TCC I - Versão 1.0 Lipie a. de a. Souza-15.05.2015-RevIsmael&Glivia

Centro Federal de Educao Tecnolgica de Minas GeraisDepartamento de Computao

Curso de Engenharia de Computao

Sistema Provedor de Inteligncia EmpresarialBaseados em Modelagem Multidimensional e

Processamento Analtico de Dados

Lipie Augusto de Alcntara Souza

Orientador: Prof. Ismael Santana SilvaCentro Federal de Educao Tecnolgica de Minas Gerais

Coorientadora: Profa. Glvia Anglica Rodrigues BarbosaCentro Federal de Educao Tecnolgica de Minas Gerais

Belo HorizonteJulho de 2015




Modelo cannico de trabalho monogrfico acadmicoem conformidade com as normas ABNT apresentado comunidade de usurios LATEX.

Orientador: Prof. Ismael Santana SilvaCentro Federal de Educao Tecnolgicade Minas Gerais

Coorientadora: Profa. Glvia Anglica Rodrigues Bar-bosaCentro Federal de Educao Tecnolgicade Minas Gerais


Curso de Engenharia de ComputaoBelo HorizonteJulho de 2015

i




Modelo cannico de trabalho monogrfico acadmicoem conformidade com as normas ABNT apresentado comunidade de usurios LATEX.

Trabalho aprovado. Belo Horizonte, 06 de julho de 2015

Prof. Ismael Santana SilvaOrientador

Profa. Glvia Anglica RodriguesBarbosa

Co-Orientadora


Curso de Engenharia de ComputaoBelo HorizonteJulho de 2015

ii

Lista de Figuras

Figura 1 Estrutura do Data Warehouse . . . . . . . . . . . . . . . . . . . . . . . 7Figura 2 Cubo de Dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13Figura 3 Fluxograma do Processo Metodolgico . . . . . . . . . . . . . . . . . . 16

iii

Lista de Quadros

Quadro 1 Conceitos importantes da modelagem multidimensional . . . . . . . . 12

iv

Lista de Abreviaturas e Siglas

DW Data Warehouse

BI Business Intelligence {Inteligncia de Negcio}

OLAP On-line Analytical Processing {Processamento Analtico de Dados}

DM Data Mart

SMD Sistema de Medio de Desempenho

RDBMS Relational Database Management System {Sistema de Gerenciamentode Banco de Dados Relacional}

ETL Extract, transform and load {Extrao, Transformao e Carregamento}

SAD Sistema de Apoio a Deciso

BSC Balanced Scoreboard {Balanceamento de Desempenho}

TI Tecnologia da Informao

v

Sumrio

1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.1 Motivao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21.2 Objetivo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31.3 Principais Contribuies . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

2 Fundamentao Terica . . . . . . . . . . . . . . . . . . . . . . . . . . . 52.1 Business Intelligence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52.2 Data Warehousing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

2.2.1 Estrututra de um Data Warehouse . . . . . . . . . . . . . . . . . 62.2.2 Data Mart . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72.2.3 Data Mining . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

2.3 Extrao, Transformao e Carregamento . . . . . . . . . . . . . . . . . . 82.3.1 Tecnologias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

2.4 Modelagem multidimensional com foco em BI . . . . . . . . . . . . . . . 102.5 Processamento Analtico de Dados . . . . . . . . . . . . . . . . . . . . . 11

3 Trabalhos Relacionados . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

4 Metodologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164.1 Definio das Mtricas e Indicadores . . . . . . . . . . . . . . . . . . . . 174.2 Modelagem, Extrao, e Adequao dos Dados . . . . . . . . . . . . . . . 174.3 Anlise e Apresentao dos Dados . . . . . . . . . . . . . . . . . . . . . . 17

Referncias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

vi

11 Introduo

A rpida dinmica do cenrio econmico mundial desafia as organizaes a seadequarem nova realidade de mercado, exigindo adaptaes cada vez mais rpidas nasprticas de gesto, bem como na tomada de decises estratgicas. A gesto inteligente dainformao fundamental para as organizaes tornarem-se competitivas e exige o desen-volvimento de aes acertadas direcionadas manuteno, reformulao e ao crescimentoda organizao. Nesse sentido, observa-se que, quanto melhor for a gesto estratgica dainformao, maior ser a chance da organizao manter-se rentvel (REZENDE, 2001).

A falta de estratgia e refinamento do conhecimento organizacional atravancaa agilidade e o sucesso dos negcios. Processos clssicos de anlise de dados, baseadosprincipalmente na apreciao direta dos dados pelo homem, no permitem a manipulaode uma rede volumosa de dados. Embora a tecnologia de banco de dados tenha nosproporcionado as ferramentas bsicas para armazenar e pesquisar com rapidez grandesconjuntos de dados, a questo de como ajudar o homem a entender e analisar essesconjuntos permanece um problema em aberto (REZENDE, 2001).

Santos (2000) afirma que "o tomador de decises necessita de informaes relevantes,mas, antes de tudo, precisa de dispositivos de filtros, pois est exposto a uma massa infinitade informaes irrelevantes, muitas delas, que ele mesmo solicitara". Para lidar com asupersaturao de dados, se faz necessria uma nova gerao de ferramentas inteligentesadequadas ao fluxo de informaes, motivaes do negcio e outras especificidades.

Alm de frisar a problemtica gerada pelo adensamento de dados, Singh (2001)alerta para a urgncia da implantao de tais dispositivos provedores de intelignciaempresarial:

Esperar no uma opo. medida que o tempo disponvel para tomadade decises torna-se cada vez mais curto, aqueles que no se dispemde meios proativos para analisar as informaes do negcio no serocapazes de competir. Com o contnuo aumento dos dados disponveis,o processo para localizar e extrair informaes teis fica cada vez maiscomplexo.

Embora muitas empresas ainda considerem o planejamento estratgico da infor-mao como uma tarefa intil, que consome tempo e no leva a resultados efetivos, narealidade, em muitas organizaes tem comprovado justamente o contrrio, saber planejar essencial para evitar gastos desnecessrios em recursos, tecnologia e em tempo dosprofissionais.

