U NIVERSIDADE F EDERAL DE G OIÁS

I NSTITUTO DE I NFORMÁTICA

W ILAN C ARLOS DA S ILVA

Criação e aplicação de um modelo de

Business Intelligence para uma empresa
de médio porte

Goiânia
2018
 U NIVERSIDADE F EDERAL DE G OIÁS
I NSTITUTO DE I NFORMÁTICA

AUTORIZAÇÃO PARA P UBLICAÇÃO DE M ONOGRAFIA

EM F ORMATO E LETRÔNICO

Na qualidade de titular dos direitos de autor, AUTORIZO o Instituto de Infor-

mática da Universidade Federal de Goiás – UFG a reproduzir, inclusive em outro formato
ou mídia e através de armazenamento permanente ou temporário, bem como a publicar na
rede mundial de computadores (Internet) e na biblioteca virtual da UFG, entendendo-se
os termos “reproduzir” e “publicar” conforme definições dos incisos VI e I, respectiva-
mente, do artigo 5o da Lei no 9610/98 de 10/02/1998, a obra abaixo especificada, sem que
me seja devido pagamento a título de direitos autorais, desde que a reprodução e/ou publi-
cação tenham a finalidade exclusiva de uso por quem a consulta, e a título de divulgação
da produção acadêmica gerada pela Universidade, a partir desta data.

Título: Criação e aplicação de um modelo de Business Intelligence para uma empresa de

médio porte

Autor(a): Wilan Carlos da Silva

Goiânia, 11 de Julho de 2018.

Wilan Carlos da Silva – Autor

Leandro Luís Galdino de Oliveira – Orientador

 W ILAN C ARLOS DA S ILVA

Criação e aplicação de um modelo de

Business Intelligence para uma empresa
de médio porte

Monografia apresentada ao Programa de Pós–Graduação do

Instituto de Informática da Universidade Federal de Goiás,
como requisito parcial para obtenção do Certificado de
Especialização em Sistemas de Informação.
Área de concentração: Business Intelligence.
Orientador: Prof. Leandro Luís Galdino de Oliveira

Goiânia
2018
 W ILAN C ARLOS DA S ILVA

Criação e aplicação de um modelo de

Business Intelligence para uma empresa
de médio porte

Monografia apresentada no Programa de Pós–Graduação do Instituto

de Informática da Universidade Federal de Goiás como requisito par-
cial para obtenção do Certificado de Especialização em Sistemas de In-
formação, aprovada em 11 de Julho de 2018, pela Banca Examinadora
constituída pelos professores:

Prof. Leandro Luís Galdino de Oliveira

Instituto de Informática – UFG
Presidente da Banca

Dr. Leandro Luís Galdino de OliveiraInstituto de Informática – UFG

Prof. Dr. Iwens Gervasio Sene Junior

Instituto de Informática – UFG
Todos os direitos reservados. É proibida a reprodução total ou parcial do
trabalho sem autorização da universidade, do autor e do orientador(a).

Wilan Carlos da Silva

Graduando em Sistemas de Informação na UFG - Universidade Federal de

Goiás. Durante a graduação abriu sua primeira empresa na Área de suporte a
TI, atualmente trabalha como gestor de três empresas com foco na melhoria e
elaboração de novos processos e gestão de pessoas.
 Dedico este trabalho a toda minha família, amigos e todas as pessoas que me
apoiaram desde a minha entrada na universidade até a conclusão do curso.
Agradecimentos

Gostaria primeiramente de agradecer a Deus pelas oportunidades, saúde e força

durante este caminho, a toda minha família por sempre me apoiar, aos meus professores
por se empenharem em passar seu conhecimento, amigos e pessoas que estiveram pre-
sentes durante essa jornada e se dedicaram a me ajudar de alguma forma contribuindo na
minha formação.
As pessoas não sabem o que querem até você mostrar a elas.

Steve Jobs,
.
Resumo

Carlos da Silva, Wilan. Criação e aplicação de um modelo de Business Intel-

ligence para uma empresa de médio porte. Goiânia, 2018. 57p. Monografia de
Especialização. Instituto de Informática, Universidade Federal de Goiás.

Este trabalho propõe apresentar informações sobre o que é Business Intelligence, a

importância da coleta de dados e a transformação dos mesmos em informação para
auxiliar na tomada de decisões, além de falar sobre como é o processo da construção
de um sistema de BI, passando pelo levantamento de dados gerenciais de interesse com
o cliente para tomada de decisões, apresentação dos conceitos e modelagem do Data
Warehouse e do sistema de ETL até a criação dos cubos OLAP e painéis de relatórios,
tudo isso focado em uma empresa de médio porte. Dos testes e resultados realizados serão
analisados os benefícios e custos de se aplicar um sistema de BI para o auxilio na tomada
de decisões e acompanhamento de desempenho.

Palavras–chave
BI, business intelligence, empresa de médio porte, tomada de decisões
Abstract

Carlos da Silva, Wilan. Creating and applying a Business Intelligence model

for a midsize business. Goiânia, 2018. 57p. Monografia de Especialização.
Instituto de Informática, Universidade Federal de Goiás.

This paper proposes to present information about what is Business Intelligence, the
importance of data collection and the transformation of information into information
to assist in decision making, as well as talk about the process of building a BI system,
gathering management data of interest with the client for decision making, presentation
of concepts and modeling of the Data Warehouse and the ETL system to the creation of
OLAP cubes and reporting panels, all focused on a medium-sized company. From the
tests and results achieved will be analyzed the benefits and costs of applying a BI system
to aid in decision making and performance monitoring.

Keywords
BI, business intelligence, midsize companies, decision making
Sumário

Lista de Figuras 11

Lista de Tabelas 12

1 Introdução 13
1.1 Justificativa 14
1.2 Objetivo Geral 14
1.3 Objetivos Específicos 15

2 Business Intelligence 16
2.1 História do BI 16
2.2 Objetivos do BI 17
2.3 Foco nas organizações 19
2.4 Os componentes do Business Intelligence 21
2.4.1 Dados 23
Dados Operacionais 23
Dados Normalizados x Dados Desnormalizados 23
2.4.2 Informação 23
2.4.3 Conhecimento 24
2.4.4 Decisão 24
2.4.5 Gerenciamento de Tempo 24
2.4.6 Ferramentas ETL (Extração - Transformação - Carga) 24
2.4.7 Data Warehouse (DW) e Data Mart (DM) 25
2.4.8 Modelo Dimensional 27
Star Schema 27
2.4.9 OLAP e OLTP 28

3 Procedimentos Metodológicos 31
3.1 A empresa 31
3.2 Sistemas de Informação Presentes na Empresa 32
3.2.1 Banco e fonte de Dados da Empresa 34
3.3 Relatórios de Informações para Tomada de decisão presentes atualmente 35

4 Modelagem do BI 39
4.1 Pesquisa de Interesse 39
4.2 Modelagem e criação do Data Warehouse e Data Marts 41
4.2.1 Bus Matriz 42
4.2.2 Tabelas de Fato e Dimensão 44
4.3 Ferramenta de ETL (Extração - Transformação - Carga) na empresa 45
 4.4 Cubos OLAP 48
4.5 Painéis e Relatórios 49

5 Conclusões 54
5.1 Considerações finais 54
5.2 Trabalhos futuros 55

Referências Bibliográficas 56
Lista de Figuras

2.1 Workflow do fluxo dos componentes do BI 22

2.2 Workflow da modelagem do BI. Autor: Rafael Piton 22
2.3 Dados x Informação x Conhecimento x Decisão 23
2.4 Processo ETL (Extração - Transformação - Carga) 25
2.5 Exemplo de Data Warehouse (DW) e Data Mart (DM) 27
2.6 Exemplo de Star Schema para Vendas 28
2.7 Estrutura de OLAP e sua fonte de dados OLTP 30

3.1 Data7 - Sistema de Gestão ERP 32

3.2 Sis OS - Sistema de Gestão de OS 33
3.3 Sis Atendimento - Cadastro Cliente 34
3.4 Sis Atendimento - Painel Atendimentos 34
3.5 Sis OS - Banco de Dados MySQL 34
3.6 Sis Atendimento - Banco de Dados MySQL 35
3.7 Data7 - Relatório 36
3.8 Sis OS - Relatório 37
3.9 Sis Atendimento - Relatório baseado em tempo 37
3.10 Sis Atendimento - Relatório em tempo real 38

4.1 Estrutura do Data Warehouse e Data Marts 42

4.2 Estrutura do Data Warehouse e Data Marts 43
4.3 Star Schema - Ordem de Serviço 44
4.4 Star Schema - Atendimentos 45
4.5 Agendamento de tarefa CRON para rodar Script ETL 46
4.6 Processo de ETL para o dado Produto 47
4.7 Processo de ETL para o dado Defeito 47
4.8 Processo de ETL para o dado Tempo Atendimento 48
4.9 Fluxo do Dado no ETL 48
4.10 Cubo OLAP - Topologia 49
4.11 Gráfico de Produto x Região x Tempo 50
4.12 Gráfico de Tempo de Atendimento x Atendente x Tempo 51
4.13 Gráfico de Produto x Defeito x Tempo 52
4.14 Gráfico expandido de Produto x Defeito x Tempo 53
Lista de Tabelas

