OLAP fornece às organizações uma forma flexível e rápida de acessar, visualizar e analisar dados corporativos. OLAP organiza informações em cubos multidimensionais para facilitar análises complexas. Os sistemas OLAP ajudam os executivos a tomar decisões estratégicas mais rapidamente com base em informações detalhadas e agregadas.

1. OLAP
Online Analytical Processing

2. OLAP
• OLAP fornece às organizações um método de aceder,
visualizar, e analisar os dados corporativos com alta
flexibilidade e performance.
• No mundo globalizado de hoje, as empresas enfrentam
uma maior concorrência e a expansão da sua actuação
para novos mercados.
• Portanto, a velocidade com que os executivos obtêm
informações e tomam decisões, determina a
competitividade de uma empresa e o seu sucesso a
longo prazo.

3. OLAP
• OLAP apresenta informações para os utilizadores
através de um modelo de dados natural e intuitivo.
• Através de um simples estilo de navegação e pesquisa,
que os utilizadores podem rapidamente analisar
inúmeros cenários, gerar relatórios e descobrir
tendências e factos relevantes independente do
tamanho, complexidade e fonte dos dados.
• Quanto maior e complexa for a informação armazenada,
mais difícil é a análise.

4. OLAP
• A tecnologia OLAP acaba com estas dificuldades
fornecendo a informação mais próxima à do utilizador.
• OLAP é normalmente utilizado para integrar e
disponibilizar as informações contidas nas bases de
dados operacionais, sistemas ERP e CRM, Data
Warehouses, de entre outros.

5. Modelo de Dados
• OLAP é uma tecnologia criada para facilitar a consulta
dinâmica e em tempo real da informação armazenada.
• Num modelo de dados OLAP, a informação é
organizada em cubos que armazenam valores
quantitativos ou medidas.
• As medidas são identificadas por duas ou mais
categorias descritivas denominadas dimensões que
formam a estrutura de um cubo.

6. Modelo de Dados
• Uma dimensão pode ser qualquer visão do negócio
que faça sentido para a sua análise, como produto,
departamento ou tempo.
• Este modelo de dados multi-dimensional simplifica
para os utilizadores o processo de formular pesquisas
ou "queries" complexos, criar relatórios, efectuar
análises comparativas, e visualizar subconjuntos
(slice) de maior interesse.

7. Por exemplo, um cubo contendo informações de vendas
poderá ser composto pelas dimensões tempo, região,
produto, cliente, cenário (orçado ou real) e medidas.
Medidas típicas seriam valor de venda, unidades
vendidas, custos, margem, etc.

8. Modelo de Dados
• Dentro de cada dimensão de um modelo OLAP, os
dados podem ser organizados numa hierarquia que
define diferentes níveis de detalhe.
• Por exemplo, dentro da dimensão tempo, poderemos ter
uma hierarquia a representar os níveis anos, meses, e
dias. Da mesma forma, a dimensão região poderá ter os
níveis país, região, estado e cidade.

9. Operações comuns
disponibilizadas sobre cubos
OLAP:
• Drill down & roll up – tratam-se de operações que nos
permitem olhar para os dados com maior ou menor nível
de detalhe, consoante se particularize a informação de
determinada célula ou se sumarie células do mesmo
nível.
• Slice & Dice – tratando-se de um objecto multi-
dimensional, e ao estar a capacidade analítica do agente
de tomada de decisão limitada a visões tabulares, as
operações de slice & dice permitem posicionar a visão do

10. Operações comuns
disponibilizadas sobre cubos
OLAP:
• Definição de alertas – as operações que podem ser
utilizadas para disparar acções quando determinadas
situações de destaque ocorrem em determinadas células.
• Ranking & sorting – operações que permitem agrupar e
escalonar os resultados com base em critérios de
ordenação (não afetando o desempenho das
interrogações devido às agregações armazenadas no
cubo).
• Filtragem – Difere das operações de Slicing por limitar o
universo de dados originalmente definidos, muito antes
da visualização do cubo, podendo ainda ser definidos
filtros sobre as medidas.

