ISCTE/ACM Student Chapter
-
Upload
carlostam65 -
Category
Education
-
view
586 -
download
0
Transcript of ISCTE/ACM Student Chapter
![Page 1: ISCTE/ACM Student Chapter](https://reader035.fdocuments.net/reader035/viewer/2022062822/587be85c1a28ab765a8b5109/html5/thumbnails/1.jpg)
ISCTE/ACM Student Chapter
Carlos Tam
Business IntelligenceTeoria versus prática
![Page 2: ISCTE/ACM Student Chapter](https://reader035.fdocuments.net/reader035/viewer/2022062822/587be85c1a28ab765a8b5109/html5/thumbnails/2.jpg)
Figura 2 – Arquitectura e componentes da Business Intelligence
adaptado de Turban et al. (2008)
Data sources / OLTP
ETL – Extract, Transform and Load
Data Warehouse
Business Analytics
Data Mining
OLAP
BPM
Alerts
Ad-hoc Query
Text Mining
Scorecards
Dashboards
Business Intelligence
KPIs
Metrics ADS
Arquitetura e componentes da Business Intelligenceadaptado de Turban et al. (2008)
Definição: Business intelligence (ou inteligência de negócio) pode ser descrito como "um conjunto de técnicas e ferramentas para a aquisição e transformação de dados brutos em informações significativas e úteis para suportar a análise de negócio"
Busines intelligence (BI) … na teoria
Carlos Tam 2
![Page 3: ISCTE/ACM Student Chapter](https://reader035.fdocuments.net/reader035/viewer/2022062822/587be85c1a28ab765a8b5109/html5/thumbnails/3.jpg)
Imagine-se a conduzir um automóvel ….
Na prática…
Carlos Tam 3
![Page 4: ISCTE/ACM Student Chapter](https://reader035.fdocuments.net/reader035/viewer/2022062822/587be85c1a28ab765a8b5109/html5/thumbnails/4.jpg)
Business Intelligence
Data Warehouse Business Analytics User Interface
- Data Mining- Alertas- OLAP
- Ad-hoc Query
- Dashboards- Scorecards
Gartner Group, 1989
Como se chega lá ?
Carlos Tam 4
![Page 5: ISCTE/ACM Student Chapter](https://reader035.fdocuments.net/reader035/viewer/2022062822/587be85c1a28ab765a8b5109/html5/thumbnails/5.jpg)
Business Intelligence
Data Warehouse Business Analytics User Interface
Definição
Carlos Tam 5
O termo Data Warehouse descreve um repositório de dados orientado por assunto, integrado, histórico e não volátil com o tempo, com o objetivo de suportar o processo de decisão (Inmon, 2005).
![Page 6: ISCTE/ACM Student Chapter](https://reader035.fdocuments.net/reader035/viewer/2022062822/587be85c1a28ab765a8b5109/html5/thumbnails/6.jpg)
Existem 2 arquiteturas de Data Warehouse
Carlos Tam 6
![Page 7: ISCTE/ACM Student Chapter](https://reader035.fdocuments.net/reader035/viewer/2022062822/587be85c1a28ab765a8b5109/html5/thumbnails/7.jpg)
SQL Server
DB2
Sistemas Transaccionais
OLTP
ETL
– Ex
trac
t, Tr
ansf
orm
and
Loa
d
ORACLE
DataWarehouse
ETL
– Ex
trac
t, Tr
ansf
orm
and
Loa
d
Data MartMarketing
Data MartFinanceira
Data Mart…
OLA
P –
Onl
ine
Ana
lytic
al P
roce
ssin
g
Arquitetura de Data Warehouse (top-down)
Carlos Tam 7
Fonte de dadosUtilizadores
finais
![Page 8: ISCTE/ACM Student Chapter](https://reader035.fdocuments.net/reader035/viewer/2022062822/587be85c1a28ab765a8b5109/html5/thumbnails/8.jpg)
SQL Server
DB2
Sistemas Transaccionais
OLTP
ORACLE
Data MartMarketing
Data MartFinanceira
Data Mart…
OLA
P –
Onl
ine
Ana
lytic
al P
roce
ssin
g
Extract
Fonte de dados
Área de Staging
Transform
Load
Utilizadoresfinais
Arquitetura de Data Mart (bottom-up)
Carlos Tam 8
Transformação
Sumarização
Higienização
Combine
Limpeza….
