BUSSINESS INTELLIGENCE: CONCEITOS, TCNICAS, SISTEMAS E

FERRAMENTAS
Juscelino Cssio Vieira da Cunha
E-mail: juscelinocassio@gmail.com
Ps-graduao em Banco de Dados com nfase em BI
UNIBRATEC - IBRATEC - Instituto Brasileiro de Tecnologia
Avenida Marechal Mascarenhas de Morais, 4989 - Imbiribeira - Recife - PE, Brasil

RESUMO
As
organizaes
devem
tomar
decises
em
todos
os
nveis
organizacionais e em todas as reas de
atuao. Ter informao de forma precisa
e de qualidade pode ser a diferena entre
tomar decises certas ou erradas. Neste
sentido, a qualidade da informao um
diferencial competitivo nas empresas.
Apenas armazenar dados sobre clientes,
fornecedores,
vendas,
compras
e
colaboradores, no so o suficiente. As
organizaes buscam a qualidade dos
dados
e
sua
transformao
em
informaes que gerem conhecimento
dentro da empresa, apoiando o processo
de tomada de deciso.
Os sistemas de BI fornecem uma
arquitetura com a viso em vrios nveis de
detalhamento, permitindo s organizaes
a transformao e a extrao dos dados
coletados
em
seus sistemas
de
informao. O objetivo principal do BI
transformar
a
informao
em
conhecimento de qualidade para auxiliar
nos
processos
decisrios
das
organizaes de forma rpida e segura.
ABSTRACT
Organizations should make decisions
at all organizational levels and in all areas.
Take the form of accurate and quality can
be the difference between making right or
wrong decisions. In this sense, the quality
of information is a competitive advantage in
business. Only store data about
customers, suppliers, sales, purchasing
and
employees,
is
not
enough.
Organizations seeking the quality of data
and their transformation into information
that generates knowledge within the
company, supporting the decision-making
process.
The BI systems provide an architecture
with vision at various levels of detail,
enabling organizations to processing and

extraction of data collected in their

information systems. The primary goal of BI
is to transform information into knowledge
to
support
quality
decision-making
processes of quickly and securely
organizations.
METODOLOGIA
Neste artigo apresentado uma
viso geral dos conceitos, tcnicas,
sistemas e ferramentas que constituem um
projeto de BI e como eles podem agregar
valor

camada
gerencial
das
organizaes.
O principal mtodo de pesquisa
ser com revises bibliogrficas, tendo
como base a literatura sobre temas
relacionados em livros e contedos
existentes na internet.
Este artigo ser critrio avaliativo
do curso de Ps-graduao em Banco de
Dados com nfase em BI da Faculdade
UNIBRATEC - IBRATEC.
PALAVRAS CHAVES
BI. DW. ETL. DM. Pentaho.
KEYWORDS
BI. DW. ETL. DM. Pentaho.
1. BUSINESS INTELLIGENCE (BI)
O BI pode ser traduzido como
Inteligncia de Negcios, ou Inteligncia
Empresarial. Isto significa que um
mtodo que visa ajudar as empresas e
instituies a tomar as decises
inteligentes. Essas organizaes buscam
nas solues analticas uma nova forma
para gerir e conquistar a efetividade nos
processos de negcios.
Os componentes da ferramenta de
BI consistem na extrao, transformao e
cargas
dos
dados
(ETL),
no
armazenamento dos dados (DW) e Data
Marts, na anlise de informaes (OLAP) e
na minerao de dados (DM).

As ferramentas de BI podem
fornecer uma viso sistmica do negcio,
sendo seu objetivo principal transformar
grandes quantidades de dados em
informaes de qualidade para a tomada
de decises. Atravs delas, possvel
cruzar dados, visualizar informaes em
vrias dimenses e analisar os principais
indicadores de desempenho empresarial.
(Batista, 2004).

tratam apenas um assunto ou processo de

negcio.
O conceito de DW surgiu da
necessidade
de
integrar
dados
corporativos espalhados em diferentes
mquinas e sistemas operacionais, para
que fosse possvel tornar os dados
acessveis a todos os usurios dos nveis
decisrios como mostra a Imagem 2, logo
a seguir.

