BI Business Intelligence O conceito de Business Intelligence não é recente: Fenícios, persas, egípcios e outros povos do Oriente utilizavam esse princípio há milhares de anos, quando cruzavam informações obtidas junto à natureza em benefício próprio. Observar e analisar o comportamento das marés, os períodos de seca e de chuvas, a posição dos astros, entre outras, eram formas de obter informações que eram utilizadas para tomar as decisões que permitissem a melhoria de vida de suas respectivas comunidades.
Conceito O mundo mudou desde então, mas o conceito permanece o mesmo. A necessidade de cruzar informações para realizar uma gestão empresarial eficiente é hoje uma realidade tão verdadeira quanto no passado o foi descobrir se a alta da maré iria propiciar uma pescaria mais abundante.
O interesse pelo BI vem crescendo na medida em que seu emprego possibilita às corporações realizar uma série de análises e projeções, de forma a agilizar os processos relacionados às tomadas de decisão. Histórico Final do século XVI, A Rainha Elizabeth I, visando ocupar os territórios conquistados, determinou que a base da força inglesa fosse “informação e comércio” e solicitou ao filósofo Francis Bacon que inventasse um sistema dinâmico de informação, o qual foi amplamente aplicado pelos ingleses. BI Business Intelligence Como iniciar um projeto de BI Introdução Antigamente: Gerentes e diretores esperavam meses ou semanas para obtenção de relatórios sobre a performance de vendas ou das estratégias de marketing para só então corrigir rotas e estipular novas ações. Demora para a tomada de decisão e planejamentos orientados apenas pelas impressões e intuição dos profissionais. Isso pode induzir a erros e condenar a empresa a, no mínimo, perder pontos para a concorrência e reduzir seu poder de competitividade.
Introdução Até o passado recente era imprescindível implementar sistemas transacionais para automatizar as operações e otimizar os processos de trabalho, integrando a empresa como um todo; Atualmente já se começa a perceber que apenas isso não é mais suficiente. É preciso ir além. Investimentos em projetos de Business Intelligence (BI).
Empresas de todos os tipos, portes e ramos de atividade começam a se direcionar. Gartner Inc.:A taxa de crescimento do emprego de BI no segmento corporativo, até 2006, será da ordem de 8,6% ao ano. Em 2002 o mercado brasileiro de soluções de BI movimentou US$ 50 milhões. IDC Brasil: Fatores para o crescimento Globalização dos negócios; Crescimento das operações via Internet; Evolução da tecnologia wireless (dispositivos móveis e redes sem fio) Forçam as corporações a: Buscar maior eficiência; A serem mais ágeis nas decisões e em ações efetivas; Investir em soluções e ferramentas tecnológicas que as auxiliem nesse sentido.
Fontes de dados Sistemas transacionais: ERPs (Enterprise Resource Planning sistemas de gestão empresarial); CRMs (Customer Relationship Management gerenciamento do relacionamento com o cliente); Supply Chain (gerenciamento da cadeia de valor), entre outros.
É preciso transformar esse conjunto de dados em informação. Transformando Dados em Informação É necessário: Saber analisalos, Armazenalos numa base única e informacional e Tornalos acessíveis à organização como um todo. Guardachuva que abarca conceitos e uma série de ferramentas: Cresce o interesse pelo Business Intelligence Possibilitam organizar e trabalhar os dados, captados através de diferentes sistemas, tornandoos consistentes, não redundantes e capazes de adicionar inteligência aos negócios, resultando em maior agilidade para as decisões gerenciais.
O atual nível de competitividade exige de todas as empresas: Responder rapidamente e acertadamente às solicitações do mundo dos negócios. Contar com instrumentos que as ajudem a: Identificar tendências do mercado; Identificar hábitos dos consumidores; Fazer previsões; Traçar planos de ação no menor tempo possível Antes do projeto de BI Identificar as reais necessidades da empresa; O projeto deve estar alinhado à estratégia global da corporação; Envolvimento dos profissionais das áreas de negócios (futuros usuários); Envolvimento dos profissionais da alta gerência.
