Novos Desafios : Utilizando Padrões de e-Business para otimizar o seu negócio
SAD, OLAP e Tomada de Decisão
1. SISTEMAS DE INFORMAÇÃO SAD / OLAP Altamir da Silva André Alves Edgar Fernandes Marcos Spinelli
2.
3.
4.
5.
6. SAD Conceito “Auxilia o processo de decisão gerencial combinando dados, ferramentas e modelos analíticos sofisticados e software amigável ao usuário em um único e poderoso sistema que pode dar suporte à tomada de decisão semi-estruturada e não-estruturada.”
7. SAD Caracterização Oferece novos conjuntos de capacitação para decisões não rotineiras e controle do usuário. Dá ênfase a mudança, flexibilidade e reposta rápida. Com um SAD, é menor o esforço para ligar usuários a fluxo de informações estruturadas, e há uma ênfase correspondente maior em modelos, pressuposições, consultas AD HOC* e apresentações gráficas. * (Expressão latina cuja tradução é: “para isso” ou “para essa finalidade”).
8. SAD Caracterização Orientados por modelos Capacidade de analisar baseia-se em teoria ou modelo bem fundamentado, combinando com uma boa interface de usuário, que torna o modelo mais fácil de usar. Orientados por dados Analisam grandes repositórios de dados encontrados em grandes sistemas organizacionais. Dá apoio a tomada de decisão pela permissão ao usuário de extrair e analisar informações úteis anteriormente ocultas em grandes bancos de dados
9. Sistema de apoio à decisão do cliente (SADC) Pessoas interessadas em comprar um produto ou serviço podem usar os mecanismos de busca, agente inteligentes, catálogos on-line, diretórios web, grupos de discussão, e-mail e outras ferramentas da internet para ajudá-las a localiza a informação de que precisam para orientar a sua decisão. SAD Modelos
10. SAD Modelos Sistema de apoio a decisão em Grupo (SADG). É um sistema interativo, baseado em computador, para facilitar a resolução de problemas não estruturados, por um conjunto de profissionais que toma decisões trabalhando junto como um grupo. Podendo ser utilizado desde salas de teleconferência a simples softwares de comunicação instantânea que geram uma rede em comum aos participantes.
11. SAD Modelos Sistema de apoio ao executivo (SAE). Auxiliam gerentes no caso de problemas não-estruturados, focalizando as necessidades de informação da alta administração. Combinando dados de fontes internas e externas, o SAE, cria um ambiente generalizado de computação e comunicação que pode ser focado e aplicado a um conjunto mutável de problemas. Um SAE pode ajudar a alta administração a monitorar o desempenho organizacional, rastrear as atividades de concorrentes, localizar problemas, identificar oportunidades e prever tendências.
12. SAD Vantagens e Desvantagens Vantagens SAD orientado a comunicação pode reduzir tempo e barreiras geográficas Aumenta o foco em segmentos particulares de clientes Tomada de decisão baseada em fatos Reduz o ciclo de tomada de decisão Desvantagens Problemas não-estruturados Nem todas as variáveis são conhecidas Dados indisponíveis Custo do sistema
13. SAD Estudo de Caso A HOMES.COM é uma empresa do seguimento imobiliário dos EUA, Provê uma listagem nacional de casa à venda, apartamentos para alugar e financiamentos disponíveis. Visitantes descobrem a que tipo de financiamentos podem se candidatar e calculam o valor máximo que podem bancar, bem como as alternativas de pagamentos mensais. Podem também utilizar ferramentas para ajudá-los a determinar se devem comprar ou alugar.
14.
15. OLAP Conceito OLAP (On-Line Analytical Processing) é uma categoria de aplicações e tecnologias usada para agrupar, gerenciar, processar e apresentar dados multidimensionais com o objetivo para análise e gerenciamento. Classificada como uma ferramenta de Business Inteligente, é utilizada para apoiar as empresas na análise de suas informações, visando obter novos conhecimentos que são empregados na tomada de decisão. Provê a capacidade de efetuar cálculos complexos como previsões, percentuais de crescimento e médias diversas considerando-se a variável tempo.