A imagem 1 a seguir representa a

arquitetura tradicional de BI com os seus
principais componentes e tcnicas
utilizadas:

Imagem 2 - Armazenamento das

informaes relativas as atividades de uma
organizao (Fonte: Grtcorp)

Imagem 1 - Fonte: Silva (2011), Livro BI

Flvio Ceci, pg. 58)

A primeira camada a chamada de

sistemas operacionais, ou seja, so as
fontes
de
dados
operacionais
transacionais da organizao, nessa
camada esto todas as bases por setor.
O processo de ETL recupera os
dados dispersos pelas vrias bases
operacionais das organizaes e aps o
processamento os concentra na forma de
informaes analticas, no DW da
organizao.
2. DATA WAREHOUSE (DW)
Um DW ou Armazm de Dados
utilizado para armazenar informaes
relativas s atividades de uma organizao
de forma consolidada. Possibilita a anlise
de grandes volumes de dados, que so
coletados
a
partir
de
sistemas
transacionais OLTP. Trata-se de um banco
de dados organizado para dar suporte
tomada de decises estratgicas da
empresa. Enquanto o DW usa dados de
toda a corporao, os chamados Data
Marts tm objetivo idntico, mas em geral

3. EXTRACT, TRANSFORM AND LOAD

(ETL)
O ETL trata da sistematizao e
limpeza dos dados oriundos dos diversos
sistemas organizacionais para a insero
em um DW ou Data Mart.
Esse processo possui trs etapas.
A primeira a extrao (extract), a
segunda a transformao (transform) e
por fim, a carga (load). Cada uma delas
possui grande importncia para o sucesso
da transio dos dados dos sistemas de
origem para o DW.
A etapa de extrao pode ser
entendida como a fase onde os dados so
extrados dos OLTP e conduzidos para a
staging area (rea de transio ou rea
temporria), onde so convertidos para um
nico formato. A converso se faz
necessria devido a heterogeneidade
existente nas informaes oriundas
desses sistemas, sendo essencial a
conformao prvia para o tratamento
adequado.
Aps
a
extrao,
teremos
subsdios para iniciar a etapa de
transformao e limpeza dos dados.
Nessa fase so corrigidos, padronizados e
tratados os desvios e inconsistncias,
transformando os dados de acordo com as
regras do negcio.

A etapa de carga ocorre em sequncia

com a de transformao. Assim que so
efetuados os tratamentos necessrios nos
dados, a carga no DW iniciada. Essa fase
se resume a persistncia dos dados na
base consolidada.
De forma geral, o ETL pode ser
representado pela imagem 2 logo abaixo:

Imagem 2 - Ilustrao do processo de ETL.

(Fonte: CanalTech)

O processo de ETL, por exemplo,

essencial para a criao das estruturas de
Dimenses e Fatos no ambiente do DW.
ele que faz a ponte de ligao entre o
operacional e o DW. Devemos escolher
bem as ferramentas que daro suporte ao
processo, pois so essenciais para a
correta execuo das atividades do ETL.
O ETL fundamental para qualquer
iniciativa de DW. Porm deve ser
planejado com cuidado para no
comprometer os sistemas transacionais
OLTP das empresas. Um bom ETL deve
ter escalabilidade e ser manutenvel.
Alm disso, devemos analisar a janela de
operao do ETL. No em qualquer
momento que ele poder ser executado.
Do mesmo modo, devemos analisar a
periodicidade de execuo, como tambm
definir qual ser o alcance de dados que o
ETL ir abranger. Esses detalhes so
crticos para o sucesso do processo.
Portanto, devemos tratar o ETL
como sendo o cordo umbilical que une e
possibilita a conduo dos dados ao DW.
O processo deve ser bem planejado para
evitar transtornos futuros e at mesmo
para que no ocasione, em casos
extremos, a interrupo dos sistemas
operacionais da empresa. Dessa forma, o
DW ter informaes tratadas, com
qualidade e grande valor para apoiar as
decises organizacionais.

