• Share
  • Email
  • Embed
  • Like
  • Save
  • Private Content
Introdução aos conceitos de Business Intelligence
 

Introdução aos conceitos de Business Intelligence

on

  • 8,442 views

Apresentação realizada em uma motra na faculdade sobre o que é e o que envolve os conceitos de Business Intelligence.

Apresentação realizada em uma motra na faculdade sobre o que é e o que envolve os conceitos de Business Intelligence.

Statistics

Views

Total Views
8,442
Views on SlideShare
8,357
Embed Views
85

Actions

Likes
1
Downloads
458
Comments
0

9 Embeds 85

http://www.slideshare.net 26
http://tematcc.blogspot.com.br 19
http://emersonhss.wordpress.com 15
http://projectti.blogspot.com.br 9
http://tematcc.blogspot.com 7
http://projectti.blogspot.com 6
http://projectti.blogspot.pt 1
http://tematcc.blogspot.jp 1
http://projectti.blogspot.de 1
More...

Accessibility

Categories

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

    Introdução aos conceitos de Business Intelligence Introdução aos conceitos de Business Intelligence Presentation Transcript

    • BUSINESS INTELLIGENCE: O que é e o que envolve este termo?
      Emerson henrique soares silva
      emerson.hss@gmail.com
      Introdução aos conceitos de Business Intelligence
    • Quem é este que vos fala?
      Aluno concluinte do curso de Ciência da Computação da ASPER
      Há 1 ano e 2 meses sou Analista e Desenvolvedor de Sistemas para Web da Ativasystems (Divisão de desenvolvimento de Software da Ativaweb)
      2
      Emerson Henrique S. Silva
      10/12/2009
    • Agenda
      Introdução
      Business Intelligence (BI)
      Data Warehouse (DW)
      Data Mart (DM)
      Abordagens de implementação de DW
      Arquiteturas de DW
      Modelagem Dimensional
      OLAP
      OLAP x OLTP
      Data Mining
      Grupo(s) de Pesquisa
      Proposta de Projeto Inicial
      3
      Emerson Henrique S. Silva
      10/12/2009
    • Introdução
      Era da Economia da Informação
      Empresa precisão mais do que operar, funcionar
      Precisam de conhecimento, sobre si e sobre os demais
      Precisam aprender com erros e acertos
      4
      Emerson Henrique S. Silva
      10/12/2009
    • Introdução
      Sistemas de Informação e seus espaços de negócio
      Patamar conhecido
      Operacional
      Foco nas tarefas
      No realizar trabalho
      Busca por novos patamares:
      Gerencial
      Foco no planejamento
      Alocação de Recursos
      Orçamentos
      Estratégico
      Relacionada ao gerencial
      Intenções estratégicas
      Produtos/Serviços e seus benefícios para os clientes
      5
      Emerson Henrique S. Silva
      10/12/2009
    • Introdução
      Patamar estratégico dos Sistemas de Informações dão apoio aos processos de tomadas de decisões nas organizações.
      O conceito de Business Intelligence (BI), ou Inteligência de Negócios, ganha espessura neste cenário.
      BI pode ser entendido como um guarda-chuva conceitual que envolve Inteligência Competitiva, ou CompetitiveIntelligence (CI), Gerência de Conhecimentos, ou knowledge Management System (KMS), Internet Business Intelligence (IBI), pesquisa e análise de mercados, etc. [BARBIERE, 2001]
      6
      Emerson Henrique S. Silva
      10/12/2009
    • Business Intelligence(BI)
      “Business Intelligence representa a habilidade de se estruturar, acessar e explorar informações, normalmente guardadas em Data Warehouses e Data Marts, com o objetivo de desenvolver percepções, entendimentos, conhecimentos, os quais podem produzir um melhor processo de tomada de decisão”. (BARBIERE, 2001)
      Business Intelligence é um termo genérico para descrever o levantamento de informações sobre os ativos internos e externos da organização para tomar melhores decisões de negócios [KIMBALL e ROSS, 2002].
      Para Moss e Atre (2003) o BI não é um produto, nem um sistema. É uma arquitetura e uma coleção de aplicações e bancos de dados com acesso facilitado aos dados e que provê suporte a tomada de decisão.
      7
      Emerson Henrique S. Silva
      10/12/2009
    • Business Intelligence (BI)
      8
      Emerson Henrique S. Silva
      10/12/2009
    • Data Warehouse (DW)
      Sobre Data Warehouse (DW) ou Armazéns de Dados, Machado (2007) afirma que representa uma grande base de dados capaz de integrar, de forma concisa e confiável, as informações de interesse para a empresa que se encontram espalhadas pelos sistemas operacionais e em fontes externas, para posterior utilização nos sistemas de apoio à decisão.
      Segundo Barbiere (2001), Data Warehouse pode ser definido como um banco de dados, destinado a sistemas de apoio a decisão e cujos dados foram armazenados em estruturas lógicas dimensionais, possibilitando o seu processamento analítico por ferramentas especiais (OLAP e Mining).
