28/09/2011 - 9h às 12h30 - oficina - Business Intelligence Business Analytics - Fernanda Baião

1. Business Intelligence,
Analytics e outros
sabores...
Fernanda Baião
fernanda.baiao@uniriotec.br
Setembro de 2011

2. Por quê?
Gestão do Desempenho
Organizacional

5. Por quê então?
Precisamos
Controlar...
Analisar...
Avaliar...
Planejar...
Descobrir...
Nos antecipar...
... Para tomar decisões que levem a um
resultado melhor

6. Sobre o quê iremos falar?

7. Gestão de desempenho
organizacional
Conjunto de processos de gestão e
analíticos, suportados por tecnologia, que
permitem ao negócio definir objetivos
estratégicos e então medir e gerenciar
desempenho da organização em relação a
tais objetivos

8. Escopo
Gestão de desempenho pode ter como foco
Organização
Departamento
Processo de negócio
conjunto de ações inter-relacionadas ou interativas para
alcance de um objetivo

9. De que processo estamos
falando?

10. Metodologias de apoio à gestão
de desempenho
BI – Business Intelligence
BA – Business Analytics e BI2.0
BAM – Business Activity Monitoring
Tendências
Arquitetura da Informação
Convergência entre abordagens
KDD – Descoberta de Conhecimento
Mineração de processos
Exemplos de iniciativas

11. BI
Business Intelligence

12. Novo ambiente de negócios
Características
Alcance Global
Competitividade
Alta qualidade
Baixo Custo
Flexibilidade
Agilidade A INFORMAÇÃO e o CONHECIMENTO
estão no centro de toda
Necessidades organização “inteligente”!
Conhecer,
Analisar,
Controlar e
Planejar melhorias… na organização

13. Problema
Realidade dos dados corporativos
Vendas Marketing Financeiro Operação Atendimento Relatórios
ao cliente de Gestão
Demographics General Ledger
Promotions
Product Planning
Contracts
Product Info
Market Data
Purchasing
Accounting
Competitive Info

14. Como disponibilizar informação
Integração de informação (II)
Combinar dados residentes em diferentes fontes e
prover aos usuários uma visão lógica única dos dados
Objetivos
Facilitar acesso e reuso dos dados
Agilidade
Flexibilidade
Uma única versão da verdade

15. Integração de informação
Repositório comum de dados
Uma das abordagens de II
Vendas Marketing Financeiro Operação Atendimento Relatórios
ao cliente de Gestão
Product Data
Customer Data
Sales Data
Market Data
G/L Data
Revenue Data
External Data

16. Uma única versão da verdade
Queremos evitar que…
Cada aplicação tenha a sua própria interpretação
Não exista entendimento comum
Clientes cadastrados Clientes
na área de vendas ativos
Do ponto de vista corporativo,
quem é o cliente?
Clientes potenciais
Clientes
e efetivos
comerciais

17. Novo ambiente de aplicações
Fonte: BI: Business Intelligence - Modelagem e Tecnologia - Carlos Barbieri

18. Business Inteligence
Inteligência do Negócio
Conjunto de tecnologias que permitem o cruzamento
de informações e suportam a análise dos indicadores de
desempenho de um negócio, para tomada de decisão.
Alguns componentes fundamentais:
Data Warehouse (DW)
“banco de dados” da BI, integrando diversas fontes de
dados
ETL
Ferramentas OLAP
Suporte à decisão, através de consulta e análise dos
dados do DW
Dashboards
18

19. Tomada de Decisão
Tomar a ação
apropriada
considerando-se níveis
de risco e incerteza
assumidos

20. Suporte à Decisão
Produção e distribuição de informação útil para
gerentes, executivos e analistas do
conhecimento
Quanto…
O que
aconteceria se. . .
Quando . . .

21. Exemplos de Análises
Qual o volume médio de vendas em R$ dos
nossos representantes em cada região?
Para cada produto, qual o total de vendas no
último ano?
Como tem variado o índice de participação de
cada produto em nossas vendas (Product Share)
ao longo dos três últimos anos?
Existe alguma relação entre o desempenho dos
representantes e sua faixa de salário?
21

22. Ambientes dos Sistemas de
Informação nas Organizações
Operacionais Suporte à Decisão
Dão suporte às funções Dão suporte às funções
associadas à execução do associadas à concepção
negócio da empresa: do negócio da empresa
sistemas administrativos DSS, EIS
controle de estoque DW, CRM, PRM
sistemas de expedição Ferramentas OLAP
Ferramentas de Data
Mining

23. Características Dados operacionais Dados informacionais
(transacionais) (analíticos)
Conteúdo Valores correntes, detalhados Valores históricos, sumarizados
Organização dos Por aplicação, sistema de Por assunto, negócio;
dados informação, disponível para abrangência ampla.
poucos
usuários; abrangência restrita
Natureza dos dados Dinâmica, sujeita a atualizações Estática, atualização apenas
freqüentes com “refresh”
Estrutura de dados Relacional, própria para Dimensional, própria para
processamento transacional processamento analítico
Uso Estruturado, repetitivo, solução Desestruturado, consultas sob
para diferentes perspectivas, permite
requisitos conhecidos descoberta de conhecimento
Desempenho Otimizado para tempo de Otimizado para análises
resposta; inviável complexas, com tempos de
para análises complexas respostas viáveis

