hff workshop bi, v2, print version
Post on 07-Jul-2015
223 Views
Preview:
TRANSCRIPT
Workshop Business Intelligence 05.Fev.2013
Daniel Carvalho, Associate Manager
© ALL RIGHTS RESERVED 2
Agenda
Pontos a discutir
I. BI: Passado, Presente e Futuro
II. Anatomia de um Data Warehouse (warning: techy)
III. Diferentes utilizadores necessitam de ferramentas diferentes
IV. Principais dificuldades na implementação de BI
© ALL RIGHTS RESERVED
BI: Passado, Presente e Futuro BI: como porquê nasceu
Capítulo I
“Business Intelligence
as un umbrella
to describe
concepts and
methods to improve
business
decision making by using
fact-based support systems”
© ALL RIGHTS RESERVED
BI: Passado, Presente e Futuro BI: alguns termos mais utilizados
Capítulo I
business
decision making tempo
hoje
o que aconteceu? o que está a acontecer? “predictive analysis”
BI tradicional Data mining
Real-time BAM (Business Activity Monitoring)
CEP (Complex Event Processing)
What-if – Cenários
© ALL RIGHTS RESERVED
Estamos
velhos?
© ALL RIGHTS RESERVED
BI: Passado, Presente e Futuro Nos primórdios…
Capítulo I
Quem se lembra…?
© ALL RIGHTS RESERVED
BI: Passado, Presente e Futuro Dados sobre aplicações isoladas
Capítulo I
Cada aplicação (app) tem o seu reporting
Não há cruzamento de dados (entre apps)
Estruturas de dados não estão optimizadas para queries massivos
App 1 App 2 App n
© ALL RIGHTS RESERVED
BI: Passado, Presente e Futuro Unificação do reporting
Capítulo I
Temos cruzamento de dados
Estruturas de dados continuam a não estão optimizadas para queries massivos
Sistemas operacionais “sofrem” com o reporting
App 1 App 2 App n
© ALL RIGHTS RESERVED
BI: Passado, Presente e Futuro Criação de Data Warehouses (DW)
Capítulo I
Temos cruzamento de dados
Estruturas de dados no DW optimizadas para queries massivos
Sistemas operacionais não “sofrem” com o reporting
App 1 App 2 App n
DW
© ALL RIGHTS RESERVED
BI: Passado, Presente e Futuro Arquitectura completa
Capítulo I
Qu
alid
ade
de
Dad
os
© ALL RIGHTS RESERVED
BI: Passado, Presente e Futuro Hype Cycle for BI, 2011, © Gartner
Capítulo I
“novidades” / trends
Big data
Capítulo II Anatomia de um Data Warehouse warning: techy
© ALL RIGHTS RESERVED
Anatomia de um Data Warehouse Modelo Relacional vs. Modelo Estrela (ou Floco de Neve)
Capítulo II
Modelo Relacional • Poupança de espaço • 3ª forma normal
Modelo em Estrela • Optimizado para queries • Consome mais espaço
© ALL RIGHTS RESERVED
Anatomia de um Data Warehouse Modelo Relacional vs. Modelo Estrela (ou Floco de Neve)
Capítulo II
Modelo Relacional • Poupança de espaço • 3ª forma normal
Modelo em Estrela • Optimizado para queries • Consome mais espaço
© ALL RIGHTS RESERVED
Anatomia de um Data Warehouse Cubo
Capítulo II
© ALL RIGHTS RESERVED
Anatomia de um Data Warehouse Data Mart – silos de dados departamentais
Capítulo II
Departamento X
RH
Auditoria
© ALL RIGHTS RESERVED
Anatomia de um Data Warehouse … onde tradicionalmente assentam as ferramentas de BI
Capítulo II
Departamento X
RH
Auditoria
Capítulo III Diferentes utilizadores ferramentas diferentes
Sub-título
© ALL RIGHTS RESERVED
Diferentes utilizadores ferramentas diferentes Capítulo III
© ALL RIGHTS RESERVED
Diferentes utilizadores ferramentas diferentes No que toca a reporting, dashboards, mobile, …
Capítulo III
Dispositivo PC Smartphone Tablet
Necessidades Read-only Manipular dados Reporting “compliance”
Tipo de informação Sumário executivo KPI Informação tabular
© ALL RIGHTS RESERVED
Diferentes utilizadores ferramentas diferentes Exemplos – ilustrativo
Capítulo III
Resp. Departamento
Dep. Financeiro
C-level
Principais dificuldades Capítulo IV
© ALL RIGHTS RESERVED
Principais dificuldades Capítulo IV
Foto: Sebastião Salgado
© ALL RIGHTS RESERVED
Principais dificuldades Capítulo IV
“Between 70% to 80% of corporate business intelligence projects fail, according to research by analyst firm Gartner.” (*)
Estes são os principais factores que levam ao insucesso das iniciativas de BI:
• Falta de Suporte de Negócio (sponsorship)
• Qualidade de Dados (ou falta dela…)
• Dashboards como uma cura genérica
• “Está perfeito como está – nunca o iremos alterar!”
