos de dados Access Oracle SQL Como resultado, a organização Planilhas sofre de um excesso de dados, mas pobreza de informação. Outros sistemas “Data Rich, Information Poor” MKT (DRIP) RH SAC

Slide 6: ERP é uma opção? Bancos de dados Access Oracle SQL Planilhas ERP Outros sistemas MKT RH SAC ERP não é opção para análise complexa de dados em função do foco operacional do sistema

Slide 7: A opção pelo BI Bancos de dados Access Oracle SQL Planilhas Sistema de BI Outros sistemas Cubo MKT Multidimensional RH SAC

Slide 8: Organizações de 7 níveis As atividades informacionais, geradoras de valor, dependem da análise da informação gerada pelos sistemas operacionais Informação por si só não tem valor; para ter valor, precisa ser relacionada a outros fatos e acontecimentos Business Intelligence Gestão Balanced de valor 7 Scorecard Análise do valor 6 Informação e Conhecimento 5 Web E-Business (Intranet e Internet) 4 Services 3 Aplicações de Atendimento a Clientes e CRM 2 Aplicações Especializadas ERP Aplicações de Back Office 1

Slide 9: Inteligência do negócio A inteligência do negócio está em reunir e tratar informação, de modo a torná-la útil no processo de tomada de decisão Não é uma atividade puramente técnica Envolve 100% do tempo a criatividade e o egenho humano

Slide 10: Sistemas de apoio A eficácia de um sistema de Business Intelligence vai depender dos sistemas que lhe dão apoio Entre estes sistemas temos: Data Warehouse Data Mart Data Mining

Slide 11: Data Warehouse Data Warehouse é um armazém de dados que dá suporte ao processo de decisão

Slide 12: Estrutura do Data Warehouse • Data Warehouse é: Orientado a assuntos, temas Dados relacionam-se a temas específicos Integrado Dados chegam de várias fontes, mas estão reunidos segundo um padrão pré- determinado Variável com o tempo Dados dizem respeito a períodos de tempo específicos e demarcados como dia de pagamento, semana, mês, férias, semestre Não voláteis, não descartáveis Dados podem vir diretamente Dados são coletados, mas jamais deletados de sistemas transacionais como ATMs ou caixas de lojas

Slide 13: Como desenvolver um DW Há tantos modos de desenvolver um DW quanto há maneiras de administrar empresas Aspectos que precisam ser considerados Escopo Acesso à informação Tipo de usuário final Arquitetura do sistema

Slide 14: Escopo Quanto mais amplo o escopo do DW, mais valiosa será a base de dados Dados do cliente Transações do cliente Produtos do cliente Contatos do cliente com o Call Center Páginas que cliente viu no web site da empresa

Slide 15: Acesso à informação Há 3 tipos básico de acesso à informação em um DW Virtual O usuário final tem acesso direto à informação Nas empresas mais ágeis e Central dinâmicas, o próprio usuário da informação tem Acesso à informação se dá em um único acesso direto ao DW ponto e áreas de negócios precisam demandar a informação a uma equipe de DW Distribuída Informação distribuída em alguns pontos da estrutura da empresa, o que exige alimentação e manutenção distribuída de dados

Slide 16: Usuário final São pelo menos 3 os tipos de usuários finais de um DW Usuários estratégicos: executivos e gerentes Buscam dados para a tomada de decisão Usuários intensivos: analistas, engenheiros Buscam dados para operacionalizar ações Usuários de suporte: administração Buscam dados para a produção de relatórios

Slide 17: Arquitetura do sistema Cada fornecedor propõe uma arquitetura diversa Usualmente, um bom DW deve é composto por vários elementos, principalmente um banco de dados que permita fazer relações (relacional) Que produtos o cliente mais compra no verão Quantas ligações faz ao call center em diferentes épocas do ano Compra mais ou menos ao receber um contato via telemarketing

Slide 18: Produto, mercado e tempo O desenvolvedor de um DW vai considerar três aspectos básicos: Vendemos: 1. PRODUTOS 2. Em vários MERCADOS 3. E medimos nosso desempenho ao longo do TEMPO