24. Ambiente Operacional
Tipo de processamento: OLTP
baseado em transações
voltado para velocidade e automação de funções
“repetitivas”
mantém usualmente situação corrente
atualizações e consultas em grande número
trabalha com alto nível de detalhe

25. Ambiente de Suporte à Decisão
(Analítico)
Tipo de processamento: OLAP
“Pequeno” número de consultas “variáveis”
Consistência é fundamental
Necessidade de ver o dado sob diferentes
perspectivas: aplicações dinâmicas
Dados históricos são relevantes
Atualização quase inexistente,
apenas novas inserções
Operações de agregação e
cruzamentos

26. Porque um ambiente de BI
Integrar dados de múltiplas BDs Operacionais
fontes
Facilitar o processo de análise
sem impacto para o ambiente de
dados operacionais
DW
Facilitar o tratamento da
qualidade da informação
Atender diferentes tipos de
usuários finais
Flexibilidade e agilidade para Aplicação Ferramenta Aplicação
atender novas análises SD OLAP DBMKT

27. Business Intelligence
Inteligência Aplicada ao Negócio
conjunto de tecnologias que permitem o
cruzamento de informações e suportam a
análise dos indicadores de desempenho de um
negócio, para tomada de decisão.

28. Arquitetura genérica de um
ambiente de BI

29. Data Warehouse
“A Data Warehouse is a
subject-oriented, integrated, time-variant,
non-volatile
collection of data in support
of management’s decision-making process.”
Inmon
Um banco de dados destinado a sistemas de suporte à
decisão, cujos dados são armazenados em estruturas lógicas
dimensionais, possibilitando o seu processamento analítico
por ferramentas OLAP e de mineração de dados.

30. Abordagens de construção
existentes
Data Warehouses
Corporativo
Departamentais
Funcionais
Marketing, Financeiro, Admnistrativo, etc.
Por projeto
Por processo…

31. Estratégia recomendada para a
construção do DW
Princípios
Visão Integrada
Dividir para conquistar
Errar pequeno
Desenvolvimento incremental
Planejamento Top-Down
Desenvolvimento Bottom-Up
um DM de cada vez, resultados devem ser atingidos em pequenos
ciclos
Ex: a cada 3 meses…
Cada Data Mart deve ser encarado de forma evolutiva :
complexidade do modelo, volume de dados, investimentos
Desafio
Garantir a coerência entre os vários Data Marts
Visão integrada dos processos

32. Ferramenta OLAP
Apoio computacional ao ambiente de tomada de decisão
On Line Analytical Processing (Processamento Analítico On
Line)
Possibilitam a exploração dos dados de um DW para
análise de variáveis de controle (indicadores de desempenho)
descoberta de cenários e tendências
Fornecem visão multidimensional dos dados
Foco no cruzamento das informações
Facilita o entendimento e visualização de problemas típicos
de suporte à decisão
Mais intuitiva para o processamento analítico
32

33. Exemplo
Volume de vendas para a concessionária XCar
Visão tradicional dos dados (tabela)
MODEL CITY SALES VOLUME
MINI VAN NEW YORK 6
MINI VAN LOS ANGELES 5
MINI VAN MADISON 4
SPORTS COUPE NEW YORK 3
SPORTS COUPE LOS ANGELES 5
SPORTS COUPE MADISON 5
SEDAN NEW YORK 4
SEDAN LOS ANGELES 3
SEDAN MADISON 2
33

34. Exemplo
Volume de vendas para a concessionária XCar
Visão multidimensional dos dados
Vetores com número fixo de dimensões e
valores armazenados em células
Exemplo: visão bidimensional
Volume de vendas de carros por modelo x cidade
Mini Van 6 5 4
Coupe 3 5 5
Sedan 4 3 2
NY LA Madison
34

35. Exemplo
Volume de vendas para a concessionária XCar
Acrescentando mais uma coluna...
MODEL CITY DEALERSHIP VOLUME
MINI VAN NEW YORK CLYDE 6
MINI VAN NEW YORK GLEASON 6
MINI VAN NEW YORK CARR 2
MINI VAN LOS ANGELES CLYDE 3
MINI VAN LOS ANGELES GLEASON 5
MINI VAN LOS ANGELES CARR 5
MINI VAN MADISON CLYDE 2
MINI VAN MADISON GLEASON 4
MINI VAN MADISON CARR 3
SPORTS COUPE NEW YORK CLYDE 2
SPORTS COUPE NEW YORK GLEASON 3
SPORTS COUPE NEW YORK CARR 2
SPORTS COUPE LOS ANGELES CLYDE 7
SPORTS COUPE LOS ANGELES GLEASON 5
SPORTS COUPE LOS ANGELES CARR 2
SPORTS COUPE MADISON CLYDE 4
SPORTS COUPE MADISON GLEASON 5
SPORTS COUPE MADISON CARR 1
SEDAN NEW YORK CLYDE 6
SEDAN NEW YORK GLEASON 4
SEDAN NEW YORK CARR 2
SEDAN LOS ANGELES CLYDE 1
SEDAN LOS ANGELES GLEASON 3
SEDAN LOS ANGELES CARR 4
SEDAN MADISON CLYDE 2
SEDAN MADISON GLEASON 2
SEDAN MADISON CARR 3
35

