SlideShare uma empresa Scribd logo
1
Aplicação do
No Engajamento e Monitoramento
da Saúde de Clientes
2
Business Intelligence
3
O que é BI?
Objetivo
Principal
Facilitar a interpretação dos dados, identificar novas oportunidades de negócio e ajudar a
empresa a montar uma estratégia de longo prazo.
Coleta
Transformação e
Organização Análise
Monitoramento e
Compartilhamento
Das informações que são a base da gestão de negócios, tais como informações de vendas, estoque, produção,
financeiro, informações de clientes, etc.
4
Processo que auxilia a transformação dos dados
brutos em informações compreensíveis e
significativas para posterior análise do negócio.
5
Aplicações de BI
BI
Acompanhamento das vendas e
do funil de vendas
Controle de estoque, produção e
entrega de produtos
Acompanhamento da efetividade
de campanhas de Marketing
Avaliação de Churn,
Upsell e Cross-sell
Acompanhamento das metas e
indicadores de sucesso individuais
e das áreas
Avaliação da saúde financeira da
empresa
6
Cenários para Aplicação de BI
Conseguimos fazer análise
completa da empresa:
• Vendas
• Financeiro
• Estoque
• Produção
• Clientes
• etc
Conseguimos fazer estudo da
base através de análise dos
dados do software:
• Perfil dos clientes
• Propensão para churn
• Recomendação de Upsell e
Cross-sell
• etc
Conseguimos fazer integração
apenas com ferramentas que
disponibilizam API.
Empresa possui ERP com acesso
ao banco de dados
Empresa de Software com acesso
às informações dos clientes
Empresa utiliza sistemas e
aplicativos de terceiros na nuvem
01 02 03
7
Processo de BI
Clientes
Estoque
Produção
Vendas
Externos
ETL DW BI Relatório
8
Vamos analisar o Banco de Dados
Transacional (OLTP) da Adventure Works
9
Banco de Dados Transacional (OLTP)
10
ERP
Planilhas
CRM
Dados
externos
Utilizado para armazenar
informações relativas às atividades
de uma organização de forma
consolidada, com as informações
unificadas e padronizadas em um
mesmo local.
Sua função é tornar as informações
acessíveis para o seu entendimento,
gerenciamento e uso.
Sua missão é mostrar apenas o que
é importante, e mostrar com
velocidade
Data Warehouse
11
Banco de Dados Dimensional
Dimensão A
Dimensão B Dimensão E
Fato
• Medidas sobre o negócio
• Valores que posso agregar
• Dados quantificáveis
• Ex: quantidade de vendas,
valor das vendas, lucro
Dimensão C Dimensão D
Tabelas Dimensão:
• pontos de vista dos quais os fatos
podem ser analisados
• fatores de agrupamento
• perspectivas
• Ex: vendas por local, por dia, por
produto, por tipo, etc
Esquema
Estrela
12
Agora vamos analisar o Banco de Dados
Dimensional (DW) da Adventure Works
para Vendas na Internet
13
Modelagem Dimensional
14
Processo de BI
Clientes
Estoque
Produção
Vendas
Externos
ETL DW BI Relatório
15
Modelagem de Dados
Construções de modelagem OLAP
(cubos, dimensões, medidas).
Surgiu com o SQL Server 2000
Construções de modelagem
relacionais (modelo, tabelas,
colunas).
Surgiu com o SQL Server 2012
Originalmente um suplemento,
mas agora está totalmente
integrado no Excel.
Semelhante à tabular, porém para
ser utilizado com dados não tão
grandes no Excel ou no Power BI
Modelagem
Multidimensional
Modelagem
Tabular
Modelagem
Powerpivot
01 02 03
16
Dimensão ADimensão B
Dimensão C
Modelagem Multidimensional - Cubo
Estrutura dimensional por onde é
possível realizar diversas operações
para obter os valores da Tabela Fato
17
Dimensão
Tempo
Tabela de calendário para ser
possível filtrar por diferentes
dimensões que representam o
tempo, como Ano, Mês, Dia,
Semana do Ano, Trimestre, etc
Dimensão
Produto
Tabela com dados únicos dos
produtos, como Nome,
Categoria, Preço Unitário, etc.
Dimensão
Cliente
Tabela com dados únicos dos
clientes, como Nome,
Documento, Nascimento,
Endereço, Telefone, etc
Exemplo de Cubo
Cada bloco representa o Valor das
Vendas de um determinado produto para
um determinado cliente, em um
determinado período de tempo
18
Modelagem Tabular
• Surgiu em 2012 junto com o SQL Server 2012
• Aparência semelhante às tabelas de Excel
• É um modelo relacional, portanto não é obrigatório a conexão a um DW com esquema estrela
• Mais simples de ser desenvolvido
• Mais rápido computacionalmente
• Utiliza linguagem DAX, mais fácil que a linguagem MDX (modelo dimensional)
• Ideal para bases não muito grandes e cálculos não muito complexos
19
Relatórios
Modelagem
de dados
ETL
Plataformas Enterprise de BI
Microsoft BI Stack
Integration Services
Reporting Services
Analysis Services
1 – Modelagem Multidimensional
2 – Modelagem Tabular
3 – Modelagem Powerpivot
20
Microsoft Self-Service BI
Suplementos do Excel
Powerpivot
Permite a criação de modelos
de dados diretamente no Excel
para a transformação dos
dados em informações
significativas
Camada de DW e
Modelagem de Dados
Power Query
Permite a obtenção e
manipulação de
informações a partir de
diferentes fontes de dados
Camada de ETL
Power View
Permite a criação de
relatórios e dashboards
que garantem uma
experiência interativa ao
usuário
Camada de Relatórios
21
Processo de Self-Service BI
Clientes
Estoque
Produção
Vendas
Externos
Power Query
Powerpivot Powerpivot
Power View
22
Enterprise x Self-Service BI
Relatórios
Reporting Services
Modelagem
de dados
Analysis Services
ETL
Integration
ServicesEnterprise
Self-Service Power
Query
Power
Pivot
Power
View
23
Microsoft Power BI
Suplementos do Excel em um único aplicativo
Power Query
Powerpivot
Power View
24
Por que o Power BI?
25
Quadrante Mágico Gartner
26