Slide 19: Três dimensões do DW Um ponto qualquer dentro do cubo registra . o desempenho do Te negócio, uma m po combinação de Produto, . .. . Mercado e Tempo. . Mercado Esse ponto equivale a . . “informação” ou fato sobre o negócio. . Produto

Slide 20: Modelo de informação em um DW Dimensão do Mercado Dimensão Dimensão do Tempo INFORMAÇÃO do Produto

Slide 21: Fluxo da informação Dimensão do Mercado 3. Na livraria da Universidade Metodista... Dimensão INFORMAÇÃO Dimensão 1. Qual o do Tempo volume do Produto 4. Em janeiro total de 2. De livros de 2005? vendas... sobre CRM...

Slide 22: Arquitetura típica de DW Ferramentas de pesquisa, informação, Fontes de dados operacionais desenvolvimento de Dados aplicação e Sistema de Meta muito Informação Executiva Dados resumidos Dados resumidos Administrador Administrador de Solicitação de Carga de Dados de Dados Dados DBMS Ferramentas de OLAP (Online Detalhados Analytical Processing) Base de Dados Operacional (BDO) Data Arquivo de Mining back-up de Ferramentas dados do usuário final

Slide 23: Glossário Fontes de Dados Operacionais Dados mantidos em sistemas como mainframes (computador central), dados de departamentos (Marketing, Atendimento a Clientes, Produção), dados privados mantidos em computadores de pessoas e até bases de dados de fornecedores e clientes Banco de Dados Operacional (DBO) Um banco de dados usado para armazenar informação usada para análise, normalmente estruturado como o DW, podendo atuar como uma área que reúne informações a serem armazenadas no DW

Slide 24: Glossário - 2 Administrador de Data Warehouse Executa todas as operações relativas à administração dos dados no DW. As operações executadas incluem análise da informação para verificação de consistência, transformação e mescla de dados, criação de índices e visualizações, geração e agregação de dados, bem como arquivamento e geração de back-up de dados Administrador de solicitação de dados Também chamado de componenete de back- end, este sistema executa todas as operações associadas às pesquisas de dados dos usuários. As operações executadas incluem o direcionamento de pesquisas para as tabelas apropriadas, bem como o agendamento da execuçaão de pesquisas

Slide 25: Glossário - 3 Administrador de Carga de Dados Também chamado de componente de front end, este sistema administra todas as operações de extração de dados das fontes operacionais para carga das informações no DW. Estas operações incluem transformação e preparo dos dados para input no DW Ferramentas do usuário final São categorizadas em cinco grupos principais Informação de dados e ferramentas de consulta Ferramentas de desenvolvimento de aplicações Ferramentas de sistemas de informação executiva Processamento analítico on-line (OLAP) Ferramentas de Data Mining

Slide 26: Principais equívocos O Data Warehousing Institute aponta os erros mais comuns na implementação de um DW: Escolher um gerente para o DW que tenha orientação para tecnologia (99% das empresas comete este equívoco aqui) Gerar expectativas que não serão atendidas Acreditar nas promessas de desempenho, capacidade e escalabilidade dos vendedores de sistemas Focar o DW em dados tradicionais internos Veja mais dicas para orientados a registro e ignorar o valor potencial implementação de de dados textuais, imagens, sons, vídeos e dados um DW em externos www.tdwi.org Falhar no objetivo de acrescentar valor aos dados através de mecanismos de categorização

Slide 27: Data Marts Os DM são orientados a temas: Renda do cliente Sexo do cliente Idade do cliente Produtos que o cliente compra Situação de crédito do cliente Cada um desses temas em particular interessa a diferentes setores da empresa Esses temas específicos são considerados Data Marts Um Data Mart foca os requerimentos de usuários ligados a um departamento específico ou unidade de negócios Finanças Marketing Atendimento a Clientes