36. Exemplo
Volume de vendas para a concessionária XCar
Visão tridimensional dos dados
Volume de vendas de carros por modelo x cidade x
fornecedor
Dados podem ser imaginados como em um “cubo”
metáfora visual, podem ser materializados (agregados)
dimensões coexistem para todo ponto no cubo e são
independentes umas das outras
Mini Van
Coupe
Carr
Sedan
6 1 2 Gleason
Clyde
NY LA Madison
36

37. Adicionando Dimensões -
Hipercubos
Acrescentando a dimensão tempo...
Obrigatória em qualquer DW
Mini Van Mini Van Mini Van
Coupe Coupe Coupe
Carr Carr Carr
Sedan
6 1 2 Gleason
Sedan 5 10 1 Gleason
Sedan 6 25 0 Gleason
Clyde Clyde Clyde
NY LA Madison NY LA Madison NY LA Madison
JANUARY FEBRUARY MARCH

38. Modelagem Multidimensional
Utilização dos conceitos do modelo
multidimensional a fim de representar, de
forma clara, eficiente e flexível, a visão
multidimensional dos dados
Conceitos
Fatos
Dimensões
Hierarquias e Agregações

39. Fatos e dimensões
Fatos
Medidas numéricas do negócio
Volume de vendas (número de itens, total em reais),
quantidade de itens em estoque, volume de transações
de cartão de crédito
Dimensões
Pontos de vista ou perspectivas do negócio sobre
os quais uma organização deseja guardar registros
Loja, Produto, Fornecedor, Tempo

40. Modelo multidimensional
Relacionamento entre fatos e
dimensões
Dimensão
1
Dimensão
4 Fato Dimensão
2
Dimensão
3

41. Modelo multidimensional
Exemplo
Modelo do
carro
Volume
Mês de Cidade
vendas
Fornecedor

42. Níveis nas dimensões ou
Hierarquias
Hierarquias são a base das agregações
Exemplo
Fato: Volume de vendas
Dimensões: Tempo, área geográfica
Área País
Brasil
geográfica
NE SUL NO Região
PE SE RS SC AC AM
Estado
Tempo: 7 34 23 45 62 56 150
14 23 92 73 23 234
abril
21 13 87 21 14
Ano Mês Dia 2003 29
maio
15 …..
30

43. Hierarquias e Agregados
Produto Tempo Geografia
Marca Ano País
Categoria Trimestre Região Vendas por
produto x
ano x região
Produto Mês Estado

44. ETL
Processo de alimentação do DW a partir de fontes
de dados operacionais
podem trazer dados representados de formas diferentes,
mas que possuem o mesmo significado.
dados devem ser integrados e padronizados

45. ETL
Extração
Coleta de dados nos sistemas existentes
Operação demorada e complexa
Execução periódica
Janela de indisponibilidade do DW
Muitas vezes, desenvolvimento ad-hoc
Transformação
Fundamental para integração dos dados
Tratamento da qualidade dos dados
Rotinas de limpeza
Muitas operações possíveis
Recodificação de categorias (m/f, male/female, M/F)
Convergência monetária (R$, US$, US$-Turismo)
Convergência de significados (conceito cliente?)
Tratamento de versões dos dados
Carga
Inserção dos dados no DW

46. Metadados
Literalmente: “dado sobre o dado”
Informação contextual que diz respeito ao processo ou ao
dado bruto
Descrição do dado ou do processo
significado
formato
Origem
Relacionamentos para outros dados ou processos
Muitas vezes textual
Altamente inter-relacionada
Quaisquer informações que permitam
identificar, localizar, utilizar, re-utilizar e
compreender um dado
46

47. Tipos de metadados
Metadado Técnico e Administrativo
descrição dos dados necessários para as diversas
ferramentas que precisem armazenar, manipular ou movimentar
dados
SGBD, ferramenta CASE, ferramenta OLAP
informações com definições, transformações, gerência e
operação
altamente estruturado
geralmente tratável via uma ferramenta de repositório
Metadado de Negócio
descrição de dados necessários pelos usuários de negócios,
para entender o contexto do negócio e o significado dos dados
tanto não-estruturado quanto estruturado
mais difícil de ser tratado e integrado por uma ferramenta
altamente estruturada tipo um repositório
47

48. Tipos de metadados
Metadados em BI
Metadados para ETL
“Proveniência de processo”: que programa foi
executado e com que parâmetros, responsável pela
execução, resultados intermediários, ...
Metadados de OLAP
descrições dos agregados, dimensões, medidas,
hierarquias, níveis
Metadados de ferramentas front end
rótulos de telas e relatórios
48

