OLAP: Uma Perspectiva Estratgica de Anlise de Dados

Resumo: Dado o crescente volume de dados produzidos pelas empresas, fez-se necessrio a criao de ferramentas que proporcionassem uma anlise concisa e consistente dos dados armazenados, de maneira a permitir que informaes fossem extradas e utilizadas de maneira estratgica na gesto empresarial. Surge ento o OLAP (On-line Analytical Processing). Um conjunto de ferramentas que auxilia na anlise quantitativa e qualitativa de grandes volumes de dados atravs de semi-ticas personalizadas que fazem com que os gerentes, empresrios e diretores de empresas possam desfrutar de diferentes perspectivas para tomada de decises estratgicas.

Palavras Chaves: Anlise de Dados. Business Inteligence. Informao. Mutidimensionalidade. OLAP.

Abstract: Because the increasing volume of data produced by companies, it was necessary to create tools that could give them a concise and consistent basis in order to allow that critical information could be extracted and used strategically in business management. Then comes the OLAP(Online Analytical Processing). A set of tools that helps in quantitative and qualitative analysis of large volumes of data through semi-custom optics that make managers, businessmen and company directors may enjoy different perspectives to make strategic decisions.

Keywords: Analysis. Business Inteligence. Information. Multidimensionality. OLAP.

1. Introduo

A evoluo da tecnologia vem possibilitando s corporaes dispor de um volume de dados cada vez maior. Paralelo a isso, os profissionais de Tecnologia da Informao (TI) desenvolveram, ao longo do tempo, ferramentas para auxiliar na extrao de informaes dos bancos de dados, de maneira que fosse possvel uma anlise personalizada, e eficiente, dos dados, a fim de melhorar o processo de tomada de deciso. As empresas desfrutam de ferramentas que possibilitam concisa de forma a obter vantagens competitivas frente ao mercado. Esse conjunto de ferramentas pode ser conceituado por Business Inteligence (BI), dentre as quais se encontram: Data Warehouses (DW), Data Marts (DM) - que so tcnicas de armazenamento de dados, Data Mining (MD), On-Line

Transaction Processing (OLTP) - atende a manipulao de dados operacionais atravs de transaes - e On-line Analytical Processing (OLAP) - conjunto de pesquisas interligadas, junto base de dados (DB), que proporcionam otimizao significativa em relao anlise dos dados. Esse artigo tem como finalidade abordar o uso da ferramenta OLAP, na qual se baseia em uma perspectiva de anlise multidimensional. Proporcionando uma consulta com maior flexibilidade e funcionalidade, permitindo ao usurio uma pesquisa gil, no importando a quantidade de dados a serem manipulados. Para tal necessrio que os dados estejam agrupados em estruturas multidimensionais (cubos) que armazenem medidas quantitativas das informaes a serem analisadas, permitindo visualizao do problema em questo atravs de diversas perspectivas distintas, comparando as diferentes variveis existentes no problema e relacionando-as entre si, o que muito til em problemas que envolvem maior nmero de variveis.

2. Modelagem Multidimensional

Para Rosini e Palmisano (2006. p. 47), o Processamento Analtico On-line trabalha com a consulta interativa de dados, de modo que o processo de anlise se organize em mltiplos passos, em nveis baixos de detalhes. A multidimensionalidade se d pelo fato de que os dados podem ser visualizados em diversas faces, causando uma ideia de cubo. Cada uma das faces apresenta uma significao, delimitando o assunto que se deseja analisar. A forma como os dados so armazenados nas bases de dados um assunto de grande importncia para as organizaes, pois influencia no tempo e no modo de insero, remoo, alterao e busca. Para Macrio e Baldo (2005. p.1) o tipo de modelagem mais utilizado atualmente o Relacional, tratando de aspectos operacionais dos dados, ou seja, a parte transacional dos dados. nesse ambiente de transaes que os administradores do sistema, os projetistas e os usurios inserem os dados de entrada. Laudon e Laudon (2007. p.151) afirmam que o OLAP possibilite aos usurios obterem respostas on-line a questes especficas, de forma rpida, mesmo quando os repositrios sejam considerados muito grandes ou a anlise considere perodos longos para serem verificados. No entanto a competitividade empresarial fez com que os empresrios e gerentes optassem por ferramentas que pudessem ajud-los nas tomadas de decises em relao aos dados que eles possuam. Desse modo, surge a modelagem que chamamos de Modelagem

Dimensional de Dados que tem o foco na tomada de decises estratgicas com base em consultas que denominamos ad-hoc:
So consultas com acesso casual nico e tratamento dos dados segundo parmetros nunca antes utilizados, geralmente executados de forma iterativa e heurstica. Isso tudo nada mais do que prprio usurio gerar consultas de acordo com suas necessidades de cruzar as informaes de uma forma no vista e com mtodos que o levem a descoberta daquilo que procura (INMON, citado por MUSARDO, 2008).

