iscte/acm student chapter

29
ISCTE/ACM Student Chapter Carlos Tam Business Intelligence Teoria versus prática

Upload: carlostam65

Post on 16-Jan-2017

576 views

Category:

Education


0 download

TRANSCRIPT

Page 1: ISCTE/ACM Student Chapter

ISCTE/ACM Student Chapter

Carlos Tam

Business IntelligenceTeoria versus prática

Page 2: ISCTE/ACM Student Chapter

Figura 2 – Arquitectura e componentes da Business Intelligence

adaptado de Turban et al. (2008)

Data sources / OLTP

ETL – Extract, Transform and Load

Data Warehouse

Business Analytics

Data Mining

OLAP

BPM

Alerts

Ad-hoc Query

Text Mining

Scorecards

Dashboards

Business Intelligence

KPIs

Metrics ADS

Arquitetura e componentes da Business Intelligenceadaptado de Turban et al. (2008)

Definição: Business intelligence (ou inteligência de negócio) pode ser descrito como "um conjunto de técnicas e ferramentas para a aquisição e transformação de dados brutos em informações significativas e úteis para suportar a análise de negócio"

Busines intelligence (BI) … na teoria

Carlos Tam 2

Page 3: ISCTE/ACM Student Chapter

Imagine-se a conduzir um automóvel ….

Na prática…

Carlos Tam 3

Page 4: ISCTE/ACM Student Chapter

Business Intelligence

Data Warehouse Business Analytics User Interface

- Data Mining- Alertas- OLAP

- Ad-hoc Query

- Dashboards- Scorecards

Gartner Group, 1989

Como se chega lá ?

Carlos Tam 4

Page 5: ISCTE/ACM Student Chapter

Business Intelligence

Data Warehouse Business Analytics User Interface

Definição

Carlos Tam 5

O termo Data Warehouse descreve um repositório de dados orientado por assunto, integrado, histórico e não volátil com o tempo, com o objetivo de suportar o processo de decisão (Inmon, 2005).

Page 6: ISCTE/ACM Student Chapter

Existem 2 arquiteturas de Data Warehouse

Carlos Tam 6

Page 7: ISCTE/ACM Student Chapter

SQL Server

DB2

Sistemas Transaccionais

OLTP

ETL

– Ex

trac

t, Tr

ansf

orm

and

Loa

d

ORACLE

DataWarehouse

ETL

– Ex

trac

t, Tr

ansf

orm

and

Loa

d

Data MartMarketing

Data MartFinanceira

Data Mart…

OLA

P –

Onl

ine

Ana

lytic

al P

roce

ssin

g

Arquitetura de Data Warehouse (top-down)

Carlos Tam 7

Fonte de dadosUtilizadores

finais

Page 8: ISCTE/ACM Student Chapter

SQL Server

DB2

Sistemas Transaccionais

OLTP

ORACLE

Data MartMarketing

Data MartFinanceira

Data Mart…

OLA

P –

Onl

ine

Ana

lytic

al P

roce

ssin

g

Extract

Fonte de dados

Área de Staging

Transform

Load

Utilizadoresfinais

Arquitetura de Data Mart (bottom-up)

Carlos Tam 8

Transformação

Sumarização

Higienização

Combine

Limpeza….

Page 9: ISCTE/ACM Student Chapter

Dimensão Tempo Dimensão artigodata artigodia descriçãomês Tabela Factos Vendas familiaano data subfamiliatrimestre artigoquadrimestre lojasemestre zona

quantidadevalor venda

Dimensão loja Dimensão zonaloja zonadescrição moradatipo de loja cidade

paisMedidas

Figura 5 - Exemplo de dados em modelo Estrela ou Star Schema Modelo de dados em “Estrela” ou Star Schema

Exemplo do modelo de exploração da informação em BI

Carlos Tam 9

Page 10: ISCTE/ACM Student Chapter

Business Analytics (BA)

Business Intelligence

Data Warehouse Business Analytics User Interface

- Data Mining- Alertas- OLAP- Ad-hoc Query

- Dashboards- Scorecards

Gartner Group, 1989

Carlos Tam 10

Page 11: ISCTE/ACM Student Chapter

Definição

Business Intelligence

Data Warehouse Business Analytics User Interface

Carlos Tam 11

A Business Analytics (BA) é a prática da exploração iterativa e metódica dos dados de uma organização com ênfase na análise estatística. A análise de negócios combina a ciência de análise preditiva com capacidades avançadas de inteligência de negócios.