49. Importância de um Repositório
Repositório de metadados
ferramenta que provêem armazenamento, gerência
e acesso a metadados
Visão global e integrada de metadados
Gerenciamento do ciclo de vida dos metadados
Integração com ferramentas de outros
fornecedores
49

50. Repositório = Depósito Genérico
de Metadados
ER Diagram Forms Spec
Customer
Order Product
Scheduled
Deliv ery
Salesperson
Business Rules Business
Architecture
Emp.Sal < Process
Update
Marketing
Emp.Mgr.Sal Bill
Authorize
Credit
Order
Entry
Table Defns
Customer
Schedule
Delivery
Inventory
VB Code C++ Code
50

51. Exemplo de Ferramenta
ASG Rochade
51

52. Exemplo de metamodelo
ASG Rochade
“Repository Information Model” (RIM)
Define objetos/instâncias/membros que podem
ser armazenados
Tipos de item
Regras de interação Item Types
Regras de processamento
Text-, Value- Repository
and Binary- Is Made Up Of... Relationships
Attributes
Rules and
Access privileges
52

53. BSC
Conceito
Uma ferramenta gerencial que provê aos
gestores estratégicos um conjunto de medidas
para avaliar o progresso da organização em
direção aos objetivos estratégicos
Objetivo
Dar à gerência uma visão completa do
desempenho do negócio
Origem
Robert S. Kaplan e David P. Norton, "The
balanced scorecard: measures that drive
performance", Harvard Business Review, 1992.

54. BSC
Perspectivas
Financeira, Cliente, Processos Internos do Negócio, Aprendizado e
Crescimento
Conceitos
Objetivos
Objetivos estratégicos a serem alcançados
Ex: “Aumentar Lucro”
Medidas (indicadores)
Parâmetros observáveis usados para medir o progresso na direção do objetivo
Ex: “margem de lucro líquido mensal”
Metas
Valores específicos para as medidas
Ex: “Aumentar margem de lucro líquido mensal” em 7%
Iniciativas
Projetos ou programas a serem iniiciados para alcancar o objetivo
Ex: Realizar mentoring sobre qualidade de produto em dez 2010

55. BSC
Para cada perspectiva
Selecionar um subconjunto de objetivos a serem
monitorados no SC
objetivos do mapa estratégico como ponto de partida
Para cada objetivo
selecionar conjunto reduzido de medidas
Indicadores do desempenho organizacional
Para cada medida
Associar uma ou mais metas (targets)
Definir iniciativas para operacionalização
pontual x contínua
“análise de potenciais mercados” x “número de novos
mercados atingidos”

56. Exemplo [SmartDraw]

57. Exemplo [SmartDraw]

58. Exemplo [BSC Designer]

59. Dashboards
Painéis que monitoram medidas de
interesse
Em BI, medidas de interesse são geralmente
indicadores de desempenho
Pontos de entrada para análises
Conciso
Muitos recursos visuais

60. Exemplo de Dashboard (ARIS MashZone)

61. BSC x Dashboards
http://www.enterprise-dashboard.com/
BSC Dashboard
apresentam informações de desempenho apresentam informações de desempenho
Formato mais prescritivo: Formato livre, mais aberto a interpretações,
-Perspectivas a maioria simplesmente uma
-Objetivos série de gráficos, cartas, medidores, e
-Medidas outros indicadores visuais escolhidos pelo
-Metas usuário para monitorar
Essencialmente associado às necessidades Objetivos não estão tipicamente
estratégicas críticas da Organização presentes

62. BI
Status quo
Dados localizados nos servidores das empresas já
não são mais suficientes para proporcionar
diferenciais competitivos
redes sociais
montanha de informações provenientes de diversas
fontes externas e disponíveis
Indicadores externos: políticos, econômicos, meteorológicos, sociais, ...
Maior apoio tecnológico disponível
Necessidade de monitoramento 24 x 7
Banco de dados históricos (=DW) não é mais
suficiente....

63. BI 2.0
Business Intelligence 2.0
Business Performance Management
Permeabilidade do BI
Real-Time BI

64. Real-Time BI
Desafios das soluções de Real-time BI
Obtenção dos Dados
Durante a extração
Transformação dos Dados
Armazenamento dos Dados
Antes ou durante a carga

65. Real-Time BI
Desafios das soluções de Real-time BI
Obtenção dos Dados
Inserções realizadas em intervalos de poucos
segundos
Risco de impactar aplicações transacionais
Consultas mais frequentes
Aumento do tempo de escrita

66. Real-Time BI
Desafios das soluções de Real-time BI
Transformação dos Dados
Execução frequente sobre pequeno volume de dados
Overhead pode se tornar impraticável
características distintas da carga de dados em tempo
real

67. Real-Time BI
Desafios das soluções de Real-time BI
Armazenamento dos Dados
Mecanismos de otimização das consultas no DW
alta indexação, pré-calculo de agregados.
Tratamento de atualizações on-line
Tomada de decisão 24x7, impedido a habitual
indisponibilidade do DW na madrugada