Segundo Anzanello (2002. p. 3) a visualizao realizada em dados agregados, e no em dados operacionais porque a aplicao OLAP tem por finalidade apoiar os usurios finais a tomar decises estratgicas. Desse modo temos que no se trata de uma aplicao adequada para efetuar transaes operacionais, mas a consulta e anlise global de todas as variveis existentes na situao que est sendo analisada. Os usurios desse tipo de modelo so aqueles que buscam vises estratgicas para o seu negcio como, por exemplo, executivos, analistas, gerentes e administradores. A Figura 1 apresenta um esquema de tcnicas e ferramentas para modelagem de dados, desenvolvido por Leandro Salvador mestre em comunicao e semitica, pela PUCSP. O modelo aborda os principais pontos, positivos e negativos, das modelagens Normalizada e Dimensional. A primeira diz respeito Modelagem Normalizada que se preocupa mais com o desempenho do processamento operacional de acordo com os dados que sero inseridos na base de dados. J a segunda, a Modelagem Dimensional, possui o foco no desempenho da recuperao de dados, ou seja, preocupa-se com uma maneira de armazenar os dados para que futuramente eles possam estar accessveis de forma gil e dinmica. Por fim a terceira vertente das Tcnicas de Modelagens so algumas ferramentas que so utilizadas para que esse armazenamento seja feito de acordo com as necessidades que forem apresentadas pelo problema.

Figura 1 - Tcnicas de modelagem de dados Fonte: Modelagem Dimensional de Dados, Leandro Salvador, Consegi 2011

Segundo Anzanello (2002, p. 2) alguns conceitos caractersticos devem ser abordados de forma a proporcionar um melhor entendimento da definio de modelagem multidimensional. So eles:

Medida: um atributo numrico que representa um fato e serve de base para comparaes (porcentagem dos lucros, quantidade de material no estoque); Fato: conjunto de medidas dotado de algum contexto (O ndice de assassinatos em Montes Claros-MG aumentou em 20% no perodo de 2009 a 2010.);

Dimenso: so as possveis formas de visualizao dos dados de forma hierarquizada (tempo, produto, fornecedor, cliente);

Hierarquia: uma classificao dos membros da dimenso (a dimenso tempo, por exemplo, pode se classificar em hora, dia, ms e ano).

Observa-se com esses conceitos, que modelagem multidimensional dos dados consiste em uma forma de fornecer consultas aos dados a respeito de medidas de desempenho, divididas em uma ou mais dimenses, ou seja, possvel que se faa o cruzamento de dimenses para uma anlise personalizada de acordo com os interesses do usurio (Anzanello. 2002. p. 2). A partir desse tipo de implementao possvel a anlise de informaes de maneira simples, por exemplo: Quais as vendas mensais de um determinado produto no ano de 1998? Ou ainda, questionamentos mais complexos como: Quais as vendas mensais dos produtos de uma dada marca nos ltimos trs anos, de acordo com as promoes de Natal?

A partir da definio de multidimensionalidade, bem como de seus conceitos bsicos que so importantes para entendimento de como trabalha esse tipo de modelagem. Alm disso, estes conceitos e definies citados anteriormente formaro a base para o entendimento de como a tcnica de OLAP opera dentro das bases de dados.

3. Caracterizando a Ferramenta OLAP

OLAP uma ferramenta de Business Intelligence utilizada para apoiar as empresas na anlise de suas informaes, visando obter novos conhecimentos que so empregados na tomada de deciso (ARAJO, Erika M. T, et al, 2007 ). O OLAP uma soluo de ambiente, integrao e modelagem de dados voltada para empresas de mdio e grande porte, tendo como objetivo auxiliar os analistas, gerentes e executivos na tomada de decises estratgicas nas organizaes. Utiliza processos de anlise multidimensional do banco de dados de forma personalizada, ou seja, possvel obter diferentes resultados a partir de uma mesma base, mudando somente seu enfoque (dimenso). Tal caracterstica da ferramenta que a torna um diferencial no mercado, pois atravs de consultas utilizando ferramentas relacionais de OLTP no seria possvel fazer uma investigao to personalizada, especfica, em um espao de tempo reduzido. As ferramentas OLAP proporcionam condies de anlise de dados on-line necessrias para responder as possveis perguntas dos analistas, gerentes e executivos (MACHADO, citado por ARAJO, Erika M T, et al, 2007. p. 2). Para formular a topologia e o projeto de uma soluo OLAP multidimensional as seguintes perguntas devem ser feitas: Quando ?, O qu ?, Onde ? e Quem ?. Essas perguntas formam a base de todos os arrays multidimensionais (Anzanello. 2002. p. 3). Durante o projeto de OLAP a modelagem dos dados uma preocupao importante de modo que fornea flexibilidade e timo desempenho para consultas complexas junto ao banco de dados. O armazenamento de dados pode ser feito tanto em um banco de dados Relacional quanto em um Multidimensional. A grande questo a ser analisada o que o usurio deseja com a ferramenta: agilidade, detalhamento e carregamento de informaes por exemplo. De acordo com essas especificaes que ser definida qual a melhor arquitetura a ser utilizada.