      9
      Emerson Henrique S. Silva
      10/12/2009
    • Data Warehouse (DW)
      Características
      Segundo [INMON, 1997 apud ZORZIN, 2006], um DW é um conjunto de dados...
      orientados por assuntos,
      integrados,
      não voláteis,
      variáveis em relação ao tempo
      e que apóiam a tomada de decisões.
      10
      Emerson Henrique S. Silva
      10/12/2009
    • Data Warehouse (DW)
      Pedido e nota fiscal são etapas do processo transacional de uma venda
      Vendas são assuntos de empresa de interesse estratégico
      Informações sobre quantidades vendidas, sobre lucros e observações de resultados de ações de marketing
      11
      Emerson Henrique S. Silva
      10/12/2009
    • Data Warehouse (DW)
      O DW é alimentado por outras fontes de dados, que podem trazer dados representados de formas diferentes, mas que possuem o mesmo significado.
      Por este motivo os dados devem ser integrados e padronizados.
      12
      Emerson Henrique S. Silva
      10/12/2009
    • Data Warehouse (DW)
      O DW só permite duas operações básicas: a inclusão inicial e incremental de novos dados e o acesso somente para leitura a estes dados, isto é, não existem alterações nem exclusões dos dados do DW, isso para evitar impasses e atualizações registro a registro.
      13
      Emerson Henrique S. Silva
      10/12/2009
    • Data Warehouse (DW)
      Variáveis em relação ao Tempo
      O DW deve ser carregado periodicamente através de um processo batch (em lotes).
      E deve ser armazenada uma ou mais referências temporais sobre os dados carregados, de modo que seja possível verificar o histórico desses dados.
      O tempo é uma característica importante para tomada de decisões, por isso os dados do DW devem variar em relação a suas referências de tempo.
      14
      Emerson Henrique S. Silva
      10/12/2009
    • Data Warehouse (DW)
      Dados que apóiam a tomada de decisões
      O DW é construído sobre um modelo multidimensional
      Centralizar os fatos pelas dimensões dos negócios
      Organização lógica dos negócios da organização sobre esse modelo permite um acesso facilitado de ferramentas para análise dos negócios, e o resultado dessas análises permitem visualizar cenários passados, atuais e possíveis da organização, gerando informações estratégicas que possibilitem a tomada de decisões de melhorias e evoluções.
      15
      Emerson Henrique S. Silva
      10/12/2009
    • Data Mart(DM)
      Apresenta as mesmas características de um DW.
      É um subconjunto de um DW.
      Representa um DW departamental, regional ou funcional.
      Segundo Sing (2001) apudFelber (2005) uma empresa pode contruír uma séria de DM ao longo do tempo e vinculá-los a um DW lógico de empresa inteira.
      16
      Emerson Henrique S. Silva
      10/12/2009
    • Data Mart(DM)
      São bem aceitos no mercado por:
      Apresentarem menor investimento em infra-estrutura
      Produzirem resultados mais rapidamente
      E por serem escaláveis até DWs
      17
      Emerson Henrique S. Silva
      10/12/2009
    • Abordagens de Implementação de DW
      Inicialmente existiram (anos 1990) duas abordagens, cada uma apresentada por um guru da tecnologia de DW
      Bill Inmon
      Implementação top-down (do topo para a baixo)
      Ralph Kimball
      Implementação bottom-up (da base para cima)
      18
      Emerson Henrique S. Silva
      10/12/2009
    • Abordagens de Implementação de DW
      Top-down
      Primeiro se construiria um DW para depois construir os DMs departamentais a partir do DW.
      19
      Emerson Henrique S. Silva
      10/12/2009
    • Abordagens de Implementação de DW
      Top-down
      Vantagens
      Herança de arquitetura, consequentemente facilidade de manutenção
      Visão do empreendimento, DW concentra toda a empresa e seus negócios
      Controle e centralização de regras, único conjunto de aplicações para ETL
      Monitoração e manutenção centralizada
      Desvantagens
      Demora para entrar em produção
      Alto risco de investimento
      Demora no retorno do investimento
      20
      Emerson Henrique S. Silva
      10/12/2009
    • Abordagens de Implementação de DW
      Bottom-up
      Primeiro se constroem os DMs separados que deverão ser integrados a medida que os mesmos evoluem, dando condições para a construção de um DW.
      21
      Emerson Henrique S. Silva
      10/12/2009
    • Abordagens de Implementação de DW
      Bottom-up
      Vantagens
      Implementação mais rápida