2.1 Diferenças entre OLTP e OLAP - Adaptada de (Teorey, 2013) 29

4.1 iCircuit - Entrevista com os gestores 40

 CAPÍTULO 1
Introdução

Com o processo de globalização, o mercado de negócios tem se tornado cada

dia mais competitivo, fazendo assim com que as empresas busquem cada vez mais
melhorias tecnológicas e gerenciais para o avanço de suas atividades e se destacar perante
a concorrência, este é um dos fatores que contribuem para a TI estar a cada dia mais
alinhada ao negócio e ter se tornado ferramenta básica para o avanço e tomada de decisões
em ambos níveis de gestão.
Nas empresas e organizações todos os dias são necessários tomar diversas
decisões, estas que podem ser operacionais do dia a dia da organização ou decisões para
médio e longo prazo que vão afetar o desempenho da empresa. Conhecer o mercado,
as tendências, buscar previsões futuras, acompanhar a concorrência, novidades e ter um
feedback do que os clientes acham do resultado do seus produtos e serviços são apenas
alguns exemplos das necessidades que o gestor hoje enfrenta nas tomadas de decisões das
organizações.
Sendo assim, a tomada de decisões se tornou um processo mais complexo, como
não podemos prever o futuro para a tomada de boas decisões devemos estar amparados
por informações, interpretá-las para assim buscarmos obter padrões ou tendências que nos
levem a um cenário previsível onde as decisões se encaixarão e levarão a organização ao
melhor cenário possível.
A inteligência de negócios ou Business Intelligence (BI) é um processo de coleta,
organização, interpretação, síntese e apresentação dos dados que busca através de técnicas
e ferramentas transformar dados de forma bruta e de diversas fontes em informações
interpretadas e auxiliar o processo de tomada de decisão.
Com o avanço da tecnologia onde hoje nos proporciona uma grande capacidade
de processamento e armazenamento de dados, a internet e redes que permitem a interliga-
ção de sistemas, a nuvem como um padrão cada vez maior de armazenamento, as pessoas,
que por sua vez são possíveis futuros clientes e consumidores, estão cada vez mais liga-
dos consumindo produtos e serviços através de sistemas de TI, gerando assim diariamente
uma grande quantidade de dados que se transformados em informação podem revelar gos-
tos, acontecimentos, pensamentos e padrões e assim auxiliar na tomada de decisões ou até
1.1 Justificativa 14

mesmo revelar detalhes de processos dentro de uma organização.

Diante destes fatos nas grandes empresas e organizações em um mercado cada
dia mais competitivo se torna cada vez mais necessário no processo de gestão de forma
geral transformar os dados colhidos e gerados pelas empresas em informações úteis nas
tomadas de decisões através de processos de inteligência de negócio. Em geral este
processo tem se tornado um padrão em grandes empresas nas camadas superiores de
gestão, pequenas e médias empresas não tem sistemas de tomada de decisão claramente
definidos e não tomam decisões baseadas em informações ou a longo prazo, o que
demostra uma oportunidade de negocio para estas empresas, ao usarem dados para obter
informações e se destacarem no mercado competitivo que estão inseridas, começando a
tomar decisões mais exatas, decisões com pensamentos futuros, tendo uma visão melhor
do seu mercado e maximizando lucros e diminuindo custos e prejuízos. A falta de
planejamento e tomada de decisões embasadas em dados pode ser uma das causas de
dificuldades de gestão e sobrevivência deste tipo de empresa a longo prazo no mercado.

1.1 Justificativa
O avanço tecnológico tem proporcionado cada dia mais oportunidade de aliar a
TI ao negócio, a TI tem cada vez mais tomado destaque nas organizações. Com o mercado
cada dia mais competitivo a necessidade de tomada de decisões de longo e curto prazo a
todo instante tem se tornado uma tarefa crucial para a boa continuidade de uma empresa.
Grandes organizações têm buscado melhorias no seu gerenciamento como um
todo, e no processo de tomada de decisão não é diferente, onde cada vez mais essas
decisões são tomadas com o uso de ferramentas e processos de Business Intelligence.
Este processo de inteligência de negocio apesar de ser amplamente usado por grandes
organizações, ainda é ignorado por pequenas e médias empresas.
Este trabalho se justifica no contexto de que pequenas e médias empresas
não tomam decisões baseadas em informações, e ainda não implementam processos de
inteligência de negócio, tomando assim decisões apenas de curto prazo e com o mínimo
de embasamento.

1.2 Objetivo Geral

O objetivo deste trabalho é implementar um processo de inteligência de negócio
em uma empresa de médio porte, realizando o levantamento dos requisitos e modelagem
dos processos para colher os dados em diversas fontes da empresa e fornecer informações
úteis na tomada de decisão utilizando BI com um baixo custo de implementação.
1.3 Objetivos Específicos 15

1.3 Objetivos Específicos

O objetivo deste trabalho é apresentar um caso de teste da aplicação de um
processo de Business Intelligence em uma empresa de médio porte no ramo de assistência
técnica autorizada de produtos de informática, telefonia e acessórios da Apple. O intuito
é desenvolver processos e ferramentas para que com o menor custo operacional seja
possível implementar um processo de BI para ajudar a empresa nas tomadas de decisões,
e mostrar assim que a implementação de um processo de BI trás grandes vantagens
a pequenas e médias empresas, melhorando seus processos e decisões sem um grande
impacto financeiro ou burocrático para a implementação.
Os objetivos específicos serão:

• Analisar os sistemas de informação da empresa, obtendo as fontes de dados.

• Realizar a proposta de um modelo de processo.
• Implementar um processo de Business Intelligence na empresa.
 CAPÍTULO 2
Business Intelligence

2.1 História do BI
Não existe uma data específica de quando surgiu o Business Intelligence (BI),
de acordo com Botelho e Filho (2014 p. 59)[2] "o termo foi usado pela primeira vez
no trabalho de Hans Perter Luhn em 1958. Durante os anos 1980 ganhou o significado
e a importância como visto atualmente devido ao trabalho de Howner Dresner que
posteriormente se vinculou ao Gartner Group". Mas antes disso, a partir dos anos 70 com
o inicio da popularização da informatização e do surgimento dos Datas Acess Storeges
Devices e SGBDs, ou seja, sistemas de gerenciamento de dados ou banco de dados
relacionais, que possibilitou nas empresas adotar maiores estratégias operacionais e de
negócios por começarem a realizar registros e acesso a dados, criando fontes de dados que
antes eram armazenadas em sequencias de arquivos de texto sem uma intercomunicação
entre si e com um alto custo de busca, passamos por vez a ter com a implementação dos
SGBs a extração e manipulação dos dados bem mais viável tecnologicamente.
A partir do meio para o final dos anos 80 os micro computadores já ficaram
mais acessíveis nas empresas e ao topo da pirâmide administrativa, e juntamente com as
novas formas e tecnologias de armazenamento, dados com um grande valor começaram a
ser gerados e armazenados dentro das próprias organizações. Devido a implementação
e evolução dos sistemas e suas formas de armazenamento, surgiram várias fontes de
dados com padronizações diferentes o que gerou dificuldade para transformar os dados
em informações. Diante destes surgem ferramentas mesmo que primitivas de analise,
organização e compartilhamento de informações, além do desenvolvimento de novas
linguagens de computação para criação de softwares onde os dados eram apresentados
de maneira mais organizado, gerando um local de fonte de informações. Com estas
informações geradas agora de maneira mais rápida e consistente, os sistemas começaram
a oferecer uma capacidade de ajudar os gestores nas tomadas de decisão, mostrando assim
pela primeira vez um começo da adoção de processos de tomada de decisão baseados em
dados sintetizados em informação.
Já no inicio dos anos 90 com um maior uso dos microcomputadores nas empresas
2.2 Objetivos do BI 17

e os OS visuais, foi possível utilizar mais os computadores para buscar relatórios para
tomada de decisão. Mas para que toda essa enorme quantidade de dados seja, de fato
útil, é preciso transformá-los em informação. As ferramentas passaram a evoluir para
acompanhar o crescimento do mercado e suas novas características e aos poucos obtinham
informações mais exatas. Sendo assim surgiu a necessidade de estudiosos estudarem uma
ciência especifica para o fornecimento de informações gerenciais, foi aí que no final de
92 e inicio de 93 surgiu os primeiros conceitos de armazém de dados ou Data Warehouse,
onde a ideia era separar o processamento do computador para obter informação com
o processamento para gerir o dia a dia da empresa. Em 1996 surgiu o termo EIS
(Executive Information System) e começou a aparecer uma serie de ferramentas dedicadas
exclusivamente a apresentar informações baseadas em dados utilizando os primeiros
conceitos de Data Warehouse.
Já na primeira década do século 21 a internet começou a se disseminar, e o
dado começou a ser disponibilizado democraticamente. Nas empresas o uso dos sistemas
EIS começou a ser difundido cada vez mais rumo a base da pirâmide nas empresas, e a
necessidade de se ter ferramentas mais robustas e uma maior complexidade dos modelos
de negocio além da maior concorrência, fizeram com que as ferramentas começassem a
evoluir e os EIS começaram a ser chamados de Business Intelligence (BI).
Já nos dias de hoje a internet já esta difundida, a nuvem já virou um padrão,
as redes sociais expõe muitas informações de consumo e gostos além dos sistemas
e smartphones ligados a todo momento a rede, o crescimento da internet das coisas,
estamos 24hrs registrando e coletando dados sobre os acontecimentos, gostos, pesquisas
e pensamentos das pessoas, que por sua vez são clientes e consumidores em potencial,
assim cada vez geramos mais dados. Nos dias atuais transformar os dados em informação
e obter os mesmos nunca se fez tão necessário.
Hoje além de banco de dados estruturados também temos a necessidade da
presença de bancos de dados com informações não estruturadas (fotos, etc. . . ) e bancos
que atendam a sistemas de analise de dados para tomada de decisão. Além disso nas
empresas e organizações ficou cada vez mais necessário para as pessoas do top da
pirâmide operacional terem acesso a dados para fazer sua gestão de negocio, seja pessoal
ou de equipe.

