Business Intelligence (BI)

Aluno: Cristiano Campos Cavalcanti

Professores:
Ana Carolina Salgado
Dcio Fonseca

Recife, Janeiro de 2006

1

NDICE
1. Introduo...........................................................................................3
2. Histria................................................................................................5
3. Mtricas (KPI).....................................................................................7
3.1 Identificando Indicadores..............................................................7
3.2 Categorias de Identificadores........................................................7
4. Tipos de Aplicao de Software.........................................................9
4.1 Data Warehouse............................................................................9
4.2 OLAP..........................................................................................10
4.3 Data Mining.................................................................................11
5. Projetando um BI..............................................................................13
6. Referncias........................................................................................14

1. Introduo
Business Intelligence, que pode ser traduzido como Inteligncia de Negcios ou
Inteligncia Empresarial, um conjunto de metodologias de gesto implementadas
atravs de ferramentas de software, cuja funo proporcionar ganhos nos processos
decisrios gerenciais e da alta administrao das organizaes. Baseando-se
principalmente na capacidade analtica das ferramentas que integram em um s lugar
todas as informaes necessrias ao processo decisrio.
O termo Business Intelligence foi criado pelo Gartner Group (consultoria de
pesquisa de mercador na rea de tecnologia da informao) nos anos 80.
Tipicamente as organizaes recolhem informaes a fim de avaliar o ambiente
de negcio, e converter campos como pesquisa de marketing, pesquisa de indstria e
mercado, e analise de competidores. Organizaes competitivas acumulam business
intelligence a fim de obter vantagens competitivas sustentveis, e podem considerar
inteligncia como um ncleo de competncia valioso em algumas instncias.
Pessoas envolvidas em processos de business intelligence podem usar aplicaes
de software e outras tecnologias para recolher, armazenar, analisar, e prover acesso ao
dado. Alguns observadores consideram BI como o processo de transformar dados em
informao e posteriormente em conhecimento (ver Figura 1). Ferramentas de software
ajudam pessoas a tomarem melhores decises de negcios atravs de informaes
precisas, atuais, e relevantes disponveis quando elas assim necessitarem.
Geralmente, coletores de BI recolhem suas informaes primarias de fontes
internas ao negcio. Tais fontes ajudam os responsveis por tomarem as decises a
entender quo bem eles agiram. Fontes secundrias de informaes so formadas pelas
necessidades dos clientes, processos de tomada de deciso dos clientes, a competio e
as presses dos competidores, as condies das indstrias relevantes, e em geral as
tendncias econmicas, tecnolgicas e culturais.
Cada sistema de business intelligence tem um objetivo especfico, que deriva
dos objetivos da organizao ou de uma indicao visionria. Tanto os objetivos de
curto prazo (tais como os nmeros trimestrais de Wall Street) como os objetivos de
longo prazo (tais como valor acionista, a parte/tamanho da industria alvo) existem.

Sendo assim espionagem industrial pode oferecer business intelligence

utilizando tcnicas secretas. Existe uma rea sombria entre business intelligence
normal e espionagem industrial.
Gerenciamento de performance de negcio oferecem software orientado a
sistemas de business intelligence que alguns vem como a nova gerao de business
intelligence, pensando bem muitas pessoas nessa rea utilizam esses termos misturados.

Dados

Informaes

Figura 1

Conhecimento

2. Histria
Uma referncia precoce indireta a business intelligence aparece em Sun Tzus
Art of War. Sun Tzu diz que para obter sucesso na guerra, deve-se ter total
conhecimento de suas prprias virtudes e fraquezas, assim como total conhecimento das
principais virtudes e fraquezas de seus inimigos. A falta de um destes resulta na derrota.
Uma certa corrente de pensadores estabelece um paralelo entre os desafios de negcios
e de guerra, especificamente:

Coletando dados;

Enxergando padres e significado nos dados (gerando informao);

Respondendo a informao resultante;

