Introdução ao Business Intelligence

Share Button

Este artigo contempla alguns conceitos iniciais que é preciso dominar para se iniciar nas soluções de Business Intelligence. Basicamente, podemos dizer que o BI é uma metodologia que estuda os eventos ocorridos na organização, medindo-os com a função de identificar parâmetros, tendências, calcular metas e sinalizar ocorrências de acordo com as questões relevantes ao negócio. Seu principal objetivo é ter o controle sólido das informações da empresa através de indicadores que se baseiam na própria base histórica e desta forma, servir de base para tomada de novas decisões.

 

Modelagem de Dados:

Como toda inteligência evolui e se aperfeiçoa com o tempo, com o auxílio da tecnologia, o BI assumiu processos e conceitos sólidas de implementação.
Um dos requisitos principais para se alcançar um BI assertivo para seu negócio, é a capacidade de transformar dados dispersos em informações úteis.

 

Data Wharehouse, Star Schema e SK:

Para que haja integração entre fontes distintas, é necessário chegar em uma modelagem específica de dados armazenados em um banco de dados conhecida como Data Warehouse(DW).O DW possui características peculiares, como por exemplo a forma com que as suas tabelas se relacionam (os chamados Joins), onde uma única tabela Fato se relaciona com várias outras tabelas de Dimensões, devido a isso o desenho destes relacionamentos são semelhantes estrelas, por isso a origem do nome Star Schema.

A coluna chave de relacionamento para os Joins entre essas tabelas são conhecidas como Surrogates Keys(SK) são identificadores únicos do modelo de dados. De uma forma mais técnica, a SK é uma constraint de banco, como se fosse uma primary key porém só existe no DW. Toda essa estruturação de dados é realizada de acordo com o modelo de negócio em questão com o objetivo de garantir a integridade da informação.

Tabela do tipo Fato:

Uma Fato é onde fica armazenado o registro histórico de cada evento realizado da área de assunto em questão. Por exemplo: Uma venda ou compra realizada, uma entrada ou saída do estoque, etc. Os dados armazenados em uma tabela Fato, possui característica quantitativa (Unidade Monetária, Quantidade, Peso, Metros, etc.) dentro do Modelo de Vendas. A partir dela são extraídas as métricas que são cruzadas com os dados das Dimensões, concebendo, assim, informações significativas para a análise do usuário. A Fato armazena as medições necessárias para avaliar o assunto pretendido. No exemplo a baixo podemos ver como é a estrutura de uma tabela fato, neste caso cada linha representa uma coluna:

Na imagem a baixo temos o exemplo de uma outra tabela Fato porém com a visualização de seus dados:

 

Tabela do tipo Dimensão:

É uma coleção de dados descritivos distintos, que irão classificar, definir e esclarecer por assim dizer os eventos contidos na tabela Fato. Por exemplo, o mês que ocorreu a venda, ou qual vendedor que a realizou.
As Dimensões permitem analisar os eventos da Fato por diversas perspectivas diferentes, como também cruzar informações distintas de uma mesma métrica.

Hierarquias:

Hierarquia são propriedades específicas de algumas Tabelas de Dimensões, elas ajudam a classificar as métricas da Fato em níveis de grupo. Por exemplo. As Cidades, estão dentro de Estados, os Estados dentro de Países que por sua vez fazem parte dos continentes e assim sucessivamente.

Baseado no exemplo dado a baixo de dimensões geográficas, utilizamos o conceito de pai e filho. Por exemplo, a coluna de País é pai da coluna de Estados que por sua vês é pai da coluna de Cidades.

Granularidade da Métrica:

As Métricas existentes na tabela Fato para fazer sentido, precisam sofrer uma certa agregação (soma, média, contagem…). Além da agregação, as colunas de métricas se baseiam na agregação da dimensão, essas agregações são conhecidas como Grão da Fato. Por exemplo, uma métrica de quantidade de vendas pode ter uma granularidade mensal, semanal, diária ou até por hora. Essas configurações são definidas no processo de desenho da modelagem de dados do DW.

A granularidade é definida a cada tabela fato do seu DW onde o grão é o menor nível da informação, essa definição é muito importante pois afeta diretamente no volume de dados armazenados no DW. Um conceito as vezes confuso é definir se a tabela fato possui uma alta granularidade ou uma baixa granularidade, pois seus significados são inversamente proporcionais. Vejamos:

 

Considerações Finais:

O que determina o nível de informações e detalhes do seu modelo é justamente a relevância da informação para o negócio, lembrando sempre que o BI é uma implementação voltada para uma visão macro do seu negócio, seu objetivo olha para análises gerenciais e não operacionais, partindo deste princípio, é importante salientar que um grande nível de detalhes geralmente não faz parte de um modelo de BI corporativo, a menos que seja extremamente útil à organização. Pois de um modo geral, o BI é desenhado para integrar dados e trazer respostas importantes às questões de negócios.

Data Visualization

Carina Mendes.