(*) http://www.computerweekly.com/news/1280094776/Poor-communication-to-blame-for-business-intelligence-failure-says-Gartner
© ALL RIGHTS RESERVED
Principais dificuldades Falta de Suporte de Negócio (sponsorship)
Capítulo IV
As iniciativas de BI têm habitualmente uma fasquia elevada – quando comparadas com os outros projectos.
Quando (e eu intencionalmente não refiro "se") o projecto estiver atrasado ou deixa de ir ao encontro das expectativas, ter o apoio de pessoas com capacidade de decisão é fundamental.
© ALL RIGHTS RESERVED
Principais dificuldades Qualidade de Dados (ou falta dela…)
Capítulo IV
Outros sistemas / soluções podem ser capazes de esconder dados de má qualidade, mas a qualidade dos dados está totalmente exposta numa solução de BI.
Os dois resultados mais comuns quando se lida com má qualidade dos dados são falhas nos processos ETL – por exemplo, não haver match entre dados – e as decisões tomadas com base em dados incorrectos. Em tais casos, a confiabilidade e a precisão do sistema será interrogado, e o Negócio começará, então, a questionar o investimento na própria solução.
“Garbage in – garbage out”
© ALL RIGHTS RESERVED
Principais dificuldades Dashboards como uma cura genérica
Capítulo IV
Dashboards gráficos muito atraentes, precisam da mesma quantidade de planeamento e cuidadosa consideração sobre o seu conteúdo / finalidade – como faria em qualquer outro projecto. Os painéis que mostram valores inconsistentes ou que não fluem facilmente para o resto dos dados da organização correm o risco de diminuir a confiança na solução, levando a abandono.
Lembrem-se do “one size doesn’t fit all”
© ALL RIGHTS RESERVED
Principais dificuldades “Está perfeito como está – nunca o iremos alterar!”
Capítulo IV
Muitas organizações tratam o BI como uma série de projectos discretos (muitas vezes departamentais), com foco na entrega de um conjunto fixo de requisitos.
O BI é um alvo em movimento –
durante o primeiro ano de qualquer implementação de BI, os utilizadores tendem normalmente a solicitar alterações para melhor atender às suas necessidades ou para melhorar os processos de negócios subjacentes. Essas mudanças podem afectar 35% a 50% das funções da solução.
As organizações devem, portanto, definir um processo de revisão que faça a gestão da obsolescência e substituição dentro do portfólio de BI.
Wrap-up
© ALL RIGHTS RESERVED
Wrap-up
Principal objectivo
do BI:
Business
Decision
Making
“One size doesn’t
fit all”
Pensem nas
necessidades dos
utilizadores ,
tipos de
informação e
nos devices
Falta de Suporte
de Negócio
(sponsorship)
(Falta de)
Qualidade de
Dados
garbage in –
barbage out
Dashboards como
uma cura
genérica
Pensar que uma
iniciativa de BI
tem fim
Devemos estar
constantemente
em melhoria
contínua
© ALL RIGHTS RESERVED
Há sempre uma forma diferente de interpretar os dados…
ou
Nem sempre queremos ver a verdade…
Sede Parque Suécia | Av. do Forte, 3 | Edif. Suécia III, 1º 2794-038 Carnaxide, Portugal T: +351 210 938 210 | F: +351 210 938 135 | : info@safira.pt Polónia Park Postępu | Postępu 21 | Budynek C 02-676 Warszawa, Polska T: +48 222 660 043 | F: +48 224 300 353 | E: info@safira.com.pl Espanha C Diagonal 48 Planta 1, Puerta 2 | Can Castells, Barcelona 08420 Canovelles, España T: +351 210 938 210 | E: info@safira.com.es Reino Unido 10 John Street | London WC1N 2EB, UK T: +351 210 938 210 | E: info@safira.co.uk
www.safira.pt
daniel.carvalho@safira.pt
top related