Captulo 1. Introduo 2

1.1 MotivaoA anlise e interpretao dos dados gerados pelos sistemas de informao uma

realidade para as organizaes pblicas e privadas. No setor pblico, a necessidade demodernizar a sua administrao, recorrendo s tecnologias de informao como ferramentacrucial para a sua concretizao surgiu das dificuldades em aceder em tempo til informao relevante por parte dos diversos rgos Navarro (1996). As solues de BusinessIntelligence (BI) so escolhas naturais para dar corpo importante transformao gerencialdestes setores, e so poderosas aliadas para essa urgente transio. Isto feito de formacientfica e organizada, utilizando ferramentas de gesto, entre as quais o BI, devem mostraraos governos que possvel melhorar de forma significativa e continuada os sistemas e amaneira de governar existentes at ento, objetivando sempre melhorias socioeconmicas.

Nessa linha de pensamento, Barquin (2008) atenta para a primordialidade de seadotar o BI na administrao Obama no seu primeiro mandato:

The Obama Administration will surely have to rely on tried-and-truebusiness intelligence to start peeling the onion on this broad range ofissues. Not that there is much of a chance of solving them all in any onepresidents term, but at least the analytic groundwork has to be startedthat will help us as a society make these decisions on an informed basis.There is no alternative to business intelligence.

No sentido de qualificar a governana surgiram instituies e empresas que buscamsistematizar dados e informaes vindas de diversos sistemas existentes, sociais e econ-micos, e outros a serem construdos. Para exemplificar esta evoluo, pode-se destacar aempresa B2T Business to Technology, cujo surgimento vem aliado a esta nova demandagovernamental. A atual carteira de clientes da empresa vai desde os Ministrios da Defesa,Fazenda e do Desenvolvimento, at mesmo grandes do setor privado como a BradescoPromotora e a Unimed Paulistana (B2T - BUSSINESS TO TECHNOLOGY, 2015).

No setor privado, especialmente em grandes corporaes, esta transio evidente,destacando-se tendncias de centralizao dos dados. A Coca-Cola, por exemplo, porser uma empresa de produo descentralizada, contou no decorrer de sua trajetria comdiversos sistemas de anlise das operaes e negcios, um para cada fbrica ou regio, emuitos deles baseados exclusivamente em planilhas de Excel. Entretanto, nenhum destesmtodos eram compatveis entre si, e impossibilitaram de certa forma, uma anlise maisacertada da empresa como um todo, bem sua organizao administrativa. Entre 2003 e2013, a Coca-Cola implementou um grande processo com o intuito de alterar esse cenrio.Este movimento foi considerado um grande salto de produtividade pelo vice-presidente deoperaes da empresa, que passou a contar, pela primeira vez, com um sistema centralizadode informaes gerenciais (BURNS, 2013).


Os Sistemas de Apoio a Deciso (SADs), produtos da aplicao de BusinessIntelligence, apresentam-se como ferramentas capazes de processar enormes quantidadesde informao de carcter complexo e at mesmo possuir a capacidade de sugerir umconjunto de alternativas mediante a opo por determinados critrios de otimizao. Oauxlio na tomada de deciso ainda mais notrio quando a acompanhar cada sugestoforem apresentadas as justificativas que a fundamentam. Uma tomada de deciso acertada,apresenta-se como um ponto fundamental na capacidade competitiva de uma organizao.Perante esta situao desejvel reunir toda informao relevante para ser possvel efetuaruma anlise ponderada e objetiva (TURBAN et al., 2006).

O BI, no entanto, no milagre. um conceito que abarca uma srie de ferramentasde tecnologia de informao que, utilizadas em conjunto ou em separado, potencializam acapacidade da pea mais importante desse ciclo: o homem. Nas ultimas dcadas, com osurgimento da era da informao e da Internet, e as expectativas em relao ao grandemontante de informaes produzidas e a nova economia, resultaram em uma revoluosem precedentes no mercado de trabalho. Diversas empresas investiram milhes emequipamentos e tecnologia, mas esqueceram da gesto do conhecimento e do capitalhumano. Com o BI, a gesto de pessoas passou a ser um ponto importante na engrenagemde um projeto de implementao porque por intermdio das pessoas e da informaoque a empresa adquire uma viso corporativa mais consistente (TURBAN et al., 2006).

1.2 ObjetivoO trabalho desenvolvido tem como objetivo a construo de um sistema provedor

de inteligncia empresarial, de forma a evidenciar todas as atividades necessrias paraa especificao, o desenvolvimento, e a implantao deste sistema. A fonte de dados, econsequentemente o objeto de estudo do sistema a ser apresentado, so provenientes dosetor de Gerencia de Tecnologia da Informao Amrica Latina de uma multinacionalbrasileira do setor de construo civil.

Nesse mbito, este estudo tem como propsito geral a implementao de ferramentasde Business Intelligence para a rea da Gerncia da Tecnologia da Informao exercersua funo de apoio junto ao processo decisrio. A inteno proporcionar esta rea daempresa objeto do estudo, a estruturao de diversos controles que antes no existiam, oacompanhamento apropriado do desempenho das reas, o provimento de informaes emtempo real aos gestores da empresa.

IsmaelRealcefalar que um "sistema de apoio a deciso" que termo clssico.

IsmaelRealceexecutar

IsmaelRealceretirar "no ento no milagre"

IsmaelRealce

IsmaelNotaRever na referncia se a relao entre BI e a gesto pessoas da maneira que foi descrita. No vejo uma relao to grande.

IsmaelRealceTempo PRXIMO ao real

IsmaelRealceretirar

GliviaRealceTROCAR PARAesse estudo relevante porque apresenta ferramentas de ...


1.3 Principais ContribuiesO contexto empresarial inclui uma rede de entidades cujas aes representam os

parmetros ambientais que, por sua vez, influenciam ou desenham a forma de atuaodas organizaes, criando um ciclo que passa a demandar dos administradores habilidadesespecficas para remodelar as suas atividades, de forma a reposicionar a organizao frenteao seu meio, sempre que a preservao de seus objetivos reivindicar essa postura.