12. Pela sua facilidade de manipulação, não significa que a
estrutura por detrás de um cubo seja propriamente
trivial, muito pelo contrário:
• Como estrutura hierárquica que é, e perante o conjunto
de operações que permite executar, o armazenamento
de valores agregados e resumidos é praticamente
obrigatório por questões de desempenho.
• Algoritmos de indexação completamente remodelados
face aos modelos conhecidos para bases de dados
relacionais
• Diferentes estruturas físicas para armazenamento da
informação.

13. Modelos de armazenamento
OLAP:
• MOLAP – Multi-dimensional OLAP;
• ROLAP – Relational OLAP;
• HOLAP – Hibrid OLAP.

14. MOLAP – Multi-Dimensional OLAP
O armazenamento MOLAP é utilizado para criar cubos
multi-dimensionais a partir da informação armazenada
no Data Warehouse.
É normalmente utilizado se o conjunto inicial de dados é
de tal ordem grande que o processamento do cubo
directamente a partir do Data Warehouse necessita de
processamento em batch.
Os dados são então agregados e processados no cubo
usando um conjunto pré-definido de cálculos.

15. MOLAP
A grande vantagem prende-se com o melhor desempenho
na devolução de agregações a queries postas pelos
utilizadores: trata-se de localizar no cubo a respectiva
célula em função das dimensões e devolver o seu valor.
Uma das maiores desvantagens(?) será o fato de o cubo
surgir desligado do Data Warehouse, pelo que a sua
actualização é de certo modo complexa (o cálculo dos
acréscimos de dados introduzidos no Data Warehouse,
correcções em valores iniciais, etc, podem levar a que
seja preferível a construção de um novo cubo).

16. MOLAP
O armazenamento MOLAP apenas permite o uso de
tipos de dados básicos pelo que se torna limitada a
manutenção de informação de contexto sobre as
células.

17. ROLAP – Relational OLAP
O armazenamento ROLAP apresenta em contra-ponto as
vantagens e desvantagens do armazenamento MOLAP,
com a vantagem de poder também ter um tratamento pré-
definido de agregações (mantidas de forma tabular).
• A estrutura tabular não apresenta o mesmo desempenho,
essencialmente no processamento de agregações e
queries.
• É complexa e extensa a definição de índices e
agregações para permitir desempenhos semelhantes a
uma estrutura multi-dimensional.

18. Às vezes somos confrontados com situações onde, por
exemplo, 80% das queries colocadas são relacionadas
com agregações de alto nível e apenas 20% dizem
respeito a acessos a informação detalhada.

19. HOLAP – Hibrid OLAP
Para estes casos foi desenvolvido o modelo de
armazenamento HOLAP, como uma combinação de
armazenamento de agregações em estrutura multi-
dimensional, associado a estruturas relacionais onde é
armazenada a informação detalhada e necessária para
as questões colocadas ao pormenor.
Este processo é transparente porque o motor é capaz
de seleccionar correctamente a origem dos dados
necessários para a análise.

20. Aplicações
Finanças: orçamento, análise de balanço, fluxo de caixa,
contas a receber, …
Vendas: análise de vendas (por região, produto, vendedor,
etc.), previsões, lucratividade de cliente/contrato, análise
de canais de distribuição, ...
Marketing: análise de preço/volume, lucratividade de
produto, análise de mercados, …
Recursos Humanos: análise de benefícios, projecção de
salários, ...
Manufactura: gerência de stock, cadeia de fornecimento,
planeamento de procura, análise de custos de matéria-
prima, …

21. BI
Business Intelligence

22. Introdução
O mundo mudou. Mais e mais companhias estão a competir à
escala global, causando o aumento da concorrência, das cadeias
de fornecedores e clientes e das fontes de informação. Isto
significa que usar conhecimento analítico para entender e gerir a
organização, o mercado alvo e os fornecedores é mais importante
do que nunca.
A complexidade de gerir uma organização num ambiente de
competitividade nos dias de hoje exige que os gestores sejam
capazes de ter uma visão do desempenho de diversas áreas da
empresa, simultaneamente, e sob diferentes perspectivas.
Dado o hardware e o software necessários serem muito caros,
costumava ser uma área exclusiva das grandes empresas. No
entanto, esta situação alterou-se e as pequenas e médias
empresas também podem beneficiar actualmente das retomas de
investimento significativos proporcionados pelo data warehousing.

