Entendo Business Intelligence

Entendendo Business Intelligence “ Qualificando decisões de negócio”

“ Qualificando decisões de negócio”
Sobre a Sol7
Primeira empresa brasileira especializada em soluções de Business Intelligence baseados em softwares livres;
Soluções para pequenas e médias empresas dos mais diferentes ramos de atuação;
Missão: prover soluções de alta qualidade que auxiliem os clientes a tomarem melhores decisões e atingirem resultados mais significativos;
Incubada na Inovates (Univates);

“ Entendo Business Intelligence”
História - Business Intelligence
Surgiu a milhares de anos atrás (Persas, Egípcios e outros povos.);
Cruzavam informações provenientes da natureza;
Períodos de chuvas, comportamento dos mares, etc.
Para tomarem decisões ;
Uma referência anterior : Sun Tzu - A Arte da Guerra;
Deter todo o conhecimento de suas fraquezas e virtudes, além de todo o conhecimento das fraquezas e virtudes do inimigo;
A falta deste conhecimento pode resultar na derrota;

História - Business Intelligence
Como conhecemos, surgiu na década de 70;
Problemas
Faltava poder de processamento;
Não existiam Banco de dados;
Ainda não existia interfaces desktop;
Termo foi cunhado pelo Gartner em 1992;
Antes disso já existiam outros termos (Olap, DW, etc);

O que é Business Intelligence?
Termo de negócios(buzzword) ?
Termo HighTech?
Um software?
Um conceito?

“ Descreve as habilidades das corporações para acessar dados e explorar as informações, analisando-as e desenvolvendo percepções e entendimentos a seu respeito, o que as permite incrementar e tornar mais pautada em informações a tomada de decisão”.
Wikipedia

“ Um conjunto de conceitos, métodos e recursos tecnológicos que habilitam a obtenção e distribuição de informações geradas a partir de dados operacionais, históricos e externos, visando proporcionar subsídios para a tomada de decisões gerenciais e estratégicas”.
Gartner Group

O que é Business Intelligence? Simplificando
“ BI é transformar dados
em informações úteis”

Características
Extrai e integra dados de múltiplas fontes;
Fazer uso da experiência (dados históricos);
Analisa dados contextualizados;
Trabalha com hipóteses;
Procura relações de causa e efeito;
Transformar os registros obtidos em informação útil para o conhecimento empresarial;
Conceitos de BI são aplicáveis a todo tipo de empresa, independente de seu porte, faturamento ou segmento .

Como funciona?

Tecnologias
Data Warehouse
ETL
Data Mining
OLAP

Data Warehouse
Definição
Segundo Inmon, Data Warehouse é uma coleção de dados orientados por assuntos, integrados, variáveis com o tempo e não voláteis, para dar suporte ao processo de tomada de decisão;
Kimball define assim: é um conjunto de ferramentas e técnicas de projeto, que quando aplicadas às necessidades específicas dos usuários e aos bancos de dados específicos permitirá que planejem e construam um data warehouse.

Data Warehouse (Levantamento de requisitos)

Data Warehouse (Metadados)
Metadados são dados que fazem referência a outros dados ou seja, mantêm informações sobre "o que está e onde" no ambiente de DW.
Modelo de usuário
Descrição
Agregador
Finalidade
Modelo de integração;
Descrição Técnica
Tipo Origem
Origem

Data Warehouse (Metadados)

Data Warehouse (Modelagem Multidimesnsional)
Diferente da modelagem ER
Modelo Estrela

Diferente da modelagem ER
Modelo Floco de Neve Ch_Produto Nome Descrição Ch_Marca DM Produto Ch_Marca Marca Ch_Categoria DM Produto Ch_Categoria Categoria DM Produto

Tabela Fato
Guardam as medidas do negócio.
Cada medida tem uma das interseção de todas as dimensões
Os fatos são aditivos, ou sejam, podem ser acumulados
Fatos tem valores contínuos

Tabelas Dimensão
Guardam os atributos do negócio
São utilizadas para restringir as pesquisas feitas
Servem como título das colunas em consultas

Data Warehouse (Características)
Orientação por Assunto
Ex: Vendas, Compras, etc...
Integração
Ex Campo sexo – M/F – Masc/Fem, etc...
Variação no Tempo
Manter o histórico dos dados superior ao OLTP
Não Volatilidade
Carga inicial e as consultas dos front-ends.
Credibilidade dos Dados
Dados operacionais errados = informações DW erradas.
Granularidade
Nível de detalhe ou de resumo dos dados.

