Business Intelligence

BI

Introdução

   Organizações¹ [1] de hoje, a fim de atingir seus objetivos operacionais, estão enfrentando obstáculos cada vez mais complexos em termos de gestão e resolução de problemas. Além disso, o grande crescimento na quantidade de dados impõe desafios na análise desses dados e recuperação de informações relevantes em tempo real. Diante de tais situações, as organizações passam a utilizar ferramentas de Business Intelligence (BI), que engloba um conjunto de metodologias, processos, arquiteturas e tecnologias que transformam dados brutos em informações significativas e úteis, permitindo identificar e compreender as informações relevantes para a tomada de decisão nos níveis estratégico, tático e operacional.[2], [3]

   A eficiência do Business Intelligence depende, inicialmente, de um banco de dados que armazena os "acontecimentos", como por exemplo a venda de determinado produto em uma rede de lojas com seus respectivos detalhes: quantidade, valor, horário, loja e etc. Este banco de dados é conhecido como Data Warehouse, e a partir dele é possível realizar diversas análises de dados, auxiliando nas decisões de uma empresa. Entretanto, para que possa cumprir com seu propósito, o Data Warehouse (DW) organiza em novas estruturas os dados recebidos de vários bancos de dados operacionais e de outras fontes de dados, adequado-se a tarefa de executar análise de negócios. Baseado em um modelo multidimensional, o DW pode armazenar informações temporais, admitindo análises por essa perspectiva. Além disso, ao contrário dos bancos de dados operacionais que se concentram em funções específicas executadas por aplicações, o foco de um DW está nas necessidades analíticas, onde as várias dimensões do modelo permitem a realização de pesquisas pelas diversas perspectivas (ou dimensões), reduzindo também os percursos de navegação.[3]

   Diante deste contexto, um dos objetivos do trabalho é aprofundar no dimensionamento de dados para a montagem de uma Data Warehouse. Relacionar também novas linhas de armazenamento de dados e análises, como a Big Data Analytics. O Site da SpagoBI brasil (http://spagobibrasil.com.br/) apresenta como instalar e utilizar uma Data Warehouse em vídeos tutoriais.

¹ Definido por Maximiano, uma organização é uma combinação de esforços individuais que tem por finalidade realizar propósitos coletivos, tornando possível perseguir e alcançar objetivos inatingíveis por uma pessoa. Grandes empresa, pequenas oficina, laboratórios, corpos de bombeiros, hospitais e escola são exemplos de organizações.[1]

Objetivos específicos

   O trabalho de pesquisa sobre BI aqui mencionado tem por objetivo reunir conhecimento sobre a estrutura do Data Warehouse e a influência que um sistema de arquivos tem sobre as ferramentas de análise. Além disso, a integração entre as ferramentas de análise de dados SpagoBI e o armazenamento de dados (Data Storages) é fundamental para o BI e Big Data Analytics. Assim, neste trabalho estudaremos sobre a integração entre o SpagoBI e o Hadoop.

Cronograma

Fundamentação Teórica

Cases

Benchmarking

   Existem várias plataformas "open source", como é o exemplo da SpagoBI, JasperSoft e Birt. Em particular, a SpagoBI é uma plataforma que possui somente suites livres, não possuindo versões mais completas e pagas como a JasperSoft ou a Birt. Além disso, SpagoBI é uma suíte totalmente open source para Business Intelligence e Big Data Analytics, desenvolvida e gerida pelos laboratórios SpagoBI do Grupo de Engenharia. Ela inclui não apenas relatórios e gráficos das características tradicionais, mas também soluções únicas e inovadoras para domínios emergentes. SpagoBI é parte da pilha de softwares gerenciados pelo OW2 (http://www.ow2.org/), que promove soluções open source profissionais, adequadas aos contextos empresariais.[4]

• Detalhar mais as soluções encontradas

Funcionalidades

Componentes

Ferramentas de ETL

OLAP

DW

Data Mining

Forecast

Análise de cenários

Conclusões

Referências

[1]  A. C. A. MAXIMIANO, Introdução à Administração, 8th ed., 1 vols. São Paulo: Atlas, 2011.

[2]  M.-A. Aufaure, “What’s Up in Business Intelligence? A Contextual and Knowledge-Based Perspective,” in Conceptual Modeling, W. Ng, V. C. Storey, and J. C. Trujillo, Eds. Springer Berlin Heidelberg, 2013, pp. 9–18.

[3]  A. Vaisman and E. Zimányi, Data Warehouse Systems. Berlin, Heidelberg: Springer Berlin Heidelberg, 2014.

[4]  “With SpagoBI suite, Engineering Group launches its open source proposition for Big Data analytics in the global marketplace | spagobi.” .