2.2 Objetivos do BI
Antes da criação do termo Business Intelligente (BI) hoje do Gartner Group em
meados da década de 90 o conceito já era antigo e presente nos sistemas que forneciam
relatórios na década de 70, mas com poucos recursos, relatórios estáticos, bidimensionais
e sem algum tipo de recurso de análise mais avançado.
2.2 Objetivos do BI 18

Com o avanço de recursos e necessidades o BI surgiu visando relatórios dinâmi-

cos, com previsões e prognósticos analisando tendências e buscando uma analise futura.
Segundo Turban (2009, p. 27)[17], "Business Intelligence (BI) é um termo guarda-chuva
que inclui arquiteturas, ferramentas, bancos de dados, aplicações e metodologias". En-
tretanto apesar do termo Business Intelligence ser um termo proprietário, ele não é uma
ferramenta, e sim um conceito que engloba diversos processos que proporciona através da
manipulação dos dados em informações, fornecer uma análise de cenário proposto para
auxiliar as decisões que futuramente vão se tornar ações na organização.
Ainda na visão de Turban (2009, p. 27)[17], "Os principais objetivos do BI
são: permitir o acesso interativo aos dados (às vezes, em tempo real), proporcionar a
manipulação desses dados e fornecer aos gerentes e analistas de negócios a capacidade
de realizar a análise adequada". Ao utilizarem uma boa ferramenta de BI, os executivos
e gerentes podem analisar situações e desempenhos já enfrentados, os quais servirão de
base ao refinamento e aprimoramento das atuais decisões. Turban (2009, p. 27)[17] baseia
o processo de BI "na transformação de dados em informações, depois em decisões e
finalmente em ações".
A maior vantagem de se aplicar um processo de BI em uma organização é
a capacidade do modelo fornecer informações claras e precisas, incluindo uma visão
ao longo do tempo dessas informações. Segundo uma pesquisa com 510 organizações
realizada por Eckerson (2003)[4] que verifica as maiores vantagens do BI de acordo com
as mesmas ele cita:

• Economia de tempo;
• Versão única da verdade;
• Melhores estratégias e planos;
• Melhores decisões táticas;
• Processos mais eficientes;
• Economia de custos.

Já em outra pesquisa, Thompson (2004)[16] revela que os maiores benefícios do

BI são:

• Geração de relatórios mais rápida e precisa;

• Melhor tomada de decisões;
• Melhor serviço ao cliente;
• Maior receita;

Nota-se que a maioria dos benefícios do Business Intelligence são intangíveis. É

por isso que, segundo Eckerson (2003)[4] a justificativa de custos não é tão enfatizada.
Turban (2009)[17] já diz que a dificuldade de se mensurar o valor do BI para o negócio
2.3 Foco nas organizações 19

se deve ao fato da quantidade de benefícios intangíveis o que torna o processo complexo

e pelo Data Warehouse ser uma estrutura utilizada por outras aplicações.
Turban (2009, p. 33)[17] enfatiza que "gerentes e executivos necessitam de
soluções de BI para gerenciar melhor seus negócios. As empresas que não conseguem
implementar adequadamente essas soluções se colocam em uma situação de desvantagem
competitiva". Além disso ele explica que para terem sucesso no ambiente de negócios
hoje em dia, as empresas devem estar atentas e seguir alguns pontos:

• Verificar sua condição perante o mercado para enfrentar novos desafios impostos;
• Ter uma visão geral e não fragmentada dos processos compostos no BI;
• Fazer uso das práticas recomendadas, ficar atendo a custos relacionados ao BI e
sempre buscar desenvolver e aprimorar o mesmo em sua organização;

As organizações hoje devem estar atentas com o que acontece em suas operações,
concorrentes, acompanhar resultados, buscar tendências futuras, e verificar o feedback
de seus clientes. Com isso tem de estar sempre buscando melhorar seus processos e
sua capacidade de adaptação ao mercado, devem fornecer informações uteis aos seus
gestores e buscar adiantar suas estratégias de forma a permanecerem um passo à frente
das crescentes pressões competitivas.
Segundo Turban (2009)[17], o BI não pode ser apenas um processo técnico para
a TI, ele deve estar alinhado ao negocio e ser um meio para a empresa evoluir suas
operações com melhorias de processos e da tomada de decisões baseadas em informações.
Hoje na constante busca empresarial pelo crescimento, onde pequenas empresas
concorrem com grandes corporações, sistema de informação como o Business Intelli-
gence que gera informações estratégicas muitas vezes antecipando acontecimentos e te
colocando na frente dos concorrentes se torna fundamental para empresas que tem o ob-
jetivo de se desenvolver.

2.3 Foco nas organizações

Nas empresas e organizações todos os dias é necessário tomar decisões, estas
que podem ser operacionais do dia a dia da organização ou decisões de médio e longo
prazo. Durante um longo tempo, as empresas tomaram suas decisões embasadas na
intuição, conhecimento e experiência de seus líderes, adquiridos através do dia a dia
e do conhecimento de mercado. Diante desses fatos, para se tomar uma decisão, como
não podemos prever o futuro temos que estar cercados de informações, interpretar essas
informações para assim tomar suas decisões. Sendo assim precisamos juntar os dados que
podem estar espalhados por varias locais, até mesmo não necessariamente em sistemas
2.3 Foco nas organizações 20

eletrônicos, e quando estão podem estar armazenados de diversas formar e formatos

distintos.
Apesar de muitos impérios terem sido construídos e geridos sem uma tomada de
decisões embasadas em informações, com o avanço tecnológico, a evolução do mercado
que trouxe uma maior competitividade, o surgimento de novos públicos e interesses o
cenário de negócios ficou mais acirrado.
Com o mercado de negócios cada dia mais competitivo, exigindo decisões cada
vez mais certeiras e que devem ser tomadas de forma rápida e uma enorme quantidade
de dados que se tratados podem ser usados como fonte de informação para a tomada de
decisões nos deparamos com um problema onde precisamos tratar os dados para serem
utilizados na gestão do negocio, entra o BI, que está inserido no negócio sendo pertencente
a área de TI e pessoas focadas na especialização de pesquisa de mercado e extração de
dados, que são novas oportunidades que surgiram na área de TI.
Hoje temos as pessoas e organizações muito mais interligadas principalmente
devido ao processo de expansão da internet em nossas vidas, com isso a quantidade
de dados gerados e que devem ser transformados em informação para atender a tomada
exigente de decisões e o cumprimento de metas fizeram com que o Business Intelligence
assim como a TI, estarem muito mais diretamente ligado ao negocio. Hoje o BI não
mudou de dono, mas ganhou mais adeptos e estudiosos, e passou a ser tratado como uma
parte estratégica das organizações. De acordo com Primak (2008, p. 12)[10] "É preciso o
alinhamento objetivo do projeto com os interesses e as estratégias da empresa levando a
importância da Lei do Custo x Benefício."
Em tempos de crescimento as empresas costumam utilizar o BI para potenciali-
zar os seus negócios, buscando analisar o mercado e as operações através de decisões mais
assertivas. Já em tempos de crise o BI pode ser utilizado para buscar locais para o corte
de gastos desnecessários, remanejamentos e descobrir formas de potencializar a venda de
seus produtos ou serviços. É de suma importância o investimento em BI mesmo que a
empresa já esteja em pleno crescimento, além de maximizar este estado atual de ganho,
ela se prepara para tomada de decisões e diminui os riscos em tempos de crise. Para Tur-
ban (2009, p. 47)[17] "o Business Intelligence está abrindo suas asas para abraçar todos,
desde pequenas e médias empresas até grandes organizações. Assim como há grande pro-
tagonistas de BI para grandes corporações, há também protagonistas dos pequenos nichos
que servem as empresas médias e pequenas."
Nos dias atuais o BI ainda não é amplamente utilizado em organizações de
pequeno e médio porte como forma de auxiliá-las nas mais diferentes situações para
a tomada de decisão. Um estudo realizado por Antoniadis (2015)[1] com empresas de
pequeno e médio porte na região da Macedônia Ocidental na Grécia indica que apesar
das pequenas e médias empresas estarem cientes das vantagens e benefícios da aplicação
2.4 Os componentes do Business Intelligence 21

do uso de BI, seus gestores ainda não têm a pratica de incorporar ferramentas de BI em
seus negócios, e quando tem, tais ferramentas são subutilizadas, fazendo com que o BI
não demostre seu verdadeiro potencial em tais organizações.
No Brasil em um estudo realizado em 2014 pela Fundação Getúlio Vargas a
pedido do SEBRAE[11] constatou que apenas as MPE (Micro e pequenas empresas)
geraram, em 2011, 27,0% do produto interno bruto do país (PIB), o que mostra a
força e o tamanho das micro e pequenas empresas no país, mas em contra partida um
estudo realizado em São Paulo pelo SEBRAE[12] no ano de 2017 mostra que a taxa
de sobrevivência de pequenas empresas é de 76,3%. Portanto, 1 em cada 5 empresas
registradas no CNPJ fecham antes de completarem 2 anos no mercado. Todos estes
dados mostram como é importante adotar a implementação de ferramentas de BI, que
além de melhorar a sobrevivência das pequenas e médias empresas podem influenciar
positivamente a economia do país.
Tem se percebido que o mercado não importa mais com o tamanho da empresa e
sim com as necessidades de mercado, mesmo organizações de pequeno e médio porte
devem começar a utilizar de ferramentas de inteligência de negócio para otimizar o
trabalho da organização, reduzir custos, otimizar processos, obter previsões futuras, e se
manter e crescer no mercado como contribuindo para as decisões estratégicas.

2.4 Os componentes do Business Intelligence

Com base nas informações obtidas sobre o BI, na sua importância apresentada
e nas tendências e necessidades futuras na área de TI e gestão onde o BI se enquadram,
vamos expor de forma objetiva a fundamentação teórica conceitual relacionada ao tema
deste trabalho. Com o propósito de entender os conceitos, ferramentas e componentes
apresentadas.
Para Jorej (2010, p. 4)[5] "Os componentes de Business Intelligence permitem a
busca e a compreensão de informações armazenadas nas corporações, garantindo maior
exatidão na tomada de decisões. Os sistemas de BI atuais têm como características:"

• Extrair e associar dados de múltiplas fontes;

• Fazer uso da experiência;
• Analisar informações contextualizadas;
• Trabalhar com ou sem hipóteses;
• Procurar relações de causa e efeito;
• Transformar os registros obtidos em informação útil para o conhecimento empresa-
rial.
2.4 Os componentes do Business Intelligence 22

Basicamente, os componentes do Business Intelligence consistem em ferramen-

tas e processos que realizam em conjunto o trabalho de armazenamento de dados, análise
de informações e mineração de dados. A imagem 2.1 mostra um exemplo de fluxo de
trabalho que o dado passa em um sistema de Business Intelligence.

