Вы находитесь на странице: 1из 56

INSTITUTO SUMAR DE ENSINO SUPERIOR ISES FACULDADE SUMAR

MILENA ALVES CAMILO ROGRIO VITOR MAIOLI

A UTILIZAO DE BUSINESS INTELLIGENCE NAS FUNES DE BACK END DE UM CALL CENTER

SO PAULO SP 2010

INSTITUTO SUMAR DE ENSINO SUPERIOR ISES FACULDADE SUMAR

Trabalho de Concluso de Curso apresentado ao Curso de Sistemas de Informao da Faculdade Sumar, para obteno do grau de Bacharel em Sistemas de Informao, sob orientao do Professor Eurico Giulio Franco Polloni.

A UTILIZAO DE BUSINESS INTELLIGENCE NAS FUNES DE BACK END DE UM CALL CENTER

SO PAULO SP 2010

BI-Business Intelligence

A Utilizao de Business Intelligence nas funes de Back End de um Call Center

Trabalho de Concluso de Curso apresentado ao Curso de Sistemas de Informao da Faculdade Sumar, para obteno do grau de Bacharel em Sistemas de Informao, sob orientao do Professor Eurico Giulio Franco Polloni.

BANCA EXAMINADORA

______________________________________________________ Professor Enrico G. F. Polloni Orientador

_______________________________________________________ Professor

_______________________________________________________ Professor

Dedicatria

Agradecimentos

SUMARIO

RESUMO....................................................................................................................06 ABSTRACT................................................................................................................07 INTRODUO............................................................................................................08 Tema ..............................................................................................................08 Problema atual.................................................................................................08 Objetivos .........................................................................................................08 Justificativa.......................................................................................................09 Hipotese ..........................................................................................................09 SEO 1 METODOLOGIA Metodologia de pesquisa .............................................................................................10 Pesquisa de campo .....................................................................................................14 Objetivo da pesquisa ...................................................................................................14 Questes Aplicadas .....................................................................................................14 Concluso sobre a pesquisa .......................................................................................19 SEO 2 ESTADO DA ARTE Desenvolvimento .........................................................................................................20 Vantagens pelo uso do Banco de Dados ....................................................................21 Tecnicas e ferramentas utilizadas em BI .....................................................................22 Data Warehouse...........................................................................................................22 Metadaados..................................................................................................................23 Data Mining (DM).........................................................................................................23 KDD..............................................................................................................................24 Data Cleamining ..........................................................................................................25 Data Marts....................................................................................................................26 Competitive Intelligence ..............................................................................................27 EIS Executive Information Systems.......................................................................27 Decision Support Systems...........................................................................................28 Direct Mail ...................................................................................................................28 Online Analytical Processing (OLAP)...........................................................................28 Custumer Relationship Management (CRM)...............................................................28 Partner Relationship Management (CRM)...................................................................29 Enterprise Resource Planning (ERP)...........................................................................30 Abordagem em BI.........................................................................................................31 Abordagem de Willian Inmom.......................................................................................31

Abordagem de Ralph Kimball Star Schema (esquema estrela)................................32 Desenvolvimento..........................................................................................................33 Site do TCC..................................................................................................................33 Anexos..........................................................................................................................34 Referencias ..................................................................................................................60

RESUMO ABSTRACT INTRODUO

TEMA A utilizao de Business Intelligence nas funes de back end de um Call Center. PROBLEMA Os inmeros cases de sucesso na utilizao do Business Intelligence (BI) para a tomada de deciso em empresas de diferentes ramos de atividade, nos fez questionar se teramos um resultado satisfatrio ao implementar BI nas empresas do ramo de call center, que tambm prezam muito pela satisfao dos clientes para os quais esto prestando servio. Na estrutura de grandes empresas de call Center onde se presta servio para dezenas de clientes (empresas de diferentes ramos de atividade), possvel encontrar relao entre esses clientes, de forma a dar apoio deciso e servindo como base para novas aes aps a anlise sob vrios ngulos? Neste contexto, o uso do BI possibilitaria diretoria ter uma viso mais assertiva de cada cliente aps todo o processo de extrao, tratamento e anlise dados? Para responder a estes questionamentos, nos aprofundaremos nos conceitos do tema, na explanao dos cases divulgados, em pesquisas e na anlise dos resultados obtidos no prottipo desenvolvido para este estudo. OBJETIVOS 6

Apresentar de forma objetiva as etapas e os conceitos do BI. Atravs de pesquisas, cases e do resultado da anlise e avaliao final do prottipo por ns desenvolvido, verificar se vlida a aplicao do BI no back end de uma empresa de call center.

JUSTIFICATIVA Em um mundo cada vez mais globalizado onde a competitividade cresce a cada dia, cruzar dados para criar estratgias, enxergar de forma clara as possibilidades de novos negcios, as melhores decises a tomar e os melhores caminhos a seguir em tempo hbil, so fatores essenciais para tornar-se marcante no mercado. Diante deste cenrio ficamos motivados a analisar se valido o uso do BI como soluo para uma eficiente gesto empresarial e otimizao dos processos tambm no ramo de call center.

HIPTESE Com a inplantao do projeto de Business Intelligence nas funes de back end de um Call Center, a organizao poder obter informaes importantes que antes no chegavam ao patamar gerencial, e ficavam ausentes limitando a tomada de desciso para estrategia de desenvolvimento no setor que no momento requer mais ateno que as demais. Informaes detalhadas da queda de rendimento de um produto especifico, poderam ser visualizadas antes que influencie negativamente nos resultados mensais. O aproveitamento das informaes que passam dispercebidas por no parecer ter uma certa importancia ou relao com o meio financeiro porem influenciar indiretamente nos resultados, informaes relacionadas com satisfao do cliente, nicel do servio, qualidade do servio prestado, hambiente de trabalho, volume de trabalho produzido nos sites, elevo nos custos de manuteno dos diversos sites, aumento de custo em projetos e planejamento, aumento no custo de processos de RH com demisses e contrataes e outras informaes internas de cada site que possam desviar da trajetria prevista podem conter informaes que auxiliam na reavaliao dos fatores e projeo de um possivel plano de ao para trazer novamente ao estado de normalidade. 7

A avaliao de fatores que hoje no so vistos podem aumentar o gabarito que hoje trabalhado para manter o rendimento e o no nivel de qualidade das areas em produo, observar com clareza onde especificamente necessario de um tratamento para que seus pontos sejam normalizados. Garantindo a escolha da melhor opo a ser trabalhada, mantendo a normalidade garandinto o aumento gradativo do resultado final, podendo economizar, evitar gastos disnecessarios e com a somatoria do tabalho realizado em todos os sites possibilitar elevar o capital. Para que seja implantado e alcanado os propositos do projeto, trabalho especificamente uma pesquisa de campo para analise das caracteristicas das informaes que so disponibilizadas a gerencia, identificando a caracteristicas dos dados on-line, e dados em bacth, com a execuo das ferramentas OLTP e OLAP no banco de dados em D0, D1, D7 e D30, executando querys ue possibilidato a consulta e carga dos dados, e apos a classificao destes dados por tempo de gravao no DB. Para realizar este tipo de levantamento torna-se necessrio tanto consultas aos usurios quanto aos analistas pois ambos conhecem bem as limitaes dos dados contidos no DB . necessrio no ser to pretensioso em relao ao DW/DM, pois em certos casos ele no ir solucionar todas as falhas e suprir todas as necessidades do usurio mas, com certeza, ir tornar o ambiente bem mais transparente a todos e, em alguns casos, ele ir servir como apoio s ferramentas j utilizadas, o sistema OLTP processa milhares de informaes por minuto sendo que cada transao um numero limitado de registros, muito diferente do sistema OLAP que tem por caracterstica o processamento de poucas transaes mas estas possuem milhares de registros. Tendo em vista estas diferenas, torna-se clara a coexistncia destes dois sistemas em perfeita harmonia, logo o Data Mart/Data Warehouse no ir competir com o sistema OLTP, mas sim dar suporte e tirar o nus de pesquisas extensas no sistema transacional. A modelagem dos Data Marts fisicos, onde estaram os dados em D0 dos fatores que esto ocorrendo no exato momento, dados sobre nivel atual do servio, numero de ligaes dos sites, informaes operacionais diversas, quantidade de negocios ou produtos comercializados at o momento e informaes sobre bolsa de valores. Estes dados so volateis e alimentaro o DM D1 com o balano diario dos fatos, e estaram 8

livres para o proximo dia. Os dados em D1 aqueles que ficaram a ser disparados ao DM aps um dia, ou dados que so finalizados e obtidos a cada fechamento do espediente, todal de informaes, produtividade, vendas, rendimentos financeiros, prejuisos, compras, informaes de custos de cada site. O acumulo das informaes em 7 dias totalizaram os dados nas tabelas para um fachamento semanal onde considerado o DM em d7 e em um mes modelara automaticamente o DM em D30 que possivelmente tera as informaes mensais, e pos dois menses em diante ser gravado no DB com projees em 3, 6 e 12 meses, para possiveis consultas e conparaes dos meses anteriores e o desenvolvimento e evoluo da Empresa. Tendo em mos as fontes de dados, o dicionrio destes e o escopo do DM, teremos que nos reunir com os DBAs para dimensionarmos a base de dados a ser utilizada sempre verificando os itens agregados, forma de crescimento, administrao, histrico da base, indexao dos itens, etc., alm de verificar qual configurao e/ou recurso do banco utilizado nos trar mais benefcios em relao ao desempenho do sistema. Juntamente com analistas do sistema devemos traar os planos de carga e acesso para que estes no conflitem entre si, podendo, no caso deste conflito ser inevitvel, dimensionar os recursos alocados para cada uma destas tarefas. muito recomendvel que estes dois processos no concorram entre si, principalmente se o cliente optou por utilizar apenas um servidor para os servios Sagent de Carga e Acesso. Neste caso especfico, primordial que seja feito um levantamento, por meio de benchmark dos recursos de sistema exigidos em cada uma da operaes, fazendo-se o tuning do servidor sempre pelo servio que consumir e exigir mais recursos. O andamento de todo o processo que se espera disponibilizara a gerncia acompanhar o que ocorre hoje amanha e em um ms tornando eficaz os novos projetos e mudanas, disponibilizando informaes para novos negocios a empresa.

