1. Pós – Graduação em Marketing Turístico
Business Intelligence
Unidade Curricular: ”Sistema de Informação de Empresas Turísticas”
Docente: Prof. Doutor Henrique Mamede
Discentes:
Catarina Cabral – N.º 2009 4701
Cláudia Vasconcellos - N.º 2009 5935
Inês Turras - N.º 2009 6664
Vanessa Ferreira – N.º 2009 7081
Lisboa, 18 de Abril de 2010
2. 2
LISTA DE ABREVIATURAS
BI - Business Intelligence
BSC – Balanced Scorecard
CRM - Customer Relationship Management
DM – Data Mining
DW – Data Warehouse
DSS - Decision Support Systems
EAI - Enterprise Application Integration
ERP - Enterprise Resource Planning
OLAP - Online Analytic Process
SCM - Supply/Selling Chain Management
SQL - Structured Query Language
3. 3
ÍNDICE
RESUMO....................................................................................................................4
1. INTRODUÇÃO....................................................................................................5
2. CONCEITO DE BUSINESS INTELLIGENCE............................................................6
3. DATA WAREHOUSE (DW)..................................................................................7
3.1. Data Mart..................................................................................................7
3.2. Características de um Data Warehouse....................................................8
3.3. Balanced Scorecard...................................................................................8
3.4. Vantagens do Data Warehouse ................................................................9
3.5. Modelos Multidimensionais ...................................................................10
3.6. Análise de um Data Warehouse..............................................................11
3.6.3.1. Processo de Data Mining .......................................................................15
3.6.3.2. Aplicação do Data Mining segundo as áreas de negócio.......................17
4. PRINCIPAIS PLAYERS E PRODUTOS .................................................................18
5. INTERACÇÃO DO BI NO SISTEMA DE INFORMAÇÃO ORGANIZACIONAL ........21
6. CONCLUSÃO....................................................................................................22
7. BIBLIOGRAFIA..................................................................................................24
4. 4
RESUMO
Muitas empresas implementaram com sucesso soluções informáticas que lhes
permitiram uma melhor gestão do seu dia-a-dia. Registam encomendas, emitem
facturas, controlam stocks de produtos e movimentos contabilísticos. A
globalização e a utilização intensa de tecnologias de informação permitiram que as
empresas fossem mais produtivas, competitivas e organizadas. O Business
Intelligence (BI) veio ajudar os decisores a rapidamente avaliar a organização: qual
o mix de produtos neste trimestre? Qual o valor de novos clientes? Os decisores
necessitam ferramentas optimizadas para consultar a informação crítica, relevante
e eficaz que é necessária para uma empresa vencer nos mercados ultra competitivos
da actualidade. Esta é a filosofia de sistemas de gestão de performance como o
Balanced Scorecard, que colocam a ênfase na medição da performance através de
indicadores e objectivos concretos extraídas da Data Warehouse, de forma
equilibrada a várias áreas funcionais.
Palavras-Chave: Business Intelligence; Data Warehouse; Data Mining; OLAP.
5. 5
1. INTRODUÇÃO
O Business Intelligence foi escolhido para tema de trabalho, pois achamos bastante
interessante a sua capacidade em transformar grandes volumes de dados, extraindo
informação relevante e criando o conhecimento necessário para a tomada de
decisões de negócio que poderão incrementar a capacidade competitiva de uma
organização.
Ao longo deste trabalho são abordados vários pontos que dizem respeito ao tema,
sendo que o próprio conceito de Business Intelligence se encontra no ponto 2.
No ponto 3 abordaremos a definição de Data Warehouse, suas características,
funcionalidades e vantagens e respectivas ferramentas de análise do Data
Warehouse, nomeadamente o OLAP (Online Analytical Process), DSS (Decision
Support Systems) e Data Mining. Também será referido o Balanced Scorecard e os
modelos multidimensionais.
No que diz respeito ao Data Mining falaremos do seu processo de construção e
aplicação do Data Mining nas áreas de negócio.
No ponto 4, apresentamos os principais players deste mercado e os produtos que
oferecem na área do Business Intelligence.
No ponto 5 é abordado o modo como o Business Intelligence se relaciona com os
restantes elementos do Sistema de Informação de uma organização,
nomeadamente o Supply Chain Management (onde está integrado o Enterprise
Resource Planning), Selling Chain Management (do qual faz parte o Customer
Relationship Management), o Administrative Control, o Finance/Accounting
Management Control e o Enterprise Application Integration (EAI).
No ponto 6 são apresentadas as principais conclusões deste trabalho, e por fim, no
ponto 7 as referências bibliográficas utilizadas na consulta de informação para este
trabalho.
6. 6
A metodologia adoptada para a realização deste trabalho consistiu em pesquisas
através da internet e consulta/leitura de alguns livros da especialidade.
Durante a realização deste trabalho surgiu algumas dificuldades em seleccionar a
informação mais adequada, visto que existem inúmeras fontes de consulta, sejam
bibliográficas ou via internet.