Figura 2.1: Workflow do fluxo dos componentes do BI

Temos que lembrar como explica Rafael Piton (2018)[9], que no processo de
modelagem do BI como demostra a figura a seguir 2.2 o desenho do Data Warehouse deve
ser feito antes do desenhos dos processos de ETL, isso se deve ao fato que não ter como
desenharmos os processos de ETL sem antes saber os esquemas do Data Warehouse, já no
fluxo dos componentes o dado passa antes pelo processo de ETL e depois é armazenado
no Data Warehouse como demostra a figura 2.1.

Figura 2.2: Workflow da modelagem do BI. Autor: Rafael Piton

2.4 Os componentes do Business Intelligence 23

2.4.1 Dados
Os dados por si só não dizem muita coisa, ou seja, eles não transmitem nenhum
tipo de mensagem ou informação, um dado sozinho geralmente não traz relevante utili-
dade.
Nos dizeres de Turban (2009)[17] os dados são a matéria prima da informação.
Os dados são descrições de coisas, eventos e atividades os quais sozinhos não conseguem
se unir e representar algum significado. Na imagem 2.3 vemos os passos que o dado segue
até chegarmos a tomada de decisão.

Figura 2.3: Dados x Informação x Conhecimento x Decisão

Dados Operacionais

Para se implementar um Business Intelligence a empresa deve possuir dados ope-

racionais armazenados em alguma fonte de dados. Estes dados originam-se da operação
diária da empresa através dos sistemas OLTP. Resumindo todos os dados gerados no dia
a dia da empresa e armazenados, podem ser de diversos tipos e estarem armazenados de
diversas formas diferentes e são gerados normalmente por sistemas transacionais.

Dados Normalizados x Dados Desnormalizados

Dados normalizados são utilizados em banco de dados relacionais, eles têm

o foco em armazenamento consistente e eficiente dos dados evitando a redundância
e as inconsistências, mas isso acaba gerando consultas lentas, esses bancos trabalham
inserindo, alterando e deletando dados. Já os desnormalizados são utilizados em sistemas
de inteligência de negócio, foca a consulta, o que acaba gerando bancos bem maiores sem
garantir a consistência, seu objetivo é entregar informação através de consultas rápidas.

2.4.2 Informação
Diferente dos dados, a informação tem significado e podem ser utilizadas em
tomadas decisões, são dados contextualizados para algum propósito.
2.4 Os componentes do Business Intelligence 24

2.4.3 Conhecimento
O conhecimento associa a experiência que a informação por si só não é capaz de
mostrar. Com isso, o conhecimento auxilia a tomada de decisão.

2.4.4 Decisão
É a escolha entre alternativas sustentada por informações e conhecimento para
realizar uma ação, onde a decisão escolhida seja a melhor disponível.

2.4.5 Gerenciamento de Tempo

Os sistemas fontes e de gestão tem a tendências de se focarem muito no presente,
tratar os dados mais presentes como por exemplo em um sistemas de controle de estoque,
onde para ele o importante é verificar se na hora da venda um produto esta disponível em
estoque ou não, históricos passados não tem tanto valor e importância. Já para sistemas
de Business Intelligence o tomador de decisão precisa saber como as coisas aconteceram
ao longo de um tempo, ou ele precisa buscar informações dentro de um período de tempo
especifico, no caso do estoque do exemplo ele precisaria saber como está o consumo de
estoque ao longo do ano, ou quando comprar uma peça para que ela não falte durante uma
linha de produção. Devido a isso e ao proposito do BI à analise ao longo do tempo é de
suma importância.

2.4.6 Ferramentas ETL (Extração - Transformação - Carga)

É um conjunto de estratégias e processos que utiliza de ferramentas e aplicações
de "Back End", fundamentais para o processo de BI. Durante a extração de dados a
dificuldade não é somente transformar dados em informações, nas organizações os dados
vêm de diversas fontes diferentes, sendo assim a informação coletada pode estar errada ou
até mesmo ser interpretada de forma diferente de acordo com o setor ou região geográfica
onde a empresa está sediada. Por isso as ferramentas de ETL são responsáveis por coletar
os dados nas diversas fontes de armazenamento, depois realizam a limpeza e conversão
dos mesmos para posteriormente armazená-las em um Data Warehouse.
Segundo Turban (2009)[17] o processo de ETC consiste nos seguintes passos:

• Extração: Parte onde é realizada a leitura dos dados que podem estar localizados
em diversas fontes de dados e em diversos formatos.
• Transformação: Conversão dos dados extraídos na forma que estavam no antigo
local de armazenamento para a forma que precisam estar para serem armazenados
no Data Warehouse.
2.4 Os componentes do Business Intelligence 25

• Carga: Colocação dos dados já convertidos no Data Warehouse.

Para Turban (2009, p. 33)[17] "Os processos de ETL costumam consumir 70%
do tempo em um projeto centrado em dados". Já Primak (2008, p. 63)[10] cita que "a etapa
ETL é uma das mais criticas de um Data Warehouse, pois envolve a fase de movimentação
dos dados."

Figura 2.4: Processo ETL (Extração - Transformação - Carga)

Devemos lembrar que o processo de ETL não termina e nem é feito apenas uma
vez, ele não deve ficar estático, devemos sempre buscar melhorar o processo de ETL,
ele deve ser atualizado e customizado já que o negocio de uma organização também está
sempre sendo modificado, assim o ETL como a base das extrações, manipulação e carga
dos dados deve evoluir junto com o negocio, e como é o gerador da base de dados uma
base ruim vai gerar resultados finais ruins.

2.4.7 Data Warehouse (DW) e Data Mart (DM)

O Data Warehouse (DW) ou armazém de dados e também os Data Mart (DM)
são estruturas que tem como objetivo o armazenamento de informações referentes às
atividades da empresa de forma consolidada para serem aplicadas na tomada de decisão,
tais dados são fontes para os sistemas OLAP. Sendo assim, com o Data Warehouse
iremos efetuar a integração de diversas fontes de dados, saindo os dados gerenciais da
base de dados da empresa para o Data Warehouse independente das fontes de origem ou
de como estão armazenadas, reunindo os dados em um único lugar. É nesse momento
que são aplicadas as regras de negócio especificas, o que a empresa deve fazer é definir
estes conceitos que serão utilizados como estamos tratando de informações gerenciais, a
empresa pode tomar a decisão que quiser para determinar tal conceito. Duas empresas
2.4 Os componentes do Business Intelligence 26

do mesmo ramo de negocio, concorrentes e que fabricam produtos concorrentes podem

ter conceitos diferentes sobre seus produtos, serviços, da gestão e de tudo que compõe
tais itens. Assim percebesse que o Data Warehouse não tem nenhuma obrigação fiscal ou
de negocio, ele segue os conceitos que a empresa definir no processo de implementação
do Data Warehouse, devido a esse fator temos que saber os conceitos que os gestores
querem utilizar nos seus indicadores. DW e o DM são os bancos de dados e um conjunto
que técnicas, projetados para dar suporte aos sistemas de apoio à decisão, de acordo com
Turban (2009, p. 57)[17] "é um conjunto de dados produzido para oferecer suporte à
tomada de decisões; é também um repositório de dados atuais e históricos de possível
interesse aos gerentes de toda a organização". Ele também afirma que o DW segue certas
características em comum, sendo orientado por assunto, o que fornece uma visão mais
focada para a organização ao contrário do modelo focado em produto, tem de receber e
disponibilizar os dados para diversas fontes de informação, tratando as dificuldades que
essa característica acaba gerando, gerir dados de acordo com o tempo se preocupando com
o histórico e com dados não voláteis, após um dado entrar no DW ele pode ser deletado,
apenas transformado e combinados para formar novos dados, isso é um dos fatores dos
DW terem um grande volume.
Primak (2008, p. 37)[10] diz que para se entender o DW é importante realizar
uma comparação com os bancos de dados tradicionais, ele diz que "um banco de dados
é uma coleção de dados operacionais armazenados e utilizados pelo sistema de aplicação
de uma empresa específica. Os dados mantidos por uma empresa são chamados de dados
operacionais ou primitivos". Sendo assim Primak (2008, p. 38)[10] conceitua o Data
Warehouse e o Data Mart como "uma coleção de dados derivados dos dados operacionais
para um sistema de suporte a decisão. Estes dados derivados são, muitas vezes, referidos
como dados gerenciais, informacionais ou analíticos."
Desta forma, para sistemas de Business Intelligence os dados não são armaze-
nados em sistema de banco de dados comuns e sim em DW ou DMs, que são projetados
para armazenas os dados de forma a fornecer informações aos sistemas de tomada de de-
cisões com consultas mais eficazes e com maior desempenho. Para prover essa melhoria
nas consultas Primak (2008, p. 41)[10] cita três diferenças entre os sistemas de banco de
dados comuns e os DW e DM.

• Disponibilizam visualizações, informações, pesquisando, reportando e modelando

capacidades que vão além dos padrões de sistemas operacionais frequentemente
oferecidos.
• Armazenam dados frequentemente em formato de cubo (OLAP) multidimensional,
permitindo rápida agregação de dados e detalhamento das análises (drilldown, drill
trought etc...).
2.4 Os componentes do Business Intelligence 27

• Dispõem de habilidade para extrair, tratar e agregar dados de múltiplos sistemas

operacionais em Data Marts ou Data Warehouses separados.