Tais parmetros podem ter as mais variadas motivaes econmicas, polticas,sociais e tecnolgicas (WRIGHT et al., 2000). Este estudo de caso ressalta entretanto,apenas as de natureza econmica e tecnolgica devido influncia que exercem nasorganizaes. As variveis econmicas so um dos aspectos decisivos para o nvel dedesenvolvimento das organizaes, pois conjunturas econmicas slidas ou frgeis podemagir como fatores que encorajam ou impossibilitam a atuao e prosperidade dos negciose por essa razo, convertem-se em autnticos indicadores de prioridades para a empresa(HALL, 1984).

As aplicaes de BI podem provisionar uma avaliao sistmica do negcio e ajudaro direcionamento e diviso uniforme dos dados entre os usurios, sendo sua finalidadeprincipal transformar grandes quantidades de dados em informaes de qualidade para atomada de decises. Atravs delas, possvel entrecruzar dados, apresentar informaesem diferentes dimenses e analisar os principais indicadores de desempenho organizacional(BATISTA, 2013). Essa facilidade, considerando-se as propriedades dessas ferramentas,pode contribuir de modo direto para as funes da rea de controladoria na extrao,anlise e apresentao do recurso informao aos gestores, alm de permitir a esse setoruma contnua auditoria das atividades da empresa como um todo.

A partir desses instrumentos de BI que auxiliam a obteno e a apresentao dorecurso informao aos usurios, a empresa pode ter adaptabilidade e versatilidade emseus procedimentos, podendo at mesmo eliminar vrias de suas deficincias e dispor umclima favorvel ao seu sucessivo desenvolvimento e ao seu pleno controle organizacional.

IsmaelNotaAlm de tornar possvel a anlise e tendncias, como por exemplo, os usurio abrirem uma grande quantidade de chamados para um mesmo tipo de servio.

GliviaNotaCITAR UMA REFERENCIA

Eh uma afirmao muito forte, pode ter sido com suas palavras, mas vc obteve esse conhecimento a partir de definicoes previas. Entao tem sempre que referenciar

52 Fundamentao Terica

...incluir texto

2.1 Business Intelligence

2.2 Data WarehousingA teoria de banco de dados, bem como os bancos de dados j esto disponveis a

bastante tempo. No inicio os dados ficavam concentrados em um nico banco de dados queatendia tanto ao processamento de transaes (sistema operacional), que era predominante,e processamento analtico (sistema informacional) (SINGH, 2001).

Segundo Haisten (1999), a origem do Data Warehouse vem dos estudos do MIT(Massachusetts Institute of Technology) nos anos 70 que focava o desenvolvimento de umaarquitetura tcnica mais eficiente para sistemas de informao. Pela primeira vez foi feitauma distino entre sistemas operacionais e aplicaes analticas e surgiu o princpio deseparar esses dois tipos de processamento em projetos e bancos de dados diferentes.

Para Ballard e Herrreman (1998) e Teresko (1999), o conceito de Data Warehousingsurgiu no incio dos anos 80 quando os sistemas gerenciadores de bancos de dados (SGBD)emergiram como produtos comerciais com facilidades para a computao de apoio deciso.Teresko (1999) comenta que Bill Immon, observou que estes repositrios de informaopoderiam ser organizados em um bem corporativo que ele chamou de Data Warehousee por causa disso Immon considerado o "pai do Data Warehouse". No incio, o DWconsistia de instantneos, ou subconjunto dos dados operacionais que eram carregados embancos de dados de apoio deciso em perodos regulares que costumavam ser semanaisou mensais (BALLARD; HERRREMAN, 1998).

Devlin e Murphy (1988 apud HAISTEN, 1999), ambos da IBM, passaram a cuidardo problema da integrao e introduziram o termo "armazm de informao"(InformationWarehouse) e o definiram como um "ambiente estruturado suportando usurios finais nogerenciamento do negcio completo e responsabilizando o departamento de TI (Tecnologiada Informao) garantia de qualidade dos dados". Nessa mesma poca a IBM passou atratar de um problema relacionado ao gerenciamento da informao que era a proliferaodos RDBMSs. As empresas passaram a enfrentar a difcil tarefa de integrar dados demuitos sistemas separados (HAISTEN, 1999).

IsmaelRealce

Captulo 2. Fundamentao Terica 6

2.2.1 Estrututra de um Data Warehouse

Os data warehouses possuem estruturas distintas. H diferentes nveis de sumariza-o e detalhe que descrevem o DW. A Figura 1 mostra os diversos componentes do datawarehouse (ALDEMAN; MOSS, 2000):

Dados Atuais - Os dados atuais so, sem dvidas, os que exigem mais ateno, poiseles refletem os acontecimentos mais recentes, sempre de grande interesse. Sovolumosos porque esto armazenados no menor nvel de granularidade. Geralmenteso armazenados em disco, o que facilita o acesso e torna o gerenciamento complexoe caro.

Dados Antigos - Os dados antigos so geralmente acessados com menor frequncia earmazenados em um nvel de detalhe consistente com o detalhe dos dados atuais.Embora no seja imprescindvel o armazenamento em um meio alternativo, devidoao grande volume de dados conjugado ao raro acesso, o meio de armazenamentopara dados antigos usualmente removvel, tal como uma biblioteca de fitas.

Dados Sumarizados - H dois tipos de dados sumarizados, conforme a necessidade deprocessamento e armazenagem. Eles so:

Dados ligeiramente sumarizados: so encontratos no nvel atual de detalhe,extrados do nvel mais baixo. Esse nvel do data warehouse quase semprearmazenado em disco.

Dados altamente sumarizados - so compactos e de fcil acesso. s vezes osdados altamente sumarizados so encontrados dentro do ambiente do datawarehouse e s vezes em um ambiente externo ao da tecnologia que abriga odata warehouse. (Em qualquer dos casos, os dados altamente sumarizados fazemparte do DW independente de onde residam.)

A granularidade afeta diretamente no volume de dados armazenados, na velocidadedas consultas e no nvel de detalhamento das informaes do DW. Quanto maior for odetalhamento, maior ser a flexibilidade para se obter respostas. Porm, maior ser ovolume e menor a velocidade das consultas. J quanto menor for o detalhamento, menorser o volume, maior a sumarizao dos dados e melhor ser a performance. Entretanto,menor ser a abrangncia, ou seja, maior ser as restries das consultas s informaes.