Slide 28: Informação apartada Por razões de negócio, pedaços das informações do DW são replicadas em bancos de dados apartados para que determinadas áreas tenham acesso mais rápido à informação sobre determinados grupos de clientes: Os clientes do Itaú que investem em fundos de investimento Os usuários do cartão da Credicard que comprar passagens aéreas pelo menos uma vez por mês com o cartão Ao contrário do DW, os Data Marts não contêm informações detalhadas, por isso são mais acessíveis e fáceis de usar Criação de muitos Data Marts traz problemas importantes de manutenção

Slide 29: Arquitetura de DW com Data Mart Ferramentas de pesquisa, informação, Fontes de dados operacionais desenvolvimento de Dados aplicação e Sistema de Meta muito Informação Executiva Dados resumidos Dados resumidos Administrador Administrador de Solicitação de Carga de Dados de Dados Dados DBMS Ferramentas de OLAP (Online Detalhados Analytical Processing) Data Mart Base de Dados Operacional (BDO) Dados resumidos Data Mining Arquivo de em bancos back-up de de dados relacional Ferramentas dados e multi- do usuário final dimensional

Slide 30: Por que criar um Data Mart? (1) Dar ao usuário acesso à informação da qual ele necessita com mais freqüência Clientes que voam ao exterior mais de 2 vezes ao ano Clientes que trocam de carro 1 vez a cada dois anos Clientes com investimentos em fundos de ações Data Marts podem registrar Prover dados que são atividades específicas de significativos para determinadas determinados clientes que áreas da empresa ou unidades de interessam à empresa: tipo de carro que compra, cor de negócios carro que compra Tornar os dados mais acessíveis

Slide 31: Por que criar um Data Mart? (2) Data Marts usam menos dados, logo ações como limpeza de dados, carga, transformação e integração são muito mais simples e rápidas Custo de implementação mais baixo Usuários dos dados são mais Nesta estrutura, os data marts claramente definidos aparecem claramente definidos por temas de dados: compras, vendas, Fornecer uma estrutura de estoque dados mais adequada às ferramentas de acesso do usuário final

Slide 32: Múltiplos Data Marts Vantagens dos Data Marts levou empresas a construirem vários Data Marts para diferentes necessidades Surge a expressão ”virtual data mart” para definir vários data marts fisicamente separados interagindo uns com os outros Por sua agilidade, os data marts podem ser acessados via Internet porque eles não se situam em áreas críticas de dados A administração de múltiplos data marts Múltiplos Data Marts tornam está se tornando complexa e levando à sistema cada vez mais incidência de erros e inconsistência de complexo e difícil de informação administrar

Slide 33: Data Mining • “Garimpo de dados” É um novo enfoque para a análise e obtenção de informações ou Data mining é a mineração conhecimentos em Data (busca detalhista) de dados de forma bastante dirigida e Warehouse, Data Mart ou específica, como o grandes bases de dados, minerador que garimpa as pedras do rio em busca de como mainframes preciosidades É ferramenta de inteligência, pois permite estabelecer relações, comprações, tendências

Slide 34: Onde está o Data Mining? Ferramentas de pesquisa, informação, Fontes de dados operacionais desenvolvimento de Dados aplicação e Sistema de Meta muito Informação Executiva Dados resumidos Dados resumidos Administrador Administrador de Solicitação de Carga de Dados de Dados Dados DBMS Ferramentas de OLAP (Online Detalhados Analytical Processing) Data Mart Base de Dados Operacional (BDO) Dados resumidos Data Mining Arquivo de em bancos back-up de de dados relacional Ferramentas dados e multi- do usuário final dimensional

Slide 35: Ferramentas de DM O DM é composto por ferramentas que permitem Análise de dados e informações Planejamento e descoberta automática de padrões, regras, grupos, funções, modelos, seqüências, relações, correlações Permite aumento da eficácia e produtividade

Slide 36: Dados para DM A aplicação ideal do DM se dá sobre as bases de dados corporativas, que podem estar em um DW, DM, um mainframe ou outras plataformas O DM pode ser entendido como Um processo otimizado que intermedia a informação e a tomada de decisões O processo de mineração de dados aprofunda o conhecimento que temos sobre o modo de ser e agir de nossos clientes