RESUMO ABSTRACT 9

SEO 1 METODOLOGIA PESQUISA Metodologia e Pesquisas existentes na elaborao dos dados; Um projeto de pesquisa pode ser classificado em trs Grupos Grupo 1: Exploratrias Pesquisa cujo contedo e a idia se tornam mais explicitas, ou aprimoram as idias relativas ao assunto, envolvendo na maioria dos casos o levantamento bibliogrfico, entrevistas com pessoas envolvidas no assunto pesquisado, analise de exemplos. Grupo 2: Descritivas Pesquisa descritiva tem o conceito de descrever situaes que ocorrem em determinados locais onde se podem levantar informaes de caractersticas, estado atual, condies e classes aplicadas aos dados pesquisados criando uma segunda viso do assunto ou problema a ser trabalhado. So bastantes utilizadas em organizaes e instituies educacionais, empresas comerciais, partidos polticos e etc. Grupo 3: Explicativas Pesquisa Explicativa a que mais aprofunda o assunto pesquisado, explica a razo o porqu, e se torna o modelo mais meticuloso de pesquisa. Pode ser a continuao de uma pesquisa descritiva, fator de identificao dos fatores que determinam um fenmeno. Como Classificar as pesquisas com base nos procedimentos tcnicos utilizados? A maneira de facilitar o desenvolvimento do projeto de pesquisa definir o modelo de pesquisa aplicado ao assunto, analisar os fatos do ponto de vista, dando condies em estabelecer um planejamento da pesquisa em seu carter mais ampla, possibilitando o desenvolver dos fatos para o contedo da pesquisa, ou delineamento. O desenvolvimento da pesquisa atravs dos procedimentos tcnicos de coleta e analise de dados torna-se possvel a classificao da pesquisa. 10

O que pesquisa Bibliogrfica? Pesquisa Bibliogrfica aquela elaborada baseada em livros e artigos cientficos, executando seu desenvolvimento atravs de fontes bibliogrficas. Os livros de leitura ou livros cientficos se enquadram neste tipo de analogia, onde os principais so os de referencia informativa, conhecidos como dicionrios enciclopdia anurios e almanaque, Publicaes peridicas, editadas em fascculos ou tambm jornais e revistas, utilizando material que foi analisado e registrado por autores e rgos que validam suas informaes. A vantagem da pesquisa Bibliogrfica o amplo campo de pesquisa e material utilizado, proporcionado informaes de fatos que foram registrados em ampla escala e uma gama de fenmenos muito mais amplo do que se poderia pesquisar diretamente. O que pesquisa documental? Pesquisa documental se classifica em fatos que no receberam um tratamento analtico, e podem ainda ser reelaborados de acordo com objetos da pesquisa. Este mtodo utiliza fontes mais diversificadas e dispersas, documentos que no receberam nenhum tipo de tratamento analtico, documentos conservados em instituies e rgos pblicos, gravaes, dirios, cartas memorandas ou qualquer informao documentada e no tratada e registrada, porem utilizado dentre essas fontes os relatrios de pesquisas, ou de empresas, tabelas de estatsticas baseados em fatos reais. A pesquisa documental proporciona um custo baixo, tem uma facilidade em acessar dados sem exigir contato com os sujeitos da pesquisa e possui uma fonte rica de dados. O que pesquisa Experimental? Pesquisa experimental consiste em selecionar o melhor exemplo, ou ponto especifico da pesquisa para o desenvolvimento do estudo, determinando o objeto de estudo e desenvolvendo mtodos de manipulao, onde trabalhado ao menos uma das caractersticas dos elementos, controle onde aplicado um grupo de controle na situao experimental e o mtodo de distribuio aleatria onde so designados os elementos para participar dos grupos experimentais e de controle. 11

O que Pesquisa ex-post facto? Pesquisa ex-postfacto o estudo dos fatos aps a ocorrncia de varivel e curso natural dos acontecimentos, verificando a existncia de relaes entre variveis, situaes que se desenvolvem naturalmente e trabalhar encima dessas informaes O que Estudo de coorte? Estudo de coorte consiste em desenvolver um acompanhamento sobre o andamento de fatos com caractersticas e perfil semelhantes durante algum tempo, gerando informaes futuras e respostas sobre os acontecimentos reais que foram gerados e acompanhados para o registro de informaes teis para a pesquisa. O que levantamento? Levantamento a coleta de informaes diretas atravs de pesquisas efetuadas diretamente nos indivduos envolvidos no objetivo ou no universo pesquisado, o contedo deste tipo de pesquisa consiste em trabalhar as informaes citadas por um grupo ou populao pesquisada, e as principais vantagens deste mtodo o pelo conhecimento direto da realidade, a economia e rapidez para levantar contedo informativo e a qualificao dos dados adquiridos. Por contrapartida destacam algumas limitaes, como a nfase nos aspectos perceptivos, pois nem sempre informado o que , e sim o que pensa, a pouca profundidade no estudo da estrutura e dos processos sociais e a limitada apreenso do processo de mudana O que Estudo de campo? Estudo de campo semelhante ao levantamento, pois busca informaes diretas no ambiente de pesquisa, porem aprofunda um tpico especifico a coletar informaes oferecendo uma preciso estatstica maior possibilitando maior flexibilidade no planejamento, a investigao de fatos no campo da Antropologia, onde se origino O que Estudo de caso? Estudo de caso desenvolve e trabalha atenciosamente as informaes em um estudo profundo e exaustivo de um ou mais objetos detalhando o conhecimento e muito em pesquisas nas cincias biomtricas explorando diferentes propsitos e situaes da vida real cujos limites no esto claramente definidos, formular hiptese e 12

desenvolver teorias para auxiliar no desenvolver das informaes, contudo pode gerar objees como o tempo destinado para a pesquisa e a falta de rigor metodolgico no definindo seus procedimentos comprometendo a qualidade de seus resultados. O que Pesquisa-Ao? Pesquisa ao desenvolvida com a participao e envolvimento ativo do pesquisador de modo cooperativo para a questo e acontecimento, registrando informaes que esta sendo presenciado. O que pesquisa participante? Pesquisa participante semelhante Pesquisa ao, caracteriza-se pela interao entre pesquisadores e membros das situaes investigadas e envolve a distino entre cincia popular e cincia dominante, ficando aplicada a camadas comunitrias e grupos desfavorecidos, mostra-se bastante comprometida com a minimizao da relao entre dirigentes e dirigidos. Entre as metodologias especificadas, utilizamos a fim de desenvolver o conteudo e justificar dados apresentados comforme as metodologia Descritiva, coletando informaes no estado atual, condies e classes aplicadas aos dados pesquisados criando uma segunda viso do assunto ou problema a ser trabalhado, sugerindo opes para melhoria para empresas que desejam implementar a tecnologia apresenta como soluo. Entre as tecnicas de pesquisas exixtentes e apresentadas, definimos que no desenvolvimento dos itens do tcc podemos afirmar que utilizamos as tecnicas de pesquisa-Ao, Estudo de campo, Levantamento, Pesquisa e Bibliogrfica.

13

Pesquisa de Campo Com base nas teorias de Biseness Intelligence observamos a necessidade de identificar as informaes que possuem uma importancia significativa para a tomada de descises e que no chegam a pessoa responssavel, elaboramos um questionario de forma objetiva e o mais fechado possivel para que se possa lavantar as caracteristicas das informaes que hoje chegam ao alcance do responsavel e o que pode ser aperfeioado para que a manuteno da qualidade e nivel administrativo permanecam com numeros positivos e auxiliem nas descises para que no atinjam um ambiente de risco.

FACULDADE SUMAR

Pesquisa de campo Objetivo: Esta pesquisa tem como objetivo identificar quais informaes so apresentadas vicepresidncia para a tomada de deciso.

