Aplicação da tecnologia de Inteligência de Negócios (BI) para estudos quantitativos Curso de Inteligência Competitiva UnB Eng. Paulo A Baltazar Ramos baltazaramos@brturbo.com.br

Conteúdo Estudos quantitativos: aprendendo com os números O que é Inteligência de Negócio (BI) Quais são as tecnologias de BI Definido fatos e dimensões do meu negócio Como construo um data warehouse

Natureza da Informação A informação como a materialização do conhecimento (Paulo Baltazar) A informação pode ser um número, uma figura, um desenho, um símbolo, uma palavra, um texto, ou tudo junto. Os números estão para o gestor assim como as palavras estão para os escritores, as cores e formas para o artista e os desenhos para o engenheiro.

Métodos Quantitativos Aplicáveis à Gestão Quantificação, mensuração e análise de eventos de interesse da gestão. Exemplos Qualidade e produtividade de processos, segurança e risco de crédito, retorno de investimento, desempenho de projeto, satisfação de usuários, etc. Principais sub-áreas: Definição e coleta de dados Tratamento matemático e estatístico Métodos e modelos de análise Ferramentas e tecnologias da informação (BI)

Aprendendo com os números Realização de estudos e desenvolvimento de modelos corporativos de análise dos fenômenos econômicos, financeiros, de mercado e até tecnológicos A gestão é tempestiva e pró-ativa dos processos corporativos Monitoramento dos fatos e indicadores mais relevantes da Corporação convenientemente sintetizados em painéis de controle e relatórios executivos Investigações ad-hoc e estudos estatísticos e matemáticos sobre os fatos da corporação gerando um aprendizado contínuo

O que é Inteligência de Negócio BI São tecnologias e metodologias voltadas à identificação, à extração, ao tratamento, à análise e à disseminação de informações quantitativas (chamadas de fatos) sobre os principais processos e fenômenos de um determinado negócio, ramo de atividade ou corporação Dá as RESPOSTAS para as perguntas, estudos e investigações de gestores e especialistas ENSINA a analisar dados e informações

Porquê Inteligência de Negócio BI Disponibiliza PRONTAMENTE informações estratégicas e essenciais à tomada de decisão, INTELIGENTEMENTE agregadas e selecionadas do vasto universo de dados operacionais Interliga e estimula o trabalho dos especialistas e estudiosos formando uma REDE DE CONHECIMENTO FACILITA o trabalho do gestor de acompanhar e avaliar o desempenho de suas unidades alertando-o dos problemas

Quais são as tecnologias de BI Ferramenta OLAP Informações pré-formatadas Informações ad-hoc Data Warehouse Data Mining Pesquisa de padrões de comportamento Identificação de potencialidades Modelos preditivos SGBD, CASE, ETL, etc.

Vantagens da tecnologia de BI As soluções baseadas em tecnologia de business intelligence apresentam: resolução das dificuldade de acesso integrado aos dados, independente de origem (diversos sistemas, internos/externos etc) rapidez de implementação possibilidade de convivência com a maior parte das tecnologias legado utilizadas nos sistemas transacionais desenvolvimento a partir da situação tecnológica em que se encontra a Corporação liberdade para o equacionamento, de forma independente, da modernização dos sistemas operacionais convencionais características de padronização corporativa dos dados e da informação alto nível de prontidão e de acesso, não competindo com recursos tecnológicos alocados aos demais sistemas

Conceito de Armazém de Dados (Data Warehouse) É uma tecnologia adequada para consolidar grandes volumes de dados provenientes, sobretudo, de sistemas de informação transacionais sumarizando-os e estruturando-os para a consulta rápida e online Disponibiliza um conjunto de ferramentas e aplicativos que possibilita organizar e analisar com maior rapidez as informações estratégicas de uma organização Subsidia a realização de estudos, análises e a tomada de decisão É um processo dinâmico, não uma instalação estática

Geração de dados sem DW EIS clientes EIS vendas EIS produção Visão uni- dimensional EIS clientes EIS vendas EIS produção EIS cobrança Simulação da visão multidimensional Planilhas

Extração, Tratamento e Carga (ETL) Geração de dados com DW Relatórios EIS OLAP Data Mining Visão multi- dimensional BD clientes BD produção BD vendas BD cobrança Data Warehouse Extração, Tratamento e Carga (ETL) BD externos

O que são Fatos e Dimensões “Medidas sobre o negócio” “Objeto de curiosidade do usuário” “Aquilo que é o foco de atenção do usuário” Dimensões “Pontos de vista através dos quais os fatos poderiam ser analisados” “Perspectivas” Local (município, região, estado) Unidades administrativas CAE/CNAE e grandes setores Perfil do contribuinte (tipo, porte, idade, atividade, enquadramento, etc.) Tipo de tributo/receita Exemplo Valor das receitas ICMS (visto por)

Casos de uso, exemplo 1 Avaliação do desempenho das empresas do setor elétrico e do impacto do reajuste tarifário sobre o faturamento Tipo de texto: reportagem Autores: Estado de São Paulo e Economática Dados analisados/utilizados: faturamento (vendas brutas), lucro líquido, receita líquida, dívida financeira, preço da energia (percentual de reajuste), consumo de energia (percentual de variação), cotação do dólar - taxa de câmbio Período: 1o. Trimestre de 2003 e de 2004 Gráfico: de barra, valores (lucro, receita e dívida) comparativos 2003/04

Casos de uso, exemplo 2 Análise do universo das micro e pequenas empresas destacando sua participação no mercado de trabalho, na geração do PIB e no comércio exterior Tipo de texto: monografia Autor: Confederação Nacional do Comércio Dados analisados/utilizados: mão-de-obra empregada, no. de empresas, participação no PIB, volume exportado Dimensões de análise: região geográfica, setor de atividade, faixa de empregados, países Período: 2001

Casos de uso, exemplo 3 Previsão de comportamento da taxa de juros a partir da avaliação de macro-indicadores econômicos e opinião de especialistas Tipo de texto: reportagem Autor: O Estado de São Paulo Dados analisados/utilizados: IPCA (mensal e acumulado), cotação do dólar – taxa de câmbio, cotação do petróleo, meta de inflação Período: Mai/2003 a Mai/2004 Gráfico: de linha, IPCA (mensal e acumulado) e meta da inflação no período

Como construo um DW Fases do processo (ciclos de construção): Conceituação conduzida por especialistas no negócio Modelagem dimensional (lógica e física) conduzida por profissionais de TI (analistas modeladores, DBA) Implementação do DW conduzida por profissionais de TI (analistas, DBA, programadores) Validação e uso dos dados pelos especialistas e gestores do negócio

Como construo um DW Conceituação: 1º passo: definir as informações críticas do negócio (os números mais importantes) 2º passo: definir as visões ou diferentes perspectivas de análise dos números selecionados 3º passo: construir protótipos (leiaute) dos relatórios gerenciais que apresentarão os dados 4º passo: validar e documentar as definições das informações que comporão o DW

Como construo um DW Modelagem dimensional 1º passo: levantar os sistemas fontes 2º passo: analisar a estrutura de dados e os conceitos e representações dos dados 3º passo: gerar modelos básicos dos fatos e dimensões 4º passo: validar modelos básicos 5º passo: detalhar os modelos básicos definindo a estratégia de extração e carga

Como construo um DW Implementação e validação (etapas) Bibliografia Extração, limpeza, transformação e carga dos dados Codificação dos relatórios EIS e outros aplicativos de visualização e análise dos dados Validação dos dados Liberação dos dados e das aplicações para uso com o desenvolvimento de modelos de análise Bibliografia