Note que nem todas as sumarizaes realizadas so armazenadas no DW. Havermuitas ocasies em que a anlise ser feita e um tipo ou outro de sumrio ser produzido.Somente a sumarizao de dados usados com frequncia permanentemente armazenadano DW. Em outras palavras, se voc produzir um resultado sumarizado que provavelmente


Figura 1 Estrutura do Data Warehouse

no reutilizar, a sumarizao no ser armazenada no data warehouse (ALDEMAN;MOSS, 2000).

Metadado: Este o componente mais importante do data warehouse. O metadado contmdados sobre os dados. Sob muitos aspectos o metadado situa-se em uma dimensodiferente de outros dados do DW porque seus dados no so retirados diretamentedo ambiente operacional. Em uma implementao tpica, a aplicao do DW estacoplada ao warehouse via metadado, permitindo que as mudanas feitas no DWsejam refletidas imediatamente na aplicao do usurio final de acesso aos dados.Por exemplo, se uma corporao se reestrutura e elimina um nvel gerencial, logo queos dados correspondentes nova hierarquia organizacional so adicionados ao DWa aplicao deve reconfigurar-se usando o metadado para refletir a nova hierarquia(ALDEMAN; MOSS, 2000).

2.2.2 Data Mart

[FALTOU] - Prxima entrega

2.2.3 Data Mining

[FALTOU] - Prxima entrega

GliviaRealceEsta em atraso em 2 entregas j, neh?Favor incluir na prxima verso


2.3 Extrao, Transformao e CarregamentoUm processo ETL (Extract, Tranform and Load) fundamental em um data

warehouse. Um sistema ETL bem desenhado extrai a informao dos sistemas fontes,refora a sua qualidade e a consistncia da informao, normaliza os dados num formatopronto para apresentao de tal forma que os programadores da aplicao possam construiraplicaes e utilizadores finais possam tomar decises(KIMBALL; CASERTA, 2004).

O sistema ETL adiciona um valor significante aos dados do data warehouse e no sum meio de transferncia de informao. De forma mais especfica o sistema ETL tem comoobjetivos: remover os erros e corrigir dados em falta; disponibilizar medidas de confiananos dados; capturar o fluxo de dados transacionais para salvaguardo; ajustar informaode mltiplas fontes de forma a poder ser usada em conjunto; disponibilizar estruturasde dados utilizveis por meio meio de ferramentas de explorao dos dados(KIMBALL;CASERTA, 2004).

Cada passo do processo de ETL tem diferentes objetivos. A fase de extrao incluide forma geral:

Ler o modelo e dados de origem;

Conectar-se e extrair os dados;

Agendar a extrao de dados do sistema fonte;

Detectar a atualizao de dados;

Colocar os dados extrados numa rea de staging.

A rea de staging armazena os dados que esto a caminho da rea de apresentaofinal do DW. A deciso de colocar ou no os dados numa rea de staging, a cada etapadepende, do ambiente e dos requisitos do negcio. Na maior parte dos casos, existe pelomenos uma rea de staging no processo de ETL de um DW (KIMBALL; CASERTA,2004).

Um dos aspectos mais complexos das tarefas descritas acima a deteco daalterao dos dados. Tipicamente em um DW ir ocorrer um carregamento inicialde todos os dados do sistema fonte a um determinado ponto do tempo. Depois dessecarregamento ocorrer, no eficiente reprocessar dados que j foram carregados e noforam alterados. Desta forma, o processamento total dos dados do sistema fonte umatarefa com custo muito elevado e, geralmente, no considerado na maior parte dossistemas de BI. Uma soluo para contornar este problema deteco de atualizaodos dados. Este mecanismo permite detectar quais registros foram alterados desde oltimo carregamento de forma a processar exclusivamente estes registros. Algumas das


possibilidades de implementao de um mecanismo de deteco de alterao dos dadosincluem a implementao de gatilhos (triggers) no sistema fonte, ou at mesmo, processosde eliminao (comparar as tabelas atuais com as ltimas tabelas carregadas)(KIMBALL;CASERTA, 2004).

A fase de transformao envolve, principalmente, tarefas de limpeza e normaliza-o dos dados, as principais tarefas correspondentes so:

Restries da estrutura;

Restries das regras de dados e valores;

Normalizar os contedos das dimenses;

Normalizar as mtricas e indicadores (das tabelas "fato");

Eliminar redundncia;

Colocar os dados transformados numa rea de staging.

Por ltimo a fase de carregamento envolve, na maior parte dos casos, as seguintestarefas:

Comparar os dados atualizados com os dados existentes nas slowly changing dimen-sions1 (SCDs);

Comparar os dados atualizados com os dados existentes nas tabelas fatos;

Inserir dados novos nos fatos;

Atualizar dados j existentes nos fatos;

Cruzar as dimenses e tabelas de staging de fatos de forma a carregar as chavesprimarias nas chaves estrangeiras das tabelas fato;

Carregar e atualizar as tabelas fato agregadas2;

Colocar os dados transformados numa rea de staging.

Uma das mais-valias possveis da utilizao das reas de staging citadas acima, a recuperao de dados. Na maior parte dos ambientes empresariais uma boa prtica1 Termo utilizado em teorias de Data Warehousing para grupos de dados lgicos como informaes de

produtos, clientes, etc que mudam lentamente ao longo do tempo.2 Tabelas fato agregadas so um complemento para as tabelas fato detalhadas relacionadas aos processos

de negcio, so constituidas de regras de negcio a serem atendidas e no em informaes operacionaisda organizao.


guardar dados numa staging logo seguir a sua extrao do sistema fonte e a seguir a cadatransformao significante dos dados. Em reas de staging, quer em uma base ou em umsistema de arquivos, servem como pontos de recuperao. Implementados essas tabelas, oprocesso no ter que consultar o sistema fonte novamente se uma transformao falhar.

2.3.1 Tecnologias

[FASE POSTERIOR] Falar um pouco sobre as tecnologias.. (mas somente quandocomear a implementao de fato, pois estarei apto a falar mais tecnicamente sobre estastecnologias..)