68. Business Analytics
Faz parte do BI
Alguns citam como sua evolução, uma vez
que também trata aspectos do BI 2.0
dados colhidos e analisados em tempo real
informações preditivas com base em modelos
matemáticos e estatísticos mais sofisticados
A web é o banco de dados

69. Business Analytics
Estratégia deve seguir as boas práticas
da construção de DWs em BI tradicional
Planejar a longo prazo, executar a curto prazo

70. Business Analytics
Planejar
Iniciativas de Modelagem e Gestão de processos
Centro de excelência em processos
Metodologia, metamodelo, ferramentas
Iniciativas de Arquitetura da Informação
Mapeamento das informações existentes
Integração das informações corporativas e alinhamento
ao negócio
Estratégia de qualidade de dados
Acurácia, completeza, validade, confidencialidade, ...
Estratégia de inteligência competitiva
Monitorar indicadores de mercado, redes sociais

71. Business Analytics
Executar
Priorize e foque
solução de um problema/percepção de um resultado
tangível ou meta de negócio
Definição do ponto de chegada
Diagnóstico da situação atual pode ajudar

72. BAM
Business Activity Monitoring

73. BAM
Business Activity Monitoring (Monitoramento das
Atividades do Negócio)
Coleta, agregação, análise e apresentação de
informações em tempo-real sobre a execução
dos processos de negócio
Visibilidade
Suporte a decisões
Diagnóstico de problemas e/ou oportunidades
Suporte ao controle de SLA/SLM

74. Apresentação das informações nas
soluções de BAM pode envolver
Painéis de controle (dashboards) com KPIs
mais relevantes
Suporte à execução de processamento
analítico, correlação de eventos, análises “e-se”
Funcionalidades
Monitoramento da ocorrência de eventos
Sinalização de alertas
Envio de notificações

75. BAM x BI
BAM BI
Necessidades de nível operacional Necessidade de nível gerencial
processamento de eventos em atualização em intervalos pré-
tempo real, e apresentação no definidos
painel de controle
O que “está acontecendo” O que “aconteceu”
Tomada de decisão orientada a Tomada de decisão analítica
evento
Monitoramento e geração de Verificação das regras de negócio
relatórios baseados em regras são normalmente “desligadas” por
questões de eficiência do ETL
Integração em tempo real dos Dados históricos segundo o modelo
eventos e dados de contexto dimensional pré-definido
Baixa latência Alta latência

76. BAM x BI
Uso de BI para descobrir regras a serem
monitoradas por ferramentas BAM
Alertas disparados em ferramentas BAM
são bons candidatos para operações
analíticas em ferramentas BI
Tecnologias convergentes, considerando tendência de
BI2.0

77. Ciclo de BAM
Observar execução de um processo
Medir desempenho do processo
coleta de indicadores em tempo-real
Comparar com métricas pré-estabelecidas
no BSC
Analisar e tratar desvios
Disparar alertas
Enviar notificações

78. Ferramenta BAM
Suporte computacional é importante
Funcionalidades necessárias
Definição de indicadores e metas
Coleta de dados através de fontes diversas
Consolidação e transformação entre medidas
pré-definidas
Exemplos
Oracle BAM
IBM Websphere Business Monitor
TIBCO BAM

79. Tendências
Arquitetura da Informação
Convergência entre as
abordagens BI, BPM e BAM
Descoberta de processos

80. Arquitetura da Informação

81. Por quê Arquitetura da
Informação
Mecanismos para gestão do desempenho
organizacional são centrados em dados
Qualidade dos dados é crucial
Arquitetura da Informação é ponto chave para a
melhoria
Compõe a Arquitetura Empresarial
Arquitetura de Negócio
Arquitetura da Arquitetura de
Informação Sistemas
Arquitetura de Tecnologia

82. Arquitetura Empresarial
“O conjunto total de representações descritivas
relevantes para a Organização, ou seja, os
modelos necessários para criar uma Organização
e para servir de base para suas mudanças”
John Zachman

83. Arquitetura da Informação
Descreve e organiza toda a informação que
trafega em uma organização
Níveis
conceitual, lógico e físico
Acesso direto ou via serviço
Arquitetura de Dados e Arquitetura de Serviço de
Dados

84. Arquitetura da Informação
Requisitos de dados (1,n) (0,n)
Aluno Cursa Turma
Modelagem conceitual Nota
Esquema conceitual TbAvaliação TbTurma
TbAluno
CPFAluno Codigo
Modelagem lógica CPF CodTurma Nome
Nome Nota Curso
Esquema lógico
Modelagem física
Create table TbAluno
Esquema físico (CPF char[11]
...
) partition t1
Banco de ...
dados

85. Arquitetura de Informação –
Arquitetura de Dados
Dados, Metadados, Modelos descritivos
Princípios e Políticas
quem é o responsável pela informação, pelo uso e
gerenciamento
Estratégias de uso dos dados
Semântica (conceitual)
Estruturas de armazenamento (lógico)
Eficiência no acesso (físico)
85

86. Arquitetura da Informação
Benefícios sobre a qualidade dos dados
Acessibilidade
Rastreabilidade
transformações entre os modelos
Entendimento

87. BI, BPM e BAM: o melhor dos
mundos

88. BPM
BAM
BI

89. Quando as partículas colidem...
Energia para inovação ou “Buraco Negro”?
BPM
BAM
BI

90. Tópicos
Por quê as tecnologias de BI, BAM e BPM
estão convergindo?
Como as tecnologias de inteligência de
negócio podem melhorar os processos
de negócio?
Que táticas podem ajudar na ligação
efetiva de BI e BAM à BPM?