Antes do comeo da era da informao no sculo 20, os negcios algumas vezes

enfrentavam problemas com o esforo para obter informaes de fontes noautomticas. Faltavam aos negcios recursos computacionais para analisar corretamente
os dados e quase sempre tomaram decises comerciais primrias baseadas apenas na
intuio.
Quando os negcios comearam a automatizar mais e mais sistemas, mais e
mais dados se tornaram disponveis. Entretanto, as colees representaram um desafio
devido a falta de infra-estrutura para que os dados possam ser alterados ou a
incompatibilidade entre os sistemas. Os relatrios dos dados recolhidos s vezes
necessitam de meses para serem gerados. Tais relatrios permitiram formar estratgias
de longo prazo para tomada de deciso. Mesmo assim tticas de tomada de deciso
curto prazo continuam sendo realizadas tendo como base a intuio.
Nos negcios modernos, os padres, a automao, e as tecnologias crescentes
conduziram para que cada vez mais dados fossem disponibilizados. Tecnologias de
Data Warehouse possui um conjunto de repositrios para armazenar esses dados. ETL
melhoradas e recentemente Enterprise Application Integration tem aumentado a
velocidade de coleta de dados. OLAP mostra tecnologias que tem permitido gerar novos
relatrios mais rapidamente que analisam os dados. Business Intelligence tem se tornado
a arte de tratar grandes quantidades de dados, extraindo informaes e transformando
esta informao em conhecimento de ao.

Em 1989 Howard Dresner, um companheiro de pesquisa do Gartner Group

popularizou BI como um termo guarda-chuva para descrever um conjunto de
conceitos e mtodos para melhorar as tomadas de decises de negcios usando uma
base de fatos de um sistema de suporte. Dresner deixou o Gartner Group em 2005 e se
juntou ao Hyperion Solutions como seu Chefe Ofical de Estratgia.

3. Mtricas (KPI)
Key Performance Indicators (KPI), que tambm conhecido como Key Success
Indicators (KSI) uma mtrica financeira e no financeira de avaliar os fatores de
sucesso critico de uma organizao. So usados em Business Intelligence para avaliar o
estado atual do negocio e para descrever o curso das aes. O KPI geralmente difere
dependendo da natureza da organizao ao qual est sendo aplicado. Ele ajuda a
organizao a medir os seus progressos para compar-los com os objetivos da
organizao.

3.1 Identificando Indicadores

Indicadores de performance diferem entre si de acordo com os interesses e
objetivos organizacionais. Uma escola pode considera o nvel de graduao de seus
alunos como uma Key Performance Indicator que pode ajudar a escola a sua posio na
comunidade educacional, assim como um negcio pode considerar a percentagem de
renda proveniente de um cliente como uma KPI.
Porm necessrio que a organizao ao menos identifique estes KPIs. As
situaes chave que devem ser analisadas corretamente antes de identificar os KPIs
so:

Tendo um processo de negcio pr-definido;

Tendo requisitos claros de objetivos/perfomance para o processo de negcio;

Tendo a medida quantitativa/qualitativa dos resultados e comparando com o

conjunto de objetivos;

Investigando variaes e conseguir recursos pra objetivos de longo prazo;

3.2 Categorias de Indicadores

Key Performance Indicators definem um conjunto de valores usados para medir
o desempenho. Esse conjunto de valores crus que alimentam o sistema para sumarizar
informaes so chamados indicadores. Indicadores que so identificveis como
possveis candidatos para KPI podem ser sumarizados nas sub-categorias seguintes:

Indicadores quantitativos que podem ser representados por nmeros.

Indicadores prticos que interagem com processos de companhias existentes.

Indicadores direcionais que especificam se uma organizao est comeando

bem ou no.

Indicadores de ao so suficientes em um controle de uma organizao a

fim de promover mudanas.