2. CONCEITO DE BUSINESS INTELLIGENCE
Para uma organização, hoje em dia, estar informada sobre a situação do seu
negócio é uma estratégia fundamental. Se «num mundo complexo e rico em
conhecimento, não sobrevive o mais forte mas o mais sábio» (SANTOS; RAMOS;
2009) reconhecer antecipadamente quais são as tendências do mercado é,
garantidamente, uma vantagem competitiva em relação aos concorrentes. Nesse
sentido, foram desenvolvidos Sistemas de Gestão de Dados onde todas as
interacções realizadas entre consumidores e empresas (sejam hábitos de consumo,
contactos, reclamações, entre outros) ficam automaticamente registadas e
armazenadas. Assim, a empresa consegue verificar se todos os objectivos estão ou
não a ser cumpridos. «Todo o processo de monitorização do desempenho da
inteligência organizacional é mais uma forma de a organização tomar consciência
daquilo que sabe, do que não sabe, e daquilo que precisa saber para ser mais
competitiva e proporcionar bem-estar financeiro e social aos seus membros»
(SANTOS, RAMOS, 2009). No entanto, nestas gigantescas bases de dados a
informação, proveniente de diversas fontes e em diversos momentos, não está
organizada, havendo grande probabilidade de existirem discrepâncias,
redundâncias, erros e inconsistências se for utilizada sem qualquer tipo de filtro.
Para que a informação seja verdadeiramente útil, precisa estar organizada, correcta
e ser de fácil acesso a todos os colaboradores da empresa.
O Business Intelligence (BI) é o elemento dos Sistemas de Informação que permite
às organizações a reorganização do aglomerado informativo que enche as suas
bases de dados, tratando e analisando todos os dados ao mais ínfimo detalhe. O
objectivo é obter informação e transformá-la em conhecimento, com vista a
suportar os processos de tomada de decisão nas empresas. «O Business
Intelligence dá às organizações a capacidade de juntar informação, desenvolver
conhecimento sobre os clientes, concorrentes e operações internas, alterando o
processo de tomada de decisões de modo a atingir mais lucros e outros objectivos»
(LAUDON, LAUDON, 2006). Garante, no fundo, que os dados provenientes das
bases de dados que já seleccionados e organizados, são confiáveis e reflectem uma
única versão da realidade, podendo ser consultados em qualquer altura. Através do
BI, cada colaborador da organização pode ter uma visão integrada, de todos os
ângulos possíveis, do histórico e da situação actual do negócio, bem como de
7. 7
cumprimentos de objectivos através de um quadro de indicadores, metas e acções.
Ao facilitar o acesso, a análise e a partilha de informação de forma segura e flexível,
o BI permite que se tomem melhores decisões de negócio e que haja uma reacção
mais rápida e eficaz aos problemas internos e externos que possam surgir. Além
disso, quanto maior é o conhecimento sobre o grau de satisfação dos clientes (e
como aumentá-lo), mais fácil se torna retê-los, sobretudo em épocas de crise
económica em que não podem ser feitos gastos supérfluos. Actualmente, dentro das
bases de dados, a principal linguagem de manipulação é a Structured Query
Language (SQL), desenvolvida pela IBM e «utilizada para acrescentar, alterar,
apagar e recuperar dados» (LAUDON; LAUDON, 2006). A própria SQL pode ser
usada para criar bases de dados. O processo que envolve o sistema de BI inclui
vários componentes como o Data Warehouse, Scorecard, OLAP, Data Mining
3. DATA WAREHOUSE (DW)
Data Warehouse (DW) é um armazém de dados construído propositadamente para
a agregação da informação da organização num formato válido e consistente,
permitindo aos seus utilizadores a análise de dados de uma forma selectiva. O BI
integra a actividade de exploração do Data Warehouse, incluindo consultas ad-hoc
(personalizadas), consultas pré-formatadas e elaboração de relatórios,
monitorizando a evolução dos principais indicadores de negócio ao longo da
actividade de uma organização. (SANTOS, RAMOS, 2009).
Uma outra possibilidade para a exploração da informação armazenada num DW
consiste na utilização de técnica Data Mining. Com esta tecnologia, é possível a
identificação de padrões, ou tendências nos dados, que de outra forma não seriam
evidenciados. (SANTOS, RAMOS, 2009).
Data Mart
Os Data Mart são DW mais pequenos e são utilizados em áreas específicas. Por
exemplo, na área comercial, área financeira. Os custos de desenvolvimento dos
Data Marts são reduzidos quando comparados com os custos de um DW.
(LAUDON, LAUDON, 2006).
8. 8
Características de um Data Warehouse
O Data Warehouse assume as seguintes características que o distingue de outros
ambientes de sistemas convencionais:
Orientado por Assunto: está orientado em torno do principal assunto
da organização, armazenando informações agrupadas por assuntos de
interesse da empresa que são considerados mais importantes, sendo estes
chamados de processos de negócio de um empreendimento.
Integrado: é uma das principais características de um DW. Num Data
Warehouse os dados devem ser transformados em formatos comuns de
medida referência e armazenamento para que possam ser aproveitados.
Variável no Tempo: os dados de um Data Warehouse são precisos em
relação ao tempo e representam resultados operacionais do momento em
que foram capturados. A cada mudança, uma nova entrada é criada, ou
seja, os dados não são actualizáveis.
Não Volátil: os dados após serem integrados, são carregados e
armazenados no banco de dados analítico, possibilitando ao usuário
realizar apenas consultas e geração de relatórios necessários à tomada de
decisão, não permitindo, portanto actualizações nos mesmos, apenas
acesso de “leitura”. (SANTOS, RAMOS, 2009)
Balanced Scorecard
Balanced Scorecard (BSC) é uma metodologia de medição e gestão de desempenho.