16. OLAP Conceito “É uma ferramenta muito importante no contexto gerencial, ajudando a analisar de forma mais eficiente, a quantidade de dados crescente armazenada pelas organizações, transformados-os em informação útil.” (THOMSEN, 2002) “As ferramentas OLAP proporcionam condições de análise de dados on-line necessárias para responder as possíveis perguntas dos analistas, gerentes e executivos.” (MACHADO, 2004) “São aplicações que os usuários finais têm acesso para extraírem os dados de suas bases e construir os relatórios capazes de responder as suas questões gerenciais. Elas surgiram juntamente com os Sistemas de Apoio à Decisão para fazerem a consulta e análise dos dados contidos nos Data Warehouses e Data Marts.” (DWBrasil OLAP, 2005)
17. OLAP Conceito - Business Intelligence Business Intelligence é como um conjunto de ferramentas/aplicações que têm por objetivo fornecer as informações necessárias para que os tomadores de decisões possam administrar de forma mais consciente a organização. É um processo de coleta, transformação, análise e distribuição de dados para melhorar a decisão de negócios; Sua infra-estrutura tecnológica é composta de data warehouses ou data marts, ferramentas OLAP, EIS, data mining, consultas e relatórios e software de visualização dos dados; Os bancos de dados são a infra-estrutura básica de qualquer sistema de business intelligence. São neles que vão estar armazenados os dados que serão transformados em informações competitivas.
18. OLAP Interação com os Dados Ferramentas OLAP Dados Cruzados Data Warehouse Pacote de Dados Pacote de Dados Data Marts Fonte de Dados
19. OLAP Conceito - Data Warehouse “Um Data Warehouse (DW) é uma coleção de dados orientados por assuntos integrados, variáveis com o tempo e não voláteis, para dar suporte ao processo de tomada de decisão.” (INMON, 2006) Sistema de computação utilizado para armazenar informações relativas às atividades de uma organização. Seu desenho favorece os relatórios, a análise de grandes volumes de dados e a obtenção de informações estratégicas que podem facilitar a tomada de decisão. Possibilita a análise de grandes volumes de dados, coletados dos sistemas transacionais (OLTP). São as chamadas séries históricas que possibilitam uma melhor análise de eventos passados, oferecendo suporte às tomadas de decisões presentes e a previsão de eventos futuros. Por definição, os dados em um data warehouse não são voláteis, ou seja, eles não mudam, salvo quando é necessário fazer correções de dados previamente carregados. Os dados estão disponíveis somente para leitura e não podem ser alterados.A ferramenta mais popular para exploração de um data warehouse é o OLAP.
20. OLAP Caracterização O termo OLAP foi caracterizado por E. F. Codd em 1992, através de 12 regras utilizadas para identificar as funcionalidades que os produtos assim especificados devem conter. Complementadas com mais 9 regras, pela Gartner Group.
22. OLAP Por que usar? Nos últimos anos as empresas preocuparam-se mais em armazenar seus dados históricos pois perceberam que elas poderiam revelar informações importantes sobre seus negócios, clientes e parceiroscomerciais. Os atuais sistemas OLTP (On-Line Transaction Processing) não estão prontos e adequados para atender a essa necessidade de informação devido às suas características estruturais: não armazenam dados históricos, são modelados e otimizados para fazer acesso registro a registro de forma que não estão prontos para recuperar e consolidar grandes volumes de dados de forma eficiente, e, de uma maneira geral não estão bem integrados entre si. “A ferramenta OLAP é composta por um conjunto de tecnologias projetadas para dar suporte ao processo decisório através de consultas, análises e cálculos mais sofisticados nos dados corporativos, estejam armazenados em um Data Warehouse ou não.” (BISPO, 1998)
30. OLAP Tipos de Arquitetura MOLAP (Multidimensional On Line Analytical processing) Arquitetura OLAP tradicional. Os dados são armazenados em cubos dimensionais, em formatos proprietários, e não em banco de dados relacionais;. O usuário trabalha, monta e manipula os dados do cubo diretamente no servidor.