91. Tópicos
Por quê as tecnologias de BI, BAM e BPM
estão convergindo?
Como as tecnologias de inteligência de
negócio podem melhorar os processos
de negócio?
Que táticas podem ajudar na ligação
efetiva de BI e BAM à BPM?

92. Como BI pode agregar valor aos
processos
Dentro de um processo Sobre um processo
Melhorar decisões Associar resultados aos
Melhorar entendimento do objetivos do negócio
processo
Ações mais apropriadas Percepção
Incluir passos no Status, alertas
processo
Adicionar ou aprender valor Latência de acordo com
a necessidade
Excluir passos do
processo Otimização
Reduzir custo e desperdício
de recursos Ajustes e melhorias
Para qualquer processo, identifique como a BI pode ajudar a tomada de decisões nos
processos, monitore os resultados dos processos em execução e melhore o
desempenho de cada passo

93. Exemplos da convergência entre
BI e Processos

94. Há sinergia!
Inteligência de
Negócio Análise
Contexto
Monitoramento Gestão de
das Atividades Busca Modelagem Regras de
do Negócio Negócio
Histórico de
resultados
Gestão de
Melhoria
Processos de
Negócio
Resposta do
Evento Tempo Negócio

95. BI contribui para maturidade em
BPM
1 2 3 4 5 6
Reconhecer Percepção dos Controle e Controle e Controle Estrutura ágil
ineficiências processos automação automação corporativo do negócio
operacionais intra-processo inter-processo
Medir Analisar Decidir Alinhar Otimizar Descobrir Inovar
Alinhar
Analisar processos com
alternativas estratégia do
Modelar e apontadas por negócio
analisar técnicas de
processos otimização
Medir e em tempo-real Criar processos,
do negócio
monitorar produtos e
Criar framework serviços
atividades de desempenho
do negócio inovadores
organizacional através de
associando valores estrutura
Integrar
de negócio às organizacional ágil
contabilidade
execuções de
baseada em
processos
atividades aos
processos de
negócio

96. Tópicos
Por quê as tecnologias de BI, BAM e BPM
estão convergindo?
Como as tecnologias de inteligência de
negócio podem melhorar os processos
de negócio?
Que táticas podem ajudar na ligação
efetiva de BI e BAM à BPM?

97. Cenário para implantação de BI
Gartner BI framework
Estratégia Organizacional e métricas corporativas
(Objetivos e Indicadores estratégicos, financeiros e operacionais)
Pessoas Processos Aplicações e Ferramentas
Repositórios de Metadados e Serviços
Aplicações de Processos de Negócio
Consumidores Processos de (Gestão de Desempenho Organizacional
(Usuários) negócio e de e Processamento de Transações)
decisão
Aplicações Analíticas
(stand-alone ou embutidas em
Produtores Processos aplicativos de suporte aos processos)
(Analistas) Analíticos
Aplicativos capacitores de BI
(Plataformas OLAP)
Habilitadores Processos de Infraestrutura da Informação
(TI) Infraestrutura (DW, DataMarts, ETL, Qualidade dos
da Informação Dados)

98. BI centrada em processos
Novas habilidades necessárias
Medir Analisar Decidir Alinhar Otimizar Descobrir Inovar
Entrega de Análise Centrada em
Informações Processos
•Relatórios •Estatísticas •Alertas
•Painéis de controle •Predição •Simulações
(dashboards) •Consultas OLAP •Otimização
•Consultas ad-hoc •Engine de cálculo •Mineração de Processos
•Captura de dados em tempo •Mineração de Dados •Engine de Regras
real •Visualização interativa •Processamento de eventos
•Integração de documentos •Consultas a grandes Complexos
•Busca repositórios de dados (Google •Orientação a serviços
MapReduce) •Gestão de Workflows

99. BAM
Business Activity Monitoring
Respostas sobre “agora”
Prazos Status dos Tarefas
recursos
Urgência e
Disponibilidade prioridades
Sem necessidade
de uma
“empilhadeira”
(força bruta)

100. Convergência entre BPM e BI
Mapa da consolidação entre fabricantes
Fabricantes restantes
pressentem um “poço de
gravidade” em direção a
processos
[Fonte: Gartner, abril 2010]

101. Tópicos
Por quê as tecnologias de BI, BAM e BPM
estão convergindo?
Como as tecnologias de inteligência de
negócio podem melhorar os processos
de negócio?
Que táticas podem ajudar na ligação
efetiva de BI e BAM à BPM?