Microsoft Power BI
• Atualizações mensais
• Grande comunidade na internet
• Inúmeras possibilidades de conexão com dados, de diversas fontes
• Integração com outras soluções da Microsoft (Azure, Azure Machine Learning, Sharepoint, SSAS, HDInsight, etc)
• Facilidade para realizar ETL e modelagem de dados
• Poder das expressões DAX para realizar cálculos avançados
• Interatividade dos relatórios, podendo filtrar dados com extrema facilidade
• Possibilidade de embedar relatórios em aplicativos
• Gráficos e visuais avançados, inclusive podendo-se utilizar a linguagem R
• Possibilidade de compartilhar os dashboards para qualquer pessoa
• Possui aplicativo para celular
• E, por último, mas não menos importante, o preço imbatível: $9,90 por usuário
27
Versão Desktop x Online
Versão
Desktop
Versão
Online
Construção de modelos e funções DAX
Conexão com fontes de dados on-premise
Conexão com fontes de dados online
Construção de relatórios
Construção de dashboards
Compartilhamento, colaboração e publicação na web
Q&A e insights
Valor Grátis
Possui versão grátis
e Pro à $9,90
28
ETL com Query Editor
Limpar e filtrar dados
Substituir valores
Formatar dados
Pivotar colunas
Criar colunas personalizadas
Remover colunasRemover valores duplicados
Combinar dados
29
Modelagem de Dados
Criação de medidas
e colunas calculadas
com funções DAX
Relacionamento
entre tabelas
30
Tipos de Visualização
Gráficos de barras e colunas
Gráficos de linha e área
Gauges, KPI’s e Medidores
Gráfico de dispersão
etc
Gráficos de Funil
Gráficos de rosca
31
Publicação Online
Construção de dashboards
Comparitlhamento
Q&A e Insights
Alertas por e-mail
Publicação na web
32
Funções DAX
DAX
DATA ANALYSIS EXPRESSIONS
Coleção de funções, operadores e
podem ser usados em uma fórmula ou
calcular e retornar um ou mais valores.
Funções semelhantes às do Excel.
Funções de filtro
Permitem manipular o contexto de dados para criar cálculos
dinâmicos
Funções de inteligência de tempo
Usando intervalos de hora e data em combinação com agregações
ou cálculos, é possível criar comparações significativas em
períodos de tempo comparáveis.
Funções lógicas
Agem sobre uma expressão para retornar informações sobre os
valores da expressão.
Funções de data e hora
Semelhantes às funções de data e hora do Microsoft Excel. No
entanto, as funções DAX se baseiam nos tipos de dados datetime
usados pelo Microsoft SQL Server.
01
02
03
04
33
Funções Lógicas
=AND(10>9,6<3)
Retorna FALSE
Retorna “Falso”
FunçãoAND
Verifica se os dois argumentos são
TRUE, e retorna TRUE se os dois
forem TRUE.
01
Função IF
Verifica se uma condição fornecida
como o primeiro argumento foi
atendida. Retorna um valor se a
condição é TRUE; retorna outro
valor se a condição é FALSE.
02
Função IFERROR
Avalia uma expressão e retorna um
valor especificado caso a
expressão retorne um erro; caso
contrário, retorna o valor da própria
expressão.
03
=IF(AND(10>9,6<3),
“Verdadeiro”,
“Falso”
)
Retorna 9999, pois 25/0 é NaN
=IFERROR( 25/0,9999)
34
Funções de Data e Hora
=DATE(2016,1,25)
Retorna o dia 25/jan/2016
Retorna a data atual
Função DATE
Retorna a data especificada no
formato datetime.
01
Função TODAY
Retorna a data atual.02
Função YEAR
Retorna o ano de uma data como
um inteiro de quatro dígitos no
intervalo 1900 a 9999.
03
=TODAY()
Retorna o ano referente à data
da coluna enviada
=YEAR(dCalendario[Data])
35
Funções de Filtro
=CALCULATE(
SUM(fVendas[Vendas]),
ALL(dProdutos)
)
Calcula o total em Vendas
ignorando qualquer filtro
na tabela dProdutos
=CALCULATE(
SUM(fVendas[Vendas]),
FILTER(
dProdutos,
dProdutos[Produto]="Bicicleta“
)
)
Calcula o total em Vendas
do produto Bicicleta
Função CALCULATE
Avalia uma expressão em um contexto
que é modificado pelos filtros
especificados.
01
FunçãoALL
Retorna todas as linhas de uma
tabela ou todos os valores de uma
coluna, ignorando qualquer filtro
que possa ter sido aplicado.
02
Função FILTER
Retorna uma tabela que representa
um subconjunto de outra tabela ou
expressão.
03
36
Funções de Inteligência de Tempo
=CALCULATE(SUM (fVendas[Vendas]),
DATEADD(dCalendario[Data],
-1,YEAR
)
)
Calcula o total em Vendas
do ano anterior
Calcula o total em Vendas
acumulado no ano
Função DATEADD
Retorna uma tabela que contém uma
coluna de datas, adiantadas ou
atrasadas no tempo conforme o
número especificado de intervalos.
01
Função DATESYTD
Retorna uma tabela que contém
uma coluna de datas desde o início
do ano, no contexto atual.
02
Função TOTALMTD
Avalia o valor da expressão no
período desde o início do mês, no
contexto atual.
03
=CALCULATE(SUM(fVendas[Vendas]),
DATESYTD(dCalendario[Data])
)
Calcula o total em Vendas
acumulado no mês
=TOTALMTD(SUM(fVendas[Vendas]),
dCalendario[Data]
)
37
Coluna Calculada x Medida
Coluna Calculada
• Row context
• Valor calculado para cada linha da
tabela
• Utilizado quando se deseja expor os
valores em um eixo do gráfico ou
quando se deseja fazer classificar os
dados com base nos valores
calculados
Medida
• Filter context
• Calculada somente para as células
que são usadas na tabela dinâmica
ou gráfico dinâmico
• Mais eficientes computacionalmente
• Utilizada sempre que tivermos
valores para expor em um gráfico
X
38
Coluna Calculada x Medida
Produto Venda Lucro
A 100 10
A 80 20
A 120 36 Produto
SUM
Venda
SUM
Lucro
SUM
Margem
A 320 66 0,65
Agregando por Produto
Margem Correta =
SUM ( Lucro ) / SUM ( Venda)
Margem
0,10
0,25
0,30
39
Aplicação do
No Engajamento e Monitoramento
da Saúde de Clientes