4. Tipos de Aplicao de Software

4.1 Data Warehouse
Entende-se data warehouse como um sistema computacional responsvel por
armazenar informao relativa as atividades de uma organizao em banco dados, de
forma consolidada. A estrutura da base de dados favorece para que possam ser feitos
relatrios e anlise de grandes volumes de dados e assim obter informaes estratgicas
que podem facilitar a tomada de deciso.
O processamento de dados em um data warehouse sempre referenciado como
Online Analytical Processing (OLAP) ou Processo Analtico em Tempo Real, em
contraste com o Online Transaction Processing (OLTP) usado para armazenar as
operaes de negcios. Outra caracterstica do data warehouse que os dados no so
volteis, ou seja, eles no mudam, a no ser quando so necessrias correes de dados
previamente carregados. Assim sendo, os dados so somente para leitura e no podem
ser alterados.
O data warehouse possibilita a anlise de grandes volumes de dados,
armazenados em sistemas transacionais (OLTP). Essas anlises so chamadas de sries
histricas que possibilitam uma melhor anlise de eventos passados para a tomada de
decises presentes e a previso de eventos futuros.
Os data warehouse surgiram como conceito acadmico na dcada de 80. Com o
amadurecimento dos sistemas de informao empresariais, as necessidades de anlise
dos dados cresceram paralelamente. Os sistemas OLTP no conseguiram cumprir a
tarefa de anlise com a simples gerao de relatrios. Nesse contexto a implementao
do data warehouse passou a se tornar realidade nas grandes corporaes. O mercado de
ferramentas data warehouse, que faz parte do mercador de Business Intelligence,
cresceu ento, e ferramentas melhores e mais sofisticadas foram desenvolvidas para
apoiar a estrutura do data warehouse e sua utilizao.
Pela sua capacidade de sumarizar grandes volumes de dados e de possibilitar
anlises os data warehouses so atualmente o ncleo dos sistemas de informao
gerenciais e apoio deciso das principais solues de business intelligence do
mercado.

4.2 OLAP (Online Analytical Processing)

As ferramentas OLAP so geralmente desenvolvidas para trabalhar com bancos
de dados de-normalizados, embora existam ferramentas que trabalham com esquemas
especiais de armazenamento, como dados normalizados.
A principal funo dessas ferramentas permitir uma fcil navegao nos dados
de um data warehouse, possuindo assim uma estrutura adequada tanto para pesquisas
como para apresentao das informaes.
Nessas ferramentas de navegao possvel em diferentes nveis de
granularidade (detalhamento) de um cubo de dados. Este processo chamado de Drill
que pode ser aumentado pelo usurio (Drill down) ou diminuir (Drill up). Por exemplo
um relatrio pode estar consolidado por paises, fazendo um Drill down nos dados
passam a ser apresentados por estados, cidades, bairros e assim sucessivamente at que
o menos nvel de detalhamento possvel seja alcanado na base de dados. Logo o
processo de Drill up consolida os dados em nveis superiores, fazendo o caminho
inverso do exemplo ou subindo de paises para continentes, por exemplo.
Outra possibilidade apresentada pela maioria das ferramentas de navegao
OLAP a de rearranjar colunas e linhas. Esse recurso leva o nome de Slice and Dice.
Assim possvel trocar a ordem das colunas e linhas bem como suprimi-las ou exibir
aquelas que estejam ocultas na visualizao dos dados.
Portanto esta possibilidade de manipular os dados de forma rpida um dos
pontos fortes de um data warehouse, fazendo com que os relatrios sejam mais
comumente visualizados na tela e no impressos. O analista de informao ou a pessoa
que precisa dos dados, pode ento navegar nas informaes do data warehouse de
vrias maneiras e ao final pode imprimir ou salvar uma viso da base de dados para um
futura consulta.
As bases de dados relacionais armazenam entidades em tabelas discretas
devidamente normalizadas, por ser um bom tipo de estrutura de dados para base de
dados operacionais, porm para consultas complexas esse esquema de multi-tabelas
torna-se demasiado lento. Neste caso, um modelo que apresentaria melhores resultados
com OLAP seria uma base de dados dimensionais. Assim sendo OLAP funciona de
maneira a reestruturar a base de dados relacionais em um esquema de dados

dimensionais. J foi constatado que em consultas complexas as respostas produzidas por

OLAP corresponde a 0.1% do tempo das produzidas em uma base de dados relacional.