3.1 Arquiteturas

Fernandes e Kantorski (2008 p. 2) afirmam que o tipo de armazenamento que definir a arquitetura a ser utilizada pelo OLAP. As arquiteturas, segundo esses autores, podem ser divididas em: ROLAP Relational OLAP, MOLAP Multidimensional OLAP e HOLAP Hybrid OLAP. Por outro lado, Anzanello(2002. p. 4) cita uma outra arquitetura, o DOLAP (Desktop OLAP). No MOLAP os dados so armazenados de forma multidimensional e sua implementao varia de acordo com a ferramenta de OLAP que est sendo empregada, mas frequentemente implementa-se essa arquitetura em uma base de dados relacional, porm no na terceira forma normal. J no ROLAP os dados so armazenados no modelo relacional como tambm suas consultas so processadas pelo gerenciador da base de dados relacional. O DOLAP por sua vez uma variao que existe para fornecer portabilidade dos dados, tendo como caracterstica marcante a reduo no trfico na rede. O HOLAP por sua vez se baseia em uma combinao das principais caractersticas das arquiteturas ROLAP e MOLAP: a alta escalabilidade do ROLAP e a alta perfomance do MOLAP (Anzanello. 2002. p. 4). As mais utilizadas so a Rolap e Molap. A arquitetura Rolap a mais indicada para grandes repositrios, como os Datawarehouses, onde os dados esto armazenados de maneira relacional em colunas e tabelas, pelo grande volume de dados e pelo maior nmero de funes e diversas regras a serem aplicadas. J o Molap mais indicado para Data Mining onde os dados so mais especficos e ser direcionado na anlise com dimensionalidade limitada e pouco detalhamento das informaes. Essas duas arquiteturas possuem vantagens e desvantagens, por exemplo: em relao a desempenho de consulta, o Molap mais rpido, pois so gerados previamente todas as combinaes e resumos possveis no Modelo Multidimensional, no entanto uma arquitetura que possui um alto custo de investimento e uma baixa escalabilidade, enquanto no Rolap a maior parte do processamento feito em tempo de execuo, ao passo que possui um baixo desempenho; em relao a carregamento dos dados o Rolap mais rpido, devido a sua estrutura de linhas e colunas ser menos complexa que a multidimensional do Molap (ARAJO et al, 2007. p. 4). Ainda segundo Arajo et al o Holap, que a arquitetura mais recente, caracteriza-se por ser a juno das vantagens do Rolap e do Molap, ou seja, a escalabilidade do Rolap (capacidade de trabalhar com grandes volumes de dados) e o alto desempenho do Molap. A desvantagem que essa a arquitetura de maior custo de aquisio. Outra arquitetura a DOLAP que uma arquitetura desktop do OLAP, ou seja, uma ferramenta para usurios que possuam uma cpia da base multidimensional ou de um subconjunto dela ou ainda, que queiram acessar um repositrio de dados central localmente. O

usurio ao acessar este repositrio, dispara uma instruo SQL e acessa os cubos j existentes no banco de dados multidimensional residente no servidor OLAP e obtm de volta um para ser analisado em sua estao de trabalho (CAVALCANTI, OLIVEIRA e MONTEIRO, 1998 apud ARAJO et al, 2007. p. 4). A figura 2 resume esquematicamente os tipos de arquiteturas analisadas acima, bem como as suas respectivas vantagens e desvantagens.

Figura 2 - Caractersticas das arquiteturas Fonte:http://rogerioaraujo.files.wordpress.com/2009/05/mm01_arquiteturasola p.jpg, 2009.

3.2 Tipos de Operao

Para que as ferramentas OLAP possam desempenhar as suas funes de maneira satisfatria, elas usufruem de caractersticas especficas. Segundo Anzanello(2002 p. 5):
Consultas ad-hoc: geradas pelos usurios finais de acordo com as suas necessidades de cruzar informaes de uma forma no vista e que o levem a descoberta do que procuram. Slice and Dice: possibilita a alterao da perspectiva de viso. Serve para modificar a posio de uma informao, trocar linhas por colunas de maneira facilitar a compreenso dos usurios e girar o cubo sempre que houver necessidade.

Drill down/up: consiste em realizar explorao em diferentes nveis de detalhes da informao. Com drill down dividi-se um item de resumo em seus componentes detalhados, como por exemplo, ano, semestre trimestre, mensal e dirio.

