Vivo – Usando o Data Warehouse Para Tomada De Decisão

16.166 visualizações

Publicada em

Vivo – Usando o Data Warehouse Para Tomada De Decisão

Publicada em: Educação

Vivo – Usando o Data Warehouse Para Tomada De Decisão

  1. 1. VIVO – USANDO O DATA WAREHOUSE PARA TOMADA DE DECISÃO Juliana Maria Lopes1 Fabio Roberto Pierre2 Fernando Motta Delago3 RESUMO Com um conjunto de dados históricos e centralizados, é possível projetar tendências e traçar metas baseando-se em dados reais, tornando o processo de tomada de decisão mais seguro e menos suscetível a erros. O presente trabalho tem como objetivo apresentar como o processo de desenvolvimento de relatórios gerenciais da empresa VIVO é realizado. A principal contribuição deste artigo é fornecer um modelo ao mercado para divulgação de processos de Business Intelligence. Palavras-chave: Data Warehouse, Vivo, Customer Lifecycle Management. VIVO – USING THE DATA WAREHOUSE TO DECISION-MAKING ABSTRACT With an historical and centered data set, it’s possible to project trends and trace objectives being based on real data, becoming the decision-making process safer and less susceptible to errors. The present work has as objective to show as the process of development of managemental 1 Tecnólogo em Ciência da Computação pela Universidade Anhembi Morumbi (2003) e Desenvolvimento de Software pela FIAP – Faculdade de Informática e Administração Paulista (2004). 2 Bacharel em Sistemas de Informação pela Universidade São Marcos (2002). 3 Tecnólogo em Processamento de Dados pela FIAP – Faculdade de Administração Paulista (2000).
  2. 2. 2 reports at Vivo Company is created. The main contribution of this article is how to supply a model to the market spreading of Business Intelligence processes. Key-words: Data Warehouse, Vivo, Customer Lifecycle Management. 1 A EMPRESA Controlada pelos Grupos Portugal Telecom e Telefónica Móviles, a VIVO atualmente é a maior prestadora de serviços de telecomunicações móveis do Hemisfério Sul e décima maior no ranking mundial, com mais de 30 milhões de clientes em todo o Brasil. A empresa é líder no mercado individual e também no segmento corporativo, para o qual fornece soluções através da unidade de negócios Vivo Empresas. Segundo (BORGES, 2005) a atuação da companhia abrange 19 estados e o Distrito Federal, numa área de cobertura que chega a 86% do território nacional. Em 2003, faturou aproximadamente R$ 10 bilhões. De acordo com a (COMPUTERWORLD, 2005) hoje a operadora concentra 6,7 mil funcionários e gera mais de 50 mil empregos indiretos. A VIVO tem como diferencial competitivo à tecnologia CDMA, que segundo a União Internacional de Telecomunicações (UIT) é base da Terceira Geração de telefonia celular em todo o mundo. Além disso, a empresa apresenta modernidade e o caráter inovador de seus serviços de transmissão de voz e dados, como acesso à internet móvel em banda larga, transmissão de vídeo e outros formatos de comunicação on-line, como jogos e e-mails. No dia 24 de maio de 2005, a Vivo recebeu os prêmios Top de Marketing 2005 da Associação dos Dirigentes de Vendas e Marketing do Brasil – ADVB pelos cases “Vivo
  3. 3. 3 Encontra: uma inovação exclusiva da Vivo” e “Vivo e Gisele Bundchen – o encontro da maior Top Model com a operadora Top do Brasil”. O lançamento do Vivo Encontra acumulou 25 mil usuários e 100 mil acessos de localização em cinco meses. Esse sucesso se deve ao fato de que com o Vivo Encontra, pode-se obter a direção de lugares, localizar amigos, checar o endereço onde se encontra e muito mais. Esses serviços são bastante populares no Japão, China e Coréia, e no lançamento no Brasil, a Vivo realizou grande campanha ressaltando aspectos de conveniência, entretenimento e segurança, além de grande inovação. O outro case premiado, “Vivo e Gisele Bundchen – o encontro da maior Top Model com a operadora Top do Brasil”, reforça os aspectos de patriotismo e brasilidade da Vivo, que contratou Gisele por sua forte personalidade, por suas atitudes autênticas e marcantes que combinam com os valores da marca Vivo. A Vivo já havia estado junto com a Top Model, quando a estrela foi convidada para abrir o São Paulo Fashion Week. Na ocasião, a modelo doou parte do seu cachê para o programa social Fome Zero. 2 ARQUITETURA Segundo (INMON, 1991) o Data Warehouse é um conjunto de dados orientado a um assunto, integrados, não-voláteis e variáveis com o tempo, que são utilizados para apoiar decisões gerenciais. (KIMBALL, 1996) afirma que o Data Warehouse não é um mero gerador de relatórios, mas uma base de decisão estratégica.