2.4 Modelagem multidimensional com foco em BIA natureza do uso de bancos de dados multidimensionais torna sua modelagem

distinta daquela utilizada para sistemas transacionais 3. Neste ltimo aplicamos tcnicasde normalizao a fim de obter o desempenho desejado ao reduzir o nmero de tabelasem junes. No modelo multidimensional, deixamos de focar a coleta de dados para nosocuparmos com a consulta aos dados. Essa uma mudana radical de foco. Observe queo modelo multidimensional usado em sistemas cujas bases de dados so atualizadasperiodicamente e em horrios pr-agendados, pois tradicionalmente sistemas de BI norequerem mais de uma atualizao por dia. Alm disso, a modelagem importante, poisimportam-se transaes que foram coletadas e armazenadas por outros sistemas, e porisso precisam ser readequados (SINGH, 2001).

Um Data Warehouse construdo definindo um modelo de dados empresarial,apresentando as principais entidades e seus relacionamentos. Mesmo que o preenchimentode todas as entidades no seja feito de forma simultnea, o relacionamento entre elas jestar definido, facilitando posteriormente o cruzamento de informaes entre as reasde interesse. Neste modelo a apresentao de resultados aos usurios levar mais tempo,pois a prioridade est em definir todos os relacionamentos, para depois montar os DataMarts com os dados relevantes para cada departamento. Portanto, a diferena entre umDM e um DW so apenas em relao ao tamanho e ao escopo do problema a ser resolvido.As definies dos problemas e os requisitos de dados so essencialmente os mesmos paraambos (ALDEMAN; MOSS, 2000).

Os Data Marts atendem s necessidades de unidades especficas de negcios, ao invsdo interesse da corporao como um todo. Eles otimizam o fornecimento de informaesde suporte decises, focando nos interesses particulares do departamento. A utilizao3 So aqueles que, como o nome sugere, baseiam-se em transaes. Os sistemas transacionais se

caracterizam pela alta taxa de atualizao, grandes volumes de dados e acessos pontuais, ou seja,pesquisas cujo resultado seja de pequeno volume (NARDI, 2007).

IsmaelRealceBancos de Dados


do DM foi uma escolha natural para o desenvolvimento deste trabalho, tendo em vistaos dados analisados so provenientes do Service Desk do setor de TI com o intuito degerar indicadores de interesse prprio. Atentando para a diferena entre um DW e um DMque se limita simplesmente ao escopo do problema, e adicionalmente, como a literaturadisponvel na comunidade acadmica, na sua grande maioria foca no DW, a sesso 2.1deste trabalho dedicada a este conceito.

2.5 Processamento Analtico de DadosCom o propsito de simplificar e otimizar o processo de consulta, os dados devem

ser mantidos de forma a ser possvel dar respostas rpidas as necessidades dos usurios.As ferramentas de anlise e apresentao dos dados OLAP (Online Analytical Processing)so importantes aliados para melhorar a organizao da informao e consequentementeauxiliar diretamente a tomada de decises estratgicas.

necessrio tambm disponibilizar os meios necessrios para visualizao doscontedos. Geralmente a informao apresentada sobre a forma de relatrios (grficos,tabelas, quadros e imagens) ou balanced scorecards4 que tm como objetivo traduzir asmisses e estratgias da organizao de forma a monitorar o desempenho face a essesobjetivos. nesta etapa que surgem os sistemas de apoio a deciso (SAD)(THOMSEN,2002).

As ferramentas OLAP so popularmente conhecidas como cubo de dados em funoda aluso feita ao "cubo mgico", utilizado para demonstrar fisicamente a modelagemdimensional. As estruturas multidimensionais tiram proveito de relaes inerentes aosdados, para modelar dados em matrizes multidimensionais nomeadas cubos de dados.Porm, o nmero de dimenses, quando maior que trs, sugere um hipercubo. Como aconstruo grfica de um hipercubo difcil, a literatura utiliza geralmente como refernciaapenas o cubo (KONCILIA; WREMBEL, 2006).

A Figura 2 apresenta um exemplo do cubo de dados descrevendo uma modelagemtridimensional de fatos.

A viso multidimensional consiste de consultas que fornecem dados a respeito demedidas de desempenho, decompostas por uma ou mais dimenses dessas medidas. Podendoat ser filtradas pela dimenso e/ou pelo valor da medida. As vises multidimensionaisfornecem as tcnicas bsicas para clculo e anlises requeridos pelas aplicaes de BI. Parase obter a viso multidimensional necessrio compreender algumas caractersticas. OQuadro 1 descreve estas propriedades.4 Balanced Scorecard (BSC) uma metodologia de medio e gesto de desempenho desenvolvida pelos

professores da Harvard Business School (HBS) Robert Kaplan e David Norton, em 1992. O principalobjetivo do BSC o alinhamento do planejamento estratgico com as aes operacionais da empresa(KAPLAN; NORTON, 2007).

IsmaelRealce

IsmaelRealcemelhorar a visualizaro comparativa dos dados

IsmaelRealceretirar a palavra mgico

IsmaelRealceos dados so mantidos de forma a possibilitar respostas rpidas as necessidades dos usurios.

IsmaelNotaPor sua vez, as [...]

IsmaelNotaO fluxo do texto no est bom. Voc fala de uma coisa, muda para outra sem fazer um link e depois volta em um assunto que j havia falado.Tente colocar na primeira frase um resumo do que ser falando no pargrafo, em seguida evolua e detalhe o assunto, no fim do pargrafo (ou no incio do prximo) faa um link entre o assunto atual e o que vir. Sugesto, alterar o fluxo do texto:Com o propsito de simplificar [..]necessidades dos usurios.

Contudo, necessrio tambm disponibilizar os meios necessrios para visualizao dos [..] sistemas de apoio a deciso (SAD)(THOMSEN,2002).

As ferramentas OLAP SO UM EXEMPLO DE SAD, ESSAS FERRAMENTAS PROVEM A anlise e apresentao dos dados [...] de decises estratgicas.

As ferramentas OLAP so popularmente conhecidas como cubo [...]