      Retorno sobre o investimento é mais rápido
      A manutenção do enfoque da equipe é facilitada
      Pode existir uma herança incremental entre os DMs permitindo o reaproveitamento
      Desvantagens
      Os DMs produzidos podem não obter uma perfeita coesão
      Integração pode se tornar inviável
      Provável repetição de esforços na fase de ETL
      22
      Emerson Henrique S. Silva
      10/12/2009
    • Abordagens de Implementação de DW
      Convergência das abordagens
      Melhor dos dois mundos
      Visualizar a empresa e seus negócios de forma integrada
      Construindo o DW de forma incremental, a partir de DMs
      Construção integrada
      Resultado repositório integrado e coeso
      Dimensões alinhadas e conformes, e métricas compatíveis
      23
      Emerson Henrique S. Silva
      10/12/2009
    • Arquiteturas de DW
      Decisão gerencial em um projeto de DW
      Diretamente ligada a infra-estrutura física no aspecto da tecnologia da informação
      As arquiteturas podem ser:
      Global
      Centralizada
      Distribuída
      Data Marts independentes
      Data Marts integrados
      24
      Emerson Henrique S. Silva
      10/12/2009
    • Arquiteturas de DW
      Visão corporativa dos dados pelos usuários
      Porém, consumo de tempo de desenvolvimento e administração do ambiente é muito grande, assim como o custo de implementação.
      25
      Emerson Henrique S. Silva
      10/12/2009
    • Arquiteturas de DW
      10/12/2009
      Emerson Henrique S. Silva
      26
      Data Marts independentes
      DMs isolados por departamentos
      Sem foco corporativo
      Pouca interferência da TI
      Vantagem:
      Implementação Rápida, por conta do escopo reduzido e isolado
      Desvantagem:
      Capacidade de decisão através dos dados é limitada
    • Arquiteturas de DW
      10/12/2009
      Emerson Henrique S. Silva
      27
      Data Marts integrados
      DMs distribuídos em departamentos, como na anterior
      Dados interconectados, integrados e acessíveis a outras áreas ou departamentos da empresa
      Maior interferência da TI
      Vantagem:
      Aumenta a visão corporativa e a qualidade das informações
      Desvantagem:
      Maior complexidade dos requisitos
      Maior necessidade de controle e de administração
    • Modelagem Dimensional
      10/12/2009
      Emerson Henrique S. Silva
      28
      De acordo com Machado (2007) a modelagem multidimensional é uma técnica de concepção e visualização de um modelo de dados de um conjunto de medidas que descrevem aspectos comuns de negócios. E esse modelo é formado por três elementos básicos: os fatos as dimensões e as medidas (variáveis).
      O objetivo dessa modelagem é fornecer a capacidade de visualizar os dados de um organização, de modo a permitir a análise de valores desses dados, isto é, permitir obter informações de apoio a decisão.
    • Modelagem Dimensional
      10/12/2009
      Emerson Henrique S. Silva
      29
      Fatos
      Definem a importância e a motivação da modelagem dimensional
      Representam numericamente valores que refletem temporalmente a evolução dos negócios de uma organização
      É representado no modelo por uma tabela chamada tabela de Fatos
      Formados por dados de medidas e de contexto
    • Modelagem Dimensional
      10/12/2009
      Emerson Henrique S. Silva
      30
      Medidas
      Atributos numéricos que representam um fato, o desempenho de um indicador de negócios relativo as dimensões que participam do fato
    • Modelagem Dimensional
      10/12/2009
      Emerson Henrique S. Silva
      31
      Dimensões
      As dimensões determinam o contexto de um assunto de um fato de negócio
      Possui uma ou mais hierarquias naturais, além de atributos descritivos sem relacionamento hierárquico
      É representada por uma tabela que descreve uma característica de um fato
      Quando
      Onde
      Quem
      O quê
    • Modelagem Dimensional
      10/12/2009
      Emerson Henrique S. Silva
      32
      Dimensões
      Determinam “o como” se pode filtrar informações sobre os fatos
      Exemplo:
      Por lojas
      Por região
      Por mês
      Por produto
      Etc.
    • Modelagem Dimensional
      10/12/2009
      Emerson Henrique S. Silva
      33
      Esquemas propostos
      São 2 os esquemas propostos conhecidos
      Star Schema(Esquema Estrela)
      SnowflakeSchema (Esquema Floco de Neve)
    • Modelagem Dimensional
      Star Schema
      As tabelas de dimensões são diretamente relacionadas a uma tabela central chamada tabela de fatos
      Nesse modelo não há preocupação com economia de espaço de armazenamento
      Nem com normalização