Slide 37: Gatilhos ou alarmes Ações de DM permitem detectar acontecimentos ou situações que podem desencadear atividades fora do ciclo ordinário de procedimentos de uma empresa: Cliente comprou passagem aérea internacional com o cartão Compra de passagem aérea DM programa oferta de jogo internacional leva a determinados de malas para longas viagens comportamentos adicionais como compra de malas, roupas, por e-mail ou através do equipamentos (câmeras) e várias primeiro contato do cliente outras atitudes que podem ser com o call center antecipadas

Slide 38: Consultas e informações As plataformas de DM podem incorporar ferramentas de consulta com Interfaces gráficas avançadas, intuitivas e fáceis de usar Análise multidimensional Agentes inteligentes

Slide 39: Visualização de dados Os desenvolvedores de ferramentas DM estão fazendo um grande esforço para conseguir uma comunicação baseada em visualização de dados

Slide 40: Tratamento de dados Os dados podem ser armazenados em formatos adequados ao DW As soluções de DM incorporam módulos de tratamento de dados Fonte: iMasters que facilitam ao máximo as interfaces de dados e informações

Slide 41: Ferramentas de DM Agrupamento ou segmentação Associação Sequenciamento Reconhecimento de padrões Previsão Simulação Modelagem explícita Classificação

Slide 42: Agrupamento ou segmentação Identificação de tipologias ou grupos onde os elementos: Guardam similaridade entre si Se diferenciam dos de outros grupos Exemplo: Segmentação de Clientes Valores e índices financeiros Grupo de empregados Preferências Para que? Tratamento particularizado de cada um destes grupos

Slide 43: Associação Permite estabelecer as possíveis relações entre ações ou sucessos aparentemente independentes Exemplo: Compreender Hábitos de compra Sucesso de ofertas Vendas cruzadas Merchandising

Slide 44: Sequenciamento Conceito similar à associação, porém inclui o fator tempo Permite reconhecer o tempo que transcorre ou pode transcorrer entre o sucesso indutor e os sucessos induzidos

Slide 45: Reconhecimento de padrões Permite a associação de um indício ou informação de entrada com aquelas que Guardam maior similaridade E já estão catalogadas no sistema No DM, estas ferramentas Podem ajudar na identificação de problemas e incidências e ajudar em possíveis soluções

Slide 46: Previsão Permite estabelecer o comportamento futuro mais provável de uma variável ou uma série de variáveis a partir da evolução passada e presente dessas variáveis ou de outras das quais dependam As técnicas associadas a esta ferramenta possuem um elevado grau de maturidade Educação Carro Casa Saúde Lazer Aposentadoria

Slide 47: Simulação Permite comparar a situação atual da empresa e sua possível evolução futura Facilita a criação e análise de diferentes cenários Importante no processo de planejamento e tomada de decisão Comparação entre clientes de segmentos de mercado diferentes para avaliar foco

Slide 48: Modelagem explícita Resolve o problema da minimização ou maximização de um função que depende de uma série de variáveis Encontra os valores que satisfazem a condição de máximo - tipicamente benefícios - ou mínimo - tipicamente custos Normalmente podem haver restrições, de modo que o universo de busca se reduz às soluções que satisfaçam as restrições

Slide 49: Classificação Permite assinalar a um elemento sua pertinência a um certo grupo ou classe uma vez conhecidos os valores de suas variáveis ou série de atributos Em cada classe ou expressão, estabelece-se um perfil característico em função de Um algoritmo ou regras Das variáveis distintas Do grau de influência Exemplo: Sistema de “score” da Credicard

Slide 50: Obrigado! Armando Levy Mestre em Comunicação pela USP Professor de Cultura Organizacional e Tecnologia de Apoio à Decisão pela Universidade Metodista Diretor da e-Press Comunicação (11) 4082 4600 armando@epress.com.br