![Page 9: ISCTE/ACM Student Chapter](https://reader035.fdocuments.net/reader035/viewer/2022062822/587be85c1a28ab765a8b5109/html5/thumbnails/9.jpg)
Dimensão Tempo Dimensão artigodata artigodia descriçãomês Tabela Factos Vendas familiaano data subfamiliatrimestre artigoquadrimestre lojasemestre zona
quantidadevalor venda
Dimensão loja Dimensão zonaloja zonadescrição moradatipo de loja cidade
paisMedidas
Figura 5 - Exemplo de dados em modelo Estrela ou Star Schema Modelo de dados em “Estrela” ou Star Schema
Exemplo do modelo de exploração da informação em BI
Carlos Tam 9
![Page 10: ISCTE/ACM Student Chapter](https://reader035.fdocuments.net/reader035/viewer/2022062822/587be85c1a28ab765a8b5109/html5/thumbnails/10.jpg)
Business Analytics (BA)
Business Intelligence
Data Warehouse Business Analytics User Interface
- Data Mining- Alertas- OLAP- Ad-hoc Query
- Dashboards- Scorecards
Gartner Group, 1989
Carlos Tam 10
![Page 11: ISCTE/ACM Student Chapter](https://reader035.fdocuments.net/reader035/viewer/2022062822/587be85c1a28ab765a8b5109/html5/thumbnails/11.jpg)
Definição
Business Intelligence
Data Warehouse Business Analytics User Interface
Carlos Tam 11
A Business Analytics (BA) é a prática da exploração iterativa e metódica dos dados de uma organização com ênfase na análise estatística. A análise de negócios combina a ciência de análise preditiva com capacidades avançadas de inteligência de negócios.
![Page 12: ISCTE/ACM Student Chapter](https://reader035.fdocuments.net/reader035/viewer/2022062822/587be85c1a28ab765a8b5109/html5/thumbnails/12.jpg)
Definição BA
Carlos Tam 12
![Page 13: ISCTE/ACM Student Chapter](https://reader035.fdocuments.net/reader035/viewer/2022062822/587be85c1a28ab765a8b5109/html5/thumbnails/13.jpg)
BA- Data mining
Carlos Tam 13
Técnica estatística para análise de grandes volumes de dados.
![Page 14: ISCTE/ACM Student Chapter](https://reader035.fdocuments.net/reader035/viewer/2022062822/587be85c1a28ab765a8b5109/html5/thumbnails/14.jpg)
BA- Data mining: Clustering
PRAGA DA DIMENSIONALIDADE
São muitas variáveis/campos, que fazer com tanta informação ???Carlos Tam 14
![Page 15: ISCTE/ACM Student Chapter](https://reader035.fdocuments.net/reader035/viewer/2022062822/587be85c1a28ab765a8b5109/html5/thumbnails/15.jpg)
BA- Data mining: Clustering
Carlos Tam 15
![Page 16: ISCTE/ACM Student Chapter](https://reader035.fdocuments.net/reader035/viewer/2022062822/587be85c1a28ab765a8b5109/html5/thumbnails/16.jpg)
BA- Data mining: ClusteringSegmentar, Clustering ou seja :agrupar coisas que se encontram próximas com base em determinadas medições (variáveis)
Carlos Tam 16
![Page 17: ISCTE/ACM Student Chapter](https://reader035.fdocuments.net/reader035/viewer/2022062822/587be85c1a28ab765a8b5109/html5/thumbnails/17.jpg)
BA- Data mining: Clustering
Reduzir grandes conjuntos de dados para produzir informação
Perdemos pormenor mas ganhamos interpretabilidade e compreensão
Carlos Tam 17
![Page 18: ISCTE/ACM Student Chapter](https://reader035.fdocuments.net/reader035/viewer/2022062822/587be85c1a28ab765a8b5109/html5/thumbnails/18.jpg)
BA- Data mining: Clustering
Talho
Peixaria
Charcutaria