O BSC foi apresentado inicialmente como um modelo de avaliação e performance
empresarial, porém, a aplicação em organizações proporcionou o seu
desenvolvimento para uma metodologia de gestão estratégica.
Os requisitos para definição desses indicadores tratam dos processos de um
modelo da administração de serviços e procura da maximização dos resultados
baseados nas perspectivas financeira, processos de negócio internos, clientes,
conhecimento e crescimento, que reflectem a visão e estratégia empresarial
9. 9
Legenda: Balanced Scorecard
BSC espelha o equilíbrio entre objectivos de curto e longo prazo, entre indicadores
financeiros e não-financeiras, entre indicadores de tendências e ocorrências e,
ainda, entre as perspectivas interna e externa de desempenho. Este conjunto
abrangente de medidas serve de base para o sistema de medição e gestão
estratégica pelo qual o desempenho organizacional é mensurado de maneira
equilibrada sob as quatro perspectivas. Dessa forma contribui para que as
organizações acompanhem o desempenho financeiro, monitorizando, ao mesmo
tempo, o progresso na construção de capacidades e na aquisição dos activos
intangíveis necessários para o crescimento futuro. (WIKIPEDIA, 2009)
Vantagens do Data Warehouse
Uma organização moderna precisa de Sistemas de Informações eficientes e fáceis
de utilizar a fim de sobreviver e obter sucesso num ambiente globalizado e
altamente competitivo. Neste contexto, pode-se referir vários motivos para
construir estes sistemas:
decisões precisam ser tomadas rapidamente e correctamente, usando todos
os dados disponíveis;
10. 10
utilizadores de sistemas de informações são especialistas de domínio de
negócio, não profissionais de computação;
volume de dados dobra a cada 18 meses, o que afeta o tempo de resposta e
incontestavelmente a habilidade em compreender seu conteúdo.
competição aumenta dia após dia nas áreas de inteligência empresarial,
bem como o valor agregado de informações.
Existem várias razões tecnológicas para a existência de Data Warehouse.
Primeiro, o DW é projectado para resolver a incompatibilidade de sistemas de
informações transaccionais e operacionais. Estas duas classes de sistemas são
projectadas para satisfazer diferentes, frequentemente incompatível, exigências.
Segunda, a infra-estrutura IT muda rapidamente, bem como suas capacidades
aumentam. Isto pode ser evidenciado através dos seguintes pontos:
o preço dos computadores que operam em uma velocidade medida em
MIPS (milhões de instruções por segundo) continua caindo, enquanto que
o poder dos microprocessadores dobra a cada 2 anos;
o preço de armazenamento digital está diminuindo;
a banda passante das redes está aumentando, enquanto que o preço de
banda está diminuindo;
o local de trabalho é crescentemente heterogéneo em termos de hardware e
software;
os sistemas antigos precisam, e podem, ser integrados com novas
aplicações.
Um DW envolve assim aspectos tecnológicos, de negócio e de construção
propriamente dita de uma base de dados analítica. (SANTOS, RAMOS, 2009)
Modelos Multidimensionais
Os modelos multidimensionais são utilizados para conceber a estrutura de sistemas
de DW. Baseia-a em dois pressupostos: produzir uma estrutura da base de dados
fácil de compreender e de utilizar e optimizar o desempenho no processamento de
questões, em oposição á optimização do processamento de actualizações.
(SANTOS, RAMOS, 2009)
11. 11
Os modelos multidimensionais são obtidos através da implementação do star
scheme, snowflake scheme e constellation scheme.
Star Scheme: está estruturado de forma a facilitar as consultas. Um esquema em
estrela integra uma única tabela de factos, que constitui o centro da estrela, e
múltiplas tabelas de dimensões ligadas à tabela de factos. A tabela de factos
corresponde ao assunto que se pretende analisar. As tabelas de dimensões
permitem a análise da tabela de factos sob diferentes perspectivas, permitindo
responder a várias questões: quem, como, onde, porquê.
Snowflake Scheme: é um star scheme cujas dimensões estão
normalizadas. O esquema deixa de ter uma estrutura regular, pois cada
ramo poderá apresentar uma extensão diferente. Inclui a vantagem de
explicitamente indicar a estrutura de cada uma das suas dimensões bem
como evita que a informação redundante seja armazenada, uma vez que as
dimensões estão normalizadas.
Constellation scheme : integra múltiplas tabelas de factos que
partilham dimensões comuns. Constellation scheme é um conjunto de star
schemes, como dimensões que permitem a integração destes diversos
esquemas. (SANTOS, RAMOS, 2009)
Análise de um Data Warehouse
Existem várias tecnologias para analisar uma data Warehouse, nomeadamente a
OLAP (online analytical Processing) que permite criar cubos para
análise da informação sob várias perspectivas. Os cubos permitem
analisar os factos disponíveis, nas tabelas de factos, pelas
diferentes dimensões consideradas na modelação realizada. Têm a
vantagem de trabalhar com várias relações existentes no universo
de dados, existentes em matrizes multidimensionais conhecidos
por dados cúbicos. Se a dimensão da matriz for maior que três
então será designada por hipercubos. Os servidores OLAP permitem a análise
multidimensional dos dados a partir da armazenagem de dados,
independentemente do local onde os mesmos estão armazenados. Os servidores
OLAP podem ser Rolap, Molap e Holap, extensões em SQL. (SANTOS, RAMOS,
2009)
A organização dos dados imposta pelo star scheme, snowflock scheme ou pelo
constellation scheme permite que os dados sejam analisados sob diferentes
perspectivas.