Assinale as reas que disponibilizam informaes para a vice-presidncia, consolidado de todos os clientes: ( x ) Planejamento ( x ) RH ( ) Projetos ( x ) Qualidade ( x ) Financeiro ( x ) Treinamento ( ) Monitoria ( ) Segurana ( ) Compras ( ) BI ( x ) TI ( ) Almoxarifado ( ) Marketing ( x ) Jurdico ( x ) Ad.Pessoal ( x ) Operacional

Se h alguma rea no mencionada acima que gostaria de citar favor informar abaixo: _____________________________________________________________________ _____________________________________________________________________ _____________________________________________________________________ 14

Assinale as reas que disponibilizam informaes para a vice-presidncia, detalhado de cada cliente: ( x ) Planejamento ( x ) RH ( ) Projetos ( x ) Qualidade ( x ) Financeiro ( x ) Treinamento ( ) Monitoria ( ) Segurana ( ) Compras ( ) BI ( x ) TI ( ) Almoxarifado ( ) Marketing ( x ) Jurdico ( x ) Ad.Pessoal ( x ) Operacional

Se h alguma rea no mencionada acima que gostaria de citar favor informar abaixo: _____________________________________________________________________ _____________________________________________________________________ _____________________________________________________________________

Todas informaes que so trabalhadas nos setores selecionados nas questo 1 esto disponveis para consultas? ( x ) Sim ( ) No

Existe uma forma de consulta de informaes atuais sobre cada site no sistema? ( x ) Sim ( ) No

Existe um sistema que permite visualizar o desenvolvimento de cada site? ( x ) Sim ( ) No

As informaes de cada site so atualizadas em quanto tempo? ( x ) Diria ( x ) Semanal ( x ) Mensal

O oramento previsto no custo de cada site calculado para um perodo: ( x ) Semanal ( x ) Mensal ( x ) Semestral ( x ) Anual 15

Quando o custo de um site ultrapassa o esperado, ou o planejado em um perodo informado no sistema? ( x ) Sim ( ) No

So disponibilizadas informaes do ambiente operacional de cada produto no sistema diariamente? ( ) Sim ( x ) No Quando h uma queda significante no nmero de ligaes de um site qualquer em um determinado perodo informado atravs do sistema? ( ) Sim ( x ) No

Quando a qualidade no atendimento no est agradando a um cliente contratante as informaes chegam de forma atualizada? ( x ) Sim ( ) No

Informaes de valor de mercado para cada cliente informado com o objetivo de verificar a cotao dos produtos atendidos? ( ) Sim ( ) No

So enviadas informaes sobre admisses, demisses, compras, projetos, e outras atividades realizadas em cada site? ( x ) Sim ( ) No

O sistema exibe informaes comparativas entre o rendimento dos sites, qual o mais rentvel? ( x ) Sim ( ) No

16

O sistema exibe informaes comparativas entre o rendimento dos sites, qual o menos rentvel? ( x ) Sim ( ) No

O sistema exibe informaes comparativas entre o rendimento dos sites, qual o que possui maior custo? ( x ) Sim ( ) No

O sistema exibe informaes comparativas entre o rendimento dos sites, qual o que possui o menor custo? ( x ) Sim ( ) No

O sistema exibe informaes comparativas de CRM, com relao satisfao cliente contratante? ( x ) Sim ( ) No

Existem informaes sobre a possibilidade de novos contratos? ( x ) Sim ( ) No

Mudanas feitas nas ferramentas de trabalho no mbito operacional de cada site informado? ( ) Sim ( x ) No

So

fornecidas

informaes

sobre

pesquisa

do

ambiente

operacional

dos

funcionrios? ( x ) Sim ( ) No

17

H informaes sobre um mapa de risco para cada cliente? ( ) Sim ( x ) No

Concluso da Pesquisa de Campo

SEO 2 ESTADO DA ARTE Nas duas ltimas dcadas, tem-se observado um aumento dramtico da quantidade de informaes ou dados armazenados em formato eletrnico. Estima-se que a quantidade de informao no mundo dobra a cada 20 meses e o tamanho e nmero de bases de dados esto crescendo ainda mais rpido. O aumento na utilizao de dispositivos eletrnicos tem contribudo para essa exploso de dados disponveis. Prova disso, o crescimento de empresas como a Oracle1, que aumentou seu faturamento em 26% s no segundo trimestre fiscal de 2007. (DILLY, 1995, Idg Now!, 2006). Moscove, Simkin e Bagranoff (2002, p.22) entendem que "o sucesso ou fracasso da empresa est ligado forma como a informao gerenciada e utilizada". Hoje as empresas competem em dois mundos: um mundo fsico, de produtos, chamado de lugar no mercado, e um mundo virtual, de informaes, chamado de espao de mercado. O conceito de uma cadeia de valor virtual propicia uma viso da inovao em servios que cria valor utilizando a informao coletada enquanto o cliente atendido. A discusso dos limites no uso da informao sugere novamente que os gerentes de servio precisam ser sempre sensveis s percepes de suas aes pelo pblico a que servem. (FITZSIMMONS, 2000). Com a necessidade de transformar essa massa de dados em informao e posteriormente em conhecimento tornam-se relevantes os estudos sobre as ferramentas oferecidas para suprir a necessidade de controle e disponibilizao do recurso informao para o apoio ao processo decisrio. Em vez de visualizar as reas funcionais como isolados sistemas de informaes, pode-se visualizar a empresa de maneira integrada, atravs de relaes dinmicas e flexveis. Para essa flexibilidade 18

no gerenciamento sistmico da organizao, a literatura recente sobre o tema tem prescrito a utilizao das ferramentas de Business Intelligence (BI) conjuntamente com os demais sistemas, pois elas possibilitam a escalabilidade da informao definida pelo prprio usurio (BARBIERI, 2001). Peter F. Drucker (1909-2005) autor de muitos livros publicados sobre gesto, economia e anlise social j salientava o fato crucial da organizao em tomar decises corretas e que a conduzissem por caminhos seguros e rentveis. O BI vem ganhando fora no mercado, porque as empresas precisam cada vez mais de sistemas de suporte deciso que digam a elas os passos a serem tomados num mercado cada vez mais globalizado. Vantagens pelo Uso de Banco de Dados O Club Med, uma companhia de estaes completas de lazer, com sucursais em todo mundo, tem evoludo para refletir a maturidade dos seus associados. Estudando a base de dados das caractersticas dos seus associados, o clube Med observou que, ao longo do tempo, muitos deles, antes solteiros casaram-se e tiveram filhos. Para continuar atraindo estes clientes em frias futuras, o clube modificou algumas de suas instalaes de modo a acomodar famlias com criana. Agora, os pais podem aproveitar a praia e os esportes aquticos enquanto os seus filhos so supervisionados por conselheiros de crianas em um parque infantil nas proximidades. Mais recentemente, o Club Med acrescentou cruzeiros martimos sua programao de frias, para atrair associados mais antigos, que no esto mais interessados em esportes aquticos. O gerenciamento de rendimentos, lanado pela American Airlines, o mais abrangente uso da informao para fins estratgicos e a melhor ilustrao da natureza integrada dos servios. Utilizando mtodos de previso de demanda vindos do gerenciamento de operaes, estratgias de preos vindas do marketing e a psicologia do consumidor vinda do comportamento organizacional, a American desenvolveu um mtodo computacional para vender passagens areas a preos variados, a fim de maximizar a renda em qualquer vo. (FITZSIMMONS, 2000).
1

Oracle: Grande empresa norte americana que o principal fornecedor de software para gerenciamento de informaes e a segunda maior empresa de software independente do mundo. Fornece software de gesto de base de dados, aplicativos empresariais e ferramentas para desenvolvimento de aplicativos e suporte a decises.

19

Cenrio de um BI

Figura1: Cenrio de BI

Tcnicas e ferramentas utilizadas em BI Dados manipulados com tcnicas e ferramentas utilizadas para desenvolver informaes nas tomadas de deciso. Em BI divide-se em operacionais e informacionais: Operacionais: Do suporte s funes associadas execuo do negcio da empresa. ERP, SCM, B2C, B2B, Sistemas transacionais legados, etc. Informacionais: Do suporte s funes associadas concepo do negcio da empresa. DSS, EIS, DW, CRM, PRM, Ferramentas OLAP, Ferramentas de Data Mining, etc.

20

A modelagem dos dados para o BI utiliza tcnicas analticas e de minerao, para que dados possam ser transformados em informaes vinculando-os ao negcio. Para se trabalhar a formao de informaes em BI, pode-se utilizar varias tcnicas baseadas na necessidade de negcio e nos recursos disponveis para suprir tal necessidade, no havendo uma tcnica certa, mas aplicando as que mais se aproximam do ramo de atividade.

DATA WAREHOUSE (DW) Os DW surgiram como conceito acadmico na dcada de 80 e um sistema de computao utilizado para armazenar informaes relativas s atividades de uma organizao em bancos de dados de forma consolidada. um repositrio de informao histrica de todas as transaes efetuadas pelos clientes. (INMON, TERDEMAN, IMHOFF, 2001)

Figura2: Arquitetura de um DataWarehouse (DW)

METADADOS Definidos como os "dados dos dados", mais especificamente, informaes (dados) sobre um determinado contedo (os dados). feito o levantamento dos relatrios a serem gerados, de onde vem os dados para alimentar o DW. Os 21

metadados so utilizados para facilitar o entendimento, o uso e o gerenciamento de dados. Para este fim, variam conforme o tipo de dado e o contexto de uso. Os processos de extrao, tratamento e rotinas de carga de dados. (BARBIERI, 2001).

DATA MINING (DM) Tambm chamado de Minerao ou garimpagem de Dados, o DM definido pelo uso de tcnicas automticas de explorao de grandes quantidades de dados, de forma a descobrir novos padres e relaes que, devido ao volume de dados, no seriam facilmente descobertos. atravs do DM que uma empresa pode identificar problemas e ajudar a entrar no caminho certo para a soluo e estabelecer um objetivo a ser alcanado. (CARVALHO, 2002).

DATA MARTS So estruturas moldadas pelos dados granulares encontrados no DW corporativo pertencentes aos departamentos especficos dentro de uma empresa, como contabilidade, finanas, vendas, marketing e outros moldados pelos requerimentos dos departamentos. (INMON, TERDEMAN, IMHOFF, 2001).