Congelados
Legumes/Frutas
Livros
Padaria
Outros
Charcutaria
Legumes/Frutas
Talho
Peixaria
Congelados
Livros
Padaria
Outros
Carlos Tam 18
![Page 19: ISCTE/ACM Student Chapter](https://reader035.fdocuments.net/reader035/viewer/2022062822/587be85c1a28ab765a8b5109/html5/thumbnails/19.jpg)
BA- Data mining: Predictive analysis
A ideia consiste em utilizar dados históricos para desenvolver um modelo que nos permita prever resultados
de um fenómeno de interesse
Carlos Tam 19
![Page 20: ISCTE/ACM Student Chapter](https://reader035.fdocuments.net/reader035/viewer/2022062822/587be85c1a28ab765a8b5109/html5/thumbnails/20.jpg)
User Interface
Business Intelligence
Data Warehouse Business Analytics User Interface
- Data Mining- Alertas- OLAP- Ad-hoc Query
- Dashboards- Scorecards
Carlos Tam 20
![Page 21: ISCTE/ACM Student Chapter](https://reader035.fdocuments.net/reader035/viewer/2022062822/587be85c1a28ab765a8b5109/html5/thumbnails/21.jpg)
User Interface
Business Intelligence
Data Warehouse Business Analytics User Interface
Carlos Tam 21
O User Interface é um termo geral que descreve qualquer esforço para ajudar as pessoas a entender o significado dos dados, colocando-os num contexto visual. Padrões, tendências e correlações que podem passar despercebidos em dados baseados em texto, podem ser expostos e reconhecidos mais facilmente com o software de visualização de dados.
![Page 22: ISCTE/ACM Student Chapter](https://reader035.fdocuments.net/reader035/viewer/2022062822/587be85c1a28ab765a8b5109/html5/thumbnails/22.jpg)
User Interface: VisualizaçãoUma imagem são mil palavras…
Carlos Tam 22
![Page 23: ISCTE/ACM Student Chapter](https://reader035.fdocuments.net/reader035/viewer/2022062822/587be85c1a28ab765a8b5109/html5/thumbnails/23.jpg)
User Interface: VisualizaçãoCasos notáveis
Carlos Tam 23
![Page 24: ISCTE/ACM Student Chapter](https://reader035.fdocuments.net/reader035/viewer/2022062822/587be85c1a28ab765a8b5109/html5/thumbnails/24.jpg)
User Interface: VisualizaçãoPara quê visualizar?
Carlos Tam 24
![Page 25: ISCTE/ACM Student Chapter](https://reader035.fdocuments.net/reader035/viewer/2022062822/587be85c1a28ab765a8b5109/html5/thumbnails/25.jpg)
Dashboard: exemplo
Carlos Tam 25
![Page 26: ISCTE/ACM Student Chapter](https://reader035.fdocuments.net/reader035/viewer/2022062822/587be85c1a28ab765a8b5109/html5/thumbnails/26.jpg)
Dashboard: exemplo
Carlos Tam 26
![Page 27: ISCTE/ACM Student Chapter](https://reader035.fdocuments.net/reader035/viewer/2022062822/587be85c1a28ab765a8b5109/html5/thumbnails/27.jpg)
Decisão: Que software adotar?
Carlos Tam 27
RegiãoRegião
Distrito
Distrito
Concelho
Concelho
Freguesia
Freguesia
Impulsionado pelos serviços de TI• Pensamento linear, pré-definido• Perde-se conhecimento escondido nos dados• Demora meses a alterar• Centrado nos dados
Impulsionado pelo Utilizador• O utilizador decide onde começar• Todos os dados, sempre visíveis• Demora minutos a alterar• Orientado pelo conhecimento
![Page 28: ISCTE/ACM Student Chapter](https://reader035.fdocuments.net/reader035/viewer/2022062822/587be85c1a28ab765a8b5109/html5/thumbnails/28.jpg)
Caso Prático
Demostração
Carlos Tam 28