Antes de prosseguirmos nos conceitos ligados ao BI, convém conceituarmos e definirmos a diferença entre um sistema transacional e um sistema de apoio à tomada de decisão.
De acordo com Terribili Filho (2009), “é no sistema transacional que ocorrem as transações de negócio, através dos quais se realizam as operações básicas das empresas como compras, vendas, saques bancários, pagamentos etc.”. Estes sistemas apresentam como principais características alta velocidade no tempo de resposta e baixo volume de dados envolvidos na transação. Para estes sistemas, as informações históricas não são relevantes.
Um sistema transacional fornece apoio à execução e monitoramento dos negócios de uma organização, gerando e armazenando os dados destas transações operacionais. Estes sistemas têm como características básicas alta taxa de atualização e acesso pontual a um grande volume de dados, com pesquisas que resultam em pequena quantidade de dados. Geralmente são sistemas operacionais não integrados, conhecidos como OLTP ( Online Transactional Processing ), que realizam transações, como sistemas de contabilidade, de compra, de controle de estoque, de inventário, de folha de pagamento, de controle financeiro, além de ERPs e CRMs.
(Fonte: SILBERSCHATZ et al., 2012)
Os sistemas transacionais manipulam dados que ficam armazenados em bancos de dados, gerenciados por um Sistema Gerenciador de Banco de Dados (SGBD). Estes sistemas são chamados de transacionais, pois toda atualização dos dados é feita dentro de uma “transação”. Essas transações podem ser bem sucedidas, resultando na gravação de dados ou, em caso de problemas, não são finalizadas, permitindo que o banco de dados retorne ao estado anterior, garantindo a integridade dos dados.
Para ficar mais claro o conceito, imagine você diante de um caixa eletrônico, ou ATM ( Automated Teller Machine ), para efetuar um saque de sua conta bancária. Você certamente vai querer que a resposta seja muito rápida, não é mesmo? Neste tipo de operação (saque), o volume de informações envolvidas é relativamente baixo (agência, conta corrente, senha, valor requisitado, saldo disponível e limite de cheque especial) e não é necessário que seus dados históricos sejam considerados (se você tem financiamentos, há quanto tempo é cliente, qual é seu saldo médio dos últimos meses etc.).
Um Sistema de Apoio à Decisão (SAD) tem características completamente distintas de um sistema transacional, pois utiliza “inteligência” para efetuar suas transações, como prover informações para se definir uma campanha de marketing, elaborar as táticas futuras para o lançamento de novos produtos, descobrir qual a melhor estratégia para se aumentar as vendas de um dado produto etc. Um SAD geralmente utiliza como repositório de dados um DW, que está desvinculado das bases de dados que dão sustentação aos sistemas transacionais, também chamadas de On Line Transaction Processing (OLTP).
Novamente, para ficar mais claro, voltemos ao caso da instituição bancária. Um exemplo de SAD poderia ser conhecer os potenciais clientes para se realizar uma campanha de financiamento de veículos. Neste caso, o banco poderia considerar como potenciais clientes somente aqueles que já sejam proprietários de veículos, que realizaram algum tipo de financiamento com o banco nos últimos cinco anos, cujo saldo médio nos últimos 12 meses seja superior a R$ 5.000,00 e com a restrição de que sua idade acrescida do prazo de financiamento não supere 70 anos. Para se chegar à lista de clientes potenciais para esta campanha, seria necessário consultar as informações que estão no DW e não na base de dados dos sistemas transacionais.
Segundo Terribili Filho (2009), em função das particularidades do tipo de processamento e de transação, o ambiente dos sistemas de BI deve ser dissociado do ambiente transacional, uma vez que no BI as pesquisas são mais complexas e há um volume muito maior de informações, das quais os dados históricos são de grande importância. Assim o tempo de resposta de uma transação de BI pode ser muito mais lento do que o de uma operação transacional.
Um exemplo interessante de BI é o utilizado pela rede de supermercados Pão de Açúcar. Em sua estratégia, o cliente da rede, quando efetua suas compras, recebe determinada pontuação como “Cliente Mais”, que lhe dá algumas facilidades e benefícios futuros, porém, o mais importante para o BI é que o sistema registre o seu histórico de consumo no DW.
Assim, a rede pode utilizar esta base de dados para direcionar campanhas de marketing como, por exemplo, fazer uma promoção de venda de vinhos estrangeiros para clientes que tenham comprado vinhos nacionais nos últimos seis meses, acima de uma determinada quantidade. O direcionamento da campanha aumenta o nível de retorno, reduz os custos de divulgação e tende a aumentar a fidelidade do cliente. Talvez não seja uma mera coincidência dizer que o grupo está entre as maiores redes varejistas do Brasil.
Ainda para melhorar as explicações acerca das diferenças entre os sistemas transacionais e os SADs, é importante dizermos que periodicamente os dados são extraídos dos sistemas transacionais para serem armazenados no DW. Para estas operações são utilizadas ferramentas chamadas ETL ( Extract, Transform and Load ), que estudaremos mais à frente. Este processo de criação e manutenção dos DWs inclui a extração dos dados dos vários sistemas transacionais, a transformação (padronização) e sua carga no DW.
Saiba mais
“ Empresa: antigo Grupo Pão de Açúcar, agora GPA, do grupo francês Casino
Cliente: Diretoria de Marketing e Diretoria de TI
Objetivo: Cada item, de cada caixa, de cada loja, de cada bandeira do Grupo podendo ser analisada no dia seguinte pela área de marketing e isso ser o cerne de uma operação de inteligência e relacionamento poderia trazer novos insights e feedbacks para organização, como também alimentar o Programa Mais com detalhes dos hábitos de consumo de cada cliente, de forma a nutrir a área de Inteligência de Mercado com informação estratégica interna valiosa para competir para vencer.
Objetivo: Construir e implantar uma solução que permitisse à área de Inteligência do Grupo Pão de Açúcar conhecer o comportamento de vendas, a partir de cada ticket de venda. Incluir novas informações e dar manutenção.
Solução: Foi desenhado o modelo de dados e implantado o Data Mart de Tickets e seus processos, em conjunto com um parceiro, em um processo que carregasse informações de cada venda de cada loja do Grupo, armazenando-as em um repositório central (Data Mart) para uso da área de Inteligência de Mercado.
Resultados Alcançados: Crescimento, mais resultados e informações estratégicas para o posicionamento de bandeiras, ofertas de produtos e relacionamento com clientes.”
Fonte: < brainworks.com.br >.
Nenhum comentário:
Postar um comentário