Resumo
Este artigo tem como objectivo apresentar uma análise crítica de um caso de estudo sobre o desenvolvimento e implementação de um sistema de apoio à decisão numa empresa de telecomunicações. O artigo apresenta as metodologias utilizadas para construir o sistema de Data Warehouse, confrontando com os sucessos e insucessos da sua aplicação.
Introdução
“Business Intelligence (BI) conjuntamente com a Data Warehouse (DW) têm-se tornado elementos críticos na capacidade das organizações aplicarem decisões tácticas e estratégicas. A Data Strategy irá afectar profundamente o BI, uma vez que reflecte-se no desempenho, segurança, modelagem de dados, integração de dados e Meta Data." (Moss, Larissa T., Data Strategy,2005)
Com a globalização, o mundo impulsionou as forças competitivas, as organizações tornaram-se mais ágeis e competitivas e os clientes mais exigentes. As organizações são constantemente pressionadas pelo mercado a melhorar os serviços prestados aos clientes, melhorar os processos de negócio, qualidade, resolver os pontos de deficiência, ter colaboradores capacitados e ter conhecimento sobre o negócio. Assim, entende-se que têm a obrigação de procurar o conhecimento para obter uma vantagem competitiva sustentável.
Um sistema de BI permite ter uma visão objectiva da organização e da qualidade de atendimento aos clientes por indicadores alinhados aos objectivos estratégicos do negócio e à missão do negócio, obtendo informação de diferentes bases de dados, como suporte ao processo de tomada de decisões estratégicas.
A arquitectura da DW é um projecto que engloba todas as fases do Data Warehousing para um ambiente corporativo. Inclui a criação de um repositório central para armazenagem de dados complexos e informação descentralizada em uma unidade lógica que permite o Data Mining, BI e acesso total a todos os dados relevantes dentro de uma organização. A arquitectura da DW inclui todos os requisitos de reporting, data management, requisitos de segurança, requisitos de largura de banda, e os requisitos de armazenamento.
Por definição, a arquitectura tradicional do Data Warehouse é composta pela fonte de dados dos sistemas transaccionais, uma área de transformação, num processo denominado Extraction, Transformation and Loading (ETL), que corresponde à extracção da fonte de dados, transformações e padronizações de dados. E carga de dados denominada Staging Area, a base de dados do DW segmentado em Data Marts (DM) integrados, uma construção incremental de DW e a camada de apresentação, também conhecida como Online Analytical Processing (OLAP).
Implementação de um Projecto DW/BI
A aplicação de uma metodologia de implementação de um DW integrado com aplicações Business Intelligence (BI) pressupõe determinadas etapas de desenvolvimento: Levantamento Preliminar, Planeamento, Análise do Negócio, Projecto, Construção, Testes, Homologação e Implementação.
O BI inclui a infra-estrutura, os dados e as ferramentas da DW, a sua metodologia, bem como a organização e formação. O desenvolvimento e implementação da Data Strategy dependem de um apoio muito forte por parte do Sistemas de Informação (IT), dos gestores de negócio e da Administração, e no seu reconhecimento da importância e impacto de uma Data Strategy. A concordância, por parte dos gestores, sobre as metas, o processo e a sua cooperação são também essenciais.
Diversos autores enunciaram as suas versões para a implementação e desenvolvimento de projectos DW/BI, como exemplo, a metodologia defendida por Larissa Moss (2003):
Paralelamente, o envolvimento inter-organizacional deverá:
· Incorporar na metodologia o compromisso com a Data Quality;
· Programa de gestão Inter-organizacional;
· Grupo de gestão de informação empresarial;
· Padrões que incluem uma arquitectura de informação comum (Enterprise Data Model)
o Envolvendo a jusante consumidores de informação na etapa de definição de requisitos;
o Envolvendo proprietários dos dados na etapa de análise de dados;
o Envolvendo representantes de empresas de todas as unidades de negócios para corrigir os modelos de dados e Meta Data;
· Coordenar os processos de desenvolvimento / ETL
o Não permitindo o desenvolvimento stovepipe, restrições à circulação de informação dentro da organização;
o Extracção e data cleansing da fonte de dados apenas uma vez;
o Conciliar as transformações de dados e armazenar a reconciliações totais como Meta Data.