KNOWLEDGE DISCOVERY IN DATABASES (KDD) O KDD pode ser visto como um processo da descoberta de novas correlaes, padres e tendncias significativas por meio da anlise minuciosa de grandes conjuntos de dados estocados. Este processo se vale de tecnologias de reconhecimento utilizando padres e tcnicas estatsticas e matemticas. Dentre as vrias etapas do processo KDD, a principal, que forma o ncleo do processo e que, muitas vezes, confunde-se com ele, o DM que torna possvel comprovar o pressuposto da transformao de dados em conhecimento. (QUONIAM, TARAPANOFF, JUNIOR e ALVARES, 2001). Neste processo, o primeiro passo o entendimento do domnio da aplicao e dos objetivos finais a serem atingidos. Em seguida, feito um agrupamento organizado de 22

uma massa de dados, alvo da prospeco. A etapa da limpeza dos dados vem a seguir, atravs de um pr-processamento dos dados, visando adequ-los aos algoritmos. Isso se faz atravs da integrao de dados heterogneos, eliminao de dados incompletos, repetio de tuplas2 problemas de tipagem, etc. Esta etapa pode tomar at 80% do tempo necessrio para todo o processo, devido s bem conhecidas dificuldades de integrao de bases de dados heterogneas (CARVALHO, 2002, MANNILA apud SFERRA e CORRA, 2003). DATA CLEANING Imagine-se na seguinte situao: Em sua empresa voc tem um banco de dados com falhas e erros de digitao e padronizao na insero de dados. Erros pequenos, difceis de serem encontrados, mas que formam um grande conjunto de dados com pequena diferena na ortografia, onde geralmente uma letra trocada, omitida ou adicionada. Ou ainda, h registros que pertencem a pocas diferentes quando aquele dado em especifico ainda no era questionado ou considerado. sabido que tais falhas tm sido o principal ofensor na analise dos dados e tem prejudicado a chamada tomada de deciso. O que fazer? Alterar cada dado de forma manual? Fazer um novo banco e correr o risco de perder dado? Em resposta a esta necessidade, surgiu o Data Cleaning3. nesta etapa que os rudos, dados estranhos ou inconsistentes so tratados e onde so estabelecidas as estratgias para resolver os problemas de ausncia de dados. Uma situao de no disponibilidade ocorre quando da no divulgao do dado, como por exemplo, dados de renda da pessoa fsica em funo da obrigatoriedade de sigilo (CHAPMAN apud AMORIN, 2006). Os dados pr-processados devem ainda passar por uma transformao que os armazena adequadamente, visando facilitar o uso das tcnicas de DM. Prosseguindo no processo, chega-se fase de DM especificamente, que comea com a escolha dos algoritmos a serem aplicados.

Tupla definida como uma funo finita que mapeia nomes de campos para determinados valores. A sua finalidade indicar que uma certa entidade ou objeto consiste de certos componentes e/ou possui certas propriedades. Porm, neste caso, os componentes so identificados por um nome de campo nico, e no por sua posio, o que freqentemente leva a uma notao mais amigvel (WIKIPEDIA, 2008).

23

Essa escolha depende fundamentalmente do objetivo do processo de KDD: classificao, clusterizao, regras associativas, etc. De modo geral, na fase de DM, ferramentas especializadas procuram inter-relaes entre os dados. As ferramentas de anlise disponveis utilizam um mtodo baseado na verificao, isto , o usurio constri hipteses sobre inter-relaes especficas e ento verifica ou refuta, atravs do sistema. Esse modelo torna-se dependente da intuio e habilidade do analista em propor hipteses interessantes, em manipular a complexidade do espao de atributos e em refinar a anlise baseado nos resultados de consultas ao banco de dados potencialmente complexas. Essa busca pode ser efetuada automaticamente pelo sistema ou interativamente com um analista responsvel pela gerao de hipteses. Diversas ferramentas distintas, como redes neurais4, induo de rvores de deciso, sistemas baseados em regras e programas estatsticos, tanto isoladamente quanto em combinao, podem ser ento aplicadas ao problema. Em geral, o processo de busca interativo, de forma que os analistas revem o resultado, formam um novo conjunto de questes para refinar a busca em um dado aspecto das descobertas e realimentam o sistema com novos parmetros. Ao final do processo, o sistema de DM gera um relatrio das descobertas, que passa ento a ser interpretado pelos analistas de minerao. Somente aps a interpretao das informaes obtidas encontramos conhecimento (YONG, Chu Shao. 1983).

COMPETITIVE INTELLIGENCE Tcnica que explora informaes externas detalhadas sobre competidores no ramo de atuao, na sua maior parte atravs de fatos expostos em veculos de informao como a internet.

EXECUTIVE INFORMATION SYSTEMS (EIS) Em geral, o EIS modelado para ser bastante amigvel, com informaes resumidas e objetivas onde no se atm a detalhes, mas ao todo. O EIS pode ser construdo tendo como base vrios sistemas transacionais, mas o ideal que o 24

sistema acesse um DW porque a busca facilitada na medida em que feita numa nica base de dados. (BARBIERI, 2001).

DECISION SUPPORT SYSTEMS (DSS) Os Sistemas de Apoio Deciso surgiram a partir dos sistemas transacionais existentes nas empresas. So solues que auxiliam no processo decisrio, utilizando modelos para resolver problemas no estruturados. Inicialmente necessrio definir quais dados, gerados nos sistemas transacionais, sero armazenados no DW (BARBIERI, 2001).

DIRECT MAIL (DM) Meio publicitrio personalizado, seletivo e de elevada eficcia, que permite atingir diretamente o consumidor e que possibilita medir, com preciso, os resultados obtidos, j que susceptvel de conter um ou mais documentos de resposta e/ou um apelo a uma linha telefnica.

ONLINE ANALYTICAL PROCESSING (OLAP) Consiste numa tecnologia de software que permite aos analistas e gestores acederem aos dados de forma rpida, consistente e interativa. Um sistema OLAP geralmente constitudo por trs componentes: aplicao que faz a interface com o utilizador (o front-end-system), servidor OLAP multi-utilizador com um motor com elevada capacidade de manipulao de dados e fontes de dados constitudas por todos os repositrios de dados das empresas. (BARBIERI, 2001).

CUSTOMER RELATIONSHIP MANAGEMENT (CRM) Significa gerenciar o relacionamento com o cliente. Marketing de relacionamento. Deslocando o foco que antes era em produtos, para o cliente, executando anlise dos processos internos para definir mudanas e estabelecer metas. O mercado apresenta 25

grande nmero de solues de CRM para todos os tipos e portes de empresas. Com planejamento pode-se mudar a cultura da organizao e quebrar paradigmas para alcanar objetivos pretendidos. As consultorias so parceiras importantes para auxiliar as empresas a implementar projetos que envolvem o uso de novas tecnologias e mudana de cultura interna. O dilogo com o cliente permitir aperfeioar produtos e servios no futuro. Obter informaes corretas sobre os clientes e analis-las sob vrios ngulos uma das peas chave para a estratgia de CRM. Para isso necessrio integrar os diferentes sistemas existentes dentro da organizao. A Internet, O DW e as ferramentas de BI permitem a extrao e anlise de dados, transformando-os em informaes importantes e capazes de auxiliar na tomada de decises estratgicas. A automao dos processos otimiza o relacionamento da empresa com o cliente, contribuindo para agilizar a tomada de deciso e otimizar o atendimento ao cliente. (BARBIERI, 2001).

PARTNER RELATIONSHIP MANAGEMENT (PRM) A Gesto de Relacionamento com Parceiros uma estratgia de negcios para melhorar a comunicao entre empresas e parceiros de seus canais. Aplicaes PRM podem capacitar, personalizar e agilizar as tarefas administrativas, fazendo programaes de envio de informaes em tempo real, disponvel a todos os parceiros atravs da Internet. PRM muitas vezes comparada gesto de relacionamento com clientes (CRM) e h alguma discusso sobre se as complexas relaes de parcerias de canal necessrio que os PRM a ser uma entidade separada, ou apenas um componente do CRM. (BARBIERI, 2001).

Data Cleaning: Processo pelo qual se destina a limpeza de desnecessrios para o processo de Data Mining (CARVALHO, 2002, MANNILA apud SFERRA e CORRA, 2003). 4 Redes Neurais so sistemas computacionais baseados numa aproximao computao baseada em ligaes. Ns simples (ou "neures", "neurnios", "processadores" ou "unidades") so interligados para formar uma rede de ns - da o termo "rede neuronal". A inspirao original para esta tcnica advm do exame das estruturas do crebro, em particular do exame de neurnios (WIKIPEDIA, 2008).

