BUSINESS INTELLIGENCE

1. Business Intelligence (BI):
Conjunto de conceitos e metodologias que, fazendo uso de acontecimentos e sistemas baseados nos mesmos, apóia a tomada de decisões em negócios. Tem como principais características extrair e integrar dados de múltiplas fontes, fazer uso da experiência, analisar dados contextualizados, trabalhar com hipóteses, procurar relações de causa e efeito e transformar os registros obtidos em informações úteis para o conhecimento empresarial.
2. Fontes de Dados:
Representam as fontes que fornecem entradas para o processo de BI, podendo ser aplicativos operacionais, softwares de automação de escritórios, ou até outros bancos de dados.
3. Extração, Transformação e Carregamento (ETL):
3.1. Extração: Processo responsável por extrair os dados de suas fontes.
3.2. Transformação: Processo encarregado de traduzir os dados externos, alterando-os de acordo com regras de negócios.
3.3. Carregamento: Processo de carregar os dados transformados ao nosso banco de dados (Data Warehouse/Data Marts).
4. Data Warehouse (DW):
Cópia dos dados de transações, selecionados e depurados, estruturada especificamente para consultas e análises. Sendo, portanto, uma coleção de dados extraídos do ambiente de produção da empresa e de informações provenientes de planilhas eletrônicas, documentos textuais e etc., que aplicadas em conjunto com técnicas de análise e extração de dados geram um sistema que nos proporcionam informações para dar suporte na tomada de decisões.
5. Data Marts:
Pequeno subconjunto de um Data Warehouse utilizado por um número pequeno de usuários.
Os Data Marts atendem as necessidades de unidades específicas de negócio ao invés das da corporação inteira. Eles otimizam a entrega de informação de suporte à decisão e se focam na gerência sumarizada e/ou dados exemplificativos ao invés do histórico de níveis atomizados.
6. Multidimensionalidade:
A visão multidimensional consiste de consultas que fornecem dados a respeito de medidas de desempenho, decompostas por uma ou mais dimensões dessas medidas, podendo também, serem filtradas pela dimensão e/ou pelo valor da medida. As visões multidimensionais fornecem as técnicas básicas para cálculo e análise requeridos pelas aplicações de BI.
7. Cubo:
Coleção de dados que agregados através de múltiplas dimensões de forma a permitir que uma query seja realizada rapidamente. Por exemplo, um cubo de vendas pode ser agregado através de uma dimensão de lojas e de uma dimensão de clientes, tornando o cubo rápido quando são perguntadas questões envolvendo vendas por lojas ou vendas para uma classe de cliente. Os Cubos são ordenados em dimensões e medidas.
8. Dimensão:
Unidade de análise que agrupa dados de negócio relacionados. Por exemplo, os níveis linhas de produtos, tipos de produtos, marcas, modelos e etc., ficam localizados na dimensão "Produtos".
Tipicamente, uma dimensão tem uma hierarquia natural de forma que resultados em um nível inferior possam ser agregados em resultados de um nível superior.
9. Hierarquia:
Composta por todos os níveis de uma dimensão, podendo ser balanceada ou não. Na hierarquia balanceada, os níveis mais baixos são equivalentes, porém, isto não ocorre nas hierarquias não balanceadas onde a equivalência hierárquica não existe. Por exemplo, em uma dimensão geográfica, o nível "País" não possui o subnível "Estado" para um determinado membro e possui para outro. No caso específico, pode-se citar o país Liechtenstein que não possui Estado e o Brasil, que possui uma série de Estados.
10. Membro:
Subconjunto de uma dimensão. Cada nível hierárquico possui membros apropriados a si mesmo.
11. Medida:
Dimensão especial utilizada para realizar comparações. Ela inclui membros como custos, lucros ou taxas.
12. Tabela Fato:
Contém a informação básica que se quer totalizar. Pode ser um detalhe de pedido, um registro de folha de pagamento, ou qualquer outra informação que seja passível de totalização, ou de ter sua média calculada. Qualquer tabela que possa ser usada em uma query com uma função de "soma" ou "média" é uma boa candidata a uma tabela fato.
Tabelas fato e tabelas de dimensão são relacionadas, já que as tabelas de dimensão são usadas para agrupar informação da tabela fato.
13. Esquema Estrela:
Esquema no qual cada tabela de dimensão é relacionada diretamente à tabela fato.
14. Esquema Floco de Neve:
Esquema no qual algumas dimensões estão relacionadas indiretamente com a tabela fato.
15. Metadados:
São dados a respeito de dados. Exemplos de metadados são as descrições de elementos de dados, descrições de tipos de dados, atributos/propriedades, faixas/domínios, métodos e processos.
16. Multidimensional Expression (MDX):
Projetada pela Microsoft como um padrão para consultas e troca de dados em uma fonte de dados multidimensional.
17. Online Analytical Processing (OLAP):
Aplicação que atende às requisições dos usuários de síntese, análise e consolidação de dados. Possui a capacidade de visualização das informações a partir de diferentes perspectivas. A funcionalidade de uma ferramenta OLAP é caracterizada pela análise multidimensional dinâmica dos dados, apoiando o usuário final nas suas atividades.
18. Servidor e Arquitetura OLAP:
Mecanismo de manipulação de dados de alta capacidade destinado a suportar e operar sobre estruturas de dados multidimensionais.
19. Data Mining:
É o processo de varrer grandes bases de dados em busca de padrões como regras de associação, seqüências temporais, para classificação de itens ou agrupamentos. Na etapa de Data Mining, várias técnicas são utilizadas, como Estatística, Recuperação de Informação, Inteligência Artificial e Reconhecimento de Padrões. São exemplos de técnicas de "mineração de dados": Redes Neurais, Regras de Associação, Clustering, Algoritmo genético, Árvores de decisão e Indução de Regras, entre outras.