102. Garantir a Qualidade dos Dados
Assumindo que haja uma estratégia de
Arquitetura da Informação, pode-se
Inserir controles de qualidade dos dados
dentro e nas fronteiras dos processos
Criar SLAs para qualidade e integração de
dados

103. Estabelecer framework de
métricas
Associar diversos aspectos da gestão de desempenho em uma
estrutura que reflita de forma coerente o desempenho organizacional
BSC, dashboards, gestão de indicadores, ...
Perspectivas do negócio
Vendas
Estratégia
Produção Marketing Financeiro

104. Associar centro de competência em BI com o
centro de competência em BPM
Criar um centro de
competência em BI
balanceando autoridade e
poder entre os membros do
negócio, da TI e analistas
Definir a missão de BI
Controlar financiamento
Estabelecer padrões
Conhecimento
Construir arquitetura
tecnológica do negócio
Organizar liderança sobre a
metodologia CCBI
Desenvolver habilidades Conhecimento Conhecimento
analítico de TI
Gerenciar projetos

105. Definir arquitetura de
convergência
Responsabilidade do CCBI
Alinhamento à arquitetura corporativa de TI
Opções
Portifólio de fornecedores
Barramento de serviços de um líder de mercado
Plataforma de BI centrada em processos
Deixe o caos reinar...
Critérios
Requisitos do negócio
Investimento atual em TI
Habilidades
Orçamento
Liderança
Estratégia
“Solução pontual” x “planejamento de cidades”

106. Tratar desafios da gestão da
melhoria de processos
Estabelecer indicadores e iniciativas que monitorem a
associação entre BI e BPM
Desafios para o uso de BI na melhoria de processos
Cultura e política corporativa
Adoção de modelo diferente de financiamento
Custo e valor por grupo
Falta de governança formal
SLAs, definição de framework de métricas
Reestruturações organizacionais
Colaboração trans-funcional, processos de decisão mais abrangentes
Mecanismos inadequados de compensação e premiação
Novos papéis de trabalho
Foco no cliente
Processos na “linha de frente” podem suplantar necessidades do cliente
Incentivar feedback do cliente, tolerar pequenas adaptações ao processo
central...

107. Plano de ação
Agora!
Identificar processos diferenciados em que BI centrado em processos
pode trazer maiores benefícios
Buscar nas aplicações de negócio como aumentar reuso do
investimento de BI
SOA, workflow, integração de dados
Este ano ainda:
Garantir que CCBI e CCBP focam nos benefícios da integração de BI e
BPM
Estabelecer papéis de TI e de arquitetura para implantar convergência
BI x BAM x BPM
A longo prazo...
Desenvolver serviços de informação unificados através da organização
Construir repositório corporativo de serviços analíticos
Construir framework de métricas para estabelecer ligações entre
aplicações analíticas

108. ... Início de uma era de um Universo
Paralelo?
BPM BAM
BI

109. Técnicas de Descoberta de
Conhecimento
Mineração de Processos

110. Descoberta de conhecimento
Crescente quantidade de dados
armazenados + impossibilidade de
interpretação -> KDD;
KDD (Knowledge Discovery in Databases):
“identificação de padrões novos, válidos,
potencialmente úteis e compreensíveis em dados”
É um processo composto por 5 etapas:

111. Descoberta de conhecimento

112. Mineração de Dados
Fase do processo de KDD caracterizado pela
descoberta de padrões através da aplicação de
algoritmos;
Tarefas de mineração adequadas a determinadas
classes de problemas
Tarefas
Associação;
Classificação;
Agrupamento;
Tipos de descoberta de conhecimento
Mineração em textos (Text Mining);
Mineração de processos (Process Mining)

113. Mineração de Processos
Abordagem para a descoberta de informações
sobre processos de negócio correntes na
organização
Análise de logs de eventos de sistemas de
informação de apoio aos processos (ERPs, WfMS, ...)

114. Usos da mineração de Processos
descoberta de processos
descoberta de redes sociais
conformidade de processos
conformidade de redes sociais
Fonte: Diogo Ferreira, “Mineração de Processos: o Elo que Faltava na Gestão de
Processos de Negócio”, palestra convidada, WBPM 2010

115. Log de eventos
Cada evento no log se refere a uma única
atividade;
Cada evento refere-se a um único caso
(instância);
Cada evento deve conter um único executor;
Eventos possuem marcação de tempo e são
totalmente ordenados;

116. Log de eventos

117. Descoberta de processo

118. Descoberta de redes sociais

119. Abordagem para Mineração de
Processos

120. Mineração de Processos
O framework ProM:
Framework extensível;
Fornece infra-estrutura e diversos plug-ins;
http://prom.win.tue.nl/tools/prom/

121. http://www.processmining.org/ (T.U.Eindhoven)
http://prom.win.tue.nl/tools/prom/
(T.U.Eindhoven)

122. Exemplos de Iniciativas

123. Por quê
Carga em Tempo Real no DW?
BI 2.0
Análises com dados em tempo real
Como vencer os desafios do
armazenamento tradicional de dados em
DWs?
Carga de dados em tempo contínuo
Inserções e leituras concorrentes