Por fim após verificar que DW e DM são estruturas de armazenamento de dados

para sistemas de BI/OLAP, e que tem modificações mínimas em sua estrutura, servindo
apenas a focos organizacionais diferentes, o Data Warehouse focando na organização
enquanto o Data Mart foca em algum setor organizacional especifico, o que também gera
tamanhos de banco diferentes como podemos verificar na imagem 2.6.

Figura 2.5: Exemplo de Data Warehouse (DW) e Data Mart (DM)

2.4.8 Modelo Dimensional

O modelo de um processo pode ser definido como uma representação ou abstra-
ção das atividades caracterizadas em um processo de software. O modelo da referencias a
pontos e o sequenciamento das atividades de um processo de software.
O modelo dimensional já é antigo e utilizado em diversos outros cenários, é
uma das técnicas e conhecimentos principais para modelar o Data Warehouse e seus
componentes. Na modelagem dos dados os métodos Star Schema e Snow Flake são as
mais utilizadas.

Star Schema

O conceito de modelagem do esquema estrela ou "star schema", foi idealizado

por Ralph Kimball[7]. Hoje é o modelo mais utilizado, que fornece uma modelagem dos
2.4 Os componentes do Business Intelligence 28

dados para sistemas OLAP. Ela é formada por uma tabela fato ao centro que armazena
o que aconteceu, é um fato realmente realizado ou ocorrido, como por exemplo uma
venda realizada. A tabela fato sempre está ligada a mais uma dimensão, essas que não se
relacionam entre si mas podem estar ligadas a outras tabelas fato, devido a fato se conectar
com as dimensões temos a formação do modelo dimensional como pode ser verificado na
imagem a seguir 2.6.

Figura 2.6: Exemplo de Star Schema para Vendas

A ocorrência que no geral são tabelas fato é onde as métricas são registradas,
nas tabelas dimensão temos os dados separados por características do evento, como por
exemplo o produto vendido, quem comprou e quem vendeu. Quando uma consulta é feita,
ela percorre primeiro as tabelas de dimensão e depois a de fato. De acordo com Rafael
Piton (2018)[9] "É comum quem trabalha com BI acreditar que a consulta começa pela
fato".

2.4.9 OLAP e OLTP

OLTP "On-line Transaction Processing", é utilizado para referenciar sistemas
transacionais, ou seja, sistemas que executa função de gerenciar tarefas fundamentais
do negócio de uma organização, através deles são gerados os dados que futuramente
serão utilizados nos sistemas OLAP. Para Turban (2009)[17] os sistemas OLTP tratam
de negócios do dia a dia da empresa, para ele Turban (2009, p. 37)[17] "é um tipo de
sistema de computador que responde imediatamente às solicitações do usuário. Cada
solicitação é considerada uma transação, ou seja, um registro computadorizado de um
evento separado, como o recibo de um estoque ou um pedido do cliente". Sistemas OLTP
2.4 Os componentes do Business Intelligence 29

não se preocupam com o histórico de um dado, eles são focados no presente e utilizam de
dados normalizados.
O OLAP, do inglês "On-line Analytical Processing", são sistemas que nos
permite realizar uma análise de um grande volume de informações por uma perspectiva
ampla de diferentes ângulos e formas para auxiliar na tomada de decisão. De acordo
com Turban (2009)[17] OLAP são ferramentas que permitem ao usuário criar e analisar
relatórios de dados, com elas Turban (2009, p. 37)[17] cita que "usuários podem analisar
diferentes dimensões de dados, como uma série temporal de vendas em cada região e
a análise de tendências. Assim, os usuários de negócios são capazes de identificar com
rapidez e facilidade as tendências de desempenho".

Tabela 2.1: Diferenças entre OLTP e OLAP - Adaptada de (Teorey,

2013)

OLTP OLAP
Orientado a transação Orientado ao processo de negócio
Milhares de usuários Poucos usuários
Geralmente banco de médio porte Geralmente banco de grande porte
Dados atuais do negócio Focado no histórico de dados
Dados normalizados Dados não normalizados
Muitas tabelas e poucas colunas Poucas tabelas, muitas colunas
Atualizações contínuas Atualizações em lotes
Consultas simples Consultas complexas

A tabela 2.1 mostra uma compilação das principais características de OLTP e

OLAP.
Os dados utilizados por aplicações OLAP são dados analíticos. Dados analíticos
são nada menos que dados operacionais otimizados para consultas e analise e não para
transação. Na imagem 2.7 a seguir uma estrutura de OLAP e sua fonte de dados OLTP.
2.4 Os componentes do Business Intelligence 30

Figura 2.7: Estrutura de OLAP e sua fonte de dados OLTP

 CAPÍTULO 3
Procedimentos Metodológicos

3.1 A empresa
A iCircuit Centro de Serviço Autorizada Apple e Revenda Apple, é uma empresa
especializada em soluções para o mundo Apple, com sede em Goiânia e Anápolis oferece
assistência técnica autorizada para toda linha Apple e venda de produtos e acessórios.
Atuando no mercado desde 2003 quando foi fundada, hoje é gerida por dois sócios, um
com mais de 10 anos de experiência em gestão de negócios, logística, relacionamento
com clientes e financeiro, e o outro com experiência em gestão, relacionamento com
clientes, área de TI, financeiro e fiscal. Com o conjunto de seus sócios, o perfil inovador e
o pensamento sempre focado na qualidade e atendimento com suporte ao cliente, nestes 5
anos e empresa sempre focou e investiu na melhoria de seus processos, equipe e sistemas
de informação. Hoje a empresa conta com 26 funcionários e uma média de atendimento
de 150 clientes diários divididos entre suas lojas, do seu faturamento 75% correspondem
a clientes buscando a parte de assistência e os outros 25% correspondem a produtos e
acessórios.
A empresa se encontra em um estado de crescimento, mas diminuiu seu ritmo
com a crise de 2016[6], onde teve que tomar diversas decisões baseadas apenas em
experiências passadas e intuições dos gestores com o mercado, sem estarem amparados
por informações que descem embasamento as decisões, mesmo a empresa tendo diversos
sistemas que geravam dados que poderiam ser trabalhados para se obter informações. A
empresa hoje está inserida em um mercado onde tem uma concorrente direta localizada
no maior shopping da região e vários concorrentes indiretos espalhados por toda a cidade.
Após superar as dificuldades e barreiras enfrentadas durante o momento de crise
que vivemos os gestores perceberam a necessidade de se obter informações sobre seu
negocio e como melhorar suas decisões baseado em acontecimentos, a empresa quer
se preparar para voltar a crescer e para isso agora quer tomar decisões baseadas em
informações de seus negócios, para aumentar a chance de conseguir seus objetivos e
também diminuir os riscos além de maximizar os ganhos e diminuir os custos, sendo
assim implementar um projeto de BI se mostra o cenário ideal.
3.2 Sistemas de Informação Presentes na Empresa 32

3.2 Sistemas de Informação Presentes na Empresa

A empresa conta atualmente com três sistemas principais que auxiliam na gestão
do negocio e no atendimento de seus clientes.
Até o fim de 2017 a empresa utilizava um sistema de ERP chamado MyMix[13]
da empresa PC Sistemas. O MyMix era um projeto da PC Sistemas que buscava levar seu
sistema maior e principal o WinThor, que era focado em grandes varejistas para pequenos
e médios negócios. A PC Sistemas foi comprada pela empresa TOTVs[14] referencia
global em sistemas de gerenciamento no ano de 2013, e no final de 2017 a TOTVs assumiu
o controle de gestão da PC Sistemas e acabou deixando o projeto do MyMix sem grandes
atualizações e suporte, o que acabou obrigando a iCircuit a mudar no final de 2017 para
seu atual sistema de ERP chamado Data7 da Se7e Sistemas[15].

• Data7: É um sistema apesar de menor e mais simples que atende de forma mais
eficaz as necessidades da empresa com um melhor suporte. Hoje o sistema atual de
ERP é responsável pela frente de caixa da loja, gestão de estoque e setor financeiro.

Figura 3.1: Data7 - Sistema de Gestão ERP

• Sis OS: Para a gestão de ordens de serviço dos produtos a empresa preferiu adotar
uma solução própria, isso se deve ao fato de que a Apple tem seu sistema de gestão
de suporte aos seus produtos, o qual oferece algumas APIs que podem ser utilizadas
pelo Sistema de OS, com uma solução própria mudanças e implementações utili-
zando essas APIs são mais rápidas, personalizadas e mais baratas, para a empresa
ter o controle e personalização do sistema de OS é um passo importante.
3.2 Sistemas de Informação Presentes na Empresa 33

Figura 3.2: Sis OS - Sistema de Gestão de OS

• Sis Atendimento: Para a gestão de atendimento dos clientes, se utiliza um sistema

de atendimento e filas, que gerencia a fila de atendimento, tempo de atendimento e
disponibilidade dos atendentes.
3.2 Sistemas de Informação Presentes na Empresa 34

Figura 3.3: Sis Atendimento - Cadastro Cliente

Figura 3.4: Sis Atendimento - Painel Atendimentos

3.2.1 Banco e fonte de Dados da Empresa

O Sistema ERP Data7 possui seu banco de dados em MySQL onde armazena
todos os dados para seu funcionamento e registros.
O Sistema de OS possui um banco de dados MySQL, o Sis OS registra as
informações e dados de cadastro dos clientes e do aparelho, e também faz registros de
todo os andamentos realizados durante o reparo ou manutenção de um produto.

Figura 3.5: Sis OS - Banco de Dados MySQL

O sistema de Atendimento também possui um banco de dados MySQL onde

registra o nome do cliente, informações do problema enfrentado pelo produto do mesmo
3.3 Relatórios de Informações para Tomada de decisão presentes atualmente 35

e também registra dados de atendimento como hora inicio do atendimento, hora de

finalização de um atendimento e tempo de espera.