12. 12
Diferentes operações podem ser realizadas sobre os cubos, num ambiente amigável
de análise interactiva dos dados. As operações disponíveis para a manipulação dos
cubos são:
Drill-down: permite a pesquisa de dados generalizados para dados mais
pormenorizados. O seu objectivo é facultar uma visão mais pormenorizada dos
dados que estão a ser analisados.
Roll-up: permite agregar os dados visualizados no cubo utilizando uma forma
hierarquizada. Cada análise ocorrerá a um nível mais elevado de agregação.
Slice and dice: filtrar a informação a visualizar utilizando o corte (slice) e a
redução (dice) de um conjunto de dados disponíveis num cubo.
Pivot (rotate) – permite rodar os eixos de visualização dos dados
disponibilizando uma representação alternativa dos mesmos. (SANTOS, RAMOS,
2009)
As várias ferramentas para análise do DW são:
OLAP (online analytical processing)
DSS (decision-support systems)
Data Mining. (LAUDON, LAUDON, 2006).
3.1.1. Online Analytical Processing (OLAP)
OLAP é o termo usado para descrever análises complexas de dados oriundos do
DW. É um tipo de tecnologia que permite aos utilizadores fácil e rapidamente
analisarem os dados a partir de vários pontos de vista. OLAP garante um suporte
multi-dimensional e dinâmico para executivos e gestores que necessitem de
perceber as diferentes áreas de negócio onde se possam retirar dos dados,
nomeadamente:
Análises do mercado financeiro
Criação de dados divididos (slice)
Procura de novos fornecedores, clientes a partir dos dados existentes
Fazer previsões através de análises estatísticas
13. 13
Realização de cálculos através de diferentes dimensões para cada categoria
de dados (o que é, isto é, produto, localização, números de vendas, etc.).
Estas variáveis são designadas por dimensão. (LAUDON, LAUDON, 2006).
3.1.2.Decision Suport Systems (DSS)
Decision Suport Systems (DSS), segundo Keen e Scott Morton (1978) o DSS
concilia os recursos intelectuais individuais com a capacidade do computador em
melhorar a qualidade da decisão. Como mencionado acima, há várias
possibilidades de teoricamente construir um sistema em qualquer área do
conhecimento. Um dos exemplos é o DSS aplicado a diagnósticos médicos. Outros
exemplos incluem um banco que verifica o crédito de um solicitador de crédito ou
de uma firma de engenharia que tem um grande projecto e quer saber se podem ser
competitivos com os actuais custos.
As consultas DSS num DW ou base de dados OLAP poderão ser comparadas para
obtenção de informações relevantes, para a tomada de decisão de realizar um
investimento e prever o impacto dessa decisão. (WIKIPEDIA, 2009)
3.1.3.Data Mining (DM)
O progresso nas tecnologias de recolha, organização e armazenamento de
informação digital, têm vindo a promover o aparecimento de enormes bases de
dados em todos os contextos da actividade e do conhecimento humano.
Mas não basta apenas guardar essa informação e ocupar espaço precioso, é
necessário ter a capacidade de extrair algum tipo de informação útil dessa
gigantesca quantidade de dados e se possível explicar determinados fenómenos.
É aqui que o DM ou a descoberta de conhecimento em bases de dados tem um
papel fundamental, pois constitui uma poderosa ferramenta com um elevado
potencial de crescimento, que procura traduzir dados em informação e informação
em conhecimento, proporcionando a oportunidade de agir racionalmente sobre o
real.
Nos dias de hoje é importante para o bom funcionamento das organizações a
compreensão do mercado em que estão envolvidos, mas é fundamental ganhar a
confiança dos seus clientes e poder tratá-los de forma única e eficaz.
14. 14
É através deste princípio que as empresas, e sabendo que existe cada vez mais a
necessidade de uma fidelização dos clientes, pretendem realizar um estudo que
possibilite o tratamento personalizado para estes mesmos.
Através deste estudo, será possível ir ao encontro das reais necessidades dos seus
clientes e desenvolver um negócio direccionado dos mesmos.
O DM é um conceito que abrange todos os processos que, através de múltiplas
ferramentas tecnológicas de análise, permite descobrir com precisão determinados
padrões e relações num conjunto de dados.
As suas aplicações são essencialmente descritivas e de previsão. Descritivas porque
revelam uma realidade actual particular, por exemplo, os seus atributos estatísticos
(o desvio-padrão e os valores médios), e a visualização dos mesmos valores através
de gráficos e tabelas. Assim como, a visualização de dados que ocorram em
simultâneo. De previsão porque consentem fazer previsões e conclusões através da
criação de modelos, tendo em conta padrões actuais de comportamentos
detectados.
Legenda: Representação gráfica da arquitectura de um sistema de Data Mining
15. 15
Tendo em conta a contínua mudança das variáveis de negócio há que construir
modelos de previsão baseados em dados fiáveis, através das técnicas utilizadas no
DM nomeadamente:
Árvores de decisão – são constituídas por estruturas em árvore que
representam um conjunto de decisões, sendo de representação simples,
facilmente interpretadas pelos decisores.