Mais conteúdo relacionado

Mais procurados

Self Service BI com Power BI
Self Service BI com Power BISelf Service BI com Power BI
Self Service BI com Power BI
Vithor da Silva e Silva
 
SLIDE SOBRE O LIBREOFFICE
SLIDE SOBRE O LIBREOFFICESLIDE SOBRE O LIBREOFFICE
SLIDE SOBRE O LIBREOFFICE
Liana Évily
 
Power bi
Power biPower bi
Apostila Power BI Udemy.pdf
Apostila Power BI Udemy.pdfApostila Power BI Udemy.pdf
Apostila Power BI Udemy.pdf
JesseFilipe
 
Desenvolvimento de Sistemas Web - Conceitos Básicos
Desenvolvimento de Sistemas Web - Conceitos BásicosDesenvolvimento de Sistemas Web - Conceitos Básicos
Desenvolvimento de Sistemas Web - Conceitos Básicos
Fabio Moura Pereira
 
Primer on Power BI 201501
Primer on Power BI 201501Primer on Power BI 201501
Primer on Power BI 201501
Mark Tabladillo
 
Business Intelligence
Business IntelligenceBusiness Intelligence
Business Intelligence
nesi
 
Criação de uma base de dados para gestão de uma biblioteca
Criação de uma base de dados para gestão de uma bibliotecaCriação de uma base de dados para gestão de uma biblioteca
Criação de uma base de dados para gestão de uma biblioteca
David Canjamba 2D
 
Introdução à Banco de Dados
Introdução à Banco de DadosIntrodução à Banco de Dados
Introdução à Banco de Dados
Bruno Siqueira
 
Apostila excel 2016
Apostila excel 2016Apostila excel 2016
Apostila excel 2016
ProsubSig
 
SPS-Power BI Introduction
SPS-Power BI IntroductionSPS-Power BI Introduction
SPS-Power BI Introduction
Kerry Dirks MCPS MS
 
Banco de Dados Conceitos
Banco de Dados ConceitosBanco de Dados Conceitos
Banco de Dados Conceitos
Cleber Ramos
 
Power BI 101
Power BI 101Power BI 101
Power BI 101
Peter Jandl Junior
 
Mini Curso de Microsoft Power BI
Mini Curso de Microsoft Power BIMini Curso de Microsoft Power BI
Mini Curso de Microsoft Power BI
Multimidia e Arte
 
Banco de Dados I Aula 06 - Generalização e Especialização
Banco de Dados I Aula 06 - Generalização e EspecializaçãoBanco de Dados I Aula 06 - Generalização e Especialização
Banco de Dados I Aula 06 - Generalização e Especialização
Leinylson Fontinele
 
Power BI Desktop | Power BI Tutorial | Power BI Training | Edureka
Power BI Desktop | Power BI Tutorial | Power BI Training | EdurekaPower BI Desktop | Power BI Tutorial | Power BI Training | Edureka
Power BI Desktop | Power BI Tutorial | Power BI Training | Edureka
Edureka!
 
NOSQL uma breve introdução
NOSQL uma breve introduçãoNOSQL uma breve introdução
NOSQL uma breve introdução
Wise Systems
 
Pacote office
Pacote officePacote office
Pacote office
Eduardo Braga Jr
 
Power BI visuals
Power BI visualsPower BI visuals
Power BI visuals
Aldis Ērglis
 
Introduction to power BI
Introduction to power BIIntroduction to power BI
Introduction to power BI
Ramar Bose
 

Mais procurados (20)

Self Service BI com Power BI
Self Service BI com Power BISelf Service BI com Power BI
Self Service BI com Power BI
 
SLIDE SOBRE O LIBREOFFICE
SLIDE SOBRE O LIBREOFFICESLIDE SOBRE O LIBREOFFICE
SLIDE SOBRE O LIBREOFFICE
 
Power bi
Power biPower bi
Power bi
 
Apostila Power BI Udemy.pdf
Apostila Power BI Udemy.pdfApostila Power BI Udemy.pdf
Apostila Power BI Udemy.pdf
 
Desenvolvimento de Sistemas Web - Conceitos Básicos
Desenvolvimento de Sistemas Web - Conceitos BásicosDesenvolvimento de Sistemas Web - Conceitos Básicos
Desenvolvimento de Sistemas Web - Conceitos Básicos
 
Primer on Power BI 201501
Primer on Power BI 201501Primer on Power BI 201501
Primer on Power BI 201501
 
Business Intelligence
Business IntelligenceBusiness Intelligence
Business Intelligence
 
Criação de uma base de dados para gestão de uma biblioteca
Criação de uma base de dados para gestão de uma bibliotecaCriação de uma base de dados para gestão de uma biblioteca
Criação de uma base de dados para gestão de uma biblioteca
 
Introdução à Banco de Dados
Introdução à Banco de DadosIntrodução à Banco de Dados
Introdução à Banco de Dados
 
Apostila excel 2016
Apostila excel 2016Apostila excel 2016
Apostila excel 2016
 
SPS-Power BI Introduction
SPS-Power BI IntroductionSPS-Power BI Introduction
SPS-Power BI Introduction
 
Banco de Dados Conceitos
Banco de Dados ConceitosBanco de Dados Conceitos
Banco de Dados Conceitos
 
Power BI 101
Power BI 101Power BI 101
Power BI 101
 
Mini Curso de Microsoft Power BI
Mini Curso de Microsoft Power BIMini Curso de Microsoft Power BI
Mini Curso de Microsoft Power BI
 
Banco de Dados I Aula 06 - Generalização e Especialização
Banco de Dados I Aula 06 - Generalização e EspecializaçãoBanco de Dados I Aula 06 - Generalização e Especialização
Banco de Dados I Aula 06 - Generalização e Especialização
 
Power BI Desktop | Power BI Tutorial | Power BI Training | Edureka
Power BI Desktop | Power BI Tutorial | Power BI Training | EdurekaPower BI Desktop | Power BI Tutorial | Power BI Training | Edureka
Power BI Desktop | Power BI Tutorial | Power BI Training | Edureka
 
NOSQL uma breve introdução
NOSQL uma breve introduçãoNOSQL uma breve introdução
NOSQL uma breve introdução
 