23. Sistemas Tradicionais
A análise de resultados não é uma tarefa simples e normalmente depende
de mão de obra intensiva para recolha e análise dos dados pretendidos.
Para além de muitos dos referidos dados se encontrarem em diversos
sistemas informáticos, é para além de difícil, um processo moroso e muita
informação importante pode ficar por analisar se a mesma se encontrar
dispersa.
Estes sistemas/ modelos surgiram através da perspectiva financeira e
estão demasiado concentrados no controlo - especificam as acções que
querem que os colaboradores realizem e depois avaliam se os
colaboradores as realizaram e quais os resultados imediatos, sem
avaliarem aspectos qualitativos e de conjuntura.
A análise do desempenho histórico da organização através dos tradicionais
sistemas de avaliação de desempenho / controlo de gestão, não permite
identificar atempadamente os problemas que podem surgir no futuro devido
ao inerente desalinhamento das acções correctivas com a respectiva

24. O que é o B I ?
Business Intelligence, pode ser traduzido como Inteligência de Negócios ou
Inteligência Empresarial, é um conjunto de metodologias de gestão
implementadas através de ferramentas de software que permite às
organizações aceder, analisar e compartilhar informações. Um conjunto de
software integrado de Business Intelligence extrai com rapidez dados de
fontes distintas, organiza-os e viabiliza análises, simulações e outras
informações relevantes que podem ser distribuídas por toda a organização
para suportar a tomada de decisões e melhorar o desempenho de gestão e
operacional.
•Uma plataforma de Business Intelligence acede a informações históricas, e
permite o desenvolvimento de predições estatísticas e oferece toda a
ferramenta necessária para a construção de aplicações analíticas.

25. Componentes básicos de uma
Plataforma de Business Intelligence
Estes componentes ajudam as companhias a executarem uma
estratégia completa de negócio, promovendo uma melhoria
contínua do desempenho em toda a organização.
•Query & Reporting
•Análises OLAP
•Relatórios Corporativos e Financeiros
•Ferramentas de Integração e Movimentação de Dados
•Ferramentas de Desenvolvimento

26. Query & Reporting
O primeiro passo a ser dado é viabilizar o acesso às fontes
de dados corporativas, sejam elas relacionais,
multidimensionais, ou outros tipos de arquivos.
Ferramentas de query & reporting possibilitam a
transformação de dados em informações, facilitando a
compreensão de oportunidades e tendências, permitindo
aos seus utilizadores tomar decisões melhores e mais bem
informadas.

27. Análises OLAP
Além das capacidades básicas para a geração de
consultas e análises ad hoc, uma plataforma de Business
Intelligence deve permitir a realização de análises
sofisticadas - como comparações estatísticas, simulações,
análises de cenários - e cálculos dimensionais - como
alocações e rateios. Para isto é necessária uma ferramenta
OLAP robusta.

28. Relatórios Corporativos e
Financeiros
Numa solução de Business Intelligence, tão importante quanto
as capacidades analíticas e o acesso às informações é a sua
distribuição através de relatórios e outros tipos de publicações.
Existem diferentes tipos de procuras por relatórios ou
informações pré-formatadas: alguns que devem seguir o
mesmo padrão periodicamente, outros que são gerados para
atender a necessidades específicas, outros ainda adequados às
especificações legais dos relatórios financeiros, cada qual
comportando diferentes volumes de dados ou ainda
requerimentos de layout e ambientes de publicação variados.

29. Ferramentas de Integração e
Movimentação de Dados
Uma plataforma de Business Intelligence precisa ainda
integrar as fontes de dados e os diferentes sistemas
existentes, permitindo o fluxo da informação entre as
diversas áreas de uma organização.

30. Ferramentas de
Desenvolvimento
Um ambiente de Business Intelligence não estará
completo sem ferramentas que permitam a utilização desta
tecnologia para a criação de aplicações que atendam a
variadas procuras.