4. ON-LINE ANALYTICAL PROCESSING

(OLAP)
OLAP um conceito de interface
com o usurio que proporciona a
capacidade de ter ideias sobre os dados,
permitindo analis-los profundamente em
diversos ngulos.
As funes bsicas do OLAP so:
visualizao multidimensional dos dados;
explorao;
rotao;
vrios modos de visualizao.
O OLAP e o DW so destinados a
trabalharem juntos, enquanto o DW
armazena as informaes de forma
eficiente, o OLAP deve recuper-las com a
mesma eficincia, porm com muita
rapidez. As duas tecnologias se
complementam, ao ponto de que um DW
para ser bem-sucedido, j na sua
concepo, deve levar em considerao o
que se deseja apresentar na interface
OLAP.
O OLAP uma interface com o
usurio
e
no
uma
forma
de
armazenamento de dados, porm se utiliza
do armazenamento para poder apresentar
as informaes.
Os mtodos de armazenamento so:
ROLAP (OLAP Relacional): Os dados
so armazenados de forma relacional.
MOLAP (OLAP Multidimensional): Os
dados so armazenados de forma
multidimensional.

HOLAP
(OLAP
Hbrido):
Uma
combinao dos mtodos ROLAP e
MOLAP.
DOLAP (OLAP Desktop): O conjunto de
dados multidimensionais deve ser criado
no servidor e transferido para o desktop.
Permite portabilidade aos usurios OLAP
que no possuem acesso direto ao
servidor.
Os mtodos mais comuns de
armazenamento de dados utilizados pelos
sistemas OLAP so ROLAP e MOLAP, a
nica diferena entre eles a tecnologia de
banco de dados. O ROLAP usa a
tecnologia RDBMS (Relational Database
Management System), na qual os dados
so armazenados em uma srie de tabelas
e colunas. Enquanto o MOLAP usa a
tecnologia MDDB (Multi Dimensional
Database),
onde
os
dados
so

armazenados
em
arrays
multidimensionais.
Os dois fornecem uma base slida
para anlise e apresentam tanto
vantagens quanto desvantagens. Para se
escolher entre os dois mtodos deve-se
levar em considerao os requisitos e a
abrangncia
do
aplicativo
a
ser
desenvolvido.
ROLAP mais indicado para DW pelo
grande volume de dados, a necessidade
de um maior nmero de funes e diversas
regras de negcio a serem aplicadas.
O MOLAP mais indicado para
Data Marts, onde os dados so mais
especficos e o aplicativo ser direcionado
na anlise com dimensionalidade limitada
e pouco detalhamento das informaes.
4.1 OLTP e OLAP
O OLTP, do ingls "On-line
Transaction Processing", o termo usado
para se referir aos sistemas transacionais,
ou seja, os sistemas operacionais das
organizaes.
So
utilizados
no
processamento dos dados de rotina que
so gerados diariamente atravs dos
sistemas informacionais da empresa e do
suporte s funes de execuo do
negcio organizacional.
O OLAP trata da capacidade de
analisar grandes volumes de informaes
nas mais diversas perspectivas dentro de
um DW, OLAP tambm faz referncia s
ferramentas analticas utilizadas no BI para
a visualizao das informaes gerenciais
e d suporte para as funes de anlises
do negcio organizacional.
Os sistemas OLTP e OLAP se
diferenciam em diversos outros aspectos,
vejamos na Tabela 1 abaixo.
Caractersticas

Sistemas
Transacionais
(OLTP)

Atualizaes

Mais frequentes

Tipo
de
Detalhes
informao
Quantidade
de
Poucos
dados
Preciso
Dados atuais
Complexidade
Baixa
Consistncia
Microscpica
CRM,
ERP,
Exemplos
Supply Chain
Terminologia

Linhas e Colunas

Sistemas
Analticos
(OLAP)
Menos
frequentes
Agrupamento
Muitos
Dados histricos
Alta
Global
MIS, DSS, EIS
Dimenses,
Medidas e Fatos

Tabela 1 - Comparativo entre processamento

Transacional e Analtico.