Page 12: ISCTE/ACM Student Chapter

Definição BA

Carlos Tam 12

Page 13: ISCTE/ACM Student Chapter

BA- Data mining

Carlos Tam 13

Técnica estatística para análise de grandes volumes de dados.

Page 14: ISCTE/ACM Student Chapter

BA- Data mining: Clustering

PRAGA DA DIMENSIONALIDADE

São muitas variáveis/campos, que fazer com tanta informação ???Carlos Tam 14

Page 15: ISCTE/ACM Student Chapter

BA- Data mining: Clustering

Carlos Tam 15

Page 16: ISCTE/ACM Student Chapter

BA- Data mining: ClusteringSegmentar, Clustering ou seja :agrupar coisas que se encontram próximas com base em determinadas medições (variáveis)

Carlos Tam 16

Page 17: ISCTE/ACM Student Chapter

BA- Data mining: Clustering

Reduzir grandes conjuntos de dados para produzir informação

Perdemos pormenor mas ganhamos interpretabilidade e compreensão

Carlos Tam 17

Page 18: ISCTE/ACM Student Chapter

BA- Data mining: Clustering

Talho

Peixaria

Charcutaria

Congelados

Legumes/Frutas

Livros

Padaria

Outros

Charcutaria

Legumes/Frutas

Talho

Peixaria

Congelados

Livros

Padaria

Outros

Carlos Tam 18

Page 19: ISCTE/ACM Student Chapter

BA- Data mining: Predictive analysis

A ideia consiste em utilizar dados históricos para desenvolver um modelo que nos permita prever resultados

de um fenómeno de interesse

Carlos Tam 19

Page 20: ISCTE/ACM Student Chapter

User Interface

Business Intelligence

Data Warehouse Business Analytics User Interface

- Data Mining- Alertas- OLAP- Ad-hoc Query

- Dashboards- Scorecards

Carlos Tam 20

Page 21: ISCTE/ACM Student Chapter

User Interface

Business Intelligence

Data Warehouse Business Analytics User Interface

Carlos Tam 21

O User Interface é um termo geral que descreve qualquer esforço para ajudar as pessoas a entender o significado dos dados, colocando-os num contexto visual. Padrões, tendências e correlações que podem passar despercebidos em dados baseados em texto, podem ser expostos e reconhecidos mais facilmente com o software de visualização de dados.

Page 22: ISCTE/ACM Student Chapter

User Interface: VisualizaçãoUma imagem são mil palavras…

Carlos Tam 22

Page 23: ISCTE/ACM Student Chapter

User Interface: VisualizaçãoCasos notáveis

Carlos Tam 23

Page 24: ISCTE/ACM Student Chapter

User Interface: VisualizaçãoPara quê visualizar?

Carlos Tam 24

Page 25: ISCTE/ACM Student Chapter

Dashboard: exemplo

Carlos Tam 25

Page 26: ISCTE/ACM Student Chapter

Dashboard: exemplo

Carlos Tam 26

Page 27: ISCTE/ACM Student Chapter

Decisão: Que software adotar?

Carlos Tam 27

RegiãoRegião

Distrito

Distrito

Concelho

Concelho

Freguesia

Freguesia

Impulsionado pelos serviços de TI• Pensamento linear, pré-definido• Perde-se conhecimento escondido nos dados• Demora meses a alterar• Centrado nos dados

Impulsionado pelo Utilizador• O utilizador decide onde começar• Todos os dados, sempre visíveis• Demora minutos a alterar• Orientado pelo conhecimento

Page 28: ISCTE/ACM Student Chapter

Caso Prático

Demostração

Carlos Tam 28

Page 29: ISCTE/ACM Student Chapter

Questões

Obrigado!

Carlos Tam 29

Carlos [email protected]