Figura 3.6: Sis Atendimento - Banco de Dados MySQL

3.3 Relatórios de Informações para Tomada de decisão

presentes atualmente
O sistema Data7 apresenta relatórios de gestão de vendas, estoque, financeiro,
fluxo de caixa, etc.
3.3 Relatórios de Informações para Tomada de decisão presentes atualmente 36

Figura 3.7: Data7 - Relatório

Já o sistema Sis OS apresenta alguns relatórios baseados em tempo, como

ordens de serviços abertas sem andamento, ordens de serviços sem atualizações, a muito
tempo em aberto, tais relatórios são de grande utilidade na gestão e tomada de decisões
mas hoje não são utilizados porque os usuários do sistema estão gerando muitos dados
errados, como ordem de serviços duplicadas, ordem de serviços que não são fechadas,
andamentos errados inseridos, gerando assim lixo no banco de dados o que fazem com
que os relatórios não sejam confiáveis e acabam sendo deixados sem uso.
3.3 Relatórios de Informações para Tomada de decisão presentes atualmente 37

Figura 3.8: Sis OS - Relatório

O sistema de atendimento tem alguns relatórios em tempo real e baseados no

tempo, nos relatórios de tempo real ele fornece informações para o gestor sobre quantos
clientes estão esperando, quantos colaboradores estão em atendimento no momento,
o tempo de espera e atendimento. Já nos relatórios baseados por tempo é possível
verificar informações como quantidade de atendimento em um período, tempo médio
de atendimento, tempo de espera de um atendimento até outro, etc... Apesar do sistema
fornecer relatórios que podem ajudar na tomada de decisão, eles não são utilizados de
forma eficiente, também pela falta de alimentação correta como por informações erradas
inseridas no mesmo.

Figura 3.9: Sis Atendimento - Relatório baseado em tempo

3.3 Relatórios de Informações para Tomada de decisão presentes atualmente 38

Figura 3.10: Sis Atendimento - Relatório em tempo real

 CAPÍTULO 4
Modelagem do BI

4.1 Pesquisa de Interesse

Para a implementação e criação de um sistema de inteligência de negócio é de
suma importância que inicialmente se faça um estudo interno e externo da organização,
buscando uma avaliação de mercado, de como a organização está inserida, dos processos
e seus pontos fracos e fortes, das necessidades, da sua capacidade e necessidade de
investimento, oportunidades e do cenário atual da empresa verificando como os dados
são gerados e como e onde são armazenados. Temos que conhecer o negocio, o que a
empresa faz, quais os principais indicadores da empresa, como os executivos tomam as
decisões e baseadas em quais informações.
De acordo com Alexandre (2015)[3], existem alguns passos que o consultor de
BI devem seguir antes da implementação do mesmo, algumas dessas medidas são:

• Verificar os sistemas transacionais que a empresa possui.

• Avaliar os dados que a empresa possui, tanto em quantidade como a forma de
armazenamento.
• Analisar as forças, fraquezas, ameaças e oportunidades que a empresa possui.
• Identificar indicadores e metas que a empresa busca monitorar com a solução de
BI.
• Verificar o orçamento da empresa e planejar uma solução proposta dentro do
mesmo.
• Apresentar o projeto antes aos intensados para confirmar expectativas e justificar a
adoção do projeto de BI.

Com isso verificamos as necessidades da empresa e de seus gestores para

implementar um sistema de inteligência de negócio que forneça dados de forma eficiente
para a tomada de decisão. Durante o levantamento das informações temos que nos fazer
duas perguntas, o que quero analisar, ou seja, qual tipo de informação preciso ter e também
como eu quero analisar, para saber de que maneira eu quero ver a informação.
4.1 Pesquisa de Interesse 40

Para a iCircuit a pesquisa foi feita através de entrevista com os gestores toma-
dores de decisão, foram feitas perguntas para se levantar os requisitos, tais perguntas
seguiram no formato demostrado na tabela 4.1.

Tabela 4.1: iCircuit - Entrevista com os gestores

iCircuit - Perguntas da Entrevista

1 - O que você precisa ver?
2 - Como você quer ver?
3 - Quais os requisitos(objetivos) de negócio deste indicador proposto?
4 - Hoje existe um relatório para esta pergunta?
5 - Existem dados para responder essa pergunta?
6 - Como você imagina o relatório para essa pergunta?

Com as perguntas das entrevistas respondidas foi levantado que para a tomada de
decisões futuras e para investimentos futuros que estão sendo planejados e adaptação de
processos na empresa existe a necessidade de dois relatórios principais que hoje ou não
estão presentes ou não são utilizados pela implementação ruim, ou os dados utilizados
para prover informações não são confiáveis. Algumas perguntas como as referentes de
disponibilidade de dados e da estrutura de TI da organização tiveram que ser respondidas
com o auxilio de membros da equipe de colaboradores com mais conhecimento de
negócio ou da estrutura de TI. Em um resumo dos interesses podemos concluir que:

• Modelos de aparelhos: É de interesse dos gestores saberem quais são os modelos

de aparelhos que mais dão entrada em um período de tempo, a empresa tem
como meta futura ter um estoque de aparelhos para trocar os com defeito na hora,
evitando assim que o cliente tenha que deixar seu produto na loja, esperar ser
realizado um pedido, para a fabrica enviar um novo aparelho de reposição. Nos
dias atuais aparelhos como Smartphones se tornaram itens de uso essenciais e sua
falta podem trazer prejuízo, com a troca na hora a empresa busca melhorar seu
processo, melhorar a satisfação dos clientes e se destacar perante os concorrentes.
Para adotar esse novo processo a empresa precisa saber o estoque mínimo de cada
modelo de produtos necessários para giro e pode usar os dados para controle de
fluxo dos produtos.
• Defeitos apresentados: Os gestores não têm a informação de quais são os defeitos
mais apresentados e reportados pelos seus clientes, isso para uma assistência
técnica é uma informação fundamental. Foi exposto inicialmente pelos gestores
a necessidade da informação geral dos defeitos apresentados, durante a entrevista
foi apresentado aos mesmos também a necessidade da informação de defeito ser
baseada também de acordo com o modelo do produto, os gestores aprovaram a
4.2 Modelagem e criação do Data Warehouse e Data Marts 41

ideia. Este indicador é desejado para servir como base para treinamentos focados e
específicos, aquisição de ferramentas especificas e componentes e peças que podem
auxiliar no diagnostico e resolução de problemas.
• Tempo de atendimento: Os entrevistados desejam ter um relatório com informa-
ções confiáveis sobre os tempos de atendimento, querem informações de quantos
clientes foram atendidos, o tempo que o cliente levou até ser atendido, o tempo que
o cliente ficou sendo atendido. Também desejam saber os horários de mais fluxo de
clientes e a quantidade de cliente que cada funcionário atende e o tempo de aten-
dimento de cada um. Com essas informações os gestores querem diminuir o tempo
de espera dos clientes melhorando a satisfação dos mesmos e também melhorar a
qualidade e velocidade de atendimento da equipe, além de trabalhar em um rema-
nejamento de horários para a equipe conseguir atender o fluxo do momento.

Com a entrevista foi possível analisar os interesses dos gestores e juntamente

com o levantamento dos sistemas utilizados na empresa conseguimos descobrir oportuni-
dades e problemas para usar os atuais sistemas de armazenamento de dados e desenvolver
um sistema de inteligência de negocio para atender as necessidades e expectativas dos
gestores.

4.2 Modelagem e criação do Data Warehouse e Data

Marts
O armazenamento dos dados extraídos e tratados dos sistemas de fonte de dados
(Data Source) são feitos no Data Warehouse e Data Marts. Antes dos dados serem
armazenados no Data Warehouse ele primeiro é extraído das fontes de dados e salvos
no Data Stage Area, que é um banco de dados que registra todos os dados necessários
para gerar as informações, e é neste momento que vamos transformar, prover a qualidade,
limpeza, controle e cruzamento dos dados. Feito isso os dados tratados serão carregados
no Data Warehouse, que é modelado dimensional com dados desnormalizados em fatos e
dimensões para suportar a tomada de decisão com informações rápidas.
Para completar o Data Warehouse e visando crescimento futuro do sistema de
BI da empresa, serão criados dois Data Marts, um será o de assistência que vai conter
as informações referentes aos dados da assistência, e o segundo será o de atendimento,
que vai conter as informações categorizadas por atendimento. Todo esse processo desde a
extração dos dados no Data Source, armazenamento e processamento dos dados no Data
Stage Area e posteriormente no DW e DMs pode ser verificado na figura a seguir 4.1.
4.2 Modelagem e criação do Data Warehouse e Data Marts 42

Figura 4.1: Estrutura do Data Warehouse e Data Marts

De acordo com a entrevista registrada com os gestores da empresa, para a monta-

gem do Data Warehouse primeiro devemos desenhar a modelagem dimensional, lembra-
mos que para desenvolver o modelo dimensional você precisa entender as necessidades
do negocio e como estão os dados de origem, e isso deve ser feito na entrevista com o
cliente e validação técnica.

4.2.1 Bus Matriz

Para realizar a modelagem dimensional vamos usar um conceito criado por
Ralph Kimball chamado Bus Matriz[7], também conhecido como Matriz Indicadores x
Dimensão. Existem vários tipos de Bus Matriz mas geralmente se utiliza a matriz por
métricas e dimensões, isso se deve ao fato de que o BI responde perguntas e é muito
utilizado para realizar medições entre as métricas, em nossa entrevista observamos que
os gestores estão mais interessados em verificar os processos de negócio, por isso nossa
matriz seguira por essa abordagem.
Para a montagem da matriz primeiramente é necessário identificar dois fatores:

• Identificar os Processos: Primeiramente é necessário identificar os processos

que o gestor deseja monitorar. Para conseguir essa informação um bom fator é
na entrevista perguntar o que o cliente deseja medir, no nosso levantamento de
requisitos foi levantado o monitoramento dos processos de abertura de ordem de
serviço e atendimento ao cliente.
• Identificar as Dimensões: Para identificar as dimensões devemos perguntar como
o gestor deseja monitorar os processos, as dimensões são obtidas com os requisitos
de informação solicitados pelos gestores.

