Arquitetura de BI – Vamos de Kimball ou Inmon?

Devido a acirrada competitividade e à exigência do mercado, o Business Intelligence  (BI)  ou Inteligência nos Negócios (IN) é uma forma inteligente para disponibilizar “no tempo certo informações estratégicas e essenciais à tomada de decisão, inteligentemente agregadas e selecionadas do universo de dados operacionais” que  “facilita o trabalho do gestor para acompanhar e avaliar o desempenho de suas unidades alertando sobre situações consideradas” (VASCONCELOS, 2020).

O BI é um conjunto de teorias, metodologias, processos, tecnologias e estruturas que transformam grandes quantidades de dados que, sozinhos, não significam muito, em informações essenciais para uma boa gestão. Isso significa que o BI é um conjunto de técnicas e de ferramentas que visam oferecer suporte à tomada de decisão e ao monitoramento de resultados dos investimentos da empresa.  O seu principal objetivo é auxiliar na interpretação e análise de dados e informações para identificar oportunidades ou riscos.

Os benefícios na implantação de uma plataforma BI permite as empresas: a) conhecerem melhor o seu negócio ajudando-os no processo de tomada de decisão; b) facilita o acesso e o compartilhamento de informações para suporte à gestão; c) permite análise em tempo real; d) reduz o risco de problemas e obstáculos de negócio; e) entrega resultados corretos no tempo certo para a pessoa certa; f) possibilita respostas rápidas a qualquer consulta de negócios; e por final, g) obtém informações valiosas sobre o comportamento de seus clientes.

Para implementar uma arquitetura de BI, existem 2 autores consagrados nesta área de conhecimento, Bill Inmon e Ralph Kimball, sendo que cada um definiu a sua abordagem de implementação, conforme descrito a seguir:

ABORDAGEM BILL INMON

William H. (Bill) Inmon  nasceu em 1945. É um cientista da computação americano reconhecido como o pai do data warehouse. A abordagem de Inmon é caracterizada como uma abordagem de cima para baixo ou top-down.  (WIKIPEDIA, 2020).  A Figura 1 mostra o modelo de arquitetura proposto por este autor:

 Figura 1 – Abordagem de Inmon

Fonte: VASCONCELOS (2020)

No top-down, os dados são armazenados e consultados no DW e posteriormente distribuídos entre os Data Marts. Tem objetivo de atender às necessidades da organização como um todo e não departamentos isolados. O top-down possui visão geral que vai do alto nível ao mais detalhado (ELIAS, 2014).

ABORDAGEM RALPH KIMBALL

Ralph Kimball é também referência na área de Data Warehouse e Business Intelligence. Este autor é “conhecido pelas convicções a longo prazo que os Data Warehouses devem ser projetados para serem compreensíveis e rápidos. Sua metodologia, conhecida como modelagem dimensional ou a metodologia de Kimball, é usada frequentemente para permitir compartilhar dimensões conformadas” (WIKIPEDIA, 2020).  A Figura 2 mostra o modelo de arquitetura proposto por este autor:

Figura 2 – Abordagem de Kimball

Fonte: VASCONCELOS (2020)

 A abordagem de Kimball é caracterizada como uma abordagem de baixo para cima ou bottom-up.  No desenvolvimento bottom-up, os Data Marts compõe o DW por completo. O bottom-up vai do menor ao maior nível (ELIAS, 2014).

 ANÁLISE DAS ABORDAGENS TOP-DOWN E BOTTON-UP

Bill Inmon e Ralph Kimball divergem na melhor estratégia de implementação de uma arquitetura de DW. Inmon é defensor da abordagem top-down e Kimball da bottom-up (Figura 3).

Figura 3 – Modelo de Arquitetura de DW

Fonte: ELIAS (2014)

Na perspectiva do DW, o Data Mart é um subconjunto dos dados contidos em um Data Warehouse extraído para um ambiente separado.  A diferença entre as duas abordagens é devido ao posicionamento que o Data Mart desempenha no processo de construção.

A abordagem top-down se mostra complexa para implementação, pois requer uma visão geral da solução para a construção completa do DW e disponibilização posteriormente dos Data Marts.  Esse método é indicado quando todo o escopo é definido, facilmente compreendido e simples de ser implementado. Segundo Zentut (2020), esta abordagem possui uma maior equipe de especialistas, os sistemas de origem têm alta taxa de mudança, atende os requisitos de tomada de decisão estratégica,  a integração dos dados é de toda a empresa,  a estrutura dos dados atendem as várias necessidades de informação e os dados são não métricos,  é permitido um tempo maior para atender as necessidades de negócio e  apresenta altos custos iniciais de implementação.