IsmaelNotaExplicar a figura.


Quadro 1 Conceitos importantes da modelagem multidimensionalConceito Descrio

Fonte de Dados Uma fonte de dados a origem de todos os dados queesto contidos em um cubo OLAP. Um cubo OLAPconecta-se a uma fonte de dados para ler e processardados brutos a fim de executar agregaes e clculospara as medidas associadas. A fonte de dados de todosos cubos OLAP so os datamarts.

Cubos OLAP Um cubo OLAP uma estrutura de dados que supera li-mitaes de bancos de dados relacionais, proporcionandorpida anlise de dados. Os cubos OLAP podem exibir esomar grandes volumes de dados, embora tambm forne-am aos usurios acesso pesquisvel a quaisquer pontosde dados, para que os dados possam ser acumulados,decompostos e analisados, conforme a necessidade paratratar da maior variedade de questes relevantes reade interesse do usurio.

Dimenses As dimenses permitem filtrar, agrupar e rotular os dados.Por exemplo, voc pode filtrar computadores por sistemaoperacional instalado e agrupar pessoas em categoriaspor sexo ou idade. Em seguida, os dados podem serapresentados em um formato no qual so classificadosnaturalmente por essas hierarquias e categorias, parapermitir uma anlise mais aprofundada. As dimensestambm possuem hierarquias naturais para permitir queos usurios faam drill down em nveis mais detalhados.Por exemplo, a dimenso Data possui uma hierarquia quepode ser detalhada sucessivamente por Ano, Trimestre,Ms, Semana e Dia.

Grupo de Medidas Um grupo de medidas tem o mesmo conceito que um fatoem uma terminologia de data warehouse. Assim comofatos contm medidas numricas em um data warehouse,um grupo de medidas contm medidas para um cuboOLAP. Todas as medidas em um cubo OLAP derivadasde uma nica tabela de fatos em uma exibio de fonte dedados tambm podem ser consideradas como um grupode medidas. Pode haver ocasies, entretanto, em quehaver vrias tabelas de fatos das quais se derivam asmedidas em um cubo OLAP.

Fonte: Microsoft (2014)

IsmaelRealce

IsmaelRealceDefinio estranha, porque somente data marts? Pesquise sobre ROLAP, MOLAP e HOLAP.


Figura 2 Cubo de Dados

IsmaelRealceFonte: prprio autor

14

3 Trabalhos Relacionados

Existe uma grande variedade trabalhos acadmicos publicados que referenciam ouaprofundam o conceito de BI, inclusive muitos deles, assim com este trabalho, tambmutilizam ferramentas de DW/DM e OLAP para modelar, processar e apresentar os dadosem estudo. Entretanto, as informaes analisadas so de forma majoritria, ligadas produo, operao, marketing e vendas, quando se tratam de empresas, que o caso dostrabalhos publicados por Fortulan (2006) e Dias (2013) e indicadores sociais no caso deorganizaes governamentais, como em Combs (2009) e Marques (2011). O objeto de estudodo trabalho aqui proposto, por outro lado, tem foco na demanda por servios internos empresa, isto , no fluxo de solicitaes entre diversos setores da mesma corporao deforma a traar um diagnstico deste relacionamento intersetorial.

Dentre os trabalhos anlogos publicados pela comunidade acadmica lusfona, pode-se destacar dois estudos de caso de grandes empresas: Dias (2013) foca na sensibilizao daorganizao em estudo para obter uma melhor eficincia de compras junto aos fornecedoresde forma a evitar rupturas e excessos de estoque. Fortulan (2006) foca na construo deum Sistema de Medio de Desempenho (SMD) a partir dos dados histricos do cho-de-fbrica de uma empresa de manufatura. importante salientar que ambos os trabalhosdescrevem um grande interesse das empresas na implementao destes sistemas de BI,frente a uma necessidade constante e macia de relatrios demandadas por diversas reasdessas empresas que sobrecarregam seus setores de TI. Os profissionais desse setor aplicamboa parte de seu tempo no desenvolvimento, customizao e validao de relatrios paraatender a solicitaes das outras, que eram usados, muitas vezes, para uma nica decisoou simplesmente para a averiguao de determinadas situaes pontuais.

Como consequncia, a TI no pode atender a demanda de todas as outras reas,estimulando-as com isso, indiretamente, a criao de um armazm de inteligncia para usoprprio e para resoluo de demandas externas. Estas reas esto repletas de especialistasque tem como funo garimpar os dados nos vrios sistemas da empresa e integr-los eformat-los, usando-se, para tanto, planilhas eletrnicas de dados. Como ilustrao, aempresa avaliada por Dias (2013), em seu departamento de vendas, somando-se todasas horas de garimpagem de dados, aplicava o tempo equivalente ao trabalho de pelomenos duas pessoas nessa atividade. Esses dados eram retirados do sistema de forma nointegrada, formando vrias ilhas de informaes, que nem sempre eram relacionados entresi, causando uma grande desconfiana dos usurios acerca da qualidade das conclusesretiradas (FORTULAN, 2006), (DIAS, 2013).

Estes trabalhos utilizam a modelagem multidimensional dos dados para estruturara base de informaes. O Data Warehouse foi uma escolha natural, pois tratam-se dados

Captulo 3. Trabalhos Relacionados 15

provenientes de diferentes setores da mesma empresa, e portanto de sistemas ou basesdistintas, o que caracteriza o conceito de DW. Em contrapartida, neste trabalho, a escolhabvia para estruturao dos dados foi a elaborao de uma base de Data Mart, pois sousufrudos dados exclusivos do setor de Tecnologia da Informao.

Aps uma anlise criteriosa acerca da concluso dos trabalhos relacionados, pode-sedestacar uma certa preocupao para garantir a qualidade dos dados. Dados sem qualidadegeram informaes distorcidas e conduzem a tomadas de decises equivocadas. Isto podecolocar a rea de uma empresa em risco, ou at mesmo a organizao como um todo.Outro aspecto discutido a importncia da anlise do negcio da organizao, de forma adefinir um conjunto de indicadores capazes de medir o desempenho sob vrias perspetivas:financeira, clientes, processos internos e crescimento e aprendizagem. A identificao deindicadores exige que a organizao estabelea as bases para que o objetivo estratgicoseja alcanado. Assim, deve definir as metas ou resultados que pretende atingir e quais asiniciativas estratgicas a implementar.