  4. 4. 4 Os Data Marts são desmembramentos do Data Warehouse nos setores específicos, atendendo a uma função determinada e ajudando as pequenas empresas a equilibrar gastos e obter resultados em curto prazo. Segundo (INMON, 1991) os seguintes fatores fazem a diferença entre Data Mart e Data Warehouse:  Atende às necessidades de um departamento específico ou grupos de usuários;  Por atender a um único setor, armazenando um menor volume de dados;  Os Data Marts mantém o mesmo período histórico que o Data Warehouse, porém com os dados armazenados em um nível maior de granularidade;  Os Data Marts mantém geralmente dados, quase sempre, sumarizados. A arquitetura dos modelos de negócio da VIVO, atualmente é composta por seis Data Warehouses regionais. São eles: São Paulo, Rio de Janeiro, Paraná, Bahia, Centro-Oeste e Norte - CO/N e Rio Grande do Sul. Além disso, a empresa também possui um Data Mart para a regional São Paulo, denominado CLM (Customer Lifecycle Management). 3 DATA WAREHOUSES REGIONAIS A operadora criou um repositório de dados centralizado, contendo informações extraídas dos principais sistemas da empresa e de fontes externas, o que facilita e agiliza a obtenção de indicadores estratégicos e o processo de tomada de decisão.
  5. 5. 5 Para as regionais de São Paulo, Paraná e CO/N, o banco de dados utilizado é Oracle e para as regionais do Rio de Janeiro, Rio Grande do Sul e Bahia utiliza-se DB2. As principais informações contidas nos Data Warehouses são:  Clientes;  Recarga (Pré-Pago);  Tráfego de Voz e Dados;  Segmentação e Rentabilidade do Cliente;  Planos;  CHURN (Propensão de Perda de Clientes). O modelo de Data Warehouse regional adotado pela VIVO é Snowflake Schema. Em bancos de dados relacionais, as principais modalidades de representação e armazenamento de dados multidimensionais são os esquemas do tipo estrela (Star Schema) e o esquema floco de neve (Snowflake Schema). No esquema estrela, há uma tabela principal (denominada Tabela Fato) ao qual se ligam outras tabelas, referentes a dimensão. No esquema floco de neve, ocorre uma extensão do esquema estrela, onde as tabelas de dimensão são desdobradas em outras dimensões. A latência dos dados dos Data Warehouses da VIVO (quantidade de informações mensais) gera em torno de três a quatro meses para tabelas de tráfego de voz e dados e 4 anos para tabelas como cadastro de clientes. Com relação ao volume de dados, podemos observar por meio do gráfico abaixo, a quantidade de informações contidas nos Data Warehouses.
  6. 6. 6 Fonte: Vivo Empresas As principais áreas atendidas pelo Data Warehouse regionais são: Aquisição de Clientes, Retenção de Clientes, Fidelização, Marketing Estratégico, Marketing Operacional, CRM e Pricing. 4 CLM - CUSTOMER LIFECYCLE MANAGEMENT Os primeiros projetos de Data Warehouse armazenavam todas as informações numa única fonte. Embora essa solução fosse interessante, fornecendo uniformidade, controle e maior segurança, a implementação desta abordagem não foi uma tarefa fácil, pois necessitou de uma
  7. 7. 7 metodologia rigorosa e uma completa compreensão dos negócios da empresa, além de exigir um planejamento muito bem detalhado. Com o surgimento do Data Mart, a abordagem descentralizada passou a ser uma das opções de implementação de Data Warehouse. Nessa estrutura, o processo é dividido em áreas menores gerando assim pequenos bancos orientados por assuntos departamentalizados. A tecnologia usada tanto no Data Warehouse como no Data Mart é a mesma, as variações que ocorrem são, basicamente, de volume de dados e complexidade de carga. Os Data Marts são voltados somente para uma determinada área, já o Data Warehouse é