BI para Transformação Digital

Prévia do material em texto

1
45
1
Prof. Roberson Cesar Alves de Araujo
BI - Business Intelligence
para Transformação Digital
Aula 1
45
2
Processo da inteligência para 
business - geração de dados
45
3
Mutação dos conceitos de negócio 
a uma velocidade crescente
Crescimento do volume de dados que 
transitam por meio de diferentes tecnologias
Tendências efetivas do atual mercado 
mundial impulsiona as empresas a buscarem 
novas soluções tecnológicas
Processo da inteligência para business
45
4
Diferencial para os negócios das empresas 
está diretamente associado à inteligência
Capacidade de um ou mais sistemas 
efetuarem a adaptação necessária em seu 
comportamento de modo a proporcionar 
o atendimento de seu objetivo
Processo da inteligência para business
45
5
Formas de medição de dados
R
a
h
im
o
v
 E
m
in
/
S
h
u
tt
e
rs
to
ck
45
6
Processo impulsionado 
pela tecnologia de análise 
de dados e apresentação 
de informações 
acionáveis aos executivos 
para a tomada de decisão
Inteligência de negócios como 
um diferencial no uso de dados
Siberian Art/Shutterstock
1 2
3 4
5 6
2
45
7
Diagnóstico de dados
45
8
Em virtude dos acontecimentos iniciados nos 
anos de 2020 referentes à pandemia gerada pela 
covid-19, diversas empresas no cenário mundial 
migraram suas iniciativas para o ambiente digital
Diagnóstico de dados 
A
-i
m
a
g
e
/
S
h
u
tt
e
rs
to
ck
45
9
Crescimento da tecnologia 
Dados vêm aumentando exponencialmente
Grande quantidade de dados em escala de 
difícil compreensão
Diagnóstico de dados 
45
10
Análise de dados → examina os dados para criar 
a ordem da estrutura e o significado com base 
neles
Coleta: muitos dados, o tempo todo, mas, em sua 
forma bruta, esses dados não significam nada
Processo: análise de dados para que possam 
extrair insights úteis para as empresas
Insights: são muito importantes para conduzir 
decisões de negócios inteligentes
Diagnóstico de dados - solução 
45
11
Análise de dados é um exemplo 
de inteligência de negócios
Dividida em três áreas:
1. Análise descritiva
O que aconteceu no passado, mas não 
expõe sobre por que isso aconteceu
45
12
2. Análise preditiva
Conhecimento do caminho que 
obtivemos da análise descritiva para 
proferir o que acontecerá no futuro
3. Análise prescritiva
Estima a maneira mais eficiente de 
operar as empresas, contratar uma 
organização e vender os produtos
7 8
9 10
11 12
3
45
13
Impossível conseguir gerir uma empresa ou 
mesmo colaborar para a gestão sem algum 
modelo de análise de dados
Informações apuradas no decorrer do processo 
comercial foram compreendidas como valiosas 
minas de informação a serem estratificadas
Cientistas e analistas de dados são as pessoas 
que usam essas informações para destilar 
percepções de todos os dados
Análise de dados como uma importante 
ferramenta para conduzir as estratégias
45
14
Formato de armazenamento 
analítico
45
15
Avanço tecnológico do mundo 
contemporâneo, os dados estão cada 
vez mais afetando nossa sociedade
Mudanças nas formas 
de negócio pela 
reformulação de 
modelos de gestão 
e mudanças das 
estratégias de negócios
Formato de armazenamento analítico 
Ivector/Shutterstock
45
16
Imersão das pessoas dentro do atual cenário 
de realidade tecnológica que em diferentes 
vezes não percebem a quantidade de dados que 
geram mediante os mais diversos dispositivos
Formato de armazenamento analítico 
H
a
p
p
y
p
ic
tu
re
s/
S
h
u
tt
e
rs
to
ck
45
17
Cultura denominada data-driven, a qual se 
baseia no formato estratégico da utilização 
desses dados gerados focado em auxiliar no 
processo de tomada de decisão
O projeto de CDE (Cidade Digital Estratégica): 
aplicação dos recursos da tecnologia da 
informação na gestão do município e também 
na disponibilização de informações e oferta de 
serviços aos munícipes ou cidadãos
Formato de armazenamento analítico 
45
18
Ambiente de dados analíticos compreende 
uma trilha ou um caminho por onde trafegam 