Pacote office
Pacote officePacote office
Pacote office
 
Power BI visuals
Power BI visualsPower BI visuals
Power BI visuals
 
Introduction to power BI
Introduction to power BIIntroduction to power BI
Introduction to power BI
 

Destaque

Treinamento Hadoop - dia2
Treinamento Hadoop - dia2Treinamento Hadoop - dia2
Treinamento Hadoop - dia2
Alexandre Uehara
 
Gestão administrativa de pessoal
Gestão administrativa de pessoalGestão administrativa de pessoal
Gestão administrativa de pessoal
Rodrigo Cristóvão
 
Slides Google Analytics - SEO Marketing
Slides Google Analytics - SEO MarketingSlides Google Analytics - SEO Marketing
Slides Google Analytics - SEO Marketing
Papos na rede
 
Pentaho
PentahoPentaho
Pentaho
Tiago Barreto
 
QlikBrand
QlikBrandQlikBrand
QlikBrand
Guilherme Torres
 
Apresentação - QlikView
Apresentação - QlikViewApresentação - QlikView
Apresentação - QlikView
JDSBD
 
Treinamento hadoop - dia1
Treinamento hadoop - dia1Treinamento hadoop - dia1
Treinamento hadoop - dia1
Alexandre Uehara
 
R, Python, Twitter e Tableau para Business Intelligence
R, Python, Twitter e Tableau para Business IntelligenceR, Python, Twitter e Tableau para Business Intelligence
R, Python, Twitter e Tableau para Business Intelligence
Leandro Guerra
 
Brasil, Open Source e o Mundo dos Negócios
Brasil, Open Source e o Mundo dos NegóciosBrasil, Open Source e o Mundo dos Negócios
Brasil, Open Source e o Mundo dos Negócios
OpenBossa
 
Qmeeting Conceitos_qlik_sense_Pablo
Qmeeting Conceitos_qlik_sense_PabloQmeeting Conceitos_qlik_sense_Pablo
Qmeeting Conceitos_qlik_sense_Pablo
Roberto Oliveira
 
Big Data Analytics - Do MapReduce ao dashboard com Hadoop e Pentaho
Big Data Analytics - Do MapReduce ao dashboard com Hadoop e PentahoBig Data Analytics - Do MapReduce ao dashboard com Hadoop e Pentaho
Big Data Analytics - Do MapReduce ao dashboard com Hadoop e Pentaho
Ambiente Livre
 
Trabalho BI Qlikview
Trabalho BI QlikviewTrabalho BI Qlikview
Trabalho BI Qlikview
Jose Silva
 
As 10 maiores tendências em business intelligence para 2014
As 10 maiores tendências em business intelligence para 2014As 10 maiores tendências em business intelligence para 2014
As 10 maiores tendências em business intelligence para 2014
Tableau Software
 
9 motivos para aprender small data
9 motivos para aprender small data9 motivos para aprender small data
9 motivos para aprender small data
Roberto Oliveira
 
Business intelligence com QlikView
Business intelligence com QlikViewBusiness intelligence com QlikView
Business intelligence com QlikView
Toccato Tecnologia - QlikView
 
Curso Gratuito Online de Open Data (Dados Abertos) e BI Open Source
Curso Gratuito Online de Open Data (Dados Abertos) e BI Open SourceCurso Gratuito Online de Open Data (Dados Abertos) e BI Open Source
Curso Gratuito Online de Open Data (Dados Abertos) e BI Open Source
IT4biz IT Solutions
 
Text Mining para BI e Finalização do Dashboard no Tableau
Text Mining para BI e Finalização do Dashboard no TableauText Mining para BI e Finalização do Dashboard no Tableau
Text Mining para BI e Finalização do Dashboard no Tableau
Leandro Guerra
 
Tableau Drive, Uma nova metodologia para implantações corporativas
Tableau Drive, Uma nova metodologia para implantações corporativasTableau Drive, Uma nova metodologia para implantações corporativas
Tableau Drive, Uma nova metodologia para implantações corporativas
Tableau Software
 
Visual Analytics 101 - Princípios, práticas e ferramentas
Visual Analytics 101 - Princípios, práticas e ferramentasVisual Analytics 101 - Princípios, práticas e ferramentas
Visual Analytics 101 - Princípios, práticas e ferramentas
Luis__Rodrigues
 
Carreiras em Business Intelligence e Big Data
Carreiras em Business Intelligence e Big DataCarreiras em Business Intelligence e Big Data
Carreiras em Business Intelligence e Big Data
Marco Garcia
 

Destaque (20)

Treinamento Hadoop - dia2
Treinamento Hadoop - dia2Treinamento Hadoop - dia2
Treinamento Hadoop - dia2
 
Gestão administrativa de pessoal
Gestão administrativa de pessoalGestão administrativa de pessoal
Gestão administrativa de pessoal
 
Slides Google Analytics - SEO Marketing
Slides Google Analytics - SEO MarketingSlides Google Analytics - SEO Marketing
Slides Google Analytics - SEO Marketing
 
Pentaho
PentahoPentaho
Pentaho
 
QlikBrand
QlikBrandQlikBrand
QlikBrand
 
Apresentação - QlikView
Apresentação - QlikViewApresentação - QlikView
Apresentação - QlikView
 
Treinamento hadoop - dia1
Treinamento hadoop - dia1Treinamento hadoop - dia1
Treinamento hadoop - dia1
 
R, Python, Twitter e Tableau para Business Intelligence
R, Python, Twitter e Tableau para Business IntelligenceR, Python, Twitter e Tableau para Business Intelligence
R, Python, Twitter e Tableau para Business Intelligence
 
Brasil, Open Source e o Mundo dos Negócios
Brasil, Open Source e o Mundo dos NegóciosBrasil, Open Source e o Mundo dos Negócios
Brasil, Open Source e o Mundo dos Negócios
 
Qmeeting Conceitos_qlik_sense_Pablo
Qmeeting Conceitos_qlik_sense_PabloQmeeting Conceitos_qlik_sense_Pablo
Qmeeting Conceitos_qlik_sense_Pablo
 
Big Data Analytics - Do MapReduce ao dashboard com Hadoop e Pentaho
Big Data Analytics - Do MapReduce ao dashboard com Hadoop e PentahoBig Data Analytics - Do MapReduce ao dashboard com Hadoop e Pentaho
Big Data Analytics - Do MapReduce ao dashboard com Hadoop e Pentaho
 