26

ENTERPRISE RESOURCE PLANNING (ERP) Termo que descreve uma srie de atividades de gesto empresarial suportadas por aplicaes de tecnologia da informao (TI). Estas so compostas de muitos mdulos, incluindo planejamento de produto, compras, stocks, relacionamento com fornecedores, atendimento ao cliente e acompanhamento de pedidos. No seu uso corrente, o termo ERP engloba tambm mdulos para as reas financeiras e de recursos humanos. Normalmente um ERP utiliza ou integrado numa Base de Dados e a implantao de um sistema de ERP envolve uma profunda anlise do negcio da empresa, formao de funcionrios e modificaes ou criao de novos procedimentos. (BARBIERI, 2001). FERRAMENTAS DE ETL O processo de ETL (Extract, Transform and Load) destina-se extrao, transformao e carga dos dados de uma ou mais bases de dados de origem para uma ou mais bases de dados de destino (Data Warehouse), e o processo mais crtico e demorado na construo de um Data Warehouse. As decises gerenciais so tomadas com base nas informaes geradas pelas ferramentas do tipo front-end. Se estes dados no forem corretamente trabalhados no processo de extrao, as informaes geradas atravs deles faro com que decises sejam tomadas erroneamente, podendo afetar diretamente os negcios da organizao (KIMBALL, 1998 apud ABREU, 2007). A maior parte do esforo exigido no desenvolvimento de um DW consumido neste momento e no incomum que oitenta por cento de todo esforo seja empregado no processo de ETL, (INMON, 1997 apud ABREU, 2007). GERADORES DE CONSULTAS E RELATRIOS (GCR) Permite visualizar a consulta que esta sendo realizada ou no, pois o sistema pode armazenar a consulta no banco de dados e o usurio apenas ir passar os parmetros, se houverem, e ver o resultado, sem precisar ver o SQL desta consulta. Acesso de forma on-line. O sistema funciona com acesso via Internet, independente da forma de conectividade (ADSL, Link, discada...), basta montar a estrutura da parte do servidor para receber estas conexes 27

Permite a criao de novas consultas de forma bem amigvel. Alm de permitir que voc envie novas consultas e relatrios para seu usurio por arquivo e ele abra estes direto no GCR, ou ainda voc pode salvar no banco de dados e eles j tero acesso. O usurio pode criar novas consultas com bastante facilidade, num ambiente grfico e muito intuitivo, fazendo seleo de tabelas, campos, filtros, grupos, etc...tudo de forma grfica e com telas muito amigveis.

A ESTRUTURA DA ATENTO Para esta monografia, usamos como exemplo a Atento Brasil que uma empresa multinacional de Call Center. Para que haja melhor compreenso do que vamos explanar, mostraremos parte da estrutura da companhia.

CLIENTES As empresas que contratam os servios de call center se dividem em vrios segmentos conforme mostrado na figura 2.
5% 0% 6% 1%1% 1% 23%
1 - FINANCEIRO 3 - MDIA 4 - CONSUMO 5 - TECNOLOGIA 6 - ADMINISTRAOPBLICA

6%

7 - UTILIDADES 8 - SADE 9 - SERVIOS 10 - TRANSPORTE

58%

Figura3 Diviso dos clientes

28

Por que Business Intelligence? O grande desafio de todo indivduo que gerencia qualquer processo a anlise dos fatos relacionados a seu dever. Esta anlise deve ser feita de modo que, com as ferramentas e dados disponveis, o gerente possa detectar tendncias e tomar decises eficientes e no tempo correto. Com essa necessidade surgiu ento o conceito de Business Intelligence. Os sistemas de BI atuais tm como caractersticas: Extrair e integrar dados de mltiplas fontes Fazer uso da experincia Analisar dados contextualizados Trabalhar com hipteses Procurar relaes de causa e efeito Transformar os registros obtidos em informao til para o conhecimento empresarial 29

Hoje as ferramentas de BI so a "chave-mestra" em qualquer companhia. Se h dez anos as empresas apostavam em aquisies para alavancar seu crescimento, hoje nota-se uma tendncia para o crescimento organizacional com base no negcio, algo que s possvel com essas ferramentas. As empresas procuram cada vez mais responder s necessidades dos clientes sem serem intrusivas. Com isso, gerou-se uma cadeia de valores muito forte que impulsionou os negcios. Como saber se a empresa necessita de um BI? Quando possuir diversas fontes de dados; Dificuldade de acesso as informaes; Informaes centralizadas em pessoas e no em processos; Grande nmero de produtos, clientes, fornecedores... ; Grande volume de dados; Necessidade de acesso s informaes histricas; Difcil acesso aos relatrios gerenciais; Possui uma viso departamentalizada; Muito dado e pouca informao; A informao no est disponvel quando se precisa; Tempo reduzido para a tomada de decises. BI sempre aplicvel O conceito de BI vlido para qualquer organizao, embora seus benefcios sejam mais facilmente assimilados pelas grandes empresas. Todas precisam ser geridas, necessitam de indicadores de desempenho e informao para basear as decises.

ABORDAGEM EM BI Os primeiros projetos de Data Warehouses muito provavelmente caminharam pelas trilhas metodolgicas originadas basicamente em duas fontes de inspirao: Bill Inmam e Ralph Kimball. 30

Abordagem de Willian Inmom Bacharel em Matemtica pela Yale University e mestre em Cincia da Computao pela New Mexico State University, Bill Inmon presta assessoria a algumas das maiores corporaes listadas na Fortune1000, nas reas de projetos de data warehouse (DW) e servios de gerenciamento de bancos de dados. Considerado o "pai" dos sistemas de Data Warehouse, conta com mais de 30 anos de experincia no gerenciamento da tecnologia de banco de dados e em projeto de DW. Com livros traduzidos para o Chins, Holands, Francs, Alemo, Japons, Coreano, Russo, Espanhol e Portugus, conferencista respeitado no mundo todo, alm de escrever freqentemente sobre a construo, uso e manuteno de data warehouse, temas constantes da coluna que assina, regularmente, na Data Management Review. A abordagem de Inmom se concentrou inicialmente no estilo mais tradicional de construo de banco de dados, muito prximo daquele surgido nos primeiros projetos de BD (Banco de Dados), onde se buscava uma forte integrao entre todos os dados da empresa que habilitavam reas funcionais diferentes, isso seria representado num modelo nico, integrado e ligado, mas algumas vezes se mostrou rgido e de difcil de se conseguir. O ciclo metodolgico bsico se iniciava pela anlise de requerimentos de negcios (BRA Business Requirements Analysis Anlise de Exigncias de Negcios) seguido pela modelagem de dados e pela anlise das fontes dos dados, fator predominante no sucesso de qualquer Data Warehouse e Data Mart. Depois a parte de projeto (design), onde se faz o detalhamento do Data Warehouse, sua especificao e construo, o seu teste e validao e finalmente a sua implementao.

Abordagem de Ralph Kimball Star Schema (Esquema Estrela) Ralph Kimball, PhD, foi um dos precursores dos conceitos de data warehouse e sistemas para anlise de dados transacionais. Desde 1982 vem desenvolvendo pesquisas e conceitos que hoje so utilizados em diversas ferramentas de software para data warehouse. 31

A abordagem de Ralph Kimball se mostrou com um estilo mais simples e incremental. Diferentemente da abordagem anterior, a metodologia Star Schema (Esquema Estrela), aponta para projetos de Data Marts (DM) separados, que devero ser integrados na medida da sua evoluo. Tem como desvantagem a possibilidade de se produzir diversos DM, sem uma perfeita, preparao e carga dos dados. A abordagem de Ralph Kimball se mostrou com um estilo mais simples e incremental. Diferentemente da abordagem anterior, a metodologia Star Schema (Esquema Estrela), aponta para projetos de Data Marts (DM) separados, que devero ser integrados na medida da sua evoluo. Tem como desvantagem a possibilidade de se produzir diversos DM, sem uma perfeita, preparao e carga dos dados. A vantagem est nos projetos DM. Feita atravs da modelagem dimensional com o conceito do esquema estrela (Star Schema) essa abordagem transforma os dados em tabela fatos (onde se concentram os dados de interesse, possveis de manipulao numrica e esttica), e em tabelas dimenso (tabelas satlites que possuem as chaves de entrada do modelo), alm das informaes descritivas de cada dimenso.

DESENVOLVIMENTO O projeto de implantao de Business Intelligence foi desenvolvido atravs de

tcnicas de pesquisas realizadas no ambiente de call center em nvel gerencial, onde detectamos a necessidade de incluir informaes sobre as tarefas da organizao, com o intuito de facilitar a tomada de deciso. Coletamos informaes sobre BI em livros e artigos onde especificava suas tcnicas, assim podendo acomodar um contedo satisfatrio de dados e desenvolver idias sobre quais informaes sero realmente necessrias para a organizao. Desenvolvemos um site que com as informaes sobre o TCC, expondo o contedo de pesquisa e seu desenvolvimento, oferecendo opes de comunicao entre o grupo de desenvolvimento e qualquer pessoa que ao acessar, despertasse o interesse de sugerir, ou obter informaes sobre o contedo apresentado, atravs de uma caixa de e-mail geral e individual de cada componente do grupo de desenvolvimento do trabalho.

32

Dados do Site Site: www.mdrbi.com Hospedagem: uolhost Domnio: uolhost Tema: BI- dados do desenvolvimento da pesquisa do TCC Nmeros de paginas: 5 Caixa de E-mail E-mail geral: tcc@mdrbi.com Componentes do grupo de desenvolvimento Milena Camilo E-mail: milena.camilo@mdrbi.com Rogrio Maioli E-Mail: maioli@mdrbi.com

ANEXOS:

Cdigo fonte em CSS: /* Design by Free CSS Templates http://www.freecsstemplates.org Released for free under a Creative Commons Attribution 2.5 License */ body { margin: 10; padding: 0; background: #28313A url(images/img01.jpg) repeat left top; font-size: 12px; font-family: Georgia, "Times New Roman", Times, serif; text-align: justify; color: #000000; } h1, h2, h3 { margin: 0; 33

text-transform: lowercase; font-weight: normal; color: #FFFFFF; } h1 { letter-spacing: -1px; font-size: 32px; } h2 { font-size: 23px; } p, ul, ol { margin: 0 0 2em 0; text-align: justify; line-height: 15px; margin-left: 10px; margin-right: 5px; } a{ color: #1B75A9; } a:hover, a:active { text-decoration: none; color: #1B75A9; } a:visited { color: #1B75A9; } img { border: none; } img.left { float: left; margin-right: 15px; } img.right { float: right; margin-left: 15px; } /* Form */ 34

form { margin: 0; padding: 0; } fieldset { margin: 0; padding: 0; border: none; } legend { display: none; } input, textarea, select { font-family: "Trebuchet MS", Arial, Helvetica, sans-serif; font-size: 13px; color: #333333; } #wrapper { margin: 0; padding: 0; } /* Header */ #header { width: 880px; margin: 0 auto; height: 60px; border: 10px #FFFFFF solid; } /* Menu */ #menu { float: left; width: 880px; height: 58px; background-image: url(img02.jpg); background-repeat: repeat; background-position: left top; } #menu ul { margin: 0; padding: 23px 0 0 20px; 35

list-style: none; line-height: normal; } #menu li { float: left; text-align: center; } #menu a { display: block; padding: 0 50px; text-decoration: none; text-transform: uppercase; font-size: 11px; color: #FFFFFF; background-image: url(img03.jpg); background-repeat: no-repeat; background-position: right 50%; } #menu a:hover { color: #FFFFFF; } #menu .current_page_item a { color: #FFFFFF; } #menu .current_page_item b { color: #666666; } /** LOGO */ #logo { width: 880px; height: 130px; margin: 0 auto; background-color: #0000FF; } #logo h1, #logo h2 { float: left; margin: 0; padding: 50px 0 0 0px; line-height: normal; } 36

#logo h1 { font-family: Georgia, "Times New Roman", Times, serif; font-size:40px; } #logo h1 a { text-decoration: none; color: #CCFFFF; } #logo h1 a:hover { text-decoration: underline; } #logo h2 { float: left; padding: 65px 0 0 18px; font: 18px Georgia, "Times New Roman", Times, serif; color: #CCFFFF; } #logo p a { text-decoration: none; color: #28313A; } #logo p a:hover { text-decoration: underline; }

/* Page */ #page { width: 880px; margin: 0 auto; background: #FFFFFF; border: 10px #FFFFFF solid; } /* Content */ #content { float: left; width: 620px; border-right: 1px dashed #DFE1E0; } /* Post */ .post { padding: 0px 15px; margin-bottom: 25px; 37

background-color: #FFFFFF; } .post .title { margin-bottom: 20px; padding-bottom: 5px; } .post h1 { width: 520px; padding: 0px 0 0 0px; background: url(images/img08.jpg) no-repeat left top; font-size: 24px; color: #28313A; } .post h2 { width: 520px; padding: 0px 0 0 0px; font-size: 22px; color: #28313A; } .post .entry { } .post .meta { padding: 15px 15px 30px 0px; font-size: 10px; } .post .meta p { margin: 0; padding-top: 15px; line-height: normal; color: #28313A; } .post .meta .byline { float: left; } .post .meta .links { float: right; } .post .meta .more { padding: 0 20px 0 18px; } 38

.post .meta .comments { padding-left: 22px; } .post .meta b { display: none; } /* Sidebar */ #sidebar { float: right; width: 230px; margin: 0; padding: 0; } #sidebar ul { margin: 0; padding: 0; list-style: none; } #sidebar li { margin-bottom: 40px; } #sidebar li ul { } #sidebar li li { margin: 0; } #sidebar h2 { width: 250px; padding: 8px 0 0 0px; margin-bottom: 10px; background: url(images/img07.jpg) no-repeat left top; font-size: 20px; color: #28313A; } /* Search */ #search { } 39

#search h2 { margin-bottom: 20px; } #s { width: 140px; margin-right: 5px; padding: 3px; border: 1px solid #DFE1E0; } #x { padding: 3px; border: none; background: #0A5688; text-transform: lowercase; font-size: 11px; color: #FFFFFF; } /* Boxes */ .box1 { padding: 20px; } .box2 { color: #BABABA; } .box2 h2 { margin-bottom: 15px; font-size: 16px; color: #FFFFFF; } .box2 ul { margin: 0; padding: 0; list-style: none; } .box2 a:link, .box2 a:hover, .box2 a:active, .box2 a:visited { color: #EDEDED; } /* Footer */ #footer-wrap { } 40

#footer { width: 880px; margin: 0 auto; background: #E5E5E5; border: 10px #FFFFFF solid; } html>body #footer { height: auto; } #footer p { font-size: 12px; } #legal { clear: both; padding-top: 17px; text-align: center; color: #595959; } #legal a { font-weight: normal; color: #1B75A9; } Cdigo fonte HTML: 1 pagina: <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd"> <html xmlns="http://www.w3.org/1999/xhtml"> <head> <meta http-equiv="content-type" content="text/html; charset=utf-8" /> <title>MDR-Business Intelligence</title> <meta name="keywords" content="" /> <meta name="description" content="" /> <link href="default.css" rel="stylesheet" type="text/css" /> <style type="text/css"> <!-.style1 { color: #FF0000; font-weight: bold; } .style2 {font-family: Verdana, Arial, Helvetica, sans-serif} .style3 {color: #D6D3CE} .style4 {font-family: "Courier New", Courier, mono} .style5 {font-size: 12px} .style6 {color: #FFFF99} 41

.style8 {color: #FFFF00} .style9 {color: #CCFFFF} .style13 {font-size: 10px} --> </style> </head> <body> <div id="wrapper"> <!-- start header --> <div id="logo"> <h1><a href="#"><span class="style9"> business</span> <span class="style9">intelligence</span> </a></h1> <h2 class="style6"> <span class="style8"><span class="style9">&raquo;</span>&nbsp;&nbsp;&nbsp;<span class="style9">a</span> <span class="style9">inteligencia</span></span> <span class="style9">competitiva</span></h2> </div> <div id="header"> <div id="menu"> <ul> <li class="current_page_item style5"><em><a href="index.html"><strong>HOME</strong></a></em></li> <li><a href="index2.html" class="style3">CONCEITOS</a></li> <li><a href="index3.html">FERRAMENTAS</a></li> <li><a href="index4.html">CASES</a></li> <li class="last"><a href="#"></a></li> </ul> </div> </div> <!-- end header --> </div> <!-- start page --> <div id="page"> <!-- start content --> <div id="content"> <div class="post"> <h1 class="title style1"></h1> <div class="entry"> <p class="style2">Nas duas ltimas dcadas, tem-se observado um aumento dramtico da quantidade de informaes ou dados armazenados em formato eletrnico. Estima-se que a quantidade de informao no mundo dobra a cada 20 meses e o tamanho e nmero de bases de dados esto a aumentar ainda mais rpido. O aumento na utilizao de dispositivos eletrnicos tem contribudo para essa exploso de dados disponveis. Prova disso, o crescimento de empresas como a <a href="http://www.oracle.com/">Oracle</a>, que <a href="http://idgnow.uol.com.br/mercado/2006/12/20/idgnoticia.2006-1220.8960578045">aumentou seu faturamento em 26% s no segundo trimestre fiscal de 2007</a>. Moscove, Simkin e Bagranoff entendem que "o sucesso ou fracasso da empresa est ligado forma como a informao gerenciada e utilizada".</p> 42

<p class="style2">Com a necessidade de transformar essa massa de dados em informao e posteriormente em conhecimento tornam-se relevantes os estudos sobre as ferramentas oferecidas para suprir a necessidade de controle e disponibilizao do recurso informao para o apoio ao processo decisrio. Em vez de visualizar as reas funcionais como isolados sistemas de informaes, pode-se visualizar a empresa de maneira integrada, atravs de relaes dinmicas e flexveis. Para essa flexibilidade no gerenciamento sistmico da organizao, a literatura recente sobre o tema tem prescrito a utilizao das ferramentas de Business Intelligence (BI) conjuntamente com os demais sistemas, pois elas possibilitam a escalabilidade da informao definida pelo prprio usurio.</p> <p class="style2">Peter F. Drucker autor de muitos livros publicados sobre gesto, economia e anlise social j salientava o fato crucial da organizao em tomar decises corretas e que a conduzissem por caminhos seguros e rentveis.</p> <p class="style2">O BI vem ganhando fora no mercado, porque as empresas precisam cada vez mais de sistemas de suporte deciso que digam a elas os passos a serem tomados num mercado cada vez mais globalizado.</p> </div> <div class="meta"><p class="links">&nbsp;</p> </div> </div> <div class="post"> <div class="entry"></div> <div class="meta"> <p class="links">&nbsp;</p> </div> </div> </div> <!-- end content --> <!-- start sidebar --> <div id="sidebar"> <ul> <li id="search"></li> <li> <h2>Sites recomendados </h2> <ul class="style4"> <li><a href="http://www.cio.com.br" target="_blank">http://www.cio.com.br</a></li> <li><a href="http://www.itoi.com.br" target="_blank">http://www.itoi.com.br</a></li> <li><a href="http://www.nextg.com.br" target="_blank">http://www.nextg.com.br</a></li> <li><a href="http://www.itcom.com.br" target="_blank">http://www.itcom.com.br</a></li> <li><a href="http://www.idgnow.com.br" target="_blank">http://www.idgnow.com.br</a></li> <li><a href="http://www.idcbrasil.com.br" target="_blank">http://www.idcbrasil.com.br</a></li> <li><a href="http://www.dwbrasil.com.br" target="_blank">http://www.dwbrasil.com.br</a></li> 43