Redes neuronais artificiais – sistemas de classificação modelados
segundo os princípios do sistema nervoso humano. Existem dois estágios
na utilização destas redes. O primeiro diz respeito à aprendizagem, no qual
a rede é treinada +ara a execução de tarefa específica. A segunda fase
prende-se com a previsão, na qual a rede é utilizada para classificar
registos conhecidos.
Regras de associação – identificam regras que relacionem uma
conclusão (exemplo aquisição de uma viagem para as Maldivas) com um
conjunto de condições (aquisição de viagens para outras destinos
turísticos). As regras de associação permitem encontrar relacionamentos
entre os atributos existentes numa base de dados, representando-os na
forma de uma regra.
Para além destas técnicas DM existem outras como, a regressão linear,
algoritmos genéticos e vizinhos mais próximos.
3.6.3.1. Processo de Data Mining
O processo de DM deverá seguir as seguintes etapas:
Explicar o business case, para se compreender o impacto do negócio é
necessário
Definir os objectivos e metas do projecto. Por exemplo, para reduzir o risco
de crédito de um determinado banco, é necessário investigar o histórico do
perfil de clientes não cumpridores.
Construir a sua base de dados. Os dados devem ser agrupados numa base
de dados.
As tarefas a cumprir são semelhantes na construção do Data Warehouse:
16. 16
Recolhas, análise de qualidade dos dados, descrição e selecção dos dados e
construção/alteração/manutenção da base de dados.
Exploração dos dados – Reconhecer que variáveis (campos) são relevantes
na análise.
Identificar que valores são realmente proveitosos.
Ter em conta que estes conjuntos de dados têm milhares de colunas, logo a
capacidade de resposta na aplicação informática é essencial.
Preparação dos dados - Seleccionar as variáveis e colunas segundo um
critério, para não se finalizar o processo com variáveis incorrectas.
Construção de um protótipo do modelo – Avaliar alternativas (train & test)
para resolver de forma exequível o business case.
Avaliar o modelo – Diante dos resultados obtidos há que detectar eventuais
erros de construção, validar se o modelo coincide com a realidade e se são
pertinentes para aquilo que se procura, uma vez que pode não ser o mais
adequado.
Executar o modelo correcto – Implementar o modelo após validação
interna e externa (analistas e decisores) do respectivo processo de negócio
mantendo os padrões numa constante actualização.
Quanto às aplicações empresariais de um sistema de Data Mining, estas podem ser
variadíssimas, sendo associadas a dois grupos:
Optimização da gestão da estratégia comercial/marketing,
análise do mercado, dos segmentos e clientes.
Procura de eficiência nos custos, ou seja, racionalização de vários
inputs (materiais e humanos) de cada processo.
O DM não substitui a componente humana na análise de dados, define padrões e
tendências mas não dá ao gestor o valor/impacto dessas realidades para o negócio.
O DM aliado ao BI são ferramentas insubstituíveis para o progresso dos projectos,
tendo como finalidade melhorar os modelos, a forma como a informação está
organizada, distribuída, processada e enviada, bem como as tomadas de decisão,
que têm um impacto eficaz nas decisões do negócio das empresas. Para fazer com
que um projecto OLAP possa progredir na sua exploração de dados e
17. 17
posteriormente desenvolver modelos de DM há que usar técnicas como: a análise
de clusters, análise de padrões, modelos previsionais e associações.
Uma organização que utiliza a técnica do Data Mining tem capacidade para estudar
os hábitos dos clientes, identificá-los e entender comportamentos habituais. A
utilização deste processo proporciona um modelo de fácil compreensão.
Em suma, todas estas técnicas são organizadas numa estrutura de BI, para
respectiva análise, DM e armazenamento de dados.
Legenda: Exemplo de uma aplicação de um banco em que o Gestor de Conta determina as aplicações a
um cliente de acordo com o seu perfil.
3.6.3.2. Aplicação do Data Mining segundo as áreas de negócio
Na banca - A angariação de novos clientes: Segmentação de clientes e perfis de
resposta. Fidelização de “bons” clientes a partir de estudos de mercado e perfis de
clientes rentáveis. Crescimento do volume de negócio com bons clientes tendo por
base a elaboração de estudos de up-selling, cross-selling e determinação do risco.
Risco de crédito (consumo, cartões, habitação) para prevenção de fraudes.
No turismo – Analisar quais os potenciais países com turismo emissor, tipo de
turismo que escolhe determinado destino turístico, razões porque um destino não
tem procura, análise do mercado turístico para diferenciação dos serviços
prestados ao turista, maximizar o revPar e taxa de ocupação por quarto tendo como
base a comparação dos concorrentes que ao nível de oferta de serviços quer ao nível
18. 18
de preços praticados, lançamento de novos serviços/produtos turísticos, análise das
necessidades do turista, análise dos padrões de consumo turístico.
No marketing – Diminuir custos e investimentos, reconhecer padrões de compra
dos clientes, características demográficas dos clientes e análise de mercado.
Nos seguros – Angariar novos clientes, fidelizar bons clientes, aumentar volume
de negócios com os clientes e analisar riscos.
Nas telecomunicações – Angariar novos clientes e perfis de consumo baseados
em dados geográficos e socioeconómicos.
No retalho – Análise de promoções (sensibilidade) e de campanhas publicitarias e
estudos de marketing (loja).
Na administração pública – Contribuições e impostos (precaução para
fraudes), segurança social, saúde, educação e economia (segmentação empresarial).