Trabalho BI Qlikview
Trabalho BI QlikviewTrabalho BI Qlikview
Trabalho BI Qlikview
 
As 10 maiores tendências em business intelligence para 2014
As 10 maiores tendências em business intelligence para 2014As 10 maiores tendências em business intelligence para 2014
As 10 maiores tendências em business intelligence para 2014
 
9 motivos para aprender small data
9 motivos para aprender small data9 motivos para aprender small data
9 motivos para aprender small data
 
Business intelligence com QlikView
Business intelligence com QlikViewBusiness intelligence com QlikView
Business intelligence com QlikView
 
Curso Gratuito Online de Open Data (Dados Abertos) e BI Open Source
Curso Gratuito Online de Open Data (Dados Abertos) e BI Open SourceCurso Gratuito Online de Open Data (Dados Abertos) e BI Open Source
Curso Gratuito Online de Open Data (Dados Abertos) e BI Open Source
 
Text Mining para BI e Finalização do Dashboard no Tableau
Text Mining para BI e Finalização do Dashboard no TableauText Mining para BI e Finalização do Dashboard no Tableau
Text Mining para BI e Finalização do Dashboard no Tableau
 
Tableau Drive, Uma nova metodologia para implantações corporativas
Tableau Drive, Uma nova metodologia para implantações corporativasTableau Drive, Uma nova metodologia para implantações corporativas
Tableau Drive, Uma nova metodologia para implantações corporativas
 
Visual Analytics 101 - Princípios, práticas e ferramentas
Visual Analytics 101 - Princípios, práticas e ferramentasVisual Analytics 101 - Princípios, práticas e ferramentas
Visual Analytics 101 - Princípios, práticas e ferramentas
 
Carreiras em Business Intelligence e Big Data
Carreiras em Business Intelligence e Big DataCarreiras em Business Intelligence e Big Data
Carreiras em Business Intelligence e Big Data
 

Semelhante a Por que o Microsoft Power BI? Um breve overview sobre BI

Business Intelligence com o microsoft sql server
Business Intelligence com o microsoft sql serverBusiness Intelligence com o microsoft sql server
Business Intelligence com o microsoft sql server
Milson
 
Data Warehouse - Modelagem
Data Warehouse - ModelagemData Warehouse - Modelagem
Data Warehouse - Modelagem
Rudson Kiyoshi Souza Carvalho
 
Introdução ao BI
Introdução ao BIIntrodução ao BI
Introdução ao BI
pichiliani
 
PowerBI na Pártica com Indicadores Elicitados com MindMap e Canvas consumidos...
PowerBI na Pártica com Indicadores Elicitados com MindMap e Canvas consumidos...PowerBI na Pártica com Indicadores Elicitados com MindMap e Canvas consumidos...
PowerBI na Pártica com Indicadores Elicitados com MindMap e Canvas consumidos...
Aislan Honorato
 
AX4B - Dynamics AX
AX4B - Dynamics AX AX4B - Dynamics AX
AX4B - Dynamics AX
Antonio Felix
 
Apostila de Crystal Report
Apostila de Crystal ReportApostila de Crystal Report
Apostila de Crystal Report
Andre Nascimento
 
Modelagem Dimensional
Modelagem DimensionalModelagem Dimensional
Modelagem Dimensional
Marco Garcia
 
Ecosistema de data warehouse com ferramentas microsoft
Ecosistema de data warehouse com ferramentas microsoftEcosistema de data warehouse com ferramentas microsoft
Ecosistema de data warehouse com ferramentas microsoft
Dennes Torres
 
Conceitos gerais de etl - Qlikview
Conceitos gerais de etl - QlikviewConceitos gerais de etl - Qlikview
Conceitos gerais de etl - Qlikview
Roberto Oliveira
 
Bancos de Dados Pós-Relacionais
Bancos de Dados Pós-RelacionaisBancos de Dados Pós-Relacionais
Bancos de Dados Pós-Relacionais
elliando dias
 
TDA – Ferramenta para construção de Dashboards de BI em sua empresa
 TDA – Ferramenta para construção de Dashboards de BI em sua empresa  TDA – Ferramenta para construção de Dashboards de BI em sua empresa
TDA – Ferramenta para construção de Dashboards de BI em sua empresa
GeneXus
 
por_detras_dos_relatorios
por_detras_dos_relatoriospor_detras_dos_relatorios
por_detras_dos_relatorios
arthurjosemberg
 
Catalogo
CatalogoCatalogo
Catalogo
babynena
 
Catalogo
CatalogoCatalogo
Catalogo
babynena
 
Catalogo
CatalogoCatalogo
Catalogo
babynena
 
Business intelligence x Datamining
Business intelligence x DataminingBusiness intelligence x Datamining
Business intelligence x Datamining
Leonardo Holanda
 
Ementas Compelling (1).pdfokkhbkkkkkkkkkkk
Ementas Compelling (1).pdfokkhbkkkkkkkkkkkEmentas Compelling (1).pdfokkhbkkkkkkkkkkk
Ementas Compelling (1).pdfokkhbkkkkkkkkkkk
AndersonSouza365938
 
Excerto livro-ca-excel2013
Excerto livro-ca-excel2013Excerto livro-ca-excel2013
Excerto livro-ca-excel2013
Rigo Rodrigues
 
Apresentação parcial de IPD
Apresentação parcial de IPDApresentação parcial de IPD
Apresentação parcial de IPD
Márcio Do N A
 
Protheus V12
Protheus V12Protheus V12
Protheus V12
Fabio Pimenta
 

Semelhante a Por que o Microsoft Power BI? Um breve overview sobre BI (20)

Business Intelligence com o microsoft sql server
Business Intelligence com o microsoft sql serverBusiness Intelligence com o microsoft sql server
Business Intelligence com o microsoft sql server
 
Data Warehouse - Modelagem
Data Warehouse - ModelagemData Warehouse - Modelagem
Data Warehouse - Modelagem
 
Introdução ao BI
Introdução ao BIIntrodução ao BI
Introdução ao BI
 
PowerBI na Pártica com Indicadores Elicitados com MindMap e Canvas consumidos...
PowerBI na Pártica com Indicadores Elicitados com MindMap e Canvas consumidos...PowerBI na Pártica com Indicadores Elicitados com MindMap e Canvas consumidos...
PowerBI na Pártica com Indicadores Elicitados com MindMap e Canvas consumidos...
 