31. Exemplos:
IBM Global Services
Microsoft Business Intelligence
HYPERION

32. EIS
Enterprise Information
Systems

33. Enterprise Information Systems
A capacidade de reagir e o tempo de reacção são
qualidades fundamentais para a definição de estratégias
de captação, das organizações, para que as mesmas se
possam tornar claramente orientadas para o mercado e,
para as oportunidades que estão surgindo. Neste
cenário de transformações e de forte concorrência, a
tecnologia da informação (TI), está sendo apontada
como uma das principais ferramentas a ser utilizada,
para obter ganhos de qualidade e de produtividade
(Tapscott e Caston, 1995).

34. Enterprise Information Systems
O apoio à decisão das empresas, referidamente nos
sistemas Enterprise Information System (EIS), cujo
objectivo principal – a identificação ou antecipação de
problemas e oportunidades – está exigindo, no contexto
de um cenário de fortes pressões externas, um nível
cada vez maior de sofisticação e de inteligência.

35. Níveis de Decisão

36. Enterprise Information Systems
• Sistemas de apoio ao executivo (SAE)
• Sistemas de apoio à decisão (SAD)
• Sistemas de informação da gestão (SIG)
• Sistemas de trabalhadores do conhecimento (STC)
• Sistemas de automatização de escritório
• Sistemas de processamento de transacções (SPT)

37. Sistemas de Apoio ao Executivo
(SAE)
Nível Estratégico
-Entrada : Dados agregados
-Processamento : Interactivo
-Saída : Projecções
-Utilizadores : Gerentes de topo
Abordam decisões não habitual que exigem bom
senso, avaliação e percepção, uma vez que não
existe um procedimento previamente estabelecido,
para se chegar a uma solução.

38. Sistemas de Apoio à Decisão
(SAD)
Nível da Gestão
-Entrada : Pequeno volume de dados
-Processamento : Interactivo
-Saída : Análise de decisão
Utilizadores : Profissionais, equipas internas
Ajudam os gerentes a tomar decisões não- usuais, que
se alteram com rapidez e que não são facilmente
especificadas com antecedência
Exemplo ( Dada a programação de entrega de um cliente e a taxa de
frete oferecida, qual navio deverá ser designado para o transporte e
que taxa maximizaria os lucros?)

39. Sistemas de Informação da
Gestão (SIG)
Nível da Gestão
-Entrada : Alto volume de dados
-Processamento : Modelos simples
-Saída : Relatórios / sumários executivos
Utilizadores : Gerentes de nível médio
Apóiam as funções de planeamento, controlo e
decisão ao nível da gestão
Exemplo
(Orçamento anual)

40. Sistemas de Trabalhadores do
Conhecimento (STC)
Nível do Conhecimento
-Entrada : Especificações de projecto
-Processamento: Modelagem
-Saída : Projectos, Gráficos
Utilizadores : Pessoal técnico ( Engenheiros,
médicos, advogados, Cientistas
Exemplo: Estações de trabalho de engenharia (Promovem
a criação de novos conhecimentos e asseguram que
esses novos conhecimentos e capacidades técnicas
sejam adequadamente integrados nas empresas.)

41. Sistemas de Processamento de
Transacções (SPT)
Sistemas de processamento de transacções:
-Sistemas administrativos básicos que atendem ao
nível operacional
-Sistema computorizado que realiza e regista as
transacções rotineiras necessárias ao
funcionamento da empresa
Exemplo (Registo de pedidos de venda, folha de
pagamento manutenção do registo de funcionários)

42. Tipos de Sistemas

43. Conclusão

44. Conclusão
OLAP fornece às organizações um método de
aceder, visualizar, e analisar os dados corporativos
com alta flexibilidade e performance. Esta serve
como ferramenta para BI, para triagem de
informação e ajudar a decisão.
EIS é um conjunto de ferramentas que servem
para monitorizar todas as adversidades que são
postas as empresas. Assim, esta serve para todos
os departamentos das empresas, como por
exemplo, a análise dos concorrentes, etc.
EIS, BI e por suas vez OLAP servem para as
empresas enfrentar e tomar decisões em relação
aos problemas que são postos neste mundo global.