4.3 Data Mining

A definio considerada a mais importante talvez seja a de Usama Fayyad
(Fayyad et al. 1996) ...o processo no trivial de identificar, em dados, padres vlidos,
novos, potencialmente teis e ultimamente compreensveis. Existem diversos
algoritmos que sustentam esse processo (muitos deles desenvolvidos recentemente)
responsveis por processar e encontrar esses padres vlidos, novos e valiosos. Porm
com um detalhe que geralmente passa desapercebido, que embora os algoritmos atuais
sejam capazes de encontrar padres vlidos e novos, ainda no existe uma soluo
eficaz para determinar esses padres valiosos.
Por isso, Data Mining ainda necessita de forte interao com analistas humanos,
que so, em ltima instncia, os principais responsveis pela determinao do valor dos
padres encontrados. Alm disso, os analistas tambm so responsveis pela conduo
(direcionamento) da explorao dos dados e esse um aspecto que deve ser
profundamente considerado caso o projeto queira ser bem sucedido.
Uma minerao bem sucedida ocorre a partir de uma fonte de dados (bancos de
dados, relatrios, logs de acesso, transaes, etc) onde efetuada uma limpeza
(consistncia, preenchimento de informaes, remoo de rudo e redundncia, etc).
Deste processo inicial surgem os repositrios organizados (Data Marts e Data
Warehouses), que por si s j so teis de diversas maneiras. Porm a partir deles que
algumas colunas so selecionadas para que o processo de minerao seja aplicado.
Nesse momento entra o analista que de forma interativa e com uma freqente
visualizao grfica refina e conduz o processo at que os valiosos padres apaream.
Olhando para este processo tem-se a sensao de que ele indica um hierarquia, algo que
comea em instncias elementares volumosas e convergem para um ponto relativamente
concentrado, porm muito valioso. Porm necessrio salientar que o objetivo da
minerao extrair padres de dados brutos de forma a simplific-los desconsiderando
informaes especficas e privilegiando os aspectos genricos. Ento para a minerao
no interessante considerar um dado que mostra que apenas um cliente fez por
exemplo uma compra de algum produto em grande quantidade, pois esse fato isolado

muito provavelmente no indica uma tendncia de mercado, ou seja, no h como

explorar essa informao em particular para que a empresa possa lucrar mais no futuro.
Apenas com o conhecimento genrico isso possvel.

5. Projetando um BI
Quando for implementar um programa de BI uma boa idia fazer uma
quantidade considervel de perguntas e assim obter uma quantidade satisfatria de
resultados para tomar decises. Essas perguntas podem ser divididas em 7 passos:

Passo 1 (Alinhamento com os objetivos) : O primeiro passo determina os

objetivos do sistema. Ex: Com quais estratgias da empresa o programa
trabalhar ? A qual misso/viso isto est relacionado?

Passo 2 (Fonte dos dados): O segundo passo determina como a fonte dos
dados est presente e disponvel na organizao. Ex: A organizao possui
capacidade de monitorar importantes fontes de informaes? Que dados so
coletados pela organizao e como so guardados?

Passo 3 (Custo e Risco): O terceiro passo indica que as conseqncias

financeiras de uma iniciativa de BI devem estimadas. Ex: Quais os riscos de
falha desta iniciativa? Como o custo das operaes atuais sero comprados
com as operaes de iniciativa de BI?

Passo 4 (Cliente e Stakeholders): O quarto passo determina quem ser

beneficiado e quem ir pagar pelo BI. Ex: Quem est interessado em todo o
processo direta ou indiretamente? Quais so os benefcios quantitativos e
qualitativos?

Passo 5 (Mtricas): O quinto passo determina que estes requisitos de

informaes devem ser operacionalizados em mtricas bem definidas. Devese definir quais mtricas sero usadas por cada informao recuperada.

Passo 6 (Metodologia de medidas de resultados): O sexto passo determina

que deve ser estabelecida uma metodologia ou um procedimento para
determinar a melhor maneira de medir as mtricas.Ex: Existem padres para
isso? a melhor maneira para se fazer tais medies?

Passo 7 (Resultados): O stimo passo determina que algum deve monitorar

o sistema de BI para garantir que os objetivos esto sendo alcanados.

Ajustes no software devem ser feitos quando necessrio. Ele deve ser testado
para garantir a validade dos dados e sua consistncia.

6. Referncias
1. http://www.dmreview.com/article_sub.cfm?articleId=5229
2. http://www.networkdictionary.com/software/olap.php
3. http://www.wikipedia.org
4. http://www.cce.puc-rio.br/informatica/dataminingcentro.htm