Alm dessas caractersticas os dados devem ser apresentados de maneira que possibilitem uma visualizao de diversas formas, como por exemplo, grficos. Outra forma muito utilizada para a visualizao desses dados o famoso Cubo OLAP. Na figura 3 apresentado um exemplo de cubo OLAP, no qual possvel observar a maneira como as dimenses (Customer, que so os clientes de uma determinada organizao, Product, que so os produtos que esta organizao oferece e Time que ser um perodo de tempo, podendo ser meses e anos) esto agrupadas e como o cubo completo pode ser dividido para que seja possvel uma visualizao especfica de um determinado fato, Quais Clientes compraram uma Camera Digital em Maro de 2005, por exemplo.

Figura 3 - Exemplo de cubo OLAP fonte: http://gerardnico.com/wiki/_media/database/oracle/oracle_olap_aw_cube.jpg, 2008.

Sendo assim, a forma como os dados so armazenados nas bases de dados um dos elementos fundamentais para que a tcnica de OLAP possa ser aplicada com o mximo de eficincia, possibilitando, de acordo com Anzanello (2002. p. 5), vrios modelos de

visualizao em uma variedade de formatos, e no apenas em simples tabelas, sendo muitas vezes apresentadas em grficos.

4. OLAP e Data Warehouse

Segundo Anzanello(2002) DataWarehouse utiliza do para armazenar informaes e OLAP para recuper-las, ambos so especficos para exercer suas funes de maneira eficiente. Desse modo, para explorar o Data Warehouse completamente, necessrio o OLAP para extrair e alavancar todas as informaes nele contidas. Diferentemente dos bancos de dados transacionais, onde as informaes histricas no ficam armazenadas por muito tempo, pois eles so utilizados somente para registrar e executar operaes que j esto pr-definidas, ou seja, no h a necessidade de uma grande capacidade de armazenamento dessas informaes. Um Data Warehouse armazena dados analticos, destinados s necessidades de gerncia no processo de tomada de decises. Isto pode envolver consultas complexas que necessitam acessar um grande nmero de registros, por isso importante a existncia de muitos ndices criados para acessar as informaes de maneira mais rpida possvel. Um Data warehouse armazena informaes histricas de muitos anos e deve ter uma grande capacidade de processamento e armazenamento de dados que se encontram de duas maneiras, detalhados e resumidos (Nunes, 2007. p. 6). Segundo Nunes (2007) com base nesses conceitos podemos concluir que o Data Warehouse um conjunto de tcnicas e bancos de dados integrados, projetados para suportar as funes dos Sistemas de Apoio Deciso, onde cada unidade de dados est relacionada a um determinado assunto ou fato. Como o DataWarehouse uma base de dados utilizada para o armazenamento de dados analticos necessrio que haja uma maneira de analis-los que seja diferente das tecnologias de OLTP (que so utilizadas para operaes convencionais, transacionais). A tecnologia OLAP fornece ferramentas especficas para auxiliar na extrao de informaes estratgicas a partir desses dados armazenados.

5. OLAP e Data Mining

Segundo Anzanello(2002. p. 5) o OLAP e Data Mining so partes integrantes de todo e qualquer processo de deciso. Ainda, nos dias de hoje, a maioria dos sistemas OLAP tem o

foco no provimento de acesso aos dados multidimensionais, enquanto os sistemas de Data Mining lidam com a anlise para influncia dos dados de uma nica dimenso. Desse modo, pode-se observar que a grande diferena entre essas duas tecnologias a maneira como os dados so explorados. Na anlise com a utilizao de ferramentas OLAP a explorao feita por meio de verificaes, ou seja, o usurio conhece a informao e utiliza das ferramentas para comprov-la, acess-la. J no Data Mining, esse mesmo usurio no conhece a informao, ou conhece parcialmente, e utiliza das ferramentas na busca de padres e na descoberta de informaes (Nunes, 2007. p. 15).

6. Tendncias

O JOLAP um esforo da Java Community Process (JCP) de projetar uma API Java para servidores e aplicaes OLAP, aderentes ao ambiente Java 2Plataform Enterprise Edition (J2EE). Ela est sendo especificada para suportar a criao e manuteno de dados e metadados OLAP, independente de fornecedor. JOLAP baseada em uma forte generalizao, orientada a objeto e nos conceitos de OLAP. Este modelo suporta conceitos referentes a trs reas que so chave para as aplicaes OLAP, metadados, dados e pesquisas (ANZANELLO, 2002. p. 5). Outra arquitetura a WOLAP que se baseia na utilizao de uma ferramenta OLAP a partir de um navegador Web. Essa arquitetura tem duas tecnologias que esto em constante evoluo, a primeira a Web e a segunda so as ferramentas OLAP. A diferena desta ferramenta para as outras que ela utiliza a Internet, facilitando assