-
Centro Federal de Educao Tecnolgica de Minas GeraisDepartamento
de Computao
Curso de Engenharia de Computao
Sistema Provedor de Inteligncia EmpresarialBaseados em Modelagem
Multidimensional e
Processamento Analtico de Dados
Lipie Augusto de Alcntara Souza
Orientador: Prof. Ismael Santana SilvaCentro Federal de Educao
Tecnolgica de Minas Gerais
Coorientadora: Profa. Glvia Anglica Rodrigues BarbosaCentro
Federal de Educao Tecnolgica de Minas Gerais
Belo HorizonteJulho de 2015
-
Lipie Augusto de Alcntara Souza
Sistema Provedor de Inteligncia EmpresarialBaseados em Modelagem
Multidimensional e
Processamento Analtico de Dados
Modelo cannico de trabalho monogrfico acadmicoem conformidade
com as normas ABNT apresentado comunidade de usurios LATEX.
Orientador: Prof. Ismael Santana SilvaCentro Federal de Educao
Tecnolgicade Minas Gerais
Coorientadora: Profa. Glvia Anglica Rodrigues Bar-bosaCentro
Federal de Educao Tecnolgicade Minas Gerais
Centro Federal de Educao Tecnolgica de Minas GeraisDepartamento
de Computao
Curso de Engenharia de ComputaoBelo HorizonteJulho de 2015
i
-
Lipie Augusto de Alcntara Souza
Sistema Provedor de Inteligncia EmpresarialBaseados em Modelagem
Multidimensional e
Processamento Analtico de Dados
Modelo cannico de trabalho monogrfico acadmicoem conformidade
com as normas ABNT apresentado comunidade de usurios LATEX.
Trabalho aprovado. Belo Horizonte, 06 de julho de 2015
Prof. Ismael Santana SilvaOrientador
Profa. Glvia Anglica RodriguesBarbosa
Co-Orientadora
Centro Federal de Educao Tecnolgica de Minas GeraisDepartamento
de Computao
Curso de Engenharia de ComputaoBelo HorizonteJulho de 2015
ii
-
Lista de Figuras
Figura 1 Estrutura do Data Warehouse . . . . . . . . . . . . . .
. . . . . . . . . 7Figura 2 Cubo de Dados . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . 13Figura 3 Fluxograma do
Processo Metodolgico . . . . . . . . . . . . . . . . . . 16
iii
-
Lista de Quadros
Quadro 1 Conceitos importantes da modelagem multidimensional . .
. . . . . . 12
iv
-
Lista de Abreviaturas e Siglas
DW Data Warehouse
BI Business Intelligence {Inteligncia de Negcio}
OLAP On-line Analytical Processing {Processamento Analtico de
Dados}
DM Data Mart
SMD Sistema de Medio de Desempenho
RDBMS Relational Database Management System {Sistema de
Gerenciamentode Banco de Dados Relacional}
ETL Extract, transform and load {Extrao, Transformao e
Carregamento}
SAD Sistema de Apoio a Deciso
BSC Balanced Scoreboard {Balanceamento de Desempenho}
TI Tecnologia da Informao
v
-
Sumrio
1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . 11.1 Motivao . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . 21.2 Objetivo . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . 31.3 Principais
Contribuies . . . . . . . . . . . . . . . . . . . . . . . . . . .
4
2 Fundamentao Terica . . . . . . . . . . . . . . . . . . . . . .
. . . . . 52.1 Business Intelligence . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . 52.2 Data Warehousing . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . 5
2.2.1 Estrututra de um Data Warehouse . . . . . . . . . . . . .
. . . . 62.2.2 Data Mart . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . 72.2.3 Data Mining . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . 7
2.3 Extrao, Transformao e Carregamento . . . . . . . . . . . . .
. . . . . 82.3.1 Tecnologias . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . 10
2.4 Modelagem multidimensional com foco em BI . . . . . . . . .
. . . . . . 102.5 Processamento Analtico de Dados . . . . . . . . .
. . . . . . . . . . . . 11
3 Trabalhos Relacionados . . . . . . . . . . . . . . . . . . . .
. . . . . . . 14
4 Metodologia . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . 164.1 Definio das Mtricas e Indicadores . . . . .
. . . . . . . . . . . . . . . 174.2 Modelagem, Extrao, e Adequao
dos Dados . . . . . . . . . . . . . . . 174.3 Anlise e Apresentao
dos Dados . . . . . . . . . . . . . . . . . . . . . . 17
Referncias . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . 18
vi
-
11 Introduo
A rpida dinmica do cenrio econmico mundial desafia as organizaes
a seadequarem nova realidade de mercado, exigindo adaptaes cada vez
mais rpidas nasprticas de gesto, bem como na tomada de decises
estratgicas. A gesto inteligente dainformao fundamental para as
organizaes tornarem-se competitivas e exige o desen-volvimento de
aes acertadas direcionadas manuteno, reformulao e ao crescimentoda
organizao. Nesse sentido, observa-se que, quanto melhor for a gesto
estratgica dainformao, maior ser a chance da organizao manter-se
rentvel (REZENDE, 2001).
A falta de estratgia e refinamento do conhecimento
organizacional atravancaa agilidade e o sucesso dos negcios.
Processos clssicos de anlise de dados, baseadosprincipalmente na
apreciao direta dos dados pelo homem, no permitem a manipulaode uma
rede volumosa de dados. Embora a tecnologia de banco de dados tenha
nosproporcionado as ferramentas bsicas para armazenar e pesquisar
com rapidez grandesconjuntos de dados, a questo de como ajudar o
homem a entender e analisar essesconjuntos permanece um problema em
aberto (REZENDE, 2001).
Santos (2000) afirma que "o tomador de decises necessita de
informaes relevantes,mas, antes de tudo, precisa de dispositivos de
filtros, pois est exposto a uma massa infinitade informaes
irrelevantes, muitas delas, que ele mesmo solicitara". Para lidar
com asupersaturao de dados, se faz necessria uma nova gerao de
ferramentas inteligentesadequadas ao fluxo de informaes, motivaes
do negcio e outras especificidades.
Alm de frisar a problemtica gerada pelo adensamento de dados,
Singh (2001)alerta para a urgncia da implantao de tais dispositivos
provedores de intelignciaempresarial:
Esperar no uma opo. medida que o tempo disponvel para tomadade
decises torna-se cada vez mais curto, aqueles que no se dispemde
meios proativos para analisar as informaes do negcio no serocapazes
de competir. Com o contnuo aumento dos dados disponveis,o processo
para localizar e extrair informaes teis fica cada vez
maiscomplexo.
Embora muitas empresas ainda considerem o planejamento
estratgico da infor-mao como uma tarefa intil, que consome tempo e
no leva a resultados efetivos, narealidade, em muitas organizaes
tem comprovado justamente o contrrio, saber planejar essencial para
evitar gastos desnecessrios em recursos, tecnologia e em tempo
dosprofissionais.
-
Captulo 1. Introduo 2
1.1 MotivaoA anlise e interpretao dos dados gerados pelos
sistemas de informao uma
realidade para as organizaes pblicas e privadas. No setor
pblico, a necessidade demodernizar a sua administrao, recorrendo s
tecnologias de informao como ferramentacrucial para a sua
concretizao surgiu das dificuldades em aceder em tempo til informao
relevante por parte dos diversos rgos Navarro (1996). As solues de
BusinessIntelligence (BI) so escolhas naturais para dar corpo
importante transformao gerencialdestes setores, e so poderosas
aliadas para essa urgente transio. Isto feito de formacientfica e
organizada, utilizando ferramentas de gesto, entre as quais o BI,
devem mostraraos governos que possvel melhorar de forma
significativa e continuada os sistemas e amaneira de governar
existentes at ento, objetivando sempre melhorias
socioeconmicas.
Nessa linha de pensamento, Barquin (2008) atenta para a
primordialidade de seadotar o BI na administrao Obama no seu
primeiro mandato:
The Obama Administration will surely have to rely on
tried-and-truebusiness intelligence to start peeling the onion on
this broad range ofissues. Not that there is much of a chance of
solving them all in any onepresidents term, but at least the
analytic groundwork has to be startedthat will help us as a society
make these decisions on an informed basis.There is no alternative
to business intelligence.
No sentido de qualificar a governana surgiram instituies e
empresas que buscamsistematizar dados e informaes vindas de
diversos sistemas existentes, sociais e econ-micos, e outros a
serem construdos. Para exemplificar esta evoluo, pode-se destacar
aempresa B2T Business to Technology, cujo surgimento vem aliado a
esta nova demandagovernamental. A atual carteira de clientes da
empresa vai desde os Ministrios da Defesa,Fazenda e do
Desenvolvimento, at mesmo grandes do setor privado como a
BradescoPromotora e a Unimed Paulistana (B2T - BUSSINESS TO
TECHNOLOGY, 2015).
No setor privado, especialmente em grandes corporaes, esta
transio evidente,destacando-se tendncias de centralizao dos dados.
A Coca-Cola, por exemplo, porser uma empresa de produo
descentralizada, contou no decorrer de sua trajetria comdiversos
sistemas de anlise das operaes e negcios, um para cada fbrica ou
regio, emuitos deles baseados exclusivamente em planilhas de Excel.
Entretanto, nenhum destesmtodos eram compatveis entre si, e
impossibilitaram de certa forma, uma anlise maisacertada da empresa
como um todo, bem sua organizao administrativa. Entre 2003 e2013, a
Coca-Cola implementou um grande processo com o intuito de alterar
esse cenrio.Este movimento foi considerado um grande salto de
produtividade pelo vice-presidente deoperaes da empresa, que passou
a contar, pela primeira vez, com um sistema centralizadode
informaes gerenciais (BURNS, 2013).
-
Captulo 1. Introduo 3
Os Sistemas de Apoio a Deciso (SADs), produtos da aplicao de
BusinessIntelligence, apresentam-se como ferramentas capazes de
processar enormes quantidadesde informao de carcter complexo e at
mesmo possuir a capacidade de sugerir umconjunto de alternativas
mediante a opo por determinados critrios de otimizao. Oauxlio na
tomada de deciso ainda mais notrio quando a acompanhar cada
sugestoforem apresentadas as justificativas que a fundamentam. Uma
tomada de deciso acertada,apresenta-se como um ponto fundamental na
capacidade competitiva de uma organizao.Perante esta situao
desejvel reunir toda informao relevante para ser possvel efetuaruma
anlise ponderada e objetiva (TURBAN et al., 2006).
O BI, no entanto, no milagre. um conceito que abarca uma srie de
ferramentasde tecnologia de informao que, utilizadas em conjunto ou
em separado, potencializam acapacidade da pea mais importante desse
ciclo: o homem. Nas ultimas dcadas, com osurgimento da era da
informao e da Internet, e as expectativas em relao ao
grandemontante de informaes produzidas e a nova economia,
resultaram em uma revoluosem precedentes no mercado de trabalho.
Diversas empresas investiram milhes emequipamentos e tecnologia,
mas esqueceram da gesto do conhecimento e do capitalhumano. Com o
BI, a gesto de pessoas passou a ser um ponto importante na
engrenagemde um projeto de implementao porque por intermdio das
pessoas e da informaoque a empresa adquire uma viso corporativa
mais consistente (TURBAN et al., 2006).
1.2 ObjetivoO trabalho desenvolvido tem como objetivo a construo
de um sistema provedor
de inteligncia empresarial, de forma a evidenciar todas as
atividades necessrias paraa especificao, o desenvolvimento, e a
implantao deste sistema. A fonte de dados, econsequentemente o
objeto de estudo do sistema a ser apresentado, so provenientes
dosetor de Gerencia de Tecnologia da Informao Amrica Latina de uma
multinacionalbrasileira do setor de construo civil.
Nesse mbito, este estudo tem como propsito geral a implementao
de ferramentasde Business Intelligence para a rea da Gerncia da
Tecnologia da Informao exercersua funo de apoio junto ao processo
decisrio. A inteno proporcionar esta rea daempresa objeto do
estudo, a estruturao de diversos controles que antes no existiam,
oacompanhamento apropriado do desempenho das reas, o provimento de
informaes emtempo real aos gestores da empresa.
IsmaelRealcefalar que um "sistema de apoio a deciso" que termo
clssico.
IsmaelRealceexecutar
IsmaelRealceretirar "no ento no milagre"
IsmaelRealce
IsmaelNotaRever na referncia se a relao entre BI e a gesto
pessoas da maneira que foi descrita. No vejo uma relao to
grande.
IsmaelRealceTempo PRXIMO ao real
IsmaelRealceretirar
GliviaRealceTROCAR PARAesse estudo relevante porque apresenta
ferramentas de ...
-
Captulo 1. Introduo 4
1.3 Principais ContribuiesO contexto empresarial inclui uma rede
de entidades cujas aes representam os
parmetros ambientais que, por sua vez, influenciam ou desenham a
forma de atuaodas organizaes, criando um ciclo que passa a demandar
dos administradores habilidadesespecficas para remodelar as suas
atividades, de forma a reposicionar a organizao frenteao seu meio,
sempre que a preservao de seus objetivos reivindicar essa
postura.
Tais parmetros podem ter as mais variadas motivaes econmicas,
polticas,sociais e tecnolgicas (WRIGHT et al., 2000). Este estudo
de caso ressalta entretanto,apenas as de natureza econmica e
tecnolgica devido influncia que exercem nasorganizaes. As variveis
econmicas so um dos aspectos decisivos para o nvel
dedesenvolvimento das organizaes, pois conjunturas econmicas slidas
ou frgeis podemagir como fatores que encorajam ou impossibilitam a
atuao e prosperidade dos negciose por essa razo, convertem-se em
autnticos indicadores de prioridades para a empresa(HALL,
1984).
As aplicaes de BI podem provisionar uma avaliao sistmica do
negcio e ajudaro direcionamento e diviso uniforme dos dados entre
os usurios, sendo sua finalidadeprincipal transformar grandes
quantidades de dados em informaes de qualidade para atomada de
decises. Atravs delas, possvel entrecruzar dados, apresentar
informaesem diferentes dimenses e analisar os principais
indicadores de desempenho organizacional(BATISTA, 2013). Essa
facilidade, considerando-se as propriedades dessas ferramentas,pode
contribuir de modo direto para as funes da rea de controladoria na
extrao,anlise e apresentao do recurso informao aos gestores, alm de
permitir a esse setoruma contnua auditoria das atividades da
empresa como um todo.
A partir desses instrumentos de BI que auxiliam a obteno e a
apresentao dorecurso informao aos usurios, a empresa pode ter
adaptabilidade e versatilidade emseus procedimentos, podendo at
mesmo eliminar vrias de suas deficincias e dispor umclima favorvel
ao seu sucessivo desenvolvimento e ao seu pleno controle
organizacional.
IsmaelNotaAlm de tornar possvel a anlise e tendncias, como por
exemplo, os usurio abrirem uma grande quantidade de chamados para
um mesmo tipo de servio.
GliviaNotaCITAR UMA REFERENCIA
Eh uma afirmao muito forte, pode ter sido com suas palavras, mas
vc obteve esse conhecimento a partir de definicoes previas. Entao
tem sempre que referenciar
-
52 Fundamentao Terica
...incluir texto
2.1 Business Intelligence
2.2 Data WarehousingA teoria de banco de dados, bem como os
bancos de dados j esto disponveis a
bastante tempo. No inicio os dados ficavam concentrados em um
nico banco de dados queatendia tanto ao processamento de transaes
(sistema operacional), que era predominante,e processamento
analtico (sistema informacional) (SINGH, 2001).
Segundo Haisten (1999), a origem do Data Warehouse vem dos
estudos do MIT(Massachusetts Institute of Technology) nos anos 70
que focava o desenvolvimento de umaarquitetura tcnica mais
eficiente para sistemas de informao. Pela primeira vez foi feitauma
distino entre sistemas operacionais e aplicaes analticas e surgiu o
princpio deseparar esses dois tipos de processamento em projetos e
bancos de dados diferentes.
Para Ballard e Herrreman (1998) e Teresko (1999), o conceito de
Data Warehousingsurgiu no incio dos anos 80 quando os sistemas
gerenciadores de bancos de dados (SGBD)emergiram como produtos
comerciais com facilidades para a computao de apoio deciso.Teresko
(1999) comenta que Bill Immon, observou que estes repositrios de
informaopoderiam ser organizados em um bem corporativo que ele
chamou de Data Warehousee por causa disso Immon considerado o "pai
do Data Warehouse". No incio, o DWconsistia de instantneos, ou
subconjunto dos dados operacionais que eram carregados embancos de
dados de apoio deciso em perodos regulares que costumavam ser
semanaisou mensais (BALLARD; HERRREMAN, 1998).
Devlin e Murphy (1988 apud HAISTEN, 1999), ambos da IBM,
passaram a cuidardo problema da integrao e introduziram o termo
"armazm de informao"(InformationWarehouse) e o definiram como um
"ambiente estruturado suportando usurios finais nogerenciamento do
negcio completo e responsabilizando o departamento de TI
(Tecnologiada Informao) garantia de qualidade dos dados". Nessa
mesma poca a IBM passou atratar de um problema relacionado ao
gerenciamento da informao que era a proliferaodos RDBMSs. As
empresas passaram a enfrentar a difcil tarefa de integrar dados
demuitos sistemas separados (HAISTEN, 1999).
IsmaelRealce
-
Captulo 2. Fundamentao Terica 6
2.2.1 Estrututra de um Data Warehouse
Os data warehouses possuem estruturas distintas. H diferentes
nveis de sumariza-o e detalhe que descrevem o DW. A Figura 1 mostra
os diversos componentes do datawarehouse (ALDEMAN; MOSS, 2000):
Dados Atuais - Os dados atuais so, sem dvidas, os que exigem
mais ateno, poiseles refletem os acontecimentos mais recentes,
sempre de grande interesse. Sovolumosos porque esto armazenados no
menor nvel de granularidade. Geralmenteso armazenados em disco, o
que facilita o acesso e torna o gerenciamento complexoe caro.
Dados Antigos - Os dados antigos so geralmente acessados com
menor frequncia earmazenados em um nvel de detalhe consistente com
o detalhe dos dados atuais.Embora no seja imprescindvel o
armazenamento em um meio alternativo, devidoao grande volume de
dados conjugado ao raro acesso, o meio de armazenamentopara dados
antigos usualmente removvel, tal como uma biblioteca de fitas.
Dados Sumarizados - H dois tipos de dados sumarizados, conforme
a necessidade deprocessamento e armazenagem. Eles so:
Dados ligeiramente sumarizados: so encontratos no nvel atual de
detalhe,extrados do nvel mais baixo. Esse nvel do data warehouse
quase semprearmazenado em disco.
Dados altamente sumarizados - so compactos e de fcil acesso. s
vezes osdados altamente sumarizados so encontrados dentro do
ambiente do datawarehouse e s vezes em um ambiente externo ao da
tecnologia que abriga odata warehouse. (Em qualquer dos casos, os
dados altamente sumarizados fazemparte do DW independente de onde
residam.)
A granularidade afeta diretamente no volume de dados
armazenados, na velocidadedas consultas e no nvel de detalhamento
das informaes do DW. Quanto maior for odetalhamento, maior ser a
flexibilidade para se obter respostas. Porm, maior ser ovolume e
menor a velocidade das consultas. J quanto menor for o
detalhamento, menorser o volume, maior a sumarizao dos dados e
melhor ser a performance. Entretanto,menor ser a abrangncia, ou
seja, maior ser as restries das consultas s informaes.
Note que nem todas as sumarizaes realizadas so armazenadas no
DW. Havermuitas ocasies em que a anlise ser feita e um tipo ou
outro de sumrio ser produzido.Somente a sumarizao de dados usados
com frequncia permanentemente armazenadano DW. Em outras palavras,
se voc produzir um resultado sumarizado que provavelmente
-
Captulo 2. Fundamentao Terica 7
Figura 1 Estrutura do Data Warehouse
no reutilizar, a sumarizao no ser armazenada no data warehouse
(ALDEMAN;MOSS, 2000).
Metadado: Este o componente mais importante do data warehouse. O
metadado contmdados sobre os dados. Sob muitos aspectos o metadado
situa-se em uma dimensodiferente de outros dados do DW porque seus
dados no so retirados diretamentedo ambiente operacional. Em uma
implementao tpica, a aplicao do DW estacoplada ao warehouse via
metadado, permitindo que as mudanas feitas no DWsejam refletidas
imediatamente na aplicao do usurio final de acesso aos dados.Por
exemplo, se uma corporao se reestrutura e elimina um nvel
gerencial, logo queos dados correspondentes nova hierarquia
organizacional so adicionados ao DWa aplicao deve reconfigurar-se
usando o metadado para refletir a nova hierarquia(ALDEMAN; MOSS,
2000).
2.2.2 Data Mart
[FALTOU] - Prxima entrega
2.2.3 Data Mining
[FALTOU] - Prxima entrega
GliviaRealceEsta em atraso em 2 entregas j, neh?Favor incluir na
prxima verso
-
Captulo 2. Fundamentao Terica 8
2.3 Extrao, Transformao e CarregamentoUm processo ETL (Extract,
Tranform and Load) fundamental em um data
warehouse. Um sistema ETL bem desenhado extrai a informao dos
sistemas fontes,refora a sua qualidade e a consistncia da informao,
normaliza os dados num formatopronto para apresentao de tal forma
que os programadores da aplicao possam construiraplicaes e
utilizadores finais possam tomar decises(KIMBALL; CASERTA,
2004).
O sistema ETL adiciona um valor significante aos dados do data
warehouse e no sum meio de transferncia de informao. De forma mais
especfica o sistema ETL tem comoobjetivos: remover os erros e
corrigir dados em falta; disponibilizar medidas de confiananos
dados; capturar o fluxo de dados transacionais para salvaguardo;
ajustar informaode mltiplas fontes de forma a poder ser usada em
conjunto; disponibilizar estruturasde dados utilizveis por meio
meio de ferramentas de explorao dos dados(KIMBALL;CASERTA,
2004).
Cada passo do processo de ETL tem diferentes objetivos. A fase
de extrao incluide forma geral:
Ler o modelo e dados de origem;
Conectar-se e extrair os dados;
Agendar a extrao de dados do sistema fonte;
Detectar a atualizao de dados;
Colocar os dados extrados numa rea de staging.
A rea de staging armazena os dados que esto a caminho da rea de
apresentaofinal do DW. A deciso de colocar ou no os dados numa rea
de staging, a cada etapadepende, do ambiente e dos requisitos do
negcio. Na maior parte dos casos, existe pelomenos uma rea de
staging no processo de ETL de um DW (KIMBALL; CASERTA,2004).
Um dos aspectos mais complexos das tarefas descritas acima a
deteco daalterao dos dados. Tipicamente em um DW ir ocorrer um
carregamento inicialde todos os dados do sistema fonte a um
determinado ponto do tempo. Depois dessecarregamento ocorrer, no
eficiente reprocessar dados que j foram carregados e noforam
alterados. Desta forma, o processamento total dos dados do sistema
fonte umatarefa com custo muito elevado e, geralmente, no
considerado na maior parte dossistemas de BI. Uma soluo para
contornar este problema deteco de atualizaodos dados. Este
mecanismo permite detectar quais registros foram alterados desde
oltimo carregamento de forma a processar exclusivamente estes
registros. Algumas das
-
Captulo 2. Fundamentao Terica 9
possibilidades de implementao de um mecanismo de deteco de
alterao dos dadosincluem a implementao de gatilhos (triggers) no
sistema fonte, ou at mesmo, processosde eliminao (comparar as
tabelas atuais com as ltimas tabelas carregadas)(KIMBALL;CASERTA,
2004).
A fase de transformao envolve, principalmente, tarefas de
limpeza e normaliza-o dos dados, as principais tarefas
correspondentes so:
Restries da estrutura;
Restries das regras de dados e valores;
Normalizar os contedos das dimenses;
Normalizar as mtricas e indicadores (das tabelas "fato");
Eliminar redundncia;
Colocar os dados transformados numa rea de staging.
Por ltimo a fase de carregamento envolve, na maior parte dos
casos, as seguintestarefas:
Comparar os dados atualizados com os dados existentes nas slowly
changing dimen-sions1 (SCDs);
Comparar os dados atualizados com os dados existentes nas
tabelas fatos;
Inserir dados novos nos fatos;
Atualizar dados j existentes nos fatos;
Cruzar as dimenses e tabelas de staging de fatos de forma a
carregar as chavesprimarias nas chaves estrangeiras das tabelas
fato;
Carregar e atualizar as tabelas fato agregadas2;
Colocar os dados transformados numa rea de staging.
Uma das mais-valias possveis da utilizao das reas de staging
citadas acima, a recuperao de dados. Na maior parte dos ambientes
empresariais uma boa prtica1 Termo utilizado em teorias de Data
Warehousing para grupos de dados lgicos como informaes de
produtos, clientes, etc que mudam lentamente ao longo do tempo.2
Tabelas fato agregadas so um complemento para as tabelas fato
detalhadas relacionadas aos processos
de negcio, so constituidas de regras de negcio a serem atendidas
e no em informaes operacionaisda organizao.
-
Captulo 2. Fundamentao Terica 10
guardar dados numa staging logo seguir a sua extrao do sistema
fonte e a seguir a cadatransformao significante dos dados. Em reas
de staging, quer em uma base ou em umsistema de arquivos, servem
como pontos de recuperao. Implementados essas tabelas, oprocesso no
ter que consultar o sistema fonte novamente se uma transformao
falhar.
2.3.1 Tecnologias
[FASE POSTERIOR] Falar um pouco sobre as tecnologias.. (mas
somente quandocomear a implementao de fato, pois estarei apto a
falar mais tecnicamente sobre estastecnologias..)
2.4 Modelagem multidimensional com foco em BIA natureza do uso
de bancos de dados multidimensionais torna sua modelagem
distinta daquela utilizada para sistemas transacionais 3. Neste
ltimo aplicamos tcnicasde normalizao a fim de obter o desempenho
desejado ao reduzir o nmero de tabelasem junes. No modelo
multidimensional, deixamos de focar a coleta de dados para
nosocuparmos com a consulta aos dados. Essa uma mudana radical de
foco. Observe queo modelo multidimensional usado em sistemas cujas
bases de dados so atualizadasperiodicamente e em horrios
pr-agendados, pois tradicionalmente sistemas de BI norequerem mais
de uma atualizao por dia. Alm disso, a modelagem importante,
poisimportam-se transaes que foram coletadas e armazenadas por
outros sistemas, e porisso precisam ser readequados (SINGH,
2001).
Um Data Warehouse construdo definindo um modelo de dados
empresarial,apresentando as principais entidades e seus
relacionamentos. Mesmo que o preenchimentode todas as entidades no
seja feito de forma simultnea, o relacionamento entre elas jestar
definido, facilitando posteriormente o cruzamento de informaes
entre as reasde interesse. Neste modelo a apresentao de resultados
aos usurios levar mais tempo,pois a prioridade est em definir todos
os relacionamentos, para depois montar os DataMarts com os dados
relevantes para cada departamento. Portanto, a diferena entre umDM
e um DW so apenas em relao ao tamanho e ao escopo do problema a ser
resolvido.As definies dos problemas e os requisitos de dados so
essencialmente os mesmos paraambos (ALDEMAN; MOSS, 2000).
Os Data Marts atendem s necessidades de unidades especficas de
negcios, ao invsdo interesse da corporao como um todo. Eles
otimizam o fornecimento de informaesde suporte decises, focando nos
interesses particulares do departamento. A utilizao3 So aqueles
que, como o nome sugere, baseiam-se em transaes. Os sistemas
transacionais se
caracterizam pela alta taxa de atualizao, grandes volumes de
dados e acessos pontuais, ou seja,pesquisas cujo resultado seja de
pequeno volume (NARDI, 2007).
IsmaelRealceBancos de Dados
-
Captulo 2. Fundamentao Terica 11
do DM foi uma escolha natural para o desenvolvimento deste
trabalho, tendo em vistaos dados analisados so provenientes do
Service Desk do setor de TI com o intuito degerar indicadores de
interesse prprio. Atentando para a diferena entre um DW e um DMque
se limita simplesmente ao escopo do problema, e adicionalmente,
como a literaturadisponvel na comunidade acadmica, na sua grande
maioria foca no DW, a sesso 2.1deste trabalho dedicada a este
conceito.
2.5 Processamento Analtico de DadosCom o propsito de simplificar
e otimizar o processo de consulta, os dados devem
ser mantidos de forma a ser possvel dar respostas rpidas as
necessidades dos usurios.As ferramentas de anlise e apresentao dos
dados OLAP (Online Analytical Processing)so importantes aliados
para melhorar a organizao da informao e consequentementeauxiliar
diretamente a tomada de decises estratgicas.
necessrio tambm disponibilizar os meios necessrios para
visualizao doscontedos. Geralmente a informao apresentada sobre a
forma de relatrios (grficos,tabelas, quadros e imagens) ou balanced
scorecards4 que tm como objetivo traduzir asmisses e estratgias da
organizao de forma a monitorar o desempenho face a essesobjetivos.
nesta etapa que surgem os sistemas de apoio a deciso
(SAD)(THOMSEN,2002).
As ferramentas OLAP so popularmente conhecidas como cubo de
dados em funoda aluso feita ao "cubo mgico", utilizado para
demonstrar fisicamente a modelagemdimensional. As estruturas
multidimensionais tiram proveito de relaes inerentes aosdados, para
modelar dados em matrizes multidimensionais nomeadas cubos de
dados.Porm, o nmero de dimenses, quando maior que trs, sugere um
hipercubo. Como aconstruo grfica de um hipercubo difcil, a
literatura utiliza geralmente como refernciaapenas o cubo
(KONCILIA; WREMBEL, 2006).
A Figura 2 apresenta um exemplo do cubo de dados descrevendo uma
modelagemtridimensional de fatos.
A viso multidimensional consiste de consultas que fornecem dados
a respeito demedidas de desempenho, decompostas por uma ou mais
dimenses dessas medidas. Podendoat ser filtradas pela dimenso e/ou
pelo valor da medida. As vises multidimensionaisfornecem as tcnicas
bsicas para clculo e anlises requeridos pelas aplicaes de BI.
Parase obter a viso multidimensional necessrio compreender algumas
caractersticas. OQuadro 1 descreve estas propriedades.4 Balanced
Scorecard (BSC) uma metodologia de medio e gesto de desempenho
desenvolvida pelos
professores da Harvard Business School (HBS) Robert Kaplan e
David Norton, em 1992. O principalobjetivo do BSC o alinhamento do
planejamento estratgico com as aes operacionais da empresa(KAPLAN;
NORTON, 2007).
IsmaelRealce
IsmaelRealcemelhorar a visualizaro comparativa dos dados
IsmaelRealceretirar a palavra mgico
IsmaelRealceos dados so mantidos de forma a possibilitar
respostas rpidas as necessidades dos usurios.
IsmaelNotaPor sua vez, as [...]
IsmaelNotaO fluxo do texto no est bom. Voc fala de uma coisa,
muda para outra sem fazer um link e depois volta em um assunto que
j havia falado.Tente colocar na primeira frase um resumo do que ser
falando no pargrafo, em seguida evolua e detalhe o assunto, no fim
do pargrafo (ou no incio do prximo) faa um link entre o assunto
atual e o que vir. Sugesto, alterar o fluxo do texto:Com o propsito
de simplificar [..]necessidades dos usurios.
Contudo, necessrio tambm disponibilizar os meios necessrios para
visualizao dos [..] sistemas de apoio a deciso
(SAD)(THOMSEN,2002).
As ferramentas OLAP SO UM EXEMPLO DE SAD, ESSAS FERRAMENTAS
PROVEM A anlise e apresentao dos dados [...] de decises
estratgicas.
As ferramentas OLAP so popularmente conhecidas como cubo
[...]
IsmaelNotaExplicar a figura.
-
Captulo 2. Fundamentao Terica 12
Quadro 1 Conceitos importantes da modelagem
multidimensionalConceito Descrio
Fonte de Dados Uma fonte de dados a origem de todos os dados
queesto contidos em um cubo OLAP. Um cubo OLAPconecta-se a uma
fonte de dados para ler e processardados brutos a fim de executar
agregaes e clculospara as medidas associadas. A fonte de dados de
todosos cubos OLAP so os datamarts.
Cubos OLAP Um cubo OLAP uma estrutura de dados que supera
li-mitaes de bancos de dados relacionais, proporcionandorpida
anlise de dados. Os cubos OLAP podem exibir esomar grandes volumes
de dados, embora tambm forne-am aos usurios acesso pesquisvel a
quaisquer pontosde dados, para que os dados possam ser
acumulados,decompostos e analisados, conforme a necessidade
paratratar da maior variedade de questes relevantes reade interesse
do usurio.
Dimenses As dimenses permitem filtrar, agrupar e rotular os
dados.Por exemplo, voc pode filtrar computadores por
sistemaoperacional instalado e agrupar pessoas em categoriaspor
sexo ou idade. Em seguida, os dados podem serapresentados em um
formato no qual so classificadosnaturalmente por essas hierarquias
e categorias, parapermitir uma anlise mais aprofundada. As
dimensestambm possuem hierarquias naturais para permitir queos
usurios faam drill down em nveis mais detalhados.Por exemplo, a
dimenso Data possui uma hierarquia quepode ser detalhada
sucessivamente por Ano, Trimestre,Ms, Semana e Dia.
Grupo de Medidas Um grupo de medidas tem o mesmo conceito que um
fatoem uma terminologia de data warehouse. Assim comofatos contm
medidas numricas em um data warehouse,um grupo de medidas contm
medidas para um cuboOLAP. Todas as medidas em um cubo OLAP
derivadasde uma nica tabela de fatos em uma exibio de fonte dedados
tambm podem ser consideradas como um grupode medidas. Pode haver
ocasies, entretanto, em quehaver vrias tabelas de fatos das quais
se derivam asmedidas em um cubo OLAP.
Fonte: Microsoft (2014)
IsmaelRealce
IsmaelRealceDefinio estranha, porque somente data marts?
Pesquise sobre ROLAP, MOLAP e HOLAP.
-
Captulo 2. Fundamentao Terica 13
Figura 2 Cubo de Dados
IsmaelRealceFonte: prprio autor
-
14
3 Trabalhos Relacionados
Existe uma grande variedade trabalhos acadmicos publicados que
referenciam ouaprofundam o conceito de BI, inclusive muitos deles,
assim com este trabalho, tambmutilizam ferramentas de DW/DM e OLAP
para modelar, processar e apresentar os dadosem estudo. Entretanto,
as informaes analisadas so de forma majoritria, ligadas produo,
operao, marketing e vendas, quando se tratam de empresas, que o
caso dostrabalhos publicados por Fortulan (2006) e Dias (2013) e
indicadores sociais no caso deorganizaes governamentais, como em
Combs (2009) e Marques (2011). O objeto de estudodo trabalho aqui
proposto, por outro lado, tem foco na demanda por servios internos
empresa, isto , no fluxo de solicitaes entre diversos setores da
mesma corporao deforma a traar um diagnstico deste relacionamento
intersetorial.
Dentre os trabalhos anlogos publicados pela comunidade acadmica
lusfona, pode-se destacar dois estudos de caso de grandes empresas:
Dias (2013) foca na sensibilizao daorganizao em estudo para obter
uma melhor eficincia de compras junto aos fornecedoresde forma a
evitar rupturas e excessos de estoque. Fortulan (2006) foca na
construo deum Sistema de Medio de Desempenho (SMD) a partir dos
dados histricos do cho-de-fbrica de uma empresa de manufatura.
importante salientar que ambos os trabalhosdescrevem um grande
interesse das empresas na implementao destes sistemas de BI,frente
a uma necessidade constante e macia de relatrios demandadas por
diversas reasdessas empresas que sobrecarregam seus setores de TI.
Os profissionais desse setor aplicamboa parte de seu tempo no
desenvolvimento, customizao e validao de relatrios paraatender a
solicitaes das outras, que eram usados, muitas vezes, para uma nica
decisoou simplesmente para a averiguao de determinadas situaes
pontuais.
Como consequncia, a TI no pode atender a demanda de todas as
outras reas,estimulando-as com isso, indiretamente, a criao de um
armazm de inteligncia para usoprprio e para resoluo de demandas
externas. Estas reas esto repletas de especialistasque tem como
funo garimpar os dados nos vrios sistemas da empresa e integr-los
eformat-los, usando-se, para tanto, planilhas eletrnicas de dados.
Como ilustrao, aempresa avaliada por Dias (2013), em seu
departamento de vendas, somando-se todasas horas de garimpagem de
dados, aplicava o tempo equivalente ao trabalho de pelomenos duas
pessoas nessa atividade. Esses dados eram retirados do sistema de
forma nointegrada, formando vrias ilhas de informaes, que nem
sempre eram relacionados entresi, causando uma grande desconfiana
dos usurios acerca da qualidade das conclusesretiradas (FORTULAN,
2006), (DIAS, 2013).
Estes trabalhos utilizam a modelagem multidimensional dos dados
para estruturara base de informaes. O Data Warehouse foi uma
escolha natural, pois tratam-se dados
-
Captulo 3. Trabalhos Relacionados 15
provenientes de diferentes setores da mesma empresa, e portanto
de sistemas ou basesdistintas, o que caracteriza o conceito de DW.
Em contrapartida, neste trabalho, a escolhabvia para estruturao dos
dados foi a elaborao de uma base de Data Mart, pois sousufrudos
dados exclusivos do setor de Tecnologia da Informao.
Aps uma anlise criteriosa acerca da concluso dos trabalhos
relacionados, pode-sedestacar uma certa preocupao para garantir a
qualidade dos dados. Dados sem qualidadegeram informaes distorcidas
e conduzem a tomadas de decises equivocadas. Isto podecolocar a rea
de uma empresa em risco, ou at mesmo a organizao como um todo.Outro
aspecto discutido a importncia da anlise do negcio da organizao, de
forma adefinir um conjunto de indicadores capazes de medir o
desempenho sob vrias perspetivas:financeira, clientes, processos
internos e crescimento e aprendizagem. A identificao deindicadores
exige que a organizao estabelea as bases para que o objetivo
estratgicoseja alcanado. Assim, deve definir as metas ou resultados
que pretende atingir e quais asiniciativas estratgicas a
implementar.
Na literatura internacional existem uma infinidade de pesquisas,
artigos e trabalhosrelacionados a aplicao de BI com a utilizao de
DW/DM e OLAP, a maioria deles decunho prtico, como em Kumar (2014)
e Mohammed et al. (2012). As reas de estudoso as mais variadas:
existem aplicaes em hospitais, ONGs, corporaes, instituiespblicas,
etc, como em Paterson (2003). A maioria destes trabalhos focam no
desempenhoorganizacional, que a mesma "grande rea"de estudo deste
trabalho.
IsmaelRealce comum utilizar a abreviatura em latim: "e.g., " que
significa por exemplo.
-
16
4 Metodologia
A metodologia composta por trs etapas e seus elementos
compreendem desdea mobilizao dos stakeholders at a disponibilizao
da informao refinada para osusurios finais. Para que tal
procedimento seja executado de forma eficiente e gere umasoluo de
qualidade, bem estruturada e definitiva, faz-se uso de tcnicas de
refinamento,adequao e apresentao dos dados, que so comumente
armazenadas em banco de dadosrelacionais (Relational Database
Management System (RDBMS)). Tecnologias e processoscomo a Extract,
transform and load (ETL), Data Warehouse/Data Mart e o
On-lineAnalytical Processing, permitem a construo de uma soluo
robusta, eficiente e definitivada apresentao de indicadores
gerenciais, adotando tcnicas de filtragem e modelagem daestrutura
de dados relacionando-as diretamente aos ndices aos quais se
pretende obter.
Os dados foram extrados de tabelas relacionais contendo
informaes das so-licitaes de servios dos setores de Tecnologia da
Informao, Recursos Humanos eSuperintendncia da multinacional em
estudo. Estas tabelas armazenam todo tipo de soli-citao interna e,
portanto molda analiticamente o fluxo de demandas
interorganizacionaisda controladoria desta empresa. Os dados
compreendem todos os chamados abertos entreo perodo de Janeiro de
2012 a Janeiro de 2015.
A figura 3 apresenta o fluxograma da metodologia adotada. Em
seguida, os passosprevistos sero detalhados.
Figura 3 Fluxograma do Processo Metodolgico
IsmaelRealce"F" maisculo
-
Captulo 4. Metodologia 17
4.1 Definio das Mtricas e IndicadoresA identificao das mtricas e
indicadores uma fase vital do procedimento
metodolgico. Nesta parte so definidas as informaes que devem ser
extradas dos dadosbrutos e que sero relevantes para o processo de
tomada de deciso. O levantamento detais elementos deve ser feito na
primeira etapa tendo em vista que so pr-requisitosnecessrios para a
fase de adequao dos dados, alm de evitar que o sistema j
nasadefasado. As partes interessadas definem o que querem analisar,
sempre do ponto de vistados tomadores de deciso da instituio e
nunca operacionais.
4.2 Modelagem, Extrao, e Adequao dos DadosAo considerar a
quantidade de dados brutos e as bases de clculos para gerar os
indicadores pr-definidos, torna-se fundamental a utilizao de
tecnologias de banco dedados para armazenamento e tratamento de
dados, com a finalidade de gerar informaesprecisas, confiveis e no
momento certo aos tomadores de deciso. O fundamental entenderque os
dados precisam ser estruturados de forma diferente do que ocorre
nos sistemastransacionais.
Os dados armazenados em um DM/DW so otimizados para a recuperao
atravsdo processamento analtico e devem ser modelados de forma a
apresentar os dados em umaestrutura padronizada que permita alto
desempenho de acesso. A adoo de um modelomultidimensional faz com
que os dados compostos de cubos e dimenses que podem sernomeadas e
estendidas para oferecer suporte a construes de consultas
complexas. Osdados provenientes de vrios sistemas de banco de dados
podem conter redundncias deelementos e informaes que so inteis para
obteno dos indicadores preestabelecidos,ento antes de pass-los para
o DM pode ser necessrio tratar os dados, executandoaes de filtragem
e posteriormente adequ-los nova estrutura de dados. Este processo
denominado de Extrao, Transformao e Carga (ETL).
4.3 Anlise e Apresentao dos DadosAs empresas, em sua grande
maioria, geram dados em sua forma bruta com
baixo poder informacional, em planilhas eletrnicas, sistemas de
informao com focooperacional e transacional que pouco ajudam no
gerenciamento do processo produtivo,e, por isso, precisam ser
tratados e interpretados para que se possa extrair
informaesrelevantes. No mercado, existem diversas ferramentas
comerciais especficas para estafinalidade que so fornecidas por
empresas como Microsoft e Oracle, que possibilitam agerao dos
chamados SAD (Sistemas de Apoio Deciso) ou BI.
IsmaelRealceAlterar para: dados organizados em dimenses e
tabelas fatos passam ser [...]
Dados no so compostos de cubos. feita uma analogia do modelo com
um cubo nas ferramentas de OLAP.
IsmaelNotaFalar como ser feita a anlise de dados. Exemplo: ser
utilizada uma ferramenta OLAP para que o usurio anlise os dados a
partir da criao de grfio e relatrios.
-
18
Referncias
ALDEMAN, S.; MOSS, L. T. Data Warehouse Project Management. 1a.
ed. [S.l.]:Addison-Wesley, 2000. Citado 3 vezes nas pginas 6, 7 e
10.
B2T - BUSSINESS TO TECHNOLOGY. Parceiros. 2015. Disponvel em: .
Acesso em: 15 de abril de 2015. Citado na pgina 2.
BALLARD, C.; HERRREMAN, D. Data Modeling Techniques for Data
Wa-rehousing. 1998. IBM, International Technical Suport
Organization. Disponvel em:. Acesso em: 29 de Abrilde 2015. Citado
na pgina 5.
BARQUIN, R. C. Business intelligence in the new administration:
Ramon barquinexplains why the obama administration will have to
rely on tried-and-true businessintelligence. 2008. Disponvel em: .
Acesso em: 26 de maro de2015. Citado na pgina 2.
BATISTA, E. d. O. Sistemas de informao: o uso consciente da
tecnologia para ogerenciamento. 2. ed. [S.l.]: Saraiva, 2013.
Citado na pgina 4.
BURNS, E. Coca-Cola overcomes challenges to seize BI
opportuni-ties: The coca-cola co. understands that analytics
challenges can be over-come and that a team approach helps
businesses take advantage of bi oppor-tunities. 2013. Disponvel em:
. Acesso em: 26 de marode 2015. Citado na pgina 2.
COMBS, S. Business intelligence for government transparency:
where the money goes:the transparency and spending strategies
adopted by the state of texas could serve astemplates for other
government initiatives. Government Finance Review, CengageLearning,
Inc., v. 25, p. 55, 2009. Citado na pgina 14.
DEVLIN, B. A.; MURPHY, P. T. An architecture for a business and
information systems.IBM System Journal, v. 27, n. 1, 1988. Citado
na pgina 5.
DIAS, A. D. F. Sistema de apoio deciso com base em Business
Intelligence eData Warehouse na OCP Portugal Produtos Farmacuticos,
SA. Dissertaode Mestrado, Faculdade de Engenharia da Universidade
do Porto, 2013. Citado na pgina14.
FORTULAN, M. R. O uso de Business Intelligence para gerar
indicadores dedesempenho no cho-de-fbrica: uma proposta de aplicao
em uma empresa demanufatura. Tese de Doutorado, Faculdade de
Engenharia de So Carlos - Universidadede So Paulo, 2006. Citado na
pgina 14.
HAISTEN, M. The Real-Time Data Warehouse: The next stage in data
warehouseevolution, part 1. 1999. Disponvel em: . Acesso em: 29 de
Abril de 2015. Citado na pgina 5.
-
Referncias 19
HALL, R. Organizaes, estrutura e processos. 3. ed. [S.l.]:
Prentice-Hall, 1984.Citado na pgina 4.
KAPLAN, R. S.; NORTON, D. P. Using the Balanced Scorecard as a
StrategicManagement System. Harvard Business Review, 2007.
Disponvel em: . Acessoem: 12 de maio de 2015. Citado na pgina
11.
KIMBALL, R.; CASERTA, J. Data Warehouse ETL Toolkit: Practical
techniques forextracting, cleaning, conforming, and delivering
data. 1. ed. [S.l.]: Wiley, John and Sons,Incorporated, 2004.
Citado 2 vezes nas pginas 8 e 9.
KONCILIA, C.; WREMBEL, R.Data Warehouses and OLAP: Concepts,
architecturesand solutions. 1. ed. [S.l.]: IGI Global, 2006. Citado
na pgina 11.
KUMAR, M. Data warehouse in e-governance. International Journal
of EngineeringSciences and Research Technology, v. 3, p. 17681770,
2014. Citado na pgina 15.
MARQUES, E. Z. Uma proposta de utilizao das tecnologias de
business intel-ligence para suporte a tomada de deciso no contexto
de governo eletrnico.Dissertao (Mestrado), 2011. Citado na pgina
14.
MICROSOFT. Sobre cubos OLAP. 2014. Disponvel em: . Acesso em: 12
de maio de 2015. Citado na pgina 12.
MOHAMMED, M. A.; ANAD, M.; MZHER, A.; HASSON, A. Meta-data and
data martsolutions for better understanding for data and
information in e-government monitoring.International Journal of
Computer Science, v. 9, p. 7883, 2012. Citado na pgina15.
NARDI, A. Fundamentos e Modelagem de Bancos de Dados
Multidimensionais.2007. Disponvel em: . Acessoem: 20 de maro 2015.
Citado na pgina 10.
NAVARRO, M. C. D. A. O Que Data Warehouse ? 1996. Disponvel em:
. Acesso em:30 de maro de 2015. Citado na pgina 2.
PATERSON, A. The design and development of a social science data
warehouse: A casestudy of the human resources development data
warehouse project of the human sciencesresearch council, south
africa. Data Science Journal, v. 2, p. 1224, 2003. Citado napgina
15.
REZENDE, D. A. A. A. F. Tecnologia da informao aplicada a
sistemas de infor-mao empresariais: O papel estratgico da informao
e dos sistemas de informaonas empresas. 9a. ed. [S.l.: s.n.], 2001.
Citado na pgina 1.
SANTOS, R. N. M. d. Mtodos e ferramentas para gesto de
inteligncia e doconhecimento: Perspectivas em cincia da informao.
2000. Disponvel em: . Acesso em:25 de maro de 2015. Citado na pgina
1.
SINGH, H. S. Data Warehouse: Conceitos, tecnologias, implementao
e gerenciamento.1a. ed. [S.l.: s.n.], 2001. Citado 3 vezes nas
pginas 1, 5 e 10.
-
Referncias 20
TERESKO, J. Information rich, knowledge poor? Industry Week, v.
248, n. 3, p. 1924,1999. Citado na pgina 5.
THOMSEN, E. Olap Solutions: Building multidimensional
information systems. 2. ed.[S.l.]: Wiley, 2002. Citado na pgina
11.
TURBAN, E.; ARONSON, J. E.; LIANG, T.-P.; SHARDA, R. Decision
Support andBusiness Intelligence Systems. 8. ed. [S.l.]: Prentice
Hall, 2006. Citado na pgina 3.
WRIGHT, P.; KROLL, M. J.; PARNELL, J. Administrao estratgica:
Conceitos. 1.ed. [S.l.]: Atlas, 2000. Citado na pgina 4.
Folha de RostoFolha de AprovaoLista de FigurasLista de
QuadrosLista de Abreviaturas e
SiglasSumrioIntroduoMotivaoObjetivoPrincipais Contribuies
Fundamentao TericaBusiness IntelligenceData
WarehousingEstrututra de um Data WarehouseData MartData Mining
Extrao, Transformao e CarregamentoTecnologias
Modelagem multidimensional com foco em BIProcessamento Analtico
de Dados
Trabalhos RelacionadosMetodologiaDefinio das Mtricas e
IndicadoresModelagem, Extrao, e Adequao dos DadosAnlise e
Apresentao dos Dados
Referncias