Área de TI: Verificar a viabilidade de aquisição de ferramentas adequadas ao projeto e às possibilidades de integração com os sistemas já instalados na empresa. Antes de se iniciar a implementação de um projeto de BI Integrar todos os sistemas transacionais (operacionais) utilizados, considerando os dados vindos de diversas fontes como: Mainframes, Bancos de dados relacionais, Servidores, estações cliente, Web Services, Dispositivos móveis (notebooks, PDAs, telefones celulares, etc) e Call centers, entre outros. Prérequisito fundamental: entender a cadeia de valor da informação para a corporação.
Bases para o BI Planejamento Planejamento Estratégico Corporativo (PEC) Oportunidades, os riscos, os pontos fortes e fracos da empresa, em relação ao ambiente interno e externo; São traçadas as principais metas e as estratégias; Monitoração, acompanhamento das decisões a serem tomadas, e verificação do resultados e indicadores de desempenho com o Balanced Scorecard (BSC). Planejamento Estratégico da Informação (PEI) Levantamento sobre a empresa, e a cultura termos de sistemas; Levantamento e análise dos sistemas existentes, verificando sua performance, funções exercidas; Apuração e avaliação da qualidade dos dados existentes; Desenvolvimento do modelo global do SI vigente (pontos fracos e fortes, oportunidades e ameaças).
Bases para o BI Sist. de Informação São peças fundamentais Geradores dos dados; Meio pelo qual os dados trafegam. Precisam ser avaliados antes de se partir para a implementação de um projeto de BI. Dados captados nesses sistemas irão alimentar o Data Warehouse ou o Data Mart (repositórios de dados). Bases para o BI Sist. de Informação O Planejamento Estratégico da Informação (PEI), deverá ficar a cargo da área de administração de dados. O departamento de informática atuará como um provedor de serviços e soluções. Para que o PEI tenha sucesso é necessário que seja conduzido por um sponsor “patrocinador”.
Profissional com passe livre em todas as áreas da empresa, inclusive na alta gerência, Que saiba tudo o que ocorre dentro da corporação. Deve ter uma visão clara do negócio, Deve conhecer o mercado de atuação da empresa e Deve saber traduzir todos esses requisitos para o pessoal da área de informática. Planejamento da Informação Levantamento sobre a empresa e a cultura da empresa em termos de sistemas. Levantamento e análise dos sistemas existentes, verificando sua performance, funções exercidas, volumes de dados gerados, características dos processamentos, etc.
Quantitativa (volume, recursos e custos) e Qualitativa (atendimento das necessidades dos usuários, controle interno e eficiência). Apuração e avaliação da qualidade dos dados existentes. Desenvolvimento de um modelo global do sistema de informação vigente (pontos fracos, fortes, oportunidades e ameaças na TI).
Por onde começar um projeto de BI EIS Executive Information Systems são amigáveis; informações gerenciais de forma rápida e eficiente. surgiram a partir dos sistemas transacionais; utilizam modelos para solucionar problemas não estruturados. DSS Decision Support Systems São ferramentas que podem auxiliar as empresas a se familiarizarem com os conceitos e tecnologias relativas ao BI, e evoluir nesse sentido aos poucos. Fundamentos Os dados precisam ser estruturados de forma diferente do que ocorre nos sistemas transacionais. Um dos principais pilares do BI é o Data Warehouse (DW). Banco de dados orientado por assuntos, Não volátil (os dados não podem sofrer modificações)
É integrado. Há apenas a carga dos dados e a consulta. Não há atualizações. Variável com o tempo (sempre será retratada uma situação num determinado ponto do tempo). Dados de múltiplos sistemas utilizados internamente ou de fontes externas. Datawarehouse Definido como: um conjunto de técnicas e de bancos de dados integrados, projetados para suportar as funções dos Sistemas de Apoio à Decisão, onde cada unidade de dados está relacionada a um determinado assunto ou fato. Fornecer subsídios e informações aos gerentes e diretores, para que assim possam analisar tendências históricas de seus clientes e, com isso, melhorarem os processos e agilizarem as tomadas de ações. Sua meta: Datawarehouse O maior problema =Sua grande complexidade.