124. O que é a Carga em Tempo Real
no DW?
Ambiente que permite execução concorrente de
cargas e consultas em tempo real sobre um DW,
mantendo a eficiência das operações
Técnicas de distribuição e paralelismo
Cluster de banco de dados
Iniciativa do Projeto de pesquisa CG-OLAP da
UNIRIO
Pereira, D., Azevedo, L., Tanaka, A., “Real Time Loading of Enterprise Data Using
Fragmentation of Data Warehouses”, Simpósio Brasileiro de Bancos de Dados,
Florianópolis, Outubro 2011
Financiamento FAPERJ
www.uniriotec.br/~cgolap

125. Como funciona a Carga em
Tempo Real no DW?
Fragmentos Fragmentos Fragmentos
Históricos Históricos Históricos
CONSULTAS
Nó 3 Nó 4 Nó 5
MIDDLEWARE
Nó 1 Fragmento Nó 2 Fragmentos
INSERÇÕES de Tempo Real Históricos

126. Como funciona a Carga em
Tempo Real no DW?
Fragmentos Fragmentos Fragmentos
Históricos Históricos Históricos
CONSULTAS
Nó 3 Nó 4 Nó 5
MIDDLEWARE
Nó 1 Fragmento Nó 2 Fragmentos
INSERÇÕES de Tempo Real Históricos

127. StoryMining
Como tornar mais ágil o
levantamento e modelagem
dos processos de negócio?

128. Por quê o StoryMining?
Alto investimento no levantamento e
representação dos processos de negócio
Tempo e recursos
Com muita frequência
Modelos de processo “fora da realidade”
Modelos de processos desatualizados

129. O quê é o StoryMining?
Levantamento Automático de Processos de
negócio a partir de Estórias
Contagem de histórias em grupo
(GroupStoryTelling)
Descoberta de conhecimento
Geração do modelo de processos em BPMN
João Carlos de A. R. Gonçalves, Flávia Maria Santoro, Fernanda Araujo
Baião: Let Me Tell You a Story - On How to Build Process Models.
J. UCS 17(2): 276-295 (2011)

130. StoryMining
Contagem de histórias

131. Como funciona o Story Mining?
Story
Mining

132. Como funciona o Story Mining?

133. e-mailMiner
Como tornar mais ágil o
levantamento e modelagem
dos processos de negócio?

134. Por quê o e-mailMiner?
Nem todos os processos de negócio são “bem
comportados”. Alguns...
São fortemente dependentes do conhecimento e
experiência do seu executor
Têm fluxo muito instável
sequência de atividades não é bem definida
eventualidades, questões de ambiente externo
São altamente colaborativo
Intensa troca de conhecimento informal
Uso intensivo de ferramentas de comunicação (e-mails)
“Processos Intensivos em Conhecimento”
Tomada de decisão
Campanha de marketing

135. O quê é o e-mailMiner?
Descoberta automática de Processos Intensivos
em conhecimento
Coleta de emails
Representação automática de todo o conhecimento
inerente ao Processo

136. Como funciona o e-mailMiner?
E-mailMiner

137. Como funciona o e-mailMiner?

138. BPECREL
Business Process External Context Relevance
Como reagir mais
rapidamente às mudanças
relevantes no ambiente
externo?

139. Por quê o BPECREL?
A sobrevivência de uma organização depende de
sua habilidade em rapidamente
Processar informações sobre o meio-ambiente
Transformar essas informações em conhecimento
Adaptar seus processos de negócio às mudanças
Mas como determinar se uma informação do meio é
relevante para um processo de negócio?
Mar de informações disponíveis (e muitas outras não)
Redes sociais, sensores, satélites, ... a web é o banco de
dados

140. O quê é o BPECREL?
Business Process External Context Relevance
Identificação e priorização semi-automáticas das
informações do meio ambiente que influenciam
um processo de negócio
Inteligência Competitiva (IC)
Mineração de dados (MD)
Eduardo Costa Ramos, Flavia Maria Santoro and Fernanda Baião, A
METHOD FOR DISCOVERING THE RELEVANCE OF EXTERNAL CONTEXT
VARIABLES TO BUSINESS PROCESSES, KMIS 2011, Paris, Outubro
2011

141. Como funciona o BPECREL?
BPECREL

142. Como funciona o BPECREL?

143. Como funciona o BPECREL?
1- 2-
Identificar 3-
Selecionar 6-Identificar
o objetivo Selecionar
a categoria 4- 5- variáveis do
do processo a área de
de KIT. Identificar Identificar contexto
de negócio monitoria
o KIT o KIQ externo
Decisões estratégicas, Alertas, Política, Econômica, Social, Tecnológica,
Atores do ambiente competitivo Ecológica e Legal (PESTEL)
7-Coletar o 8-Determinar
histórico das relevância do
variáveis do contexto
contexto (Processo de KDD:
externo 9 etapas)

144. Business Intelligence,
Analytics e outros
sabores...
Fernanda Baião
fernanda.baiao@uniriotec.br