      Respeita-se o preceito de informação rápida
      34
      Emerson Henrique S. Silva
      10/12/2009
    • Modelagem Dimensional
      SnowflakesSchema
      Neste esquema as dimensões são normalizadas
      AS hierarquias são separadas
      Consultas envolverão mais tabelas diminuindo a performance
      35
      Emerson Henrique S. Silva
      10/12/2009
    • Modelagem Dimensional
      10/12/2009
      Emerson Henrique S. Silva
      36
      Diferenças em relação a modelagem ER
    • Modelagem Dimensional
      10/12/2009
      Emerson Henrique S. Silva
      37
    • OLAP
      10/12/2009
      Emerson Henrique S. Silva
      38
      Acrônimo para:
      OnLineAnalyticalProcessing
      Processamento Analítico OnLine
      São ferramentas que possibilitam a exploração dos dados de um DW [MACHADO, 2007] para fins de análise de determinadas variáveis para descoberta de cenários e tendências
      O objetivo é dar suporte ao processo de tomada de decisões
    • OLAP x OLTP
      10/12/2009
      Emerson Henrique S. Silva
      39
      OLTP é acrônimo para:
      OnLineTransactionProcessing
      Processamento de Transações OnLine
      Transações se referem diretamente as atividades operacionais de ume empresa
      Exemplo:
      Realizar pagamento aos empregados
      Realizar pagamento aos fornecedores
      Realizar vendas aos clientes
      Essas operações envolver um conjunto de atividades que juntas formam uma transação
      Os Sistemas de Informação com foco operacional são sistemas transacionais
      Diferentes dos sistemas OLAP com foco analítico dos dados
    • Data Mining
      10/12/2009
      Emerson Henrique S. Silva
      40
      Em português, Garimpagem ou Mineração de Dados
      O processo de Data Mining visa realizar inferências sobre os dados de um DW/DM, buscando “adivinhar” fatos e correlações não explicadas em meio a esses dados.
      Algoritmos inteligentes sobre um amostra dos dados visando detectar padrões em determinados relacionamentos.
      Segundo Moss e Atre (2003), a aplicação de mineração de dados pode então usar uma sofisticada mistura de componentes clássicos e avançados, como a inteligência artificial, reconhecimento de padrões, bases de dados, estatísticas tradicionais e gráficas para apresentar relações ocultas e padrões encontrados no repositório de dados da organização.
    • Grupo(s) de Pesquisa
      10/12/2009
      Emerson Henrique S. Silva
      41
      Empregos na área de BI existem, porém poucos são as pessoas qualificadas para assumir essas vagas
      Existe espaço para novas pesquisas em cima de BI, novas ferramentas tecnologias, arquiteturas, metodologias de desenvolvimento, soluções open source,..., entre outras várias
      Então por que não unir o útil ao agradável e montar na instituição um grupo de pesquisa e estudos sobre BI?
    • Proposta de Projeto Inicial
      10/12/2009
      Emerson Henrique S. Silva
      42
      Desenvolver um solução completa de BI para o setor de transporte coletivo urbano
      Visando atender necessidades estratégicas de empresas de transporte coletivos, de associações de empresas do ramo de transporte coletivo, de organizações governamentais controladoras e fiscalizadoras e, principalmente, a dos usuários desse sistema de transporte.
    • Interessados no grupo de pesquisas?
      10/12/2009
      Emerson Henrique S. Silva
      43
      Se você se interessou entre em contato comigo ou com o professor Fábio Nicácio(fabionicacio@gmail.com)
      É tempo de buscar novos conhecimentos e novas oportunidades de emprego, além de oportunidades de negócio.
    • Dúvidas
      10/12/2009
      Emerson Henrique S. Silva
      44
    • Obrigado!
      10/12/2009
      Emerson Henrique S. Silva
      45
    • Referências
      10/12/2009
      Emerson Henrique S. Silva
      46
      BARBIERI, Carlos. Business Intelligence: Modelagem e Tecnologia. Rio de Janeiro: Axcel Books. 2001.
      INMON, W. H. Como construir o Data Warehouse. Rio de Janeiro: Editora Campus, 1997.
      KIMBALL, Ralph. Data Warehouse Toolkit: Técnicasparaconstrução de data warehouses dimensionais. São Paulo: Makron Books. 1998.
      KIMBALL, Ralph; ROSS, Margy. The Data Warehouse Toolkit: The Complete Guide to
      Dimensional Modeling. 2ed. New York: John Wiley & Sons. Inc. 2002.
      MACHADO, Felipe N. R. Tecnologia e Projeto de Data Warehouse: Uma Visão Multidimensional. 3ed. São Paulo: Érica, 2007.
      MOSS, Larissa T.; ATRE, Shaku. Business Intelligence Roadmap: The Complete Project Lifecycle for Decision-Support Applications. Boston: Pearson Education, Inc. 2003.
      SING, Hary. Data Warehouse. São Paulo: Makron Books, 2001.