Em resumo a grande diferena est

no fato de que um est direcionado ao
funcionamento dentro do ambiente
operacional OLTP e o outro com foco
essencialmente gerencial OLAP.
5. MODELAGEM DIMENSIONAL
Modelagem dimensional uma
tcnica de projeto lgico normalmente
usada para DWs que contrasta com a
modelagem entidade e relacionamento.
Modelagem dimensional a nica tcnica
vivel para bancos de dados que devem
responder consultas em um DW. A
modelagem entidade e relacionamento
muito til para registro de transaes e
para fase de administrao da construo
de um DW, mas deve ser evitada na
entrega do sistema para o usurio final.
A modelagem multidimensional foi definida
sobre
dois
pilares
,Dimenses
conformados, e fatos com granularidade
nica.
Dimenses
conformados
diz
respeito a entidade que servem de
perspectivas de anlise em qualquer
assunto da organizao. Uma Dimenso
conformada possui atributos conflitantes
com um ou mais Data Mart do DW.
Por gro de fato entende-se a
unidade de medida de um indicador de
desempenho. Assim, quando se fala de
unidades vendidas, estamos nos referindo
em unidades vendidas de uma loja em um
ms ou de um dado produto no semestre.
Obviamente, esses valores no so
operveis entre si.
A modelagem multidimensional
visa construir um DW com dimenses
conformados e fatos com gros os mais
prximos possveis. Esse tipo de
modelagem tem dois modelos, o Modelo
Estrela (Star Schema) e modelo Floco de
Neve (Snow Flake).
5.1 STAR SCHEMA
O nome Estrela se d devido
disposio em que se encontram as
tabelas, sendo a tabela fato centralizada
relacionando-se com diversas outras
tabelas de dimenso.

Veja um exemplo da estrutura do

modelo Estrela na imagem 3 a seguir:

Imagem 3 - Representao de um Modelo

Estrela. (Fonte: imasters)

Nesse modelo os dados so

desnormalisados para evitar joins entre
tabelas, diminuindo o tempo de consultas,
no entanto devido a repetio de dados,
utiliza mais espao em disco. A vantagem
desse modelo a eficincia na extrao de
dados, o que um grande diferencial em
se tratando de um DW.
5.2 SNOW FLAKE
O modelo de dados Snow Flake
consiste em uma extenso do modelo
Estrela onde cada uma das "pontas da
estrela" passa a ser o centro de outras
estrelas. Isto porque cada tabela de
dimenso seria normalizada, "quebrandose" a tabela original ao longo de
hierarquias existentes em seus atributos.
Recomenda-se utilizar o esquema floco de
neve apenas quando a linha de dimenso
ficar muito longa e comear a ser relevante
do ponto de vista de armazenamento.
Veja um exemplo da estrutura do
Floco de Neve na imagem 4 a seguir:

Imagem 4 - Representao de um modelo

Floco de Neve (Fonte: imasters)

Devido a essa estrutura, o acesso

aos dados mais lento, mas facilita na

construo de cubos de algumas

ferramentas BI e Business Analytics. A
deciso de optar pelo esquema estrela ou
pelo floco de neve deve ser tomada
levando-se em considerao o volume de
dados, o SGBD e as ferramentas
utilizadas, etc.
Abaixo na Tabela 2 temos um
comparativo entre esses dois modelos,
so eles:
Modelo Estrela

Modelo Floco de
Neve

Tabela
dimenso

No normalizada Normalizada

Tamanho
fsico

Grande volume,
j que os dados
se repetem nas
tabelas
dimenses no
normalizadas

Velocidade
das
consultas

Rpida

Volume reduzido,
j que os dados
das
tabelas
dimenses
so
normalizados para
evitar repeties
Menos
rpida,
devido
a
normalizao

Tabela 2 - Comparativo entre o modelo

Estrela e Floco de Neve.
6. DATA MINING (DM)
DM consiste em um processo
analtico projetado para explorar grandes
quantidades de dados, tipicamente
relacionados a negcios, mercado ou
pesquisas cientficas, na busca de padres
de informaes como associaes,
padres e mudanas armazenadas em
banco de dados. Possibilita a anlise de
altos volumes de dados gerando
resultados que no poderiam ser
percebidos atravs de uma simples
consulta. Os algoritmos computacionais
utilizados na minerao de dados so
formulados
utilizando
tcnicas
de
inteligncia artificial. Essas tcnicas focam
a automao de atividades associadas
com o pensamento humano, atividades
como a tomada de deciso, resoluo de
problemas, aprendizado. Esses algoritmos
buscam encontrar relaes que o ser
humano no poderia deduzir devido a sua
limitao de anlise de informao, muitas
vezes em um processo de minerao de
dados no se sabe o que se quer encontrar
(descoberta no supervisionada de
relaes), a inteligncia aplicada a este
algoritmo deve ser capaz de vasculhar os