<li><a href="http://www.efagundes.com" target="_blank">http://www.efagundes.com</a></li> </ul> </li> <li></li> <li></li> <li>E-Mail: <a href="mailto:tcc@mdrbi.com">tcc@mdrbi.com</a></li> <li></li> <li> <h2>&nbsp;</h2> </li> </ul> </div> <!-- end sidebar --> <div style="clear: both;">&nbsp;</div> </div> <!-- end page --> <!-- start footer --> <div id="footer"> <p id="legal"><span class="style13">TCC-Sistemas de informaes-Faculdade Sumar-MDR-Business Intelligence-E-Mail:tcc@mdrbi.com </span></p> </div> <!-- end footer --> </body> </html> 2 Pagina <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd"> <html xmlns="http://www.w3.org/1999/xhtml"> <head> <meta http-equiv="content-type" content="text/html; charset=utf-8" /> <title>MDR-Business Intelligence</title> <meta name="keywords" content="" /> <meta name="description" content="" /> <link href="default.css" rel="stylesheet" type="text/css" /> <style type="text/css"> <!-.style1 { color: #FF0000; font-weight: bold; } .style3 {font-family: Verdana, Arial, Helvetica, sans-serif} .style4 {color: #666666} .style5 {color: #FFFF00} .style6 {color: #CCFFFF} .style13 {font-size: 10px} 44

--> </style> </head> <body> <div id="wrapper"> <!-- start header --> <div id="logo"> <h1><a href="#"><span class="style6">business</span> <span class="style6">intelligence</span> </a></h1> <h2> <span class="style6">&raquo;</span>&nbsp;&nbsp;&nbsp;<span class="style6">a</span> <span class="style6">inteligencia</span> <span class="style6">competitiva</span></h2> </div> <div id="header"> <div id="menu"> <ul> <li class="current_page_item style5"><a href="index.html" class="style4">HOME</a></li> <li><a href="index2.html" class="style3"><em><strong>CONCEITOS</strong></em></a></li> <li><a href="index3.html">FERRAMENTAS</a></li> <li><a href="index4.html">CASES</a></li> <li class="last"><a href="#"></a></li> </ul> </div> </div> <!-- end header --> </div> <!-- start page --> <div id="page"><!-- start content --> <div id="content"> <div class="post"> <h1 class="title style1"></h1> <div class="entry"> <p class="style3">A Inteligncia Empresarial, ou Business Intelligence, um termo do <a href="http://pt.wikipedia.org/wiki/Gartner_Group">Gartner Group</a>. O conceito surgiu na dcada de 80 e descreve as habilidades das corporaes para acessar dados e explorar as informaes (normalmente contidas em um Data WareHouse / Data Mart), analisando-as e desenvolvendo percepes e entendimentos a seu respeito, o que as permite incrementar e tornar mais pautada em informaes a tomada de deciso (JFF).</p> <p class="style3">As organizaes tipicamente recolhem informaes com a finalidade de avaliar o ambiente empresarial, completando essas informaes com pesquisas de marketing, indstrias e de mercado, alm de anlises competitivas. Organizaes competitivas acumulam "intelignica" medida que ganham sustentao na sua vantagem competitiva, podendo considerar tal inteligncia como o aspecto central para competir em alguns mercados.</p> 45

<p class="style3">Geralmente, os coletores de BI obtm as primeiras fontes de informao dentro das suas empresas. Cada fonte ajuda quem tem que decidir a ententder como o poder fazer da forma mais correta possvel. As segundas fontes de informaes incluem as necessidades do consumidor, processo de deciso do cliente, presses competitivas, aspectos econmicos e tecnolgicos, condies industriais relevantes e tendncias culturais.</p> <p class="style3">Cada sistema de BI determina uma meta especfica, tendo por base o objetivo organizacional ou a viso da empresa, sejam eles de longo ou curto prazo.</p> </div> <div class="meta"> <p class="links">&nbsp;</p> </div> </div> <div class="post"> <h2 class="title"><!-- end content --> <!-- start sidebar --> </h2> </div> </div> <div id="sidebar"> <ul> <li id="search"> <h2>Livros sugeridos:</h2> </li> <li> <div align="center"> BI-Business Intelligence/modelagem &amp; tecnologiaAutor Carlos Barbieri.ed.Axcel Books 2001.</div> </li> <li> <div align="center">Data Mining - <em>A minerao de dados no marketing, medicina, economia, engenharia e administrao.</em>CARVALHO, Luis Alfredo Vidal. ed. So Paulo - Brasil: rica, 2002. 234p.</div> </li> <li> <div align="center">YONG, Chu Shao. - <em>Banco de dados: organizao sistemas e administrao</em>. So Paulo - Brasil: Atlas, 1983. 398p.</div> </li> <li> <p align="center">DRUKER, PETER. Administrando em Tempos de Mudana, Editora Thomson Learning, 1995.</p> </li> </ul> <p>&nbsp;</p> <p>&nbsp;</p> <p>&nbsp;</p> <p>E-Mail:<a href="mailto:tcc@mdrbi.com">tcc@mdrbi.com</a></p> </div> <!-- end sidebar --> 46

<div style="clear: both;">&nbsp;</div> </div> <!-- end page --> <!-- start footer --> <div id="footer"> <p id="legal"><span class="style13">TCC-Sistemas de informaes-Faculdade Sumar-MDR-Business Intelligence-E-Mail:tcc@mdrbi.com </span></p> </div> <!-- end footer --> </body> </html> 3 pagina <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd"> <html xmlns="http://www.w3.org/1999/xhtml"> <head> <meta http-equiv="content-type" content="text/html; charset=utf-8" /> <title>MDR-Business Intelligence</title> <meta name="keywords" content="" /> <meta name="description" content="" /> <link href="default.css" rel="stylesheet" type="text/css" /> <style type="text/css"> <!-.style1 { color: #FF0000; font-weight: bold; } .style3 {font-family: Verdana, Arial, Helvetica, sans-serif} .style4 { color: #666666; font-size: 10px; } .style5 { font-size: 12px; font-style: italic; font-weight: bold; } .style6 {font-size: 12px} .style8 {color: #CCFFFF} .style13 {font-size: 10px} .style14 { color: #0000FF; font-style: italic; } --> </style> </head> <body> 47

<div id="wrapper"> <!-- start header --> <div id="logo"> <h1><a href="#"><span class="style8">business</span> <span class="style8">intelligence</span> </a></h1> <h2> <span class="style8">&raquo;</span>&nbsp;&nbsp;&nbsp;<span class="style8">a</span> <span class="style8">inteligencia</span> <span class="style8">competitiva</span></h2> </div> <div id="header"> <div id="menu"> <ul> <li class="current_page_item"><a href="index.html" class="style4">HOME</a></li> <li><a href="index2.html" class="style3">CONCEITOS</a></li> <li class="style5"><a href="index3.html" class="style6">FERRAMENTAS</a></li> <li><a href="index4.html">CASES</a></li> <li class="last"><a href="#"></a></li> </ul> </div> </div> <!-- end header --> </div> <!-- start page --> <div id="page"> <!-- start content --> <div id="content"> <div class="post"> <h1 class="style1">Softwares Que Implementam BI</h1> <div class="entry"> <p class="style2"></p> <p class="style2 style3">OBIEE (Oracle Business Intelligence Enterprise Edition) da Oracle</p> <p class="style2 style3">Hyperion, da empresa Homnima, comprada pela Oracle</p> <p class="style2 style3">IBM Cognos Business Intelligence, da IBM</p> <p class="style2 style3">Microsoft SQL Server, com seus componentes: Reporting Services, Integration Services e Analyis Services, da Microsoft</p> <p class="style2 style3">SAP Netweaver Business Intelligence, da ASP</p> <p class="style2 style3">SAS Enterprise Business Intelligence Plataforms, da SAS (Informtica)</p> </div> <div class="meta style3"> <p class="links">&nbsp;</p> </div> </div> <div class="post"> <h2 class="title"><!-- end content --> 48

<!-- start sidebar --> </h2> </div> </div> <div id="sidebar"> <ul> <li id="search"> <h2>&nbsp;</h2> </li> <li>MDRBI-TCC-<a href="index5.html">Contato</a></li> <li>E-Mail:<a href="mailto:tcc@mdrbi.com">tcc@mdrbi.com</a></li> </ul> </div> <p> <!-- end sidebar --> </p> <p>&nbsp; </p> <div style="clear: both;">&nbsp;</div> </div> <!-- end page --> <!-- start footer --> <div id="footer"> <p id="legal"><span class="style13">TCC-Sistemas de informaes-Faculdade Sumar-MDR-Business Intelligence-E-Mail:tcc@mdrbi.com </span></p> </div> <!-- end footer --> </body> </html> 4 pagina <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd"> <html xmlns="http://www.w3.org/1999/xhtml"> <head> <meta http-equiv="content-type" content="text/html; charset=utf-8" /> <title>MDR-Business Intelligence</title> <meta name="keywords" content="" /> <meta name="description" content="" /> <link href="default.css" rel="stylesheet" type="text/css" /> <style type="text/css"> <!-.style1 { color: #FF0000; font-weight: bold; } .style3 {font-family: Verdana, Arial, Helvetica, sans-serif} .style4 {color: #666666} .style6 {font-size: 12px} .style8 {color: #CCFFFF} 49

.style12 {font-family: "Times New Roman", Times, serif} .style13 {font-size: 10px} --> </style> </head> <body> <div class="style6" id="wrapper"> <!-- start header --> <div id="logo"> <h1><a href="#"><span class="style8">business</span> <span class="style8">intelligence</span> </a></h1> <h2> <span class="style8">&raquo;</span>&nbsp;&nbsp;&nbsp;<span class="style8">a</span> <span class="style8">inteligencia</span> <span class="style8">competitiva</span></h2> </div> <div id="header"> <div id="menu"> <ul> <li class="current_page_item"><a href="index.html" class="style4">HOME</a></li> <li><a href="index2.html" class="style3">CONCEITOS</a></li> <li><a href="index3.html">FERRAMENTAS</a></li> <li><em><strong><a href="index4.html">CASES</a></strong></em></li> <li class="last"></li> </ul> </div> </div> <!-- end header --> </div> <span class="style6"> <!-- start page --> </span> <div id="page"> <span class="style6"> <!-- start content --> </span> <div class="style6" id="content"> <div class="post"> <h1 class="style1">cases:</h1> <div class="entry"> <p class="style2"></p> <p class="style2 style3"><img src="img04.jpg" alt="" width="572" height="424" longdesc="index4.html" /></p> </div> </div> <div class="post">.</div> </div> <div id="sidebar"> <ul> 50