Verificamos através das respostas dos gestores nas entrevistas que os mesmos
desejam analisar as aberturas de ordem de serviço por Produto, Atendente, Região,
4.2 Modelagem e criação do Data Warehouse e Data Marts 43

Defeito, Tempo de Atendimento e Tempo, temos assim nossas candidatas a dimensão. Os

gestores também desejam verificar o processo de atendimento do cliente pelos mesmos
candidatos a dimensão.
Com essas informações criamos assim nossa tabela Buz Matriz, com a intersec-
ção dos processos de abertura de ordem de serviço (nomeado Ordem de Serviço) e do
processo de atendimento ao cliente (nomeado Atendimento) que serão nossas tabelas de
fato com as prováveis candidatas a dimensão. O próximo passo é identificar as relações de
intersecção entre os processos e os candidatos a dimensões, para assim validar as relações.

Figura 4.2: Estrutura do Data Warehouse e Data Marts

No exemplo da figura acima 4.2, é ainda possível visualizar os supostos relacio-

namentos nas de intersecções entre o processo e as dimensões.
Em nossas necessidades do negocio podemos verificar que no processo de Ordem
de Serviço existem as ligações por Produto, Região, Defeito e Tempo. No caso do
candidato a dimensão Atendente não é necessário verificar quem abriu uma ordem de
serviço por atendente, este requisito já vai ser atendido e faz mais sentido no processo
de atendimento. Já no caso de Tempo de Atendimento a dimensão não faz sentido para o
processo Ordem de Serviço, já que nele verificamos uma ordem de serviço já aberta, ou
seja, não faz sentido neste processo saber o tempo que ela levou para ser aberta.
No processo de atendimento as dimensões com ligação foram com Atendente,
Região, Defeito e Tempo. Para o processo Atendimentos além da ligação com Produto
não fazer sentido, já que queremos mensurar produtos que chegaram a ter uma ordem
de serviço aberta e não produtos que buscaram atendimento na loja mas não geraram
uma OS, não temos uma fonte de dados para o produto que o cliente está buscando
atendimento, isso acontece porque no Sis Atendimento ao registrar um cliente na fila de
atendimento registramos apenas os dados do cliente e o defeito que seu produto apresenta,
mas não registra o produto em si, isso é feito apenas na abertura da OS no Sis OS o qual
não tem vinculo direto com o Sis Atendimento. A mesma coisa acontece ao candidato a
dimensão Defeito, o gestor não tem interesse em saber os defeitos sem um vinculo com
produto ou defeitos de produtos que não geraram OS.
Com o cruzamento das intersecções entre os processos e os candidatos a dimen-
sões conseguimos verificar as relações de dimensões que realmente existem no processo
4.2 Modelagem e criação do Data Warehouse e Data Marts 44

e que vão se transformar em tabelas de dimensão. A Bus Matriz e seus componentes não
devem ser considerada uma representação estática, com o passar do tempo novas neces-
sidades dos gestores vão surgir, até mesmo devido as novas informações reveladas, o que
faz com que ela deva ser atualizada e revista sempre, uma das grandes vantagens desta
ferramenta é a sua elasticidade.

4.2.2 Tabelas de Fato e Dimensão

Com a criação da Matriz Bus e o levantamento dos processos já é possível criar
nosso modelo estrela para o processo de Ordem de Serviço conforme a figura 4.3 e o
processo Atendimento conforme a figura 4.4.

Figura 4.3: Star Schema - Ordem de Serviço

4.3 Ferramenta de ETL (Extração - Transformação - Carga) na empresa 45

Figura 4.4: Star Schema - Atendimentos

A tabela Fato é interligada com suas dimensões e nela as métricas são armaze-
nadas junto com as Surrogate Keys (FK) que ligam com as respectivas dimensões, para
atender o requisito de velocidade nas consultas a tabela fato armazena apenas a chave para
a dimensão, o que pode ser salvo como atributo da tabela fato são as métricas. Existem di-
versos tipos de tabelas fatos, devido a necessidades do negocio utilizaremos a do tipo fato
sem fato (Factless Fact Table), também chamada de fato de associação ou de intersecção.
Ela não tem foco em registros de métricas a cada fato. Sendo assim ela é utilizada para
comparar ou cruzar dimensões e não possui métricas para se realizar comparações. Nas
tabelas dimensões temos a Surrogate Key que será a Primary Key na dimensão e também
a Natural Key que é a Primary Key da tabela fato, para assim sabermos de onde o dado
foi originado.

4.3 Ferramenta de ETL (Extração - Transformação -

Carga) na empresa
Para o processo de ETL foi criado um Script SQL que será executado uma vez
por dia através de uma agendamento de tarefa CRON como mostra a imagem 4.5 durante
a madrugada para evitar sobrecarga no servidor de aplicação da empresa, o qual também
hospeda o Sis OS, Sis Atendimento, BDs e vai hospedar o sistema de inteligência de
negócio. Sendo assim as informações fornecidas vão ser de dados coletados até o dia
anterior a retirada do relatório.
4.3 Ferramenta de ETL (Extração - Transformação - Carga) na empresa 46

Figura 4.5: Agendamento de tarefa CRON para rodar Script ETL

Este Script primeiramente irá percorrer todas as fontes de dados (Data Source)
e depois irá salvar os dados no Data Stage Area, é neste momento que ele trabalha na
transformação, qualidade, limpeza e cruzamento dos dados para posteriormente serem
salvos no Data Warehouse.
De acordo com a entrevista registrada com os gestores e o levantamento de dados
dos sistemas e TI da empresa, para a criação dos relatórios os dados serão retirados de duas
fontes de dados, a primeira é o banco de dados do Sis OS que basicamente respondera
pelas dimensões da Fato Ordem de Serviço e a segunda será o banco de dados do Sis
Atendimento que respondera pelas dimensões da Fato Atendimento.
O Sis OS utiliza uma API interligada a um sistema de gestão da Apple para
buscar informações do aparelho do cliente baseado em seu número de serie. A API da
Apple retorna à descrição dos modelos dos produtos que serão utilizados como fonte de
dados para a tabela de dimensão Produto. Este retorno do dado de modelo segue um certo
padrão que gera em média 5 diferentes descrições para um mesmo produto. Essa variação
ocorre porque a Apple utiliza algumas características como a tecnologia de conexão a
rede do celular (GSM ou CDMA) na descrição do produto. Outro dado oriundo do Sis OS
é a descrição do problema que vai popular a dimensão Defeito, para este dado não temos
um padrão estabelecido, ficando a cargo de cada funcionário responsável pela abertura da
ordem de serviço criar e descrever o defeito de acordo com seu entendimento.
Diante deste cenário o Script faz a leitura dos dados de modelo do produto já
armazenados no Data Stage Area e aplica conceitos definidos na entrevista para realizar
o tratamento dos dados como é demostrado na imagem 4.6, caso a descrição do produto
não esteja presente na lista de conceitos o Script tenta através da descrição do produto
retirar as informações de modelo, capacidade e cor desmembrando o dado de descrição.
4.3 Ferramenta de ETL (Extração - Transformação - Carga) na empresa 47

Figura 4.6: Processo de ETL para o dado Produto

Para o Defeito como os dados registrados na ordem de serviço não seguem um

padrão, por isso foi adotado os mesmos procedimentos realizados com o dado de modelo,
o Script realiza um tratamento nos dados baseado em lista de conceitos como demostrado
na imagem 4.7 ou tenta desmembrando a descrição do defeito retirar informações do
mesmo.

Figura 4.7: Processo de ETL para o dado Defeito

Já para o Sis Atendimento durante a chegada de um cliente na empresa ele é

recepcionado por um funcionário responsável por uma analise de seu problema, caso seja
necessário realizar um atendimento técnico o atendente faz um cadastro do cliente no sis-
tema para um controle de fila de atendimento. Durante o atendimento técnico na empresa,
os colaboradores seguem a fila de clientes, registrando o inicio e o fim de um atendi-
mento com o mesmo. Com isso temos quatro registros em seu banco de dados que se-
rão utilizados na dimensão Tempo, data_hora_cadastro, data_hora_inicio_atendimento,
data_hora_fim_atendimento, usuario_atendimento_id. Como esses dados são registros
de data e hora e o usuário responsável pelo atendimento, eles podem ser armazenados no
Data Warehouse assim como estão no banco de dados do sistema de atendimento, não
sendo necessário a parte de transformação dos dados como mostra a seguir 4.8. Os dados
4.4 Cubos OLAP 48

do atendente e da localização para popular as dimensões de Atendente e Região seguem

a mesma lógica e não precisam ser tratados.

Figura 4.8: Processo de ETL para o dado Tempo Atendimento

Após todo o tratamento e transformação dos dados que estavam no Data Stage
Area, agora o Script salva os novos dados gerados no Data Warehouse, esses dados então
estão prontos para serem manipulados por ferramentas e cubos OLAP e acessados por
sistemas de painéis e relatórios como mostra a figura 4.9 para gerar as informações e
atender as expectativas propostas pelos gestores ajudando nas tomadas de decisões.