Na literatura internacional existem uma infinidade de pesquisas, artigos e trabalhosrelacionados a aplicao de BI com a utilizao de DW/DM e OLAP, a maioria deles decunho prtico, como em Kumar (2014) e Mohammed et al. (2012). As reas de estudoso as mais variadas: existem aplicaes em hospitais, ONGs, corporaes, instituiespblicas, etc, como em Paterson (2003). A maioria destes trabalhos focam no desempenhoorganizacional, que a mesma "grande rea"de estudo deste trabalho.

IsmaelRealce comum utilizar a abreviatura em latim: "e.g., " que significa por exemplo.

16

4 Metodologia

A metodologia composta por trs etapas e seus elementos compreendem desdea mobilizao dos stakeholders at a disponibilizao da informao refinada para osusurios finais. Para que tal procedimento seja executado de forma eficiente e gere umasoluo de qualidade, bem estruturada e definitiva, faz-se uso de tcnicas de refinamento,adequao e apresentao dos dados, que so comumente armazenadas em banco de dadosrelacionais (Relational Database Management System (RDBMS)). Tecnologias e processoscomo a Extract, transform and load (ETL), Data Warehouse/Data Mart e o On-lineAnalytical Processing, permitem a construo de uma soluo robusta, eficiente e definitivada apresentao de indicadores gerenciais, adotando tcnicas de filtragem e modelagem daestrutura de dados relacionando-as diretamente aos ndices aos quais se pretende obter.

Os dados foram extrados de tabelas relacionais contendo informaes das so-licitaes de servios dos setores de Tecnologia da Informao, Recursos Humanos eSuperintendncia da multinacional em estudo. Estas tabelas armazenam todo tipo de soli-citao interna e, portanto molda analiticamente o fluxo de demandas interorganizacionaisda controladoria desta empresa. Os dados compreendem todos os chamados abertos entreo perodo de Janeiro de 2012 a Janeiro de 2015.

A figura 3 apresenta o fluxograma da metodologia adotada. Em seguida, os passosprevistos sero detalhados.

Figura 3 Fluxograma do Processo Metodolgico

IsmaelRealce"F" maisculo

Captulo 4. Metodologia 17

4.1 Definio das Mtricas e IndicadoresA identificao das mtricas e indicadores uma fase vital do procedimento

metodolgico. Nesta parte so definidas as informaes que devem ser extradas dos dadosbrutos e que sero relevantes para o processo de tomada de deciso. O levantamento detais elementos deve ser feito na primeira etapa tendo em vista que so pr-requisitosnecessrios para a fase de adequao dos dados, alm de evitar que o sistema j nasadefasado. As partes interessadas definem o que querem analisar, sempre do ponto de vistados tomadores de deciso da instituio e nunca operacionais.

4.2 Modelagem, Extrao, e Adequao dos DadosAo considerar a quantidade de dados brutos e as bases de clculos para gerar os

indicadores pr-definidos, torna-se fundamental a utilizao de tecnologias de banco dedados para armazenamento e tratamento de dados, com a finalidade de gerar informaesprecisas, confiveis e no momento certo aos tomadores de deciso. O fundamental entenderque os dados precisam ser estruturados de forma diferente do que ocorre nos sistemastransacionais.

Os dados armazenados em um DM/DW so otimizados para a recuperao atravsdo processamento analtico e devem ser modelados de forma a apresentar os dados em umaestrutura padronizada que permita alto desempenho de acesso. A adoo de um modelomultidimensional faz com que os dados compostos de cubos e dimenses que podem sernomeadas e estendidas para oferecer suporte a construes de consultas complexas. Osdados provenientes de vrios sistemas de banco de dados podem conter redundncias deelementos e informaes que so inteis para obteno dos indicadores preestabelecidos,ento antes de pass-los para o DM pode ser necessrio tratar os dados, executandoaes de filtragem e posteriormente adequ-los nova estrutura de dados. Este processo denominado de Extrao, Transformao e Carga (ETL).

4.3 Anlise e Apresentao dos DadosAs empresas, em sua grande maioria, geram dados em sua forma bruta com

baixo poder informacional, em planilhas eletrnicas, sistemas de informao com focooperacional e transacional que pouco ajudam no gerenciamento do processo produtivo,e, por isso, precisam ser tratados e interpretados para que se possa extrair informaesrelevantes. No mercado, existem diversas ferramentas comerciais especficas para estafinalidade que so fornecidas por empresas como Microsoft e Oracle, que possibilitam agerao dos chamados SAD (Sistemas de Apoio Deciso) ou BI.

IsmaelRealceAlterar para: dados organizados em dimenses e tabelas fatos passam ser [...]

Dados no so compostos de cubos. feita uma analogia do modelo com um cubo nas ferramentas de OLAP.

IsmaelNotaFalar como ser feita a anlise de dados. Exemplo: ser utilizada uma ferramenta OLAP para que o usurio anlise os dados a partir da criao de grfio e relatrios.

18

Referncias

ALDEMAN, S.; MOSS, L. T. Data Warehouse Project Management. 1a. ed. [S.l.]:Addison-Wesley, 2000. Citado 3 vezes nas pginas 6, 7 e 10.

B2T - BUSSINESS TO TECHNOLOGY. Parceiros. 2015. Disponvel em: . Acesso em: 15 de abril de 2015. Citado na pgina 2.

BALLARD, C.; HERRREMAN, D. Data Modeling Techniques for Data Wa-rehousing. 1998. IBM, International Technical Suport Organization. Disponvel em:. Acesso em: 29 de Abrilde 2015. Citado na pgina 5.

BARQUIN, R. C. Business intelligence in the new administration: Ramon barquinexplains why the obama administration will have to rely on tried-and-true businessintelligence. 2008. Disponvel em: . Acesso em: 26 de maro de2015. Citado na pgina 2.

BATISTA, E. d. O. Sistemas de informao: o uso consciente da tecnologia para ogerenciamento. 2. ed. [S.l.]: Saraiva, 2013. Citado na pgina 4.