Já o bottom-up visa o “dividir para conquistar”. Em projetos nas quais é difícil enxergar as complexidades, se torna importante a construção incremental dos Data Marts até se chegar ao DW. Esse método tem melhores resultados, pois o desenvolvimento do projeto é evolutivo, tem menor risco, os requisitos de tomada de decisão são táticos,   a integração dos dados atende aos requisitos empresariais individuais, a estrutura dos dados fornecem dados de KPIs, medidas de desempenho, scorecard, os sistemas origem são bastante estáveis, possui uma pequena equipe de generalistas e baixo custo inicial (ZENTUT, 2020).

O bottom-up também possibilita um retorno mais rápido, já que a estrutura do DW poderá ser utilizada antes mesmo da construção completa do DW pela organização. Desta forma, essa arquitetura contribui para diminuir o impacto cultural, proporcionando uma familiarização antecipada com a nova forma de tomada de decisão por meio da solução de BI. Com isso, a organização poderá ter uma melhor visão da sistematização do produto, facilitando o acompanhamento do desenvolvimento dos próximos Data Marts.

 VAMOS DE KIMBALL OU INMON?

Conforme descrito no item “Análise das abordagens top-down e botton-up”, a implementação do DW pela abordagem KIMBALL (botton-up)  é menos onerosa.  Os custos iniciais são mais baixos, sua implementação é mais rápida e está em constante processo evolutivo.

Hoje as empresas procuram diminuir os seus custos internos para oferecer soluções mais rápidas aos seus clientes internos e externos. Isso está em consonância com os princípios ágeis de gestão, oriundos do desenvolvimento de software, que as empresas vivem atualmente, a fim de entregarem produtos no menor tempo possível, com agilidade e qualidade.

BIG DATA E INTERNET DAS COISAS

Big data é o processo de coletar, organizar e transformar dados estruturados, semiestruturados e desestruturados em informações úteis, inteligíveis e relevantes para a tomada de decisão das mais diversas fontes: vídeos, textos, redes sociais, sistemas de informação, sensores, atuadores, RFID, objetivos inteligentes,  entre outros.

O gestor terá uma grande quantidade de informações que permitirão criar estratégias assertivas para o desenvolvimento de produtos e serviços que atendam as necessidades reais dos consumidores, otimizando tempo, custo e melhorando os processos.

Para suprir a necessidade, a Internet das Coisas (IoT) tem como objetivo ser um facilitador deste processo, tornando os dispositivos conectados, inteligentes e produtores de informação.

Desta forma, a integração entre esses dois conceitos serão o ponto central das empresas pensarem e agirem de forma estratégica a fim de conhecerem  e proporcionarem uma nova experiência ao cliente.

 REFERÊNCIAS:

ELIAS, D.  A abordagem top-down e bottom-up no Data Warehouse. 12 maio 2014. 14h11. Disponível em: https://canaltech.com.br/infra/a-abordagem-top-down-e-bottom-up-no-data-warehouse-21108/. Acesso em: 01 mar. 2020.

SITEWARE. O que é business intelligence. 2 maio. 2018. Disponível em: https://www.siteware.com.br/gestao-estrategica/o-que-e-bi-business-intelligence/. Acesso em: 01. mar. 2020.

VASCONCELOS, D. Gestão estratégica e mercado de BI. Disponível em: https://moodle.mackenzie.br/latosensu/mod/assign/view.php?id=252101. Acesso em: 01 mar. 2020.

ZENTUT.   Kimball vs Inmon in data warehouse architecture. Disponível em: https://www.zentut.com/data-warehouse/ralph-kimball-data-warehouse-architecture/. Acesso em: 01 mar. 2020

WIKIPEDIA. Bill Inmon. Disponível em: https://en.wikipedia.org/wiki/Bill_Inmon. Acesso em: 01 mar. 2020.

WIKIPEDIA. Ralph Kimball. Disponível em: https://pt.wikipedia.org/wiki/Ralph_Kimball. Acesso em: 01 mar. 2020.