dados a fim de identificar relaes novas e

teis.
A minerao de dados possui
vrias tcnicas de carter genrico, so
elas: redes neurais, induo de regras,
anlises
de
sries
temporais,
classificao, estimativa, previso, anlise
de afinidade e anlise de agrupamentos.
7. PENTAHO
O Pentaho um pacote de BI Open
Source licenciado sob a GPL verso 2,
com partes sob a LGPLv2, Common Public
Licence, e do Mozilla Public License.
A sute Pentaho consiste em duas
edies a Enterprise Edition (EE) e a
Community Edition (CE). A edio
Enterprise contm recursos e suporte extra
e obtida atravs de uma assinatura anual
frequentemente reforada por produtos
add-on, geralmente sob a forma de plugins, a partir da prpria empresa e tambm
da comunidade de usurios que bastante
ampla.
A sute Pentaho possui um
conjunto de ferramentas que contemplam
todas as fases de um projeto de BI, como
ETL, OLAP, reporting, dashboard e DM. O
Pentaho um grande workflow que trata
tudo como processos e servios
integrados de forma dinmica e intuitiva. O
Pentaho
funciona
nos
sistemas
operacionais Windows, Linux e Mac OS X,
o requisito principal para rodar o Pentaho
o JDK (Java Development Kit), atualmente
o Pentaho est na verso 6.0, o ltimo
Update sendo lanado em outubro de
2015. Os arquivos de instalao do
Pentaho BI Server edio Entreprise e
Community podem ser encontrados nos
endereos as seguir, edio Enterprise no
link: http://www.pentaho.com/download e
a
edio
Community
no
link:
http://sourceforge.net/projects/pentaho/.
possvel encontrar na internet artigos
sobre as particularidades das instalaes,
execuo e customizao das aplicaes
da sute Pentaho, alm de dicas e tutoriais
bastante prticos e de fcil entendimento.
A criao de solues de BI com a
plataforma Pentaho obedece a um fluxo
simples, conforme mostrado na Imagem 5:

1. Os clientes, PDI, PRD, PSW, PDS,

PDA, criam os artefatos da soluo;
2. Esses artefatos so publicados no
BI Server;
3. Os usurios acessam o BI Server
para executar as solues. Uma
soluo de BI precisa de fontes de
dados confiveis e de alguma
interface para seu cliente explorlos. Algum tempo depois, a
explorao
eventualmente
amadurece em um processo, que
pode ser automatizado, gerando
valor para empresa.

Imagem 5: Ilustra o processo de criao

de uma soluo de BI com a sute Pentaho.
(Fonte: devmedia)
Os passos destacados correspondem :
1. Criao de DW, Data Mart ou dump
do banco de dados com o Pentaho
Data Integration, a partir de fontes
de dados que podem ser bancos
relacionais, servios de rede,
pginas
web
e
fontes
desestruturadas (como e-mail e
documentos texto), alm de
arquivos (CSV, Excel, Etc.).
2. Criao das solues iniciais para
explorao do repositrio de
dados: cubos OLAP, relatrios
(com ou sem parmetros), WAQR
(Web Adhoc Query and Reporting).
Todos
os
clientes
de
desenvolvimento
podem
ser
usados.
3. Entrega da soluo com BI Server,
com controle de acesso via web por
seus clientes. Alguns clientes
podem ter demandas especiais e
optar por usar algum dos clientes
de desenvolvimento, como PDI,

Weka ou Report Designer para

atend-las.
Abaixo uma breve descrio dos
principais produtos da sute Pentaho.
7.1 Pentaho BI Server
Pentaho BI Server o console de
gerenciamento de interao com o usurio
final. Prov dois servios conhecidos como
PUC (Pentaho User Console) e PAC
(Pentaho Administration User). Ele inclui
recursos para o gerenciamento de
segurana, execuo de relatrios,
dashboards, report bursting, regras de
negcio com scripts e anlises OLAP.
7.2 Pentaho Data Integration (PDI)
Tambm conhecido como Kettle
uma soluo robusta para integrao de
dados, recomendada para processos de
ETL responsveis por popular um DW.
O PDI uma ferramenta de ETL
que permite acessar e preparar fontes de
dados para anlise, minerao e gerao
de relatrios OLAP. Ele normalmente
iniciado quando se quer preparar dados
para anlise.
O PDI capaz de ler e escrever em
vrios formatos de SGBD, como Oracle,
PostgreSQL, SQLServer, MySql, entre
outros, e importar arquivos texto CSV,
planilhas Excel e bases de dados ODBC.
7.3 Pentaho Metadata Editor (PME)
O PME uma ferramenta que
permite que o arquiteto da soluo de BI
agrupe os campos de tabelas que tenham
alguma correlao, criando vises de
negcios independentes, mesmo que
campos de vises distintas residam em
uma mesma tabela. Ele totalmente
visual, e pode mapear qualquer fonte de
dados que possua um driver JDBC.
7.4 Pentaho Schema Workbench (PSW)
O Pentaho Schema Workbench
uma ferramenta grfica que cria os cubos
OLAP que sero exibidos na PUC. Ele tem
uma interface visual para navegar entre as
definies do cubo, permitindo criar
mtricas, dimenses e hierarquias.
7.5 Pentaho Report Designer (PRD)
O Pentaho Report Designer o
gerador de relatrios stand-alone da sute

Pentaho, representante da categoria

tornada famosa pelo Crystal Reports. Ele
pode conectar-se a qualquer fonte de
dados para qual exista um driver JDBC e
criar relatrios pixel perfect, exibindo no
apenas lista de dados, mas tambm o
resultado de frmulas, relatrios, links,
imagens, grficos (pizza, barra, linha etc.),
dentre outros recursos. A partir da verso
3.5, o PRD passou a oferecer
parametrizao de relatrios na prpria
ferramenta. O PRD pode ser usado
sozinho, ou publicar os relatrios
diretamente no BI Server, para posterior
acesso via web.
7.6 Pentaho Design Studio (PDS)
O PDS uma ferramenta baseada
no Eclipse, trata-se de um ambiente de
desenvolvimento de solues avanadas
de BI.
O PDS funciona como uma
interface grfica para a criao de Xactions
que so arquivos XML interpretados pelo
BI Server, so como instrues de passoa-passo que dirigem a execuo das
atividades pelo BI Server, ele permite por
exemplo, a definio de filtros avanados
para relatrios e o envio de e-mails com os
relatrios executados.
7.7 Pentaho DM (WEKA)
O Weka um produto da
Universidade de Waikato (Nova Zelndia)
e foi implementado pela primeira vez em
sua forma moderna em 1997. Ele usa a
GNU General Public License. O software
foi escrito na linguagem Java e contm
uma interface grfica para interagir com
arquivos de dados e produzir resultados
visuais.
Weka consiste em algoritmos de
aprendizado de mquina para um amplo
conjunto de tarefas de minerao de
dados. Ele contm funes para
processamento de dados, anlise de
regresso, mtodos de classificao,
anlise de cluster e visualizao. Com
base nos padres descobertos, os
usurios podem por exemplo prever
tendncias futuras. O Weka no
disponibilizado junto com o pacote da sute
do Pentaho, tendo que ser baixado
separadamente, link para o download
http://sourceforge.net/projects/weka/.