AX4B - Dynamics AX
AX4B - Dynamics AX AX4B - Dynamics AX
AX4B - Dynamics AX
 
Apostila de Crystal Report
Apostila de Crystal ReportApostila de Crystal Report
Apostila de Crystal Report
 
Modelagem Dimensional
Modelagem DimensionalModelagem Dimensional
Modelagem Dimensional
 
Ecosistema de data warehouse com ferramentas microsoft
Ecosistema de data warehouse com ferramentas microsoftEcosistema de data warehouse com ferramentas microsoft
Ecosistema de data warehouse com ferramentas microsoft
 
Conceitos gerais de etl - Qlikview
Conceitos gerais de etl - QlikviewConceitos gerais de etl - Qlikview
Conceitos gerais de etl - Qlikview
 
Bancos de Dados Pós-Relacionais
Bancos de Dados Pós-RelacionaisBancos de Dados Pós-Relacionais
Bancos de Dados Pós-Relacionais
 
TDA – Ferramenta para construção de Dashboards de BI em sua empresa
 TDA – Ferramenta para construção de Dashboards de BI em sua empresa  TDA – Ferramenta para construção de Dashboards de BI em sua empresa
TDA – Ferramenta para construção de Dashboards de BI em sua empresa
 
por_detras_dos_relatorios
por_detras_dos_relatoriospor_detras_dos_relatorios
por_detras_dos_relatorios
 
Catalogo
CatalogoCatalogo
Catalogo
 
Catalogo
CatalogoCatalogo
Catalogo
 
Catalogo
CatalogoCatalogo
Catalogo
 
Business intelligence x Datamining
Business intelligence x DataminingBusiness intelligence x Datamining
Business intelligence x Datamining
 
Ementas Compelling (1).pdfokkhbkkkkkkkkkkk
Ementas Compelling (1).pdfokkhbkkkkkkkkkkkEmentas Compelling (1).pdfokkhbkkkkkkkkkkk
Ementas Compelling (1).pdfokkhbkkkkkkkkkkk
 
Excerto livro-ca-excel2013
Excerto livro-ca-excel2013Excerto livro-ca-excel2013
Excerto livro-ca-excel2013
 
Apresentação parcial de IPD
Apresentação parcial de IPDApresentação parcial de IPD
Apresentação parcial de IPD
 