<li class="style6" id="search"> <h2>Fontes:</h2> </li> <li class="style6"> <p class="style2 style12"><em><strong>Empresas que possuem Business Intelligence</strong></em></p> <p class="style2 style3"><span class="style12"><em><strong>Informaes coletadas atravs de pesquisa online em sites de Empresas de BI que prestam o servio as empresas informadas, segundo fonte de pesquisa do dia 23/05/2009 no site:</strong></em></span><em>http://www.ykp.com.br</em></p> </li> </ul> <p>&nbsp;</p> <p>E-Mail:<a href="mailto:tcc@mdrbi.com">tcc@mdrbi.com</a></p> </div> <!-- end sidebar --> <div style="clear: both;"></div> </div> <!-- end page --> <!-- start footer --> <div id="footer"> <p class="style13" id="legal">TCC-Sistemas de informaes-Faculdade SumarMDR-Business Intelligence-E-Mail:tcc@mdrbi.com </p> </div> <!-- end footer --> </body> </html> 5 pagina <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd"> <html xmlns="http://www.w3.org/1999/xhtml"> <head> <meta http-equiv="content-type" content="text/html; charset=utf-8" /> <title>MDR-Business Intelligence</title> <meta name="keywords" content="" /> <meta name="description" content="" /> <link href="default.css" rel="stylesheet" type="text/css" /> <style type="text/css"> <!-.style1 { color: #FF0000; font-weight: bold; } .style2 {font-family: Verdana, Arial, Helvetica, sans-serif} .style3 {color: #D6D3CE} .style4 {font-family: "Courier New", Courier, mono} .style5 {font-size: 12px} .style6 {color: #FFFF99} 51

.style8 {color: #FFFF00} .style9 {color: #CCFFFF} .style13 { font-family: Geneva, Arial, Helvetica, sans-serif; color: #FF0000; font-size: 36px; font-style: italic; font-weight: bold; } .style14 {font-family: Geneva, Arial, Helvetica, sans-serif; color: #0000FF; font-size: 16px; font-style: italic; } .style17 { font-size: 18px; font-family: Geneva, Arial, Helvetica, sans-serif; color: #333333; font-style: italic; } .style20 { font-family: Geneva, Arial, Helvetica, sans-serif; color: #333333; font-weight: bold; font-size: 18px; font-style: italic; } .style22 {font-size: 18px; font-family: Geneva, Arial, Helvetica, sans-serif; color: #0000FF; font-style: italic; } --> </style> </head> <body> <div id="wrapper"> <!-- start header --> <div id="logo"> <h1><a href="#"><span class="style9">business</span> <span class="style9">intelligence</span> </a></h1> <h2 class="style6"> <span class="style8"><span class="style9">&raquo;</span>&nbsp;&nbsp;&nbsp;<span class="style9">a</span> <span class="style9">inteligencia</span></span> <span class="style9">competitiva</span></h2> </div> <div id="header"> <div id="menu"> <ul> <li class="current_page_item style5"><a href="index.html">HOME</a></li> <li><a href="index2.html" class="style3">CONCEITOS</a></li> <li><a href="index3.html">FERRAMENTAS</a></li> <li><a href="index4.html">CASES</a></li> <li class="last"><a href="#"></a></li> </ul> 52

</div> </div> <!-- end header --> </div> <!-- start page --> <div id="page"> <!-- start content --> <div id="content"> <div class="post"> <p class="title style1">&nbsp;</p> <div class="entry"> <h1 class="style13">Curso</h1> <h6 class="style17">Sistemas de informao - Faculdade Sumar</h6> <p class="style14"><a href="http://www.facsumare.com.br">www.facsumare.com.br</a></p> <p class="style14">&nbsp;</p> <h6 class="style17">Contato por E-Mail</h6> <p class="style2"><span class="style22">MDRBI</span> </p> <p class="style2">E-Mail: <a href="mailto:tcc@mdrbi.com">tcc@mdrbi.com</a></p> <p class="style2">&nbsp;</p> <p class="style2"><span class="style20">Componentes do grupo</span> </p> <p class="style2">Milena Camilo<br /> E-mail: <a href="mailto:milena.camilo@mdrbi.com">milena.camilo@mdrbi.com</a></p> <p>Douglas Lodetti Garcia<br /> E-mail: <a href="mailto:lodettigarcia@mdrbi.com ">lodettigarcia@mdrbi.com </a></p> <p>Rogrio Maioli<br /> E-Mail: <a href="mailto:maioli@mdrbi.com">maioli@mdrbi.com</a></p> </div> </div> <div class="post"> <div class="entry"></div> </div> </div> <!-- end content --> <!-- start sidebar --> <div id="sidebar"> <ul> <li id="search"></li> <li> <h2>Sites recomendados </h2> <ul class="style4"> <li><a href="http://www.cio.com.br" target="_blank">http://www.cio.com.br</a></li> 53

<li><a href="http://www.itoi.com.br" target="_blank">http://www.itoi.com.br</a></li> <li><a href="http://www.nextg.com.br" target="_blank">http://www.nextg.com.br</a></li> <li><a href="http://www.itcom.com.br" target="_blank">http://www.itcom.com.br</a></li> <li><a href="http://www.idgnow.com.br" target="_blank">http://www.idgnow.com.br</a></li> <li><a href="http://www.idcbrasil.com.br" target="_blank">http://www.idcbrasil.com.br</a></li> <li><a href="http://www.dwbrasil.com.br" target="_blank">http://www.dwbrasil.com.br</a></li> <li><a href="http://www.efagundes.com" target="_blank">http://www.efagundes.com</a></li> </ul> </li> <li> <h2>&nbsp;</h2> </li> </ul> </div> <!-- end sidebar --> <div style="clear: both;">&nbsp;</div> </div> <!-- end page --> <!-- start footer --> <div id="footer"> <p id="legal">&nbsp;</p> </div> <!-- end footer --> </body> </html>

54

REFERENCIAS: DRUKER, PETER. Administrando em Tempos de Mudana, Editora Thomson Learning, 1995. DILLY, R. Data Mining an introdution. Parallel Computer Centre Queens University of Belfast, 1995. Disponvel em: http://www.pcc.qub.ac.uk/tec/courses/datamining/stu_notes/dm_book_2.html. Acesso em 27 de Maro de 2009. BARBIERI, CARLOS - BI - Business Intelligence - Modelagem & Tecnologia - Axcel Books 2001. YONG, Chu Shao. - Banco de dados: organizao sistemas e administrao. So Paulo - Brasil: Atlas, 1983. 398p.. CARVALHO, Luis Alfredo Vidal de. Data Mining - A minerao de dados no marketing, medicina, economia, engenharia e administrao. 2. ed. So Paulo - Brasil: rica, 2002. 234p.. IDG NOW!. Crescimento da Oracle. Disponvel em:: http://idgnow.uol.com.br/mercado/2006/12/20/idgnoticia.2006-12-20.8960578045. Acesso em 07 de Abril de 2008. QUONIAM, L.; TARAPANOFF, K.; JUNIOR, R. H. A.; ALVARES, L. Inteligncia obtida pela aplicao de data mining em base de teses francesas sobre o Brasil. Disponvel em: http://www.scielo.br/pdf/ci/v30n2/6208.pdf. Acesso em 02 de Abril de 2008. DILLY, R. Data Mining an introdution. Parallel Computer Centre Queens University of Belfast, 1995. Disponvel em: http://www.pcc.qub.ac.uk/tec/courses/datamining/stu_notes/dm_book_2.html. Acesso em 1 de Junho de 2008. SFERRA, H. H., CORRA . M. C. J. Conceitos e Aplicaes de Data Mining. Disponvel em: http://www.unimep.br/phpg/editora/revistaspdf/rct22art02.pdf. Acesso em 02 de Abril de 2008. A histria do Oracle: Inovao, Liderana e Resultados. Disponvel em: http://www.oracle.com/global/br/corporate/story.html. Acesso em 10 de Junho de 2008. FITZSIMMONS, James A.; FITZSIMMONS, Mona J. . Administrao de servios:operaes, estratgia e tecnologia deinformao. 2. ed. Traduo de Francisco Jos Soares Hrbe. Porto Alegre-Brasil: Bookman, 2000. 537p.. INMON, W.H.; TERDEMAN, R.H; IMHOFF, Claudia. Data Warehousing: Como transformar informaes em oportunidades de negcios. So Paulo: Berkeley, 2001. 266p. 55

KIMBALL, Ralph. Data Warehouse Toolkit. Traduo Mnica Rosemberg; Reviso Tcnica Ronal Stevis Cassiolato. So Paulo: Makron Books, 1998. ABREU, Fbio Silva Gomes da Gama e. Estudo de usabilidade do software Talend Open Studio como ferramenta padro para ETL dos sistemas clientes da aplicao PostGeoOlap. 2007. Monografia (Graduao em Sistemas de Informao) Faculdade Salesiana Maria Auxiliadora, Maca, 2007.

56