31. OLAP Tipos de Arquitetura MOLAP (Multidimensional On Line Analytical processing) Ocupa menos espaço que os bancos relacionais Alto desempenho Pode executar calculos complexos Vantagens Baixaescalabilidade Dados esparsos Investimentos altos Desvantagens
32. OLAP Tipos de Arquitetura ROLAP (Relational On Line Analytical processing) Simulação da tecnologia OLAP feita em banco de dados relacionaisque, por utilizar a estrutura relacional, possui a vantagem de não restringir o volume de armazenamento de dados. Não utiliza cubos pré-calculados como a MOLAP. O usuário monta sua consulta em uma interface gráfica, a ferramenta acessa os metadados ou quaisquer outros recursos que possua, para gerar uma consulta SQL
33. OLAP Tipos de Arquitetura ROLAP (Relational On Line Analytical processing) Alta escalabilidade Pode alavancar as funcionalidades inerentes do banco de dados relacional Utiliza padrões abertos do SQL Vantagens Baixodesempenho Limitado pelas funcionalidades SQL Desvantagens
34. OLAP Tipos de Arquitetura HOLAP (Hybrid On Line Analytical processing) HOLAP tenta combinar as vantagens de MOLAP e ROLAP, extraindo o que há de melhor de cada uma, ou seja, a alta performance do MOLAP com a melhor escalabilidade do ROLAP. Para informações do tipo síntese, HOLAP utiliza cubos dimensionais para um desempenho mais rápido. Quando for necessário mais detalhe de uma informação, HOLAP pode ir além do cubo multidimensional para o banco de dados relacional utilizado no armazenamento dos detalhes.
35. OLAP Tipos de Arquitetura HOLAP (Hybrid On Line Analytical processing) Alto desempenho Alta escalabilidade: Vantagens Arquitetura de maiorcusto Desvantagens
36. OLAP Tipos de Arquitetura DOLAP (Desktop On Line Analytical processing) São as ferramentas que, a partir de um cliente qualquer, emitem uma consulta para o servidor e recebem o cubo de informações de volta para ser analisado na estação cliente.
37. OLAP Tipos de Arquitetura DOLAP (Desktop On Line Analytical processing) Pouco tráfego na rede Redução na sobrecaga do servidor Vantagens Limitação do cubo de dados Desvantagens
38. OLAP Tipos de Operações Drill down: significa descer um nível hierárquico em uma dimensão. Drill up/ Roll up: significa subir um nível hierárquico em uma dimensão.
39. OLAP Tipos de Operações Drill across: significa analisar um nível intermediário dentro de uma mesma dimensão. Ex: dimensão produto, venda dos produtos num determinado ano, venda de um produto X no ano Y. Drill throught: significa alternar a análise de uma dimensão para outra. Ex: produto para região ou mesmo de uma agregação (todas as vendas de Agosto de 2006) para os detalhes (tabela com cada venda no período citado). Drill back/ Write back: é bastante utilizado em previsões e consiste na ação de alterar os valores existentes em um cubo OLAP. Pode ser usado, por exemplo, para medir o impacto na empresa do aumento em 10% do orçamento para o ano seguinte. Slice: significa analisar determinada fatia do cubo OLAP. Ex: analisar determinado produto em uma determinada região. Dice: significa alterar a visão de um cubo OLAP, alterando a análise de vendas dos produtos por região para vendas por faixa etária de cada mês.
42. OLAP Estudo de Caso O estudo de caso apresentado refere-se a uma indústria de calçados femininos de médio porte situada no interior do Estado de São Paulo. O problema desta empresa em 2000 era a concentração das suas vendas em poucos clientes de grande porte, visto que o mercado estava expandindo e havia um forte crescimento da concorrência. A avaliação dos dados restringiu-se aos períodos de janeiro de 2000 a dezembro de 2003 A constatação deste problema foi possível através da implementação da ferramenta OLAP apartir do 2º semestre de 2000, pois sem esta ferramenta, os relatórios disponíveis no sistema de informação da indústria ocultavam este fato. Os indicadores de sucesso eram apenas os relatórios financeiros. Estes relatórios não foram suficientes para detectar esta centralização das vendas. Com as análises realizadas através da ferramenta OLAP, proporcionou uma visão multidimensional das vendas em 2000, possibilitando aos sócios-diretores constatarem que o faturamento dos vinte maiores clientes correspondeu a 57% do total das vendas. Estes clientes estavam concentrados em dois Estados (SP e RJ) com peso maior para São Paulo.
43. OLAP Estudo de Caso Através das análises do módulo de vendas do OLAP em 2001 percebeu-se um crescimento expressivo no número de linha de produtos criados (56,25%) e uma considerável descentralização das vendas entre os vinte maiores clientes (46,05%). Contribuíram para isto os conhecimentos de adquiridos sobre a gestão da cadeia de suprimentos e o uso da ferramenta OLAP para o processo decisório.