Sua criação requer: pessoas altamente especializadas, uma metodologia consistente, computadores, banco de dados, ferramentas de frontend (sistemas transacionais), ferramentas para extração e limpeza dos dados, e treinamento dos usuários.
É um processo complicado e demorado, que requer: altos investimentos e que se não for corretamente planejado e executado, pode trazer prejuízos enormes e se tornar um grande elefante branco dentro da organização. Data Marts departamentais Forma de minimizar riscos do Datawarehouse Mini Data Warehouse p/ suporte à decisão de pequeno grupo de pessoas (marketing, vendas, etc.) Estimativas: Data Mart custa em torno de US$ 100 mil a US$ 1 milhão e leva cerca de 20 dias para ficar pronto. DW integral começa a partir de US$ 2 milhões e demora no mínimo um ano para estar consolidado. Business Intelligence 3 Ferramentas de BI, plataformas e perfis de usuários Ferramentas Leque de ofertas: Desde pacotes configuráveis, até ferramentas isoladas e soluções para desenvolvimento.
Visam transformar dados em informações para auxiliar a tomada de decisões nos diversos níveis de uma empresa. Simples planilhas eletrônicas, Geradores de queries (consultas) e relatórios, Sistemas de apoio à decisão (DSS Decision Support Systems), EIS (Executive Information System), Ferramentas OLAP (ROLAP, MOLAP, HOLAP e DOLAP) ETL (Extract, Transform and Load) Metadados e Data Mining. OLAP (Online Analytical Processing) Possibilitam aos usuários finais: Extrair dados das bases consolidadas; Gerar relatórios p/ responder às questões gerenciais. Extrair e análisar dados contidos nos DW e nos Data Marts.
Análise multidimensional dinâmica dos dados Série de visões, tais como as consultas adhoc OLAP (Online Analytical Processing) Outras técnicas: Sliceanddice permite analisar as informações sob diferentes prismas. O Drill Down/Up exploração em diferentes níveis de detalhe das informações. subir ou descer” dentro do detalhamento do dado, analisando uma informação tanto diariamente quanto anualmente, partindo da mesma base de dados. Análise dinâmica das informações, rápida e o próprio usuário pode fazer, sem depender de técnico ou analista de sistemas. OLAP (Online Analytical Processing) ROLAP (Relational Online Analytical Processing) Para análise mais exploratória dos dados; Arquitetura composta por: servidor de BD relacional servidor dedicado p/ engine OLAP, armazenando vários cubos de informação A consulta é enviada ao servidor BD relacional, processada no mesmo, e visualizada no PC do usuário (via browser ou através de uma licença do software) Principal vantagem: permitir a análise de enorme quantidade de dados. OLAP (Online Analytical Processing) MOLAP (Multidimensional Online Analitycal Processing) Acesso aos dados diretamente no BD multidimensional o usuário trabalha e manipula os dados do cubo diretamente no servidor, trazendo grandes benefícios quanto à performance. permite análises mais simples e rápidas. Limitação: tamanho (estrutura similar ao de uma planilha, com linhas e colunas). OLAP (Online Analytical Processing) HOLAP (Hybrid Online Analytical Processing) Combinação das ferramentas MOLAP e ROLAP, extraindo o que há de melhor de ambas.
Arquitetura completa, mas a mais cara de todas. DOLAP (Desktop Online Analytical Processing) e LOLAP (Local Online Analytical Processing) Processamento na máquina cliente (PC comum), Sem problemas de tráfego (rede) e escalabilidade Dispara uma instrução SQL da máquina cliente para o servidor e recebe o microcubo de volta para analise no PC. Desvantagem: o microcubo não pode ser muito grande.