Descrição e Análise Crítica: Caso de Estudo
A empresa Tokphone derivado da sua necessidade de lidar com as complexidades do mercado das telecomunicações e responder às exigências em termos de inovação na oferta face à concorrência, fomentou o desenvolvimento de um sistema de DW/BI que permitisse capacitar os seus decisores de informação e conhecimento para definir os seus objectivos estratégicos. Este processo dividiu-se na implementação de dois projectos distintos:
Quadro 1. Comparação das fases de projecto DW/BI
Na Fase 1 – DM Clientes - a equipa de projecto Data Warehouse (DW) desenvolveu a aplicação DW através da metodologia em cascata ou sem metodologia nenhuma. A aplicação de uma arquitectura simplificada (OS -> ODS -> DM), a aparente falta de planeamento do projecto, requisitos, cronograma, formação da equipa, definição de custos, prazos, entregas, homologação e produção, e desapoiados na ligação inter-departamental, IT, DIG e sobretudo o cliente interno, departamento Marketing, que ficou fora do projecto. Erradamente, pois seriam a peça fundamental para o sucesso.
A realidade mostrou-se com défice na focalização dos objectivos, stovepipe, visão muito departamental do DIG e IT, demasiado tempo para a integração, sem Data Strategy para fiabilizar os dados e envolvimento dos principais intervenientes. Além da dependência para a extracção e construção de relatórios de outros departamentos que não aquele em que a informação é trabalhada.
No quadro 2 são resumidas as pitfalls que ocorreram nos dois projectos.
Quadro 2. Pitfalls dos Projectos No quadro 2 são resumidas as pitfalls que ocorreram nos dois projectos.
De realçar uma progressão na interpretação da Fase 2 - DM Vendas - em que foram corrigidos:
· Sponsor e Data Ownership – O departamento de Marketing e o seu Director assumem o papel de relevo no projecto. Ficando em aberto a possibilidade de participarem activamente na definição dos requisitos e progresso da DM Vendas, transformando o projecto DW/BI em iniciativas de toda a organização, desmistificando ser apenas mais um projecto;
·
· Staging Area e BI Interface – Existência de uma zona de validação dos dados e disponibilização da área de extração e construção de relatórios.
Na abordagem à DM Vendas ainda persistem pontos de melhoria, nomeadamente, na integração de um Meta Data Repository comum a todas as aplicações, um mapeamento de processos ETL e SA, suportada por uma ferramenta de modelação de dados (UML). Algumas dúvidas relativas à existência na mudança de abordagem à flexibilidade do projecto em acompanhar os ajustes, muito devido à constituição e envolvimento da equipa de Data Ownership.
Conclusões
A implementação de um projecto DW/BI sem uma Data Strategy, aparentemente poderá funcionar, mas os indicadores não desmentem: os dirty data, os dados redundantes e inconsistentes, incapacidade de integrar, o reduzido desempenho, fraca disponibilidade, pouca responsabilidade, os gestores cada vez mais insatisfeitos com o desempenho de TI, e a sensação generalizada de desorganização são consequências notórias.
A Data Strategy deve resultar no desenvolvimento de sistemas com menos risco e uma taxa de sucesso muito maior. Também deve resultar em sistemas de qualidade muito superior. A Estratégia de Dados fornece vantagens: Minimizar a redundância de dados; Fornecer uma visão abrangente das áreas-chave; Minimizar o esforço e o potencial de erro de dados.
Em todos os modelos, a Meta Data e as regras necessárias para os procedimentos de ETL associadas às tabelas da Staging Area deverão ser documentados em uma ferramenta de mercado para modelagem de dados (UML).
A ferramenta BI deverá ser de fácil configuração e a sua utilização ocorrer de uma forma amigável ao utilizador oferecendo, de preferência, recursos de drag & drop, gráficos, quadros, drill up, drill down e publicação de relatórios, onde também poderiam ser registrados a Meta Data para orientação.
Finalmente, os problemas organizacionais deverão ser confrontados e enquadrados no modelo implementação de uma DW que melhor se adequa à organização. Dando enfase às dificuldades de colaboração entre unidades organizacionais, transparência nos custos e tempo das actividades, outputs standardizados, especificação de responsabilidades e ajuste entre a fase de desenvolvimento e manutenção da Data Warehouse.
Referências
English, Larry P. Improving Data Warehouse and Business Information Quality: Methods for Reducing Costs and Increasing Profits. New York: John Wiley & Sons, 1999.
Inmon, W.H. Building the Data Warehouse, Second Edition, New York: John Wiley & Sons, 1996.
Kimball, R.,The Data Warehouse Toolkit: Practical Techniques for Building Dimensional Data Warehouses, New York: John Wiley & Sons, 1996.
Moss, Larissa T., and Shaku Atre. Business Intelligence Roadmap: The Complete Lifecycle for Decision-Support Applications. Boston, MA: Addison-Wesley, 2003.
Sem comentários:
Enviar um comentário