voltado para os assuntos da empresa como um todo. O objetivo principal do Data Mart CLM – Customer Lifecycle Management é o gerenciamento do ciclo de vida do cliente. É possível, por exemplo, calcular a tendência de troca de aparelhos por cliente, de acordo com sua rentabilidade e segmentação. A latência dos dados contidos na base (quantidade de informações mensais) gera em torno de 6 meses a 1 ano para tabelas de tráfego de voz e dados e 4 anos para tabelas como cadastro de clientes. Atualmente, a VIVO utiliza este Data Mart para realização de campanhas segmentadas identificando com maior precisão o público alvo para cada projeto. É orientado pelos assuntos:  Campanhas;  Faturamento;  Linha Mensal;  Recarga;  Tráfego de Rede;  Uso de Franquia.
  8. 8. 8 No desenvolvimento do modelo de dados, foi utilizada uma nomenclatura única e intuitiva, facilitando assim o desenvolvimento de queries de extração de relatórios. O projeto CLM se encontra ainda em fase de implementação para as outras Regionais (Paraná, Centro-Oeste Norte, Rio de Janeiro, Rio Grande do Sul e Bahia) que ainda não tem previsão de término. 5 PROJETO SINAPSE – DATA WAREHOUSE UNIFICADO O objetivo do projeto Sinapse é unificar os Data Warehouses regionais, definindo um único modelo de dados e nomenclatura. Para todas as regionais (SP, PR, CO/N, RJ, RS e BA), o banco de dados utilizado é o TERADATA. Além de unificar e centralizar os dados, o projeto prevê uma nova forma de acesso e extração de relatórios, por meio de ferramentas OLAP. Um sistema OLAP é implementado em um modo de cliente/servidor e oferece respostas rápidas às consultas, criando um micro cubo na máquina cliente ou no servidor. As ferramentas OLAP são as aplicações que usuários finais têm acesso para extraírem os dados de suas bases e construir os relatórios capazes de responder as suas questões gerenciais. Elas surgiram juntamente com os sistemas de apoio a decisão para fazerem a consulta e análise dos dados contidos nos Data Warehouses e Data Marts. A funcionalidade de uma ferramenta OLAP é caracterizada pela análise multi- dimensional dinâmica dos dados, apoiando o usuário final nas suas atividades, tais como: Slice and Dice e Drill.
  9. 9. 9 O projeto encontra-se em fase de implementação com previsão de término em Março de 2006. 6 FÁBRICA DW – EXTRAÇÃO DE DADOS Para melhor atendimento ao usuário solicitante, foi criado o projeto Fábrica DW. O objetivo principal deste projeto é a extração de dados dos Data Warehouses e Data Marts. Atualmente para a execução da extração as ferramentas utilizadas são Quest Toad, Quest Central DB2 SQL Plus e Servidor Unix via FTP (Nativo do Banco de Dados). O projeto Fábrica DW é dividido em três grandes áreas: DCRM (Divisão de Relacionamento com o Cliente), DSSI (Diretoria de Soluções de Sistemas de Informação) e Desenvolvimento. O departamento DCRM é responsável pelo contato inicial e final com o Cliente VIVO, atuando como intermediário para solicitar os relatórios de extração e avaliar as condições de entrega. A área de Diretoria de Soluções de Sistemas de Informação (DSSI) tem a responsabilidade de verificar a integridade dos relatórios extraídos dos Data Warehouses e latência dos dados (disponibilidade de datas atuais). Na área de desenvolvimento são criadas e executadas as queries para desenvolvimento dos relatórios e mailings. Hoje, a Fábrica DW possui seis analistas, três profissionais para desenvolvimento em bases ORACLE (Regionais SP, PR e CO/N) e três colaboradores para extração nas bases DB2 (Regionais RJ, RS e BA).