ETL
Extração, transformação e carga;
Ambientes heterogêneos;
Várias fontes de dados;
Um grande tempo é aplicado nesta etapa;
Realizado “fora de hora”;
Fase mais crítica;
Ferramentas
Workflow (Visual);
Agendador (Terminal );

ETL (Extração, transformação e carga)
Procedimentos
Limpeza
Erros no operacional implicam erros no data warehouse
Integração
Vários sistemas fonte implica integração
Carga
Cópia inicial para o Data Warehouse
Atualização
Cópia incremental
Transferência
Fontes de Dados dispersas

Valores nulos
Ex: 50% dos registros não possuem dados para campo sexo;
Padronização de campos
Seleção de dados
somente dados necessários.
Duplicidade de registros
Agregar campos de outras bases
Planilhas eletrônicas, notícias, etc.

Discretização
geração de intervalos de valores numéricos Ex: idade è criança, jovem, adulto, 3a idade
Identificação única
Cpf, nome, e-mail, endereço, telefone
Enriquecimento
gerar novos campos a partir dos existentes
Ex: idade, tempo de permanência
Verificação de dados
correção de endereços.

ETL

OLAP ( On-Line Analytical Processing )
Forma alternativa de tratamento da informação,
Processamento de dados,
Dedicado ao suporte a decisão,
Por meio de visualização de dados agregrados ao longo de várias dimensões analíticas (tempo, espaço, categoria de produto, quantidade vendida, preço...),
Hierarquizadas em várias granularidades,
Armazenados em BD especializadas,
Seguindo um modelo lógico de dados multidimensional,

Operacional e analítico
O processo operacional tem funções limitadas, que são implementadas e oferecidas de acordo com a política da empresa. Também chamado de OLTP (on-line transaction processing)
Ex. Relatório de resultados financeiros
O processamento analítico é em essência não limitado, permitindo a criatividade das pessoas envolvidadas. Também é chamado de OLAP (on-line analytical Processing)
Ex. Relatório indicando desempenho comparativo ao do último mês, mesmo mês do ano anterior ou a seis meses atrás

OLAP x OLTP

OLAP
Receita, Custos, Quantidades, .... Filial, Unidade,Região, Cliente, Serviço, Produto, .... Previsões Temporais Análise Histórica Características Indicadores Diária, Semanal, Mensal, Trimestral, Anual Tempo

Cubo OLAP
Dimensões
Hierarquias
Níveis
Membros
Medidas
Celulas
Tempo Produto P1 P2 P3 P4 Jan./99 Fev./99 5 1 6 8 FORTALEZA SOBRAL NORDESTE CEARÁ SUDESTE RIO DE JANEIRO PERNAMBUCO SÃO PAULO ...

Características OLAP
Drill Down / Drill Up
Oorre quando o usuário aumenta ou diminui o nível de detalhe da informação, diminuindo ou aumentando o grau de granularidade.
50.000 Clientes Drill Down Roll Up 500 Cidades 50 Estados 5 Regiões 1 Total

Rotate, slice and dice: girar e fatiar cubo
Ele serve para modificar a posição de uma informação, alterar linhas por colunas.
Região Produto Situação Região Produto Situação Região Produto Situação

Drill Across
O Drill Across ocorre quando o usuário pula um nível intermediário dentro de uma mesma dimensão. Por exemplo: a dimensão tempo é composta por ano, semestre, trimestre, mês e dia. O usuário estará executando um Drill Across quando ele passar de ano direto para semestre ou mês.
Drill Throught
O Drill Throught ocorre quando o usuário passa de uma informação contida em uma dimensão para uma outra. Por exemplo: Estou na dimensão de tempo e no próximo passo começo a analisar a informação por região.