Protheus V12
Protheus V12Protheus V12
Protheus V12
 

Por que o Microsoft Power BI? Um breve overview sobre BI

  • 1. 1 Aplicação do No Engajamento e Monitoramento da Saúde de Clientes
  • 3. 3 O que é BI? Objetivo Principal Facilitar a interpretação dos dados, identificar novas oportunidades de negócio e ajudar a empresa a montar uma estratégia de longo prazo. Coleta Transformação e Organização Análise Monitoramento e Compartilhamento Das informações que são a base da gestão de negócios, tais como informações de vendas, estoque, produção, financeiro, informações de clientes, etc.
  • 4. 4 Processo que auxilia a transformação dos dados brutos em informações compreensíveis e significativas para posterior análise do negócio.
  • 5. 5 Aplicações de BI BI Acompanhamento das vendas e do funil de vendas Controle de estoque, produção e entrega de produtos Acompanhamento da efetividade de campanhas de Marketing Avaliação de Churn, Upsell e Cross-sell Acompanhamento das metas e indicadores de sucesso individuais e das áreas Avaliação da saúde financeira da empresa
  • 6. 6 Cenários para Aplicação de BI Conseguimos fazer análise completa da empresa: • Vendas • Financeiro • Estoque • Produção • Clientes • etc Conseguimos fazer estudo da base através de análise dos dados do software: • Perfil dos clientes • Propensão para churn • Recomendação de Upsell e Cross-sell • etc Conseguimos fazer integração apenas com ferramentas que disponibilizam API. Empresa possui ERP com acesso ao banco de dados Empresa de Software com acesso às informações dos clientes Empresa utiliza sistemas e aplicativos de terceiros na nuvem 01 02 03
  • 8. 8 Vamos analisar o Banco de Dados Transacional (OLTP) da Adventure Works
  • 9. 9 Banco de Dados Transacional (OLTP)
  • 10. 10 ERP Planilhas CRM Dados externos Utilizado para armazenar informações relativas às atividades de uma organização de forma consolidada, com as informações unificadas e padronizadas em um mesmo local. Sua função é tornar as informações acessíveis para o seu entendimento, gerenciamento e uso. Sua missão é mostrar apenas o que é importante, e mostrar com velocidade Data Warehouse
  • 11. 11 Banco de Dados Dimensional Dimensão A Dimensão B Dimensão E Fato • Medidas sobre o negócio • Valores que posso agregar • Dados quantificáveis • Ex: quantidade de vendas, valor das vendas, lucro Dimensão C Dimensão D Tabelas Dimensão: • pontos de vista dos quais os fatos podem ser analisados • fatores de agrupamento • perspectivas • Ex: vendas por local, por dia, por produto, por tipo, etc Esquema Estrela
  • 12. 12 Agora vamos analisar o Banco de Dados Dimensional (DW) da Adventure Works para Vendas na Internet
  • 15. 15 Modelagem de Dados Construções de modelagem OLAP (cubos, dimensões, medidas). Surgiu com o SQL Server 2000 Construções de modelagem relacionais (modelo, tabelas, colunas). Surgiu com o SQL Server 2012 Originalmente um suplemento, mas agora está totalmente integrado no Excel. Semelhante à tabular, porém para ser utilizado com dados não tão grandes no Excel ou no Power BI Modelagem Multidimensional Modelagem Tabular Modelagem Powerpivot 01 02 03
  • 16. 16 Dimensão ADimensão B Dimensão C Modelagem Multidimensional - Cubo Estrutura dimensional por onde é possível realizar diversas operações para obter os valores da Tabela Fato
  • 17. 17 Dimensão Tempo Tabela de calendário para ser possível filtrar por diferentes dimensões que representam o tempo, como Ano, Mês, Dia, Semana do Ano, Trimestre, etc Dimensão Produto Tabela com dados únicos dos produtos, como Nome, Categoria, Preço Unitário, etc. Dimensão Cliente Tabela com dados únicos dos clientes, como Nome, Documento, Nascimento, Endereço, Telefone, etc Exemplo de Cubo Cada bloco representa o Valor das Vendas de um determinado produto para um determinado cliente, em um determinado período de tempo
  • 18. 18 Modelagem Tabular • Surgiu em 2012 junto com o SQL Server 2012 • Aparência semelhante às tabelas de Excel • É um modelo relacional, portanto não é obrigatório a conexão a um DW com esquema estrela • Mais simples de ser desenvolvido • Mais rápido computacionalmente • Utiliza linguagem DAX, mais fácil que a linguagem MDX (modelo dimensional) • Ideal para bases não muito grandes e cálculos não muito complexos
  • 19. 19 Relatórios Modelagem de dados ETL Plataformas Enterprise de BI Microsoft BI Stack Integration Services Reporting Services Analysis Services 1 – Modelagem Multidimensional 2 – Modelagem Tabular 3 – Modelagem Powerpivot
  • 20. 20 Microsoft Self-Service BI Suplementos do Excel Powerpivot Permite a criação de modelos de dados diretamente no Excel para a transformação dos dados em informações significativas Camada de DW e Modelagem de Dados Power Query Permite a obtenção e manipulação de informações a partir de diferentes fontes de dados Camada de ETL Power View Permite a criação de relatórios e dashboards que garantem uma experiência interativa ao usuário Camada de Relatórios
  • 21. 21 Processo de Self-Service BI Clientes Estoque Produção Vendas Externos Power Query Powerpivot Powerpivot Power View
  • 22. 22 Enterprise x Self-Service BI Relatórios Reporting Services Modelagem de dados Analysis Services ETL Integration ServicesEnterprise Self-Service Power Query Power Pivot Power View
  • 23. 23 Microsoft Power BI Suplementos do Excel em um único aplicativo Power Query Powerpivot Power View
  • 24. 24 Por que o Power BI?
  • 26. 26 Microsoft Power BI • Atualizações mensais • Grande comunidade na internet • Inúmeras possibilidades de conexão com dados, de diversas fontes • Integração com outras soluções da Microsoft (Azure, Azure Machine Learning, Sharepoint, SSAS, HDInsight, etc) • Facilidade para realizar ETL e modelagem de dados • Poder das expressões DAX para realizar cálculos avançados • Interatividade dos relatórios, podendo filtrar dados com extrema facilidade • Possibilidade de embedar relatórios em aplicativos • Gráficos e visuais avançados, inclusive podendo-se utilizar a linguagem R • Possibilidade de compartilhar os dashboards para qualquer pessoa • Possui aplicativo para celular • E, por último, mas não menos importante, o preço imbatível: $9,90 por usuário
  • 27. 27 Versão Desktop x Online Versão Desktop Versão Online Construção de modelos e funções DAX Conexão com fontes de dados on-premise Conexão com fontes de dados online Construção de relatórios Construção de dashboards Compartilhamento, colaboração e publicação na web Q&A e insights Valor Grátis Possui versão grátis e Pro à $9,90
  • 28. 28 ETL com Query Editor Limpar e filtrar dados Substituir valores Formatar dados Pivotar colunas Criar colunas personalizadas Remover colunasRemover valores duplicados Combinar dados
  • 29. 29 Modelagem de Dados Criação de medidas e colunas calculadas com funções DAX Relacionamento entre tabelas
  • 30. 30 Tipos de Visualização Gráficos de barras e colunas Gráficos de linha e área Gauges, KPI’s e Medidores Gráfico de dispersão etc Gráficos de Funil Gráficos de rosca
  • 31. 31 Publicação Online Construção de dashboards Comparitlhamento Q&A e Insights Alertas por e-mail Publicação na web
  • 32. 32 Funções DAX DAX DATA ANALYSIS EXPRESSIONS Coleção de funções, operadores e podem ser usados em uma fórmula ou calcular e retornar um ou mais valores. Funções semelhantes às do Excel. Funções de filtro Permitem manipular o contexto de dados para criar cálculos dinâmicos Funções de inteligência de tempo Usando intervalos de hora e data em combinação com agregações ou cálculos, é possível criar comparações significativas em períodos de tempo comparáveis. Funções lógicas Agem sobre uma expressão para retornar informações sobre os valores da expressão. Funções de data e hora Semelhantes às funções de data e hora do Microsoft Excel. No entanto, as funções DAX se baseiam nos tipos de dados datetime usados pelo Microsoft SQL Server. 01 02 03 04
  • 33. 33 Funções Lógicas =AND(10>9,6<3) Retorna FALSE Retorna “Falso” FunçãoAND Verifica se os dois argumentos são TRUE, e retorna TRUE se os dois forem TRUE. 01 Função IF Verifica se uma condição fornecida como o primeiro argumento foi atendida. Retorna um valor se a condição é TRUE; retorna outro valor se a condição é FALSE. 02 Função IFERROR Avalia uma expressão e retorna um valor especificado caso a expressão retorne um erro; caso contrário, retorna o valor da própria expressão. 03 =IF(AND(10>9,6<3), “Verdadeiro”, “Falso” ) Retorna 9999, pois 25/0 é NaN =IFERROR( 25/0,9999)
  • 34. 34 Funções de Data e Hora =DATE(2016,1,25) Retorna o dia 25/jan/2016 Retorna a data atual Função DATE Retorna a data especificada no formato datetime. 01 Função TODAY Retorna a data atual.02 Função YEAR Retorna o ano de uma data como um inteiro de quatro dígitos no intervalo 1900 a 9999. 03 =TODAY() Retorna o ano referente à data da coluna enviada =YEAR(dCalendario[Data])
  • 35. 35 Funções de Filtro =CALCULATE( SUM(fVendas[Vendas]), ALL(dProdutos) ) Calcula o total em Vendas ignorando qualquer filtro na tabela dProdutos =CALCULATE( SUM(fVendas[Vendas]), FILTER( dProdutos, dProdutos[Produto]="Bicicleta“ ) ) Calcula o total em Vendas do produto Bicicleta Função CALCULATE Avalia uma expressão em um contexto que é modificado pelos filtros especificados. 01 FunçãoALL Retorna todas as linhas de uma tabela ou todos os valores de uma coluna, ignorando qualquer filtro que possa ter sido aplicado. 02 Função FILTER Retorna uma tabela que representa um subconjunto de outra tabela ou expressão. 03
  • 36. 36 Funções de Inteligência de Tempo =CALCULATE(SUM (fVendas[Vendas]), DATEADD(dCalendario[Data], -1,YEAR ) ) Calcula o total em Vendas do ano anterior Calcula o total em Vendas acumulado no ano Função DATEADD Retorna uma tabela que contém uma coluna de datas, adiantadas ou atrasadas no tempo conforme o número especificado de intervalos. 01 Função DATESYTD Retorna uma tabela que contém uma coluna de datas desde o início do ano, no contexto atual. 02 Função TOTALMTD Avalia o valor da expressão no período desde o início do mês, no contexto atual. 03 =CALCULATE(SUM(fVendas[Vendas]), DATESYTD(dCalendario[Data]) ) Calcula o total em Vendas acumulado no mês =TOTALMTD(SUM(fVendas[Vendas]), dCalendario[Data] )
  • 37. 37 Coluna Calculada x Medida Coluna Calculada • Row context • Valor calculado para cada linha da tabela • Utilizado quando se deseja expor os valores em um eixo do gráfico ou quando se deseja fazer classificar os dados com base nos valores calculados Medida • Filter context • Calculada somente para as células que são usadas na tabela dinâmica ou gráfico dinâmico • Mais eficientes computacionalmente • Utilizada sempre que tivermos valores para expor em um gráfico X
  • 38. 38 Coluna Calculada x Medida Produto Venda Lucro A 100 10 A 80 20 A 120 36 Produto SUM Venda SUM Lucro SUM Margem A 320 66 0,65 Agregando por Produto Margem Correta = SUM ( Lucro ) / SUM ( Venda) Margem 0,10 0,25 0,30
  • 39. 39 Aplicação do No Engajamento e Monitoramento da Saúde de Clientes