  10. 10. 10 O processo de atendimento ao usuário é iniciado com a contatação do mesmo à área de DCRM. Com isso, a área cria um relatório base para o futuro desenvolvimento contendo informações como objetivo da solicitação, campos solicitados no relatório, data de entrega, nome do cliente, regionais atendidas e tipo de cliente. Após o término da confecção do relatório, a DCRM envia-o para desenvolvimento. Já na área de desenvolvimento são acordados quais os analistas que irão atender a solicitação. Este então avalia a possibilidade e latências das bases para extração dos dados. Com todas as informações disponíveis, é criada a Proposta de Solução por regional que basicamente contém um sumário executivo, as tabelas envolvidas, lógica de construção da query, relacionamento entre as tabelas, filtros e regras e formato do arquivo de saída. A proposta de solução é encaminha a área DSSI para verificação. Após validação, a DSSI envia confirmação para os analistas envolvidos para iniciar a execução da consulta dos Data Warehouses. No final do processamento e montagem do relatório, os analistas enviam os arquivos de saída que foram gerados para nova validação da DSSI caso o arquivo contenha todas as informações solicitadas envia a área DCRM para envio ao usuário final. Se o arquivo de saída possuir alguma inconsistência é retornado para novo desenvolvimento. Com a implantação do projeto Sinapse em 2006, serão incorporados novos métodos de extração dos dados. Os analistas utilizaram as ferramentas MicroStrategy da MicroStrategy Brasil e PowerCenter 7 da empresa Informática. O processo de validação e relacionamento com o usuário VIVO não sofrerá alterações.
  11. 11. 11 7 CONCLUSÃO Com os modelos de negócios e seus processos de Business Intelligence definidos, a VIVO utiliza seus Data Warehouses e Data Marts para uma tomada de decisão mais precisa baseada em fatos concretos e históricos, procurando assim atenuar os impactos causados por decisões incorretas e garantir melhor nível de acerto. Com seus futuros projetos e a implantação do Sinapse – Data Warehouse Unificado é esperada uma redução de queries Ad-hoc em 50% (atualmente em 75%) e do tempo de espera do usuário, de aproximadamente 4 dias. Acreditamos que por meio de um conjunto de informações bem definidas e elaboradas é que se pode chegar, por exemplo, a uma estratégia de marketing realmente direcionada ao público desejado. Concluímos que para a eficácia da tomada de decisão dos níveis executivos, faz-se necessário a disponibilidade, integridade e confiabilidade dos dados geradores de informações, tentando prever um maior acerto nas escolhas efetuadas. 8 REFERÊNCIAS BIBLIOGRAFICAS BORGES, ANDRÉ. Vivo ainda está em fase de reestruturação, Disponível em http://64.233.161.104/search? q=cache:ORFk1n6dd4AJ:www2.idgnow.com.br/AdPortalv5/adCmsDocumentShow.aspx %3FDocumentID%3D130479+DataWarehouse+Vivo+Computerworld&hl=pt-BR, 2005. BROCHADO, LEONARDO. Entrevista com o gerente do Projeto CLM, 2005.
  12. 12. 12 COIMBRA, PAULO HENRIQUE. Entrevista com o gerente da área DCRM, 2005. COMPUTERWORLD. Vivo adota novo projeto de Business Intelligence, Disponível em http://cw.idg.com.br/AdPortalv5/adCmsDocumentShow.aspx?DocumentID=26023, 2005. INMON, W. H. Information Architecture for the '90s, USA: Wesley, 1991. KIMBALL, RALPH / ROSS, MARGY / REEVES, LAURA. The Data Warehouse Lifecycle Toolkit, Jonh Wiley Professional,1998. KIMBALL, RALPH / CASERTA, JOE. The Data Warehouse ETL Toolkit, Jonh Wiley Professional, 2004. KIMBALL, RALPH / MERZ, RICHARD. Data Webhouse, CAMPUS, 2000. KIMBALL, RALPH. Data Warehouse Toolkit, Makron, 1998. KUDYBA, STEPHAN. Data Mining and Business Intelligence, IDEA GROUP PUB, 2001. KIMBALL, RALPH. The Anti-Architect, Intelligent Enterprise Magazine, 2002. KIMBALL, RALPH. The Logical Foundation of Dimensional Modeling, Intelligent Enterprise Magazine, 2003. MARTINS, LUCIANO VERNAGLIA. Entrevista com o gerente da Fábrica DW, 2005. MICROSTRATEGY. Vivo inicia maior projeto de DW da América Latina com plataforma Microstrategy, Disponível em http://www.microstrategy.com.br/news/pr_system/press_release.asp? pr=1117&ctry=25&PrinterFriendly=1, 2005. MYLIUS, MARCOS. Business Intelligence: Mais Fácil do que Você Imagina, EI – Edições Inteligentes, 2004. SEIXAS, LIGIA CRISTINA LATUF. Entrevista com a gerente da Área DSSI, 2005. SERRA, LAERCIO. A essência do Business Intelligence, Berkeley, 2002. VIVO EMPRESAS. Apresentação da Empresa, Disponível em http://www.vivo.com.br, 2005.
  13. 13. 13 VIVO EMPRESAS. Conceitos de Data Warehouse, Disponível em http://intranet.vivo- sp.com.br, 2005. VIVO EMPRESAS. Projeto Sinapse, Disponível em http://projetosipnase.vivo.com.br, 2005.

×