Ranking
A opção de ranking permite agrupar resultados por ordem de maiores / menores, baseado em objetos numéricos.
Filtros
Os dados já recuperados pelo Usuário podem ser novamente “filtrados” para facilitar análises diretamente no documento.
Sorts
Os sorts servem para ordenar uma informação. Esta ordenação pode ser customizada, crescente ou decrescente.

Data Mining
Definição
“ DataMining (ou mineração de dados) é o processo de extrair informação válida, previamente desconhecida e de máxima abrangência a partir de grandes bases de dados, usando-as para efetuar decisões cruciais”

Data Mining (Técnicas)
Árvore de Decisão
Mala direta, análise de crédito;
Clusters Analisys
Segmentação de mercado
Redes Neurais
Probabilidade de compras;

Data Mining (Técnicas)
Regressão
Controle de qualidade;
Séries Temporais
Prever volume de vendas;
Outros
Vários funções;

Data Mining (Exemplo)
Fraldas e cervejas no Wal-Mart
Descobriu-se que um determinado perfil de consumidor comprava fraldas e cervejas.
Por que não colocá-las próximas?
As vendas explodiram.
O banco Itaú enviava mais de 1 milhão de malas diretas, para todos os correntistas. Apenas 2% deles respondiam às promoções.
Com o DM foram enviadas apenas a quem tem maior chance de responder.
A taxa de retorno subiu para 30%.
A conta do correio foi reduzida a um quinto.

Análise de Produtos
Quais são os meus produtos mais lucrativos?
Quais são os meus produtos de menor lucratividade, mas que, no entanto vendem mais?
Quais são os produtos mais vendidos para clientes que faturam mensalmente mais de R$ 5.000,00?
Quais produtos o cliente “ABC” nunca comprou ou compra menos?
Como está a venda do “xyz” em relação ao produto “ty” nos últimos 3 anos?
Curva ABC de produtos

Análise de Vendas e Clientes
Quais são meus clientes mais lucrativos?
(Normalmente as empresas se surpreendem na resposta a esta pergunta, pois nem sempre os clientes que mais geram faturamento são os mais lucrativos!).
Quais são as características dos 10% de clientes mais lucrativos?
Quais são meus clientes menos lucrativos?
(Surpresa de novo)
Curva ABC de clientes
Quais são os clientes mais lucrativos entre os que fizeram compras maior que a média do desvio padrão para os últimos seis meses passados?

Beneficios
Melhorar o processo de tomada de decisão, baseando a mesma no fato;
Centralizar as informações de forma concisa e garantida;
Antecipação a mudanças de mercado;
Conhecimento sobre o próprio negócio, mercado, concorrentes, etc.

Beneficios
Uma empresa de venda a varejo descobriu uma tendência de compras que aumentou suas vendas em 45% em apenas 1 ano. Uma indústria melhorou o planejamento de produção e aumentou as vendas em 5%, ao mesmo tempo em que reduziu os custos de eliminação de excessos de produtos em 10%. >> >> Outra indústria de medidores de energia conseguiu redução de R$ 62.000,00 em despesas. >>

Futuro
Até 2007, a demanda por habilidades e pessoal de BI suplantará a oferta na base de 2-para-1 (0.8 de probabilidade).
Até 2008, as empresas não serão eficientes em atender a seus objetivos estratégicos, se elas não investirem em, organizar e alinhar suas habilidades de BI a seus objetivos de negócio (0.8 de probabilidade).
Até 2008, BI será um componente-chave na realização de Novas iniciativas estratégicas de negócio (0.7 de probabilidade).
Gartner

Sol7-BI

“ Entendo Business Intelligence” Obrigado. Sol7 informática Ltda. Rua Chá Chá Pereira, 218 sala 2 Bairro Centro - Estrela - RS Fone 55 51 3981-1131 Email [email_address] http://www.sol7.com.br

http://www.slideshare.net	63
http://tematcc.blogspot.com.br	17
http://tematcc.blogspot.com	11
http://projectti.blogspot.com.br	10
http://projectti.blogspot.com	6
http://www.techgig.com	2
http://localhost	1
http://s3.amazonaws.com	1
http://projectti.blogspot.pt	1

Entendo Business Intelligence

by Douglas Scheibler

Accessibility

Categories

Upload Details

Usage Rights

9 Embeds 112

Statistics

Entendo Business Intelligence Presentation Transcript