Figura 4.9: Fluxo do Dado no ETL

4.4 Cubos OLAP

Após todo o levantamento, extração, tratamento e armazenamento os dados agora
estão de forma consolidada no Data Warehouse, então precisamos realizar a analise dos
mesmos, este passo é muito importante dentro do processo de BI. É necessário que
o sistema exponha para os tomadores de decisão informações claras, detalhadas e de
fácil visualização, não adianta transformar o dado em informação se as mesmas não são
compreendidas pelo usuário.
O cubo OLAP que também é conhecido como multidimensional, pode ser
considerado como o último estágio dos dados no Data Warehouse e é uma estrutura de
4.5 Painéis e Relatórios 49

dados que utiliza bando de dados OLAP. Para a analise de dados os cubos tratam de forma
ágil uma grande quantidade de dados e dão acesso a qualquer ponto desfragmentado para
analise de uma variedade de perguntas que podem ser realizadas pelo gestor, no cubo
as célula contêm os valores das métricas e faces do cubo definem as dimensões como
demostra a imagem 4.10.

Figura 4.10: Cubo OLAP - Topologia

Para isso serão criados três cubos de análise, um para cada relatório de teste:

• Produto x Região x Tempo: Será responsável por responder à pergunta dos

produtos que dão entrada em um histórico de tempo por região.
• Produto x Defeito x Tempo: Será responsável por responder à pergunta dos
defeitos divididos por produtos em um histórico de tempo.
• Atendente x TempoAtendimento x Tempo: Será responsável por responder à
pergunta do tempo médio de atendimento (TMA) de cada consultor em um histórico
de tempo.

É importante ressaltar que existem várias outras opções possível para cubos
de analise e indicadores, porem no momento apenas esses serão implementados, com
a evolução das informações obtidas pelo sistema novas necessidades de indicadores e
relatórios vão surgir e devem ser implementados para que os gestores consigam adaptar e
alcançar seus objetivos, assim como as tabelas de fato e dimensões e o processo ETL
precisa ser registo e atualizado constantemente, os modelos de cubo OLAP não são
diferentes.

4.5 Painéis e Relatórios

Um fator muito importante é como todas as informações colhidas serão apresen-
tadas ao usuário de um jeito amigável e claro, que forneça informações de forma sinteti-
zadas e completas. Não adianta termos todos os dados extraídos, tratados, segmentados,
4.5 Painéis e Relatórios 50

ter estratégias de ETL bem implementadas e um Data Warehouse com modelos dimensi-
onais bem definidos se a apresentação final dos resultados não é boa e vai afastar o uso
das ferramentas pelos gestores o que pode enfraquecer a prática de adoção dos processos
de inteligência de negocio ou exploração ineficiente dos dados apresentados.
Para isso montamos os modelos de gráficos abaixo para atender as necessidades
de relatório dos clientes. O primeiro relatório 4.11 vai fornecer as informações da
quantidade por produto em um determinado período de tempo que deram entrada na
empresa dividido por região, para o relatório o cubo de Produto x Região x Tempo foi
utilizado.

Figura 4.11: Gráfico de Produto x Região x Tempo

O segundo relatório 4.12 vai fornecer as informações do tempo médio de atendi-

mento (TMA) de um atendente em um determinado período de tempo. Ele ainda compara
o TMA do atendente com a média de sua região, que é a soma de todos os TMAs de
todos os atendentes da região. O cubo de Atendente x TempoAtendimento x Tempo foi
utilizado para o relatório.
4.5 Painéis e Relatórios 51

Figura 4.12: Gráfico de Tempo de Atendimento x Atendente x

Tempo

Para o terceiro relatório 4.13 foi utilizado o cubo Produto x Defeito x Tempo, ele
apresenta a porcentagem de produtos que apresentaram um certo defeito, caso o gestor
deseje ele pode expandir o gráfico 4.14 com a visão de apenas um defeito para a melhor
visualização dos dados.
4.5 Painéis e Relatórios 52

Figura 4.13: Gráfico de Produto x Defeito x Tempo

4.5 Painéis e Relatórios 53

Figura 4.14: Gráfico expandido de Produto x Defeito x Tempo

Com estes gráficos conseguimos atender as necessidades de informação e per-

guntas do cliente, trazendo informações claras com um sistema simples e de fácil enten-
dimento.
 CAPÍTULO 5
Conclusões

Neste capitulo, vamos tirar as conclusões sobre o desenvolvimento da arquitetura

e processo dos componentes do BI, o resultado de sua aplicação e sugerir um trabalho
futuro.

5.1 Considerações finais

Não podemos negar que a tecnologia está cada dia mais inserida em nossas
vidas e evolui cada vez mais rápido, com isso as informações e necessidades acabam
seguindo o mesmo caminho. Devido a toda essa evolução e mudanças as empresas
acabam se deparando com um mercado cada vez mais volátil, competitivo e cheio de
novas oportunidades. As grandes organizações já utilizam de processos de inteligência
de negocio para acompanhar informações que auxilia na tomada de decisão, e agora é
a vez de pequenas e médias empresas adotarem o BI mesmo que em menor escala para
acompanhar o mercado, indicadores, concorrentes e poder gerir seus negócios baseados
em informações, diminuindo assim as estatísticas de empresas fechando por não conseguir
sobreviver no mercado e melhorando seus indicadores de crescimento.
Como foi apresentado o Business Intelligence é um conjunto de processos e
ferramentas que busca utilizar justamente os dados gerados pela empresa com as novas
tecnologias de TI para responder perguntas importantes na tomada de decisão, perante
isso foi desenvolvido um modelo de BI para uma empresa de médio porte. Durante
os levantamentos de requisitos foi visto que a empresa além de ter necessidades que
poderiam ser atendidas com um processo de BI, também tinha condição de atender todos
os requisitos para implementar deste processo. Após os levantamentos das necessidades
e estruturas de armazenamento, foram desenhados os modelos de Data Warehouse e as
ferramentas e processos de extração e armazenamento de dados ETL, com isso aplicamos
as técnicas de modelos dimensionais e construímos cubos OLAP que serviram de base
para as informações na montagem de três relatórios que agora contem dados que podem
ser utilizados de forma segura e rápida para a tomada de decisão na organização.
5.2 Trabalhos futuros 55

O modelo estudado é segue os princípios dos utilizado em grandes organizações

e atendeu perfeitamente a empresa de médio porte, foi possível obter relatórios que de
forma clara ofereceram informações desejadas pelos gestores na tomada de decisões,
verificou-se novas necessidades e foi possível cumprir todo o processo de criação e
implementação de um modelo de BI com poucos recursos financeiros, o que se enquadra
perfeitamente nas necessidades de pequenas e médias empresas.
Este trabalho contemplou por verificar que hoje o BI é um processo fundamental
nas empresas independente de seu tamanho e pode ser adotado com recursos condizentes
ao setor, através desse processo a empresa consegue de forma rápida ter informações
personalizadas para a tomada de decisão.

5.2 Trabalhos futuros

Um possível trabalho futuro, seria desenvolver uma tecnologia de Inteligência
Artificial para buscar previsões e tendências futuras nos dados do Data Warehouse e nos
cubos OLAP, posteriormente buscar aplicar essa tecnologia em empresas de médio porte,
estudando sua eficácia, resultados e viabilidade.
Referências Bibliográficas

[1] A NTONIADIS , I.; T SIAKIRIS , T.; T SOPOGLOY, S. Business intelligence during times
of crisis: Adoption and usage of erp systems by smes. Procedia-Social and
Behavioral Sciences, 175:299–307, 2015.

[2] B OTELHO, F. R.; F ILHO, E. R. Conceituando o termo business intelligence:

Origem e principais objetivos. 2014.

[3] DA S ILVA P EREIRA , A. Um guia para justificar a adoção de business intelligence

nas pequenas e medias empresas brasileiras. 2015.

[4] E CKERSON , W. Smart companies in the 21st century: The secrets of creating
successful business intelligence solutions. TDWI Report Series, 7, 2003.

[5] J OREJ, F. X. B. Implementação de um sistema de business intelligence para

uma empresa do ramo metalúrgico. 2010.

[6] K ARINA T REVIZAN , G. Brasil enfrenta pior crise já re-

gistrada poucos anos após um boom econômico. Dís-
ponivel em: <https://g1.globo.com/economia/noticia/
brasil-enfrenta-pior-crise-ja-registrada-poucos-anos-apos-um-boom-economico.
ghtml>. Acessado em julho de 2018, 2017.

[7] K IMBALL , R.; R OSS , M. The data warehouse toolkit: the complete guide to
dimensional modeling. John Wiley & Sons, 2011.

[8] L IGHTSTONE , S. S.; T EOREY, T. J.; N ADEAU, T.; J AGADISH , H. Projeto e Mode-
lagem de Banco de Dados: Tradução da 5a Edição, volume 1. Elsevier Brasil,
2013.

[9] P ITON , R. Passos para construir um data wa-

rehouse. Dísponivel em: <https://rafaelpiton.com.br/lp/
7-passos-para-construir-um-data-warehouse/>. Acessado em julho de
2018, 2018.
Referências Bibliográficas 57

[10] P RIMAK , F. V. Decisões com bi (business intelligence). Fabio Vinicius Primak,

2008.

[11] SEBRAE. Participação das Micro e Pequenas Empresas na Economia Brasi-

leira. Rio de Janeiro, Brasport, 2014.

[12] SEBRAE. Panorama dos Pequenos Negócios 2017. São Paulo, 2017.

[13] S ISTEMAS , P. Sistema mymix. Dísponivel em: <http://pcsist.com.br/

solucoes/sistema-para-automacao-mymix/>. Acessado em julho de 2018,
2018.

[14] S ISTEMAS , P. Venda pc sistemas. Dísponivel em: <http://pcsist.com.br/

noticias/totvs-adquire-pc-sistemas/>. Acessado em julho de 2018, 2018.

[15] S ISTEMAS , S. Se7e sistemas soluções. Dísponivel em: <http://www.

se7esistemas.com.br/#solucao>. Acessado em julho de 2018, 2018.

[16] T HOMPSON , O. Business intelligence success, lessons learned. Technology,

2004.

[17] T URBAN , E.; S HARDA , R.; A RONSON , J. E.; K ING , D. Business Intelligence: um
enfoque gerencial para a inteligência do negócio. Bookman Editora, 2009.