os dados
Origem na obtenção de um cenário de 
produção de um item como CRM ou 
aplicativos de celular
Chegando às visualizações ou aos modelos 
que são preditivos dentro de um meio digital 
Formato de armazenamento analítico 
13 14
15 16
17 18
4
45
19
Formas e modelos de armazenagem de dados
Bancos de dados orientados a documentos 
(documentais)
(DS - document store) - modelo 
de banco de dados elaborado para 
armazenagem, recuperação e 
gerenciamento de informações 
orientadas a documentos
45
20
Formas e modelos de armazenagem de dados
Sistema de banco de dados de família de 
colunas
Opera com chave e valor, realizando o 
armazenamento de dados em grupos ou 
coleções de colunas que se relacionam 
em famílias de colunas
45
21
Formas e modelos de armazenagem de dados
Sistema de banco de dados geográficos
Armazena a relação entre diferentes 
objetos e cada objeto de forma isolada 
por meio de uma coleção. Seu objetivo 
está na manipulação de grafos, em que 
a sua análise refere-se diretamente ao 
procedimento de análise de dados em 
formato de gráfico
45
22
Formas e modelos de armazenagem de dados
Sistema de banco de dados geográficos
B
e
n
ja
m
in
e
c/
S
h
u
tt
e
rs
to
ck
45
23
Adversidades e atuações 
em análise de dados
45
24
Tecnologias atuais: ferramentas modernas e 
funcionais para a realização de uma análise 
de dados com simplicidade e eficiência como 
business intelligence (BI)
Análise de dados: possibilidade de antecipar 
movimentos do mercado e prever, por 
exemplo, o aumento da demanda por algum 
produto, permitindo que os estoques sejam 
abastecidos antecipadamente
Adversidades e atuações 
em análise de dados
19 20
21 22
23 24
5
45
25
Empresa utilizando ferramentas 
certas de forma adequada: 
Benefícios efetivos e em grande proporção. 
Nesse sentido, é importante validar os 
diversos fatores que atuam sobre os 
dados a serem trabalhados para maximizar 
a assertividade
Adversidades e atuações 
em análise de dados
45
26
Qualidade de dados refere-se 
às políticas e processos de abordagem 
metódica pelos quais uma organização gerencia 
a exatidão, validade, pontualidade, completude, 
exclusividade 
e consistência 
de seus dados 
em sistemas 
e fluxos de dados
Fator de qualidade de dados
P
ic
h
e
tw
/
S
h
u
tt
e
rs
to
ck
45
27
É preciso?
É válido?
É fornecido a tempo?
É completo?
É único?
Fator de qualidade de dados
45
28
Refere-se ao aspecto ou característica da 
informação que pode ser avaliada e usada 
para determinar a qualidade dos dados, 
como mencionado (seis dimensões-chave 
de qualidade dos dados)
Cada uma dessas questões consiste em 
abordar as dimensões de qualidade de 
dados (precisão, validade, pontualidade, 
completude e exclusividade)
45
29
1. Precisão - significa que os dados 
representam com precisão o mundo 
real. Exemplo típico:
Grafia incorreta de nomes de pessoas, 
de produtos ou de endereços
Seis dimensões-chave 
de qualidade dos dados
45
30
2. Validade - estão em conformidade 
com a sintaxe de sua definição, como 
tipo de formato ou idade. Exemplo típico: 
Valores de classificação incorreta 
para gênero ou tipo de cliente
Seis dimensões-chave 
de qualidade dos dados
25 26
27 28
29 30
6
45
31
3. Pontualidade - representam a realidade do 
ponto de tempo necessário. Exemplo típico: 
Mudança de endereço de cliente que entra 
em vigor em 1º de julho é inserido no 
sistema em 15 de julho
Seis dimensões-chave 
de qualidade dos dados
45
32
4. Completude - são completos em termos 
de potencial necessário de dados. Exemplo 
típico: 
Endereço do cliente sem um CEP
Seis dimensões-chave 
de qualidade dos dados
45
33
5. Exclusividade - são devidamente 
identificados e registrados apenas 
uma vez. Exemplo típico: 
Cliente único é registrado duas vezes 
no banco de dados com identificadores 
diferentes
Seis dimensões-chave 
de qualidade dos dados
45
34
6. Consistência - os dados são representados 
de forma consistente no conjunto de dados. 
