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)
ATM.
Fonte: Dobo Kristian/ Shutterstock.
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).
Financiamento.
Fonte: Indypendenz/ Shutterstock.
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.
“ 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 >.