4. PRINCIPAIS PLAYERS E PRODUTOS
O mercado do BI tem diversos players e as mais variadas ferramentas dedicadas ao
tratamento e análise de informação uma vez que é de extrema importância o
tratamento do elevadíssimo volume de dados existente para o suporte das tomadas
de decisão da empresa.
Com o surgimento de novos modelos de negócio – devido à crise, o panorama
económico alterou-se e prevê-se que não volte ao que foi outrora – os maiores
fabricantes têm a necessidade de desenvolver novos produtos de modo a ganharem
alguma vantagem competitiva relativamente aos seus concorrentes.
Uma vez que o BI oferece um importante apoio ao negócio, este irá cumprir um
papel crucial para que a empresa possa compreender qual o impacto destes novos
padrões no seu negócio.
As funcionalidades principais que os produtos DW devem ter são as seguintes:
Relatório – capacidade de ver relatórios formatados e interactivos.
Dashboard – inclui a habilidade de publicar métricas para uma interface
Web com um display intuitivo de informação.
19. 19
Consultas ad-hoc – permite aos utilizadores finais criar os seus próprios
relatórios.
Integração com a Microsoft – permite que haja uma articulação com
os produtos da Microsoft, principalmente com o Excel. As plataformas de
BI devem permitir exportar os relatórios para o Excel. Outros produtos
também já têm integração com o Word e o Power Point.
Infraestrutura – deverá permitir suporte técnico, backups, gestão dos
metadata, gestão, integração do portal entre outras funcionalidades.
Metadata - são dados sobre outros dados. Um item de um metadata pode
dizer do que se trata aquele dado (exemplo um tag de um mp3).
Desenvolvimento – A plataforma BI deverá garantir uma ferramenta de
desenvolvimento com um kit de software desenvolvimento para criar
aplicações de BI e integrá-las dentro do processo de negócio ou dentro de
outra aplicação.
Workflow e colaboração – permite aos utilizadores partilhar e discutir
a informação através das pastas públicas e integrar os resultados do BI
enquanto contexto do processo de negócio específico.
OLAP – (analisado no ponto 3)
Visualização: permite analisar o negócio sobre a forma da apresentação
dos dados com mais eficiência usando figuras e gráficos
Modelos Previsionais – permite que a organização classifique variáveis
e faça previsões contínuas utilizando técnicas matemáticas.
Scorecard - (analisado no ponto 3)
Os principais produtos de DW têm as características acima referenciadas, como é o
caso do COGNOS8, o SAP, ORACLE. Estes produtos costumam corresponder à
capacidade de entrega de informação que corresponde a funções como a realização
de relatórios, consultas Ad-Hoc, de dashboards (ilustração da execução dos
negócios em toda a organização), à integração de dados como infra-estruturas,
meta dados, desenvolvimento e circuitos de informação para decisão e colaboração.
A capacidade de análise destas ferramentas não pode ser esquecida e por isso,
segundo o Gartner Group, devem contar também com funções de OLAP, Scorecard
(indicadores que ajudam as empresas a calcular e a gerir o seu desempenho),
visualização e modelos de previsão (SCHLEGEL, SOOD, 2007).
20. 20
Segundo um relatório recente do Gartner Group, a IBM, a Oracle, a SAP e a
Microsoft, são actualmente os principais líderes de mercado. (GARTNER, 2009)
A principal solução de BI apresentada pela IBM, que é das mais antigas empresas
de Tecnologia de Informação e das que tem vindo a apresentar um maior lucro,
passam pela plataforma COGNOS 8 que permite ao utilizador uma maior rapidez e
precisão analítica no tratamento de dados. Esta ferramenta pode ser utilizada tanto
a nível de vendas e análise financeira (funções mais especificas de uma empresa)
como também está apta para o tratamento de Data Warehouse e ajuda a obter uma
visão única e mais precisa das informações do negócio. (IBM, 2010)
A Oracle tem vindo a apresentar cada vez mais ferramentas para a organização da
informação das empresas. O Oracle Business Intelligence Suite Enterprise Edition
Plus oferece ao utilizador uma gama bastante completa para a análise e para a
elaboração de relatórios. Fornece uma visão mais completa e relevante, através do
seu sistema unificado e adaptado à arquitectura moderna. (ORACLE, 2010)
O Oracle Business Intelligence Suite Standard Edition One é um sistema de BI
desenvolvido para 5 a 50 utilizadores. Este sistema inclui tecnologia de BI e de Data
Warehouse (como o Oracle Interactive Dashboards e Oracle BI Publisher, Oracle
Warehouse Builder para ETL e Oracle Database, tudo oferecido no mesmo pacote).
O Oracle Business Intelligence (BI) Publisher gere e entrega os documentos da
empresa de um modo bastante formatado e por isso permite uma maior
organização de todo o tipo de documentação indispensável à empresa.