Notas do Editor

  1. O objetivo aqui é focarmos em BI mais pro lado de TI, pro lado analítico, e não tanto pro lado de dev, que é o de integração com ferramentas. Fazer integrações com software, buscar dados da internet, etc, é um trabalho mais hacker e que exige alguém com mais conhecimento em programação e técnicas de hacker mesmo. Eu tenho perfil mais de análise, portanto vamos focar em analytics. O felipe, depois do curso de hoje, poderia dar uma estudada em integrações para Power BI e dar um curso para nós em breve :D
  2. É ter acesso fácil aos dados para poder agir de acordo com os resultados apontados. Um número não é nada sem a devida interpretação.
  3. O objetivo aqui é focarmos em BI mais pro lado de TI, pro lado analítico, e não tanto pro lado de dev, que é o de integração com ferramentas. Fazer integrações com software, buscar dados da internet, etc, é um trabalho mais hacker e que exige alguém com mais conhecimento em programação e técnicas de hacker mesmo. Eu tenho perfil mais de análise, portanto vamos focar em analytics. O felipe, depois do curso de hoje, poderia dar uma estudada em integrações para Power BI e dar um curso para nós em breve :D De qualquer forma o item 3 tem muita aplicação também, principalmente para diretores acompanharem os resultados das áreas
  4. Esse BD é atualizado constantemente, a cada movimentação da empresa há uma atualização dos dados
  5. Bancos transicionais (OLTP) são bancos relacionais altamente normalizados para evitar redundância, e possuem diversas informações que não são necessárias para análises. Como realizar queries em SQL diretamente nos bancos OLTP são lentas e difíceis de fazer, opta-se por construir um DW, que possui um design que torna o processo de análise mais fácil. DWs são então voltados para análise!!
  6. Um modelo de dados dimensional é extremamente simples, isto facilita para os usuários deste banco de dados identificarem onde estão localizadas as informações e permite que os softwares que naveguem por estes bancos de dados com eficiência. Um outro fator importante para a modelagem dimensional é a velocidade de acesso a uma informação, com modelos simples sem muitas tabelas para relacionar, é muito rápido para extrair as informações necessárias.
  7. Powerpivot e tabular possuem a mesma estrutura por trás Utiliza-se quando não se tem muitas restrições em segurança e gerenciamento
  8. O volume total do cubo é a quantidade de vendas total da empresa. Na intersecção destas três dimensões está a quantidade de produtos que foi vendido.
  9. O volume total do cubo é a quantidade de vendas total da empresa. Na intersecção destas três dimensões está a quantidade de produtos que foi vendido.
  10. O que vem mudando no mundo de BI? Antigamente o gestor precisava pedir pra TI gerar relatórios, e eles demoravam para serem produzidos. Havia ilhas de informação, com informações dispersas e não unificadas. Gasta-se muito tempo para unir manualmente informações de diversos locais, dificultando o processo de tomada de decisão. Desde o início dos anos 2000 começaram a surgir ferramentas de BI que cada vez mais estão dependendo menos do pessoal de TI.. são as chamadas ferramentas de Self Service BI. These facilities focus on four main objectives: easier access to source data for reporting and analysis, easier and improved support for data analysis features, faster deployment options such as appliances and cloud computing, and simpler, customizable, and collaborative end-user interfaces. Business users are able to access the real-time data they want and quickly generate results without the need for technical expertise. Often, no coding skills are required. Agile BI’s upfront costs, total cost of ownership (TCO) and total cost of change (TCC) are significantly less than Traditional BI’s costs. When compared to Traditional BI, Agile BI offers a shorter development cycle that uses less IT resources and is faster to deliver. User adoption is typically greater with Agile BI than with Traditional BI because it’s easier for the non-technical business user to understand and leverage.
  11. Isto não quer dizer que continua sendo interessante um DW.. Quanto mais limpo o banco de dados entrar na ferramenta de BI melhor
  12. O objetivo aqui é focarmos em BI mais pro lado de TI, pro lado analítico, e não tanto pro lado de dev, que é o de integração com ferramentas. Fazer integrações com software, buscar dados da internet, etc, é um trabalho mais hacker e que exige alguém com mais conhecimento em programação e técnicas de hacker mesmo. Eu tenho perfil mais de análise, portanto vamos focar em analytics. O felipe, depois do curso de hoje, poderia dar uma estudada em integrações para Power BI e dar um curso para nós em breve :D