7.8
Pentaho
Analysis
Services
(Mondrian)
Pentaho
Analysis
Services,
conhecido como Mondrian, responsvel
pelo servidor OLAP onde podemos
construir os cubos que permitem
segmentar a informao por eixos de
anlise,
permitindo
a
anlise
e
compreenso da informao com base em
vrias perspectivas.
Desta forma pode-se cruzar a
informao com vrias dimenses de um
modo muito simples, utilizando drag-anddrop, drilling into, drilling across,
encadeamento de dimenses, entre
outros, bem como encontrar a causa de um
problema que lhe sobressaiu num simples
relatrio.
escrita em linguagem Java, e
implementa a linguagem MDX, XML for
Analysys e especificaes JOLAP, e l a
partir de instrues SQL e outras fontes de
dados, agregando os dados em uma
memria cache. O Mondrian pode ser
executado separadamente do Pentaho BI,
mas est disponvel em ambas as verses
Enterprise e Community. O visor OLAP
utilizado pela verso Community o JPivot
e para verso Entrerprise o Pentaho
Analyser.
8. CONSIDERAES FINAIS
Pode-se afirmar que o BI tem como
objetivo principal transformar grandes
quantidades de dados em informaes de
qualidade, para a tomada de deciso, de
modo a possibilitar uma viso sistmica do
negcio e auxiliar na distribuio uniforme
dos dados entre os analistas de
negcios. As aplicaes de BI podem
auxiliar em vrios segmentos das
organizaes, essas aplicaes podem
ajudar na anlise de tendncias,
transformao do mercado, alteraes no
comportamento de clientes, padres de
consumo, preferncias dos clientes,
recursos das empresas e condies de
mercado.
importante ressaltar que as
solues de BI acompanham as
necessidades da organizao, evoluindo
conforme vo surgindo novos recursos,
mdias e desafios. O investimento em BI

por parte das organizaes incentivado

pela necessidade de criao de um
ambiente proativo para a tomada de
deciso.
A soluo Open Source Pentaho
possui vrias sutes que formam uma
plataforma completa de BI, apresentando
uma grande flexibilidade e independncia,
alta confiabilidade e segurana a um custo
mnimo de implantao e manuteno o
que a torna uma das solues mais
robusta e popular do mercado.
9. REFERNCIAS
1. Community Wiki Home
http://wiki.pentaho.com/display/COM/C
ommunity+Wiki+Home
2. BI:
Conhecendo
algumas
ferramentas Open Source
http://www.devmedia.com.br/businessintelligence-conhecendo-algumasferramentas-open-source/31963
3. BI Open Source Conhecendo o
Pentaho
http://imasters.com.br/artigo/16080/ger
encia-de-ti/bi-open-sourceconhecendo-o-pentaho
4. Definio de Minerao de Dados
http://www.sas.com/pt_br/insights/anal
ytics/mineracao-de-dados.html
5. Conceitos de minerao de dados
https://msdn.microsoft.com/ptbr/library/ms174949(v=sql.120).aspx
6. E-book: Bussiness Intelligence
Flvio Ceci (pag.15 - pag.94)
7. O que DW?
https://vivianeribeiro1.wordpress.com/
2011/03/30/o-que-e-data-warehouse/
8. Conceito
Extrao,
Transformao e Carga
http://www.infobras.com.br/portugues/
produtos_conceito_etl.asp
9. Entendendo o processo de ETL
http://corporate.canaltech.com.br/notici
a/business-intelligence/entendendo-oprocesso-de-etl-22850/
10. O que significa OLTP e OLAP na
prtica?
http://corporate.canaltech.com.br/oque-e/business-intelligence/o-quesignifica-oltp-e-olap-na-pratica/
11. Conceitos Bsicos Sobre OLAP
http://www.devmedia.com.br/conceitos
-basicos-sobre-olap/12523

12. Conceitos e Tcnicas sobre DM

http://www.devmedia.com.br/conceitos
-e-tecnicas-sobre-data-mining/19342
13. Pentaho BI - Conhecendo a
Plataforma,
Arquitetura
e
Infraestrutura
http://www.devmedia.com.br/pentahobi-conhecendo-a-plataformaarquitetura-e-infraestrutura/31502
14. Extract, Transformation and Load
(ETL) - Ferramentas BI
http://www.devmedia.com.br/extracttransformation-and-load-etlferramentas-bi/24408
15. Modelo Dimensional para DW
http://imasters.com.br/artigo/3836/gere
ncia-de-ti/modelo-dimensional-paradata-warehouse/
16. Entendendo
a
modelagem
multidimensional
http://corporate.canaltech.com.br/mate
ria/business-intelligence/entendendoa-modelagem-multidimensional19988/