Exemplo típico: 
A conta docliente está fechada, mas há 
um novo pedido associado a essa conta
Seis dimensões-chave 
de qualidade dos dados
45
35
Aplica-se no constante referente a regras de 
negócios e se destina a garantir a qualidade 
dos dados em termos de precisão, validade, 
pontualidade, integridade, exclusividade e 
consistência
Fator de estabelecimento 
de regras na qualidade de dados
45
36
Processo de qualidade de dados consiste 
em quatro atividades:
Definir a qualidade dos dados
Requisitos para conduzir a avaliação 
Resolver problemas 
Dados de monitoramento e controle 
qualidade
31 32
33 34
35 36
7
45
37
Resposta versus covariáveis 
em análise de dados 
categóricos
45
38
Categóricos: se originam da observação de 
variáveis categóricas; dessa forma, aqueles 
que podem ser classificados casos individuais 
em categorias são denominados de 
categóricos
Numéricos: dados oriundos de uma 
metodologia de análise de dados 
quantitativos, fornece o tipo de dados 
numérico 
Tipos de dados
45
39
Tipos de dados
R
o
b
e
rs
o
n
 C
e
sa
r 
A
lv
e
s 
D
e
 A
ra
u
jo
45
40
Representa números. Ele é dividido em 
dois subconjuntos: discreto e contínuo
Discretos: podem ser contados em uma 
questão finita
Tipos de dados - numéricos
45
41
Exemplo: o número de filhos que você deseja 
ter. Mesmo que você não saiba exatamente 
quantos, você tem certeza absoluta de que o 
valor será um número inteiro, como 0, 1, 2 ou 
mesmo 10. O importante para uma variável 
ser definida como discreta é que você pode 
imaginar cada membro do conjunto de dados
Tipos de dados - numéricos
45
42
Dados contínuos são infinitos e impossíveis 
de contar
Exemplo: seu peso pode assumir todos os 
valores em alguma faixa. Você sobe na 
balança e a tela mostra 68,0389 quilogramas. 
Mas esta é apenas uma aproximação. Se você 
ganhar 0,045 gramas, é improvável que o 
valor na balança mude, mas seu novo peso 
será 68,0434 kg
Tipos de dados - numéricos
37 38
39 40
41 42
8
45
43
Descrevem categorias ou grupos
Um exemplo são marcas de automóveis como 
Mercedes, BMW e Audi - elas mostram categorias 
diferentes
Outra instância são as respostas a perguntas 
sim e não
Se eu fizer perguntas como: “Você está 
matriculado em uma universidade?”; 
“Você tem um carro?”
Tipos de dados - Categóricos
45
44
Os dados categóricos se dividem em: nominal 
e ordinal
Tipos de dados categóricos
R
o
b
e
rs
o
n
 C
e
sa
r 
A
lv
e
s 
D
e
 A
ra
u
jo
45
45
Dados nominais são dados em que as categorias 
são apenas nomeadas. Nominal significa nomes. 
Exemplos: vermelho, verde, azul. Maçãs, 
laranjas, bananas, kiwis
Ordinal é onde existem categorias, mas existe 
algum tipo de ordem. Exemplos: grande, médio, 
pequena. Melhor, preferido, aceitável, talvez, de 
jeito nenhum! Embora sejam categorias, há uma 
ordem implícita para eles
Tipos de dados categóricos
45
46
43 44
45 46