O Oracle Essbase é líder no mercado de servidores OLAP, e destaca-se pela
capacidade de realizar análise prospectiva muito rapidamente. Este servidor é
apresentado como solução para racionalização dos relatórios de gestão, previsão e
processo de análise de variância. A Oracle tem também para oferecer o Oracle Real-
Time Decisions (RTD). (ORACLE, 2010)
A SAP oferece a plataforma SAP NetWeaver como “plataforma completa de
aplicações e integração para um baixo custo de propriedade”. Nesta solução está
integrada o mySAP Enterprise Portal com fim a melhorar as capacidades de acesso
e processamento da informação existente em toda a empresa. Isto é possível
através de um interface centralizado e de fácil utilização. Com a unificação da
informação e das aplicações do negócio, o utilizador pode numa primeira fase
identificar e mais tarde resolver o problema de uma maneira mais rápida e eficaz e
consequentemente com um menor custo. (SAP, 2010)
A Microsoft detêm várias ferramentas para a organização da informação
empresarial (Microsoft SQL Server, Microsoft SQL Server, Microsoft SharePoint
Server, Microsoft Office Visio, Microsoft Performance Point Server, Microsoft
Excel), mas que tem tido um maior destaque é o servidor Microsoft Dynamics. Esta
21. 21
linha de soluções foi desenhada essencialmente para a consolidação dos processos,
ao facilitar o Business Intelligence por toda a empresa permite a redução dos riscos
e das responsabilidades relativamente ao topo da hierarquia da organização e uma
maior conformidade no que diz respeito aos objectivos da mesma. (MICROSOFT,
2010)
5. INTERACÇÃO DO BI NO SISTEMA DE INFORMAÇÃO
ORGANIZACIONAL
O objectivo deste capítulo consiste em indicar o valor que o Business Intelligence
traz para a organização ao relacionar-se com os restantes elementos do Sistema de
Informação da mesma.
O BI torna-se um componente de grande importância na sua interacção com o
Selling Chain Management (SCM) e no Customer Relationship Management
(CRM) na medida que permite uma análise da evolução de vendas,
comportamentos dos clientes e as estratégias de marketing aplicadas ou a aplicar.
Nesse sentido, a relação entre BI e SCM permite analisar a evolução do mercado e,
a partir daí, tomar decisões ligadas à área de relação com o cliente e revendedores,
além de identificar novas oportunidades para negócio.
No que diz respeito ao Supply Chain Management (SCM), onde se integra o
Enterprise Resource Planning (ERP), o papel do BI será de receber os dados
relativos a logística, produção e distribuição com vista a analisar, por exemplo, que
produtos devem ser descontinuados, aposta de novos produtos ou serviços, que
fornecedores são mais adequados.
Em relação ao Administrative Control, o BI permite que os dirigentes e
colaboradores da organização tenham conhecimento do que se passa ao nível
interno e externo, de modo a serem tomadas as decisões mais adequadas.
Por fim, o BI assume ainda uma grande importância na área dos Stakeholders e
Finances/Accounting na medida que são retirados dados dos balanços,
demonstração de resultados, volumes de facturação, rádios, indicadores
económico-financeiros para análise do equilíbrio da organização, e a partir destes
indicadores serem tomadas decisões.
22. 22
6. CONCLUSÃO
Com a realização deste trabalho desenvolvemos os conceitos de BI, DW e DM, entre
outros, e perceber um pouco melhor a realidade do mercado destas tecnologias.
Assim percebemos que a crescente disponibilização de informações que tem
surgido na medida em que mais e mais organizações utilizam-se das ferramentas
de BI, está a provocar também que apareçam novas necessidades de análise das
informações disponibilizadas.
Para atender essas novas necessidades, as ferramentas de DSS têm sido
incrementadas com sofisticadas funções de DW, tais como, a formatações de
relatórios cada vez mais flexíveis, visualizações 3D, filtros, classificações, alertas,
análise OLAP, sendo está última a mais desenvolvida na medida em que possibilita
aos utilizadores estudar os dados de maneira multidimensional. Por sua vez, os
sistemas de DM apresentam um sistema alternativo e automático de descobrir
padrões nos dados. O DM é extremamente adequado para analisar volumes
enormes de dados, visto estes serem grandes demais para serem explorados
manualmente, ou ainda porque contêm dados muito densos ou não intuitivos.
O BI aplicado à actividade do Turismo é de grande importância pois poderá
resolver problemas de falta de integração de dados, apoiando estratégias de
diferenciação baseadas na qualidade do serviço, análise do comportamento e
análise das preferências dos turistas por segmento de mercado e país a país,
conversão das análises mais detalhadas em marketing mais orientado, o que
ajudará a actividade do turismo a manter-se a par das tendências em rápida
transformação, das condições de mercado variáveis e da crescente concorrência,
disponibilizar uma data warehouse que armazene múltiplos dados relacionados,
que constituem a base de sustento de um serviço personalizado à medida do
cliente; favorecer o processo de tomada de decisões em áreas chave que sem o BI
seria muito difícil; superar o uso da gestão de actividades operativas de negócio e
fomentar a aplicação da mesma a níveis superiores da estrutura com decisões de
controlo e de planificação.
O processo dinâmico de criação de capacidade competitiva, as empresas
relacionadas com a actividade do turismo de turismo precisam criar valor
acrescentado ao nível do conhecimento e capital intelectual na geração de
vantagens (de resposta rápida, qualidade e preço). É crucial para implementar uma
nova filosofia organizacional baseada na reengenharia e realizado por incentivar
inovações, afirmando o conhecimento como um recurso fundamental, e introdução
de benchmarking e BI. O BI representa a totalidade da informação, percepção e
competências ao nível operacional de uma organização, traduzindo-se em
competitividade. (STIPANOVIC, 2008).
23. 23
O BI na área do turismo permite consolidar dados detalhados do vário programa
com o objectivo de melhorar o planeamento de acções estratégicas de promoção,
marketing e apoio à comercialização dos destinos turísticos nos mercados
emissores prioritários. Por exemplo, o BI permite analisar qual o número de
turistas que visitam Portugal por ano, qual o motivo; em caso afirmativo, quais as
regiões que são procuradas pelos turistas e qual o volume de vendas. Caso negativo,
quais os motivos que dificultam a vinda de mais turistas, que países competem com
Portugal, e o que os outros países oferecem ao nível de serviços nos seus catálogos e
outras informações relevantes. O BI permite identificar as oportunidades, assim
como as ameaças, permitindo ao decisor na área do turismo tomar medidas certas
no momento certo. (EMBRATUR, 2009).
Através do BI, os decisores por exemplo de uma unidade hoteleira poderão ver o
top dos hotéis e elaborar um plano de marketing com actividades para maximizar
seus próprios indicadores, por exemplo de taxa de ocupação por quarto ou
aumentar a revPar. Outro exemplo será análise do fluxo e que tipo de turistas
visitam mais a costa Algarvia e quais as unidades hoteleiras escolhidas pelos
turistas, quais os motivos para essa escolha, quantos dias permanecem, quais são o
tipo de restaurantes. O BI também é de extrema importância na área dos
transportes, nomeadamente, companhias aéreas, para análise do turismo emissor e
daí rever os circuitos aéreos, voos directos para um determinado destino,
promoções.
A utilização de sistemas de BI continua em expansão dentro das organizações
sendo transversal à grande maioria dos sectores/actividades, tornando-se também
numa grande aposta dos players que procuram melhorar as suas ferramentas de
análise para uma resposta mais eficaz aos problemas, desafios e à constante
mudança dos mercados que estão cada vez mais competitivos. Num mundo onde as
instabilidades políticas, ambientais e sociais condicionam o rumo das organizações,
estas procuram estar sempre atentas e informadas em relação a novas e melhores
oportunidades de negócio. Há uma noção de que uma informação cuidada e precisa
é sinónimo de uma melhor gestão do negócio e um melhor desempenho da
organização, criando mais valor para a organização. Actualmente, procura-se que o
BI tenha cada vez mais capacidade de previsão, sobretudo através das ferramentas
de Data Mining, para que se possa antecipar as tendências do mercado e, dessa
forma, aumentar a vantagem competitiva em relação à concorrência.
24. 24
7. BIBLIOGRAFIA
AUTÓNOMA DE LISBOA, Universidade (2008), Análise Inteligente de Dados,
apontamentos.
BIWIKI (2010), consultado em 11 de Abril de 2010 em
http://biwiki.isegi.unl.pt/~biwiki/index.php?title=P%C3%A1gina_principal
CARVALHO, Luís Alfredo (2005), Data Mining: A mineração de Dados no
Marketing, Medicina, Economia, Engenharia e Administração", Editora Érica Lda
EMBRATUR (2009), O sistema Trade Business Intelligence (TBI) consultado em
14 de Abril de 201010 em
http://ecoviagem.uol.com.br/noticias/turismo/ecoturismo/cadastro-tbi-e-
alimentado-pelos-escritorios-brasileiros-de-turismo-no-exterior-6079.asp
GARTNER, Group (2009), consultado em 15 de Abril de 2010 em
http://www.gartner.com/technology/research/content/business_intelligen
ce.jsp
GARTNER (2010), consultado em 11 de Abril em
http://www.gartner.com/technology/media-
products/reprints/cognos/vol6/article2/article2.html
IBM (2010), consultado em 11 de Abril de 2010 em www.ibm.com
LAUDON, Kenneth C., LAUDON, Jane P. (2006); Management Information
Systems – Managing The Digital Firm; 10ª edição; Pearson Prentice Hall.
LEMON (2008), Data Warehouses consultado em 14 de Abril de 2010 em
download.lemon.com.br/tutoriais//.../datawarehouse.doc
MICROSOFT (2010), consultado em 11 de Abril de 2010 em www.microsoft.com
ORACLE (2010), consultado em 11 de Abril de 2010 em www.oracle.com
SAP (2010), consultado em 11 de Abril de 2010 em
www.businessobjects.com/SAP
25. 25
SANTOS, Maribel Yasmina, RAMOS, Isabel, (2009) Business Intelligence –
Tecnologias da Informação na Gestão do Conhecimento; 2ª edição; FCA.
SPI (2010), consultada em 11 de Abril de 2010 em
http://www.spi.pt/negocio_electronico/manual5.htm
SCHLEGEL, Kurt, SOOD, Bahvish (2007), Relatório Business Intelligence
Platform Capability Matrix.
STIPANOVIC, C. (2008), Business Intelligence no sentido de tornar as empresas
de turismo competitivo, consultado em 12 de Abril de 2010 em
http://translate.google.pt/translate?hl=pt-
PT&langpair=en|pt&u=http://www.cababstractsplus.org/abstracts/Abstract.aspx
%3FAcNo%3D20053175749
WIKIPEDIA (2009), Balanced Scorecard, consultado em 11 de Abril de 2010 em
http://pt.wikipedia.org/wiki/Balanced_scorecard
WIKIPEDIA (2010), Decision Suport Systems, consultado em 11 de Abril de 2010,
em http://en.wikipedia.org/wiki/Decision_support_system