Estudo de caso: Drogarias Araújo Quais foram os principais benefícios do projeto para a Drogaria Araújo? Estudo de caso: Drogarias Araújo Em 2000, ao adotar o conceito de drugstore, a Drogaria Araújo, que atua na região da Grande Belo Horizonte (MG), elevou rapidamente o número de itens produzidos de 6 mil para 18 mil. A empresa dispunha de um alto número de dados operacionais, mas era carente de informações gerenciais que permitissem a análise do negócio. Por isso resolveu implementar Data Marts, utilizando uma solução baseada em SQL Server 2000 com Analysis Service da Microsoft e desenvolvida pela attps Informática. Estudo de caso: Drogarias Araújo A Drogaria Araújo conta com uma rede de lojas que comercializa não apenas medicamentos e produtos de higiene e beleza, como também uma infinidade de artigos de conveniência jornal, pão, meias finas etc ,possuindo um volume de dados que cresce cerca de 3,5 GB por mês.
A empresa já havia desenvolvido um datawarehouse mas verificou que precisava urgentemente disponibilizar aos gerentes, de uma forma mais precisa e rápida, informações estratégicas para o diaadia do negócio, como a lucratividade de cada loja da rede e a participação de cada fornecedor no resultado de vendas. Estudo de caso: Drogarias Araújo A dificuldade de levantar esses dados fez com que a Araújo contatasse a attps Informática, empresa parceira que já havia ministrado treinamentos para a área de tecnologia da drogaria.
As duas realizaram o planejamento da plataforma de hardware e software necessários e voltaram seus esforços para converter dados para datawarehouse, preparando a carga para essa conversão. A partir daí, iniciouse um processo de Business Intelligence, com o desenvolvimento de uma solução de consultas analíticas flexível e adaptável às características do negócio, baseada no SQL Server 2000 e em seus recursos de Analysis Services, que resultou na implementação dos Data Marts nas áreas de Compra e Venda e na diretoria.
Estudo de caso: Drogarias Araújo Seis meses após o início do projeto a Drogaria Araújo passou a visualizar as vantagens da tecnologia e descobriu linhas de vendas que estavam crescendo. Outro benefício foi a depuração dos dados que permitiu à empresa descobrir erros no sistema de produção ainda não vistos, como por exemplo, algumas informações incorretas. Ou seja, indiretamente a solução provocou um acompanhamento maior da produção.
Com os Data Marts foi possível alocar melhor os recursos humanos por loja, de acordo com a freqüência de clientes em determinado horário. Outro grande resultado foi a possibilidade de medir as vendas da drogaria por produto, entender o porquê deste comportamento e poder encontrar uma nova alternativa para corrigir o problema. Estudo de caso: Drogarias Araújo Antes não era possível redirecionar as ações, cruzar informações e tomar decisões conscientes porque a empresa não tinha acesso fácil a todas as informações sobre compra e venda. Para emitir um relatório, por exemplo, eram necessários dois dias ou até uma semana. Atualmente, esse tipo de relatório é emitido em minutos e disponibilizado na intranet, por email ou onde for necessário para acesso dos interessados.
Estudo de caso: Drogarias Araújo Ao todo, a Drogaria Araújo investiu aproximadamente R$ 60 mil entre aquisição de hardware, software e consultoria. O segundo passo será implementar a solução na entrega em domicílio a fim de fazer uma análise de consumo e direcionar melhor as ofertas aos cerca de 200 mil clientes cadastrados neste serviço. Estudo de caso: Drogarias Araújo Fundada em 1903, a rede de drogarias Araújo é atualmente a maior rede de farmácias de Minas Gerais. É também uma das 80 maiores empresas do estado e a quarta maior rede de drogarias do Brasil. Com atuação restrita à grande Belo Horizonte, a rede possui 60 lojas todas automatizadas, inclusive seu depósito ,e 1.600 funcionários.