BURNS, E. Coca-Cola overcomes challenges to seize BI opportuni-ties: The coca-cola co. understands that analytics challenges can be over-come and that a team approach helps businesses take advantage of bi oppor-tunities. 2013. Disponvel em: . Acesso em: 26 de marode 2015. Citado na pgina 2.

COMBS, S. Business intelligence for government transparency: where the money goes:the transparency and spending strategies adopted by the state of texas could serve astemplates for other government initiatives. Government Finance Review, CengageLearning, Inc., v. 25, p. 55, 2009. Citado na pgina 14.

DEVLIN, B. A.; MURPHY, P. T. An architecture for a business and information systems.IBM System Journal, v. 27, n. 1, 1988. Citado na pgina 5.

DIAS, A. D. F. Sistema de apoio deciso com base em Business Intelligence eData Warehouse na OCP Portugal Produtos Farmacuticos, SA. Dissertaode Mestrado, Faculdade de Engenharia da Universidade do Porto, 2013. Citado na pgina14.

FORTULAN, M. R. O uso de Business Intelligence para gerar indicadores dedesempenho no cho-de-fbrica: uma proposta de aplicao em uma empresa demanufatura. Tese de Doutorado, Faculdade de Engenharia de So Carlos - Universidadede So Paulo, 2006. Citado na pgina 14.

HAISTEN, M. The Real-Time Data Warehouse: The next stage in data warehouseevolution, part 1. 1999. Disponvel em: . Acesso em: 29 de Abril de 2015. Citado na pgina 5.

Referncias 19

HALL, R. Organizaes, estrutura e processos. 3. ed. [S.l.]: Prentice-Hall, 1984.Citado na pgina 4.

KAPLAN, R. S.; NORTON, D. P. Using the Balanced Scorecard as a StrategicManagement System. Harvard Business Review, 2007. Disponvel em: . Acessoem: 12 de maio de 2015. Citado na pgina 11.

KIMBALL, R.; CASERTA, J. Data Warehouse ETL Toolkit: Practical techniques forextracting, cleaning, conforming, and delivering data. 1. ed. [S.l.]: Wiley, John and Sons,Incorporated, 2004. Citado 2 vezes nas pginas 8 e 9.

KONCILIA, C.; WREMBEL, R.Data Warehouses and OLAP: Concepts, architecturesand solutions. 1. ed. [S.l.]: IGI Global, 2006. Citado na pgina 11.

KUMAR, M. Data warehouse in e-governance. International Journal of EngineeringSciences and Research Technology, v. 3, p. 17681770, 2014. Citado na pgina 15.

MARQUES, E. Z. Uma proposta de utilizao das tecnologias de business intel-ligence para suporte a tomada de deciso no contexto de governo eletrnico.Dissertao (Mestrado), 2011. Citado na pgina 14.

MICROSOFT. Sobre cubos OLAP. 2014. Disponvel em: . Acesso em: 12 de maio de 2015. Citado na pgina 12.

MOHAMMED, M. A.; ANAD, M.; MZHER, A.; HASSON, A. Meta-data and data martsolutions for better understanding for data and information in e-government monitoring.International Journal of Computer Science, v. 9, p. 7883, 2012. Citado na pgina15.

NARDI, A. Fundamentos e Modelagem de Bancos de Dados Multidimensionais.2007. Disponvel em: . Acessoem: 20 de maro 2015. Citado na pgina 10.

NAVARRO, M. C. D. A. O Que Data Warehouse ? 1996. Disponvel em: . Acesso em:30 de maro de 2015. Citado na pgina 2.

PATERSON, A. The design and development of a social science data warehouse: A casestudy of the human resources development data warehouse project of the human sciencesresearch council, south africa. Data Science Journal, v. 2, p. 1224, 2003. Citado napgina 15.

REZENDE, D. A. A. A. F. Tecnologia da informao aplicada a sistemas de infor-mao empresariais: O papel estratgico da informao e dos sistemas de informaonas empresas. 9a. ed. [S.l.: s.n.], 2001. Citado na pgina 1.

SANTOS, R. N. M. d. Mtodos e ferramentas para gesto de inteligncia e doconhecimento: Perspectivas em cincia da informao. 2000. Disponvel em: . Acesso em:25 de maro de 2015. Citado na pgina 1.

SINGH, H. S. Data Warehouse: Conceitos, tecnologias, implementao e gerenciamento.1a. ed. [S.l.: s.n.], 2001. Citado 3 vezes nas pginas 1, 5 e 10.

Referncias 20

TERESKO, J. Information rich, knowledge poor? Industry Week, v. 248, n. 3, p. 1924,1999. Citado na pgina 5.

THOMSEN, E. Olap Solutions: Building multidimensional information systems. 2. ed.[S.l.]: Wiley, 2002. Citado na pgina 11.

TURBAN, E.; ARONSON, J. E.; LIANG, T.-P.; SHARDA, R. Decision Support andBusiness Intelligence Systems. 8. ed. [S.l.]: Prentice Hall, 2006. Citado na pgina 3.

WRIGHT, P.; KROLL, M. J.; PARNELL, J. Administrao estratgica: Conceitos. 1.ed. [S.l.]: Atlas, 2000. Citado na pgina 4.

Folha de RostoFolha de AprovaoLista de FigurasLista de QuadrosLista de Abreviaturas e SiglasSumrioIntroduoMotivaoObjetivoPrincipais Contribuies

Fundamentao TericaBusiness IntelligenceData WarehousingEstrututra de um Data WarehouseData MartData Mining

Extrao, Transformao e CarregamentoTecnologias

Modelagem multidimensional com foco em BIProcessamento Analtico de Dados

Trabalhos RelacionadosMetodologiaDefinio das Mtricas e IndicadoresModelagem, Extrao, e Adequao dos DadosAnlise e Apresentao dos Dados

Referncias

TCC I - Versão 1.0 Lipie a. de a. Souza-15.05.2015-RevIsmael&Glivia

Documents

Transcript of TCC I - Versão 1.0 Lipie a. de a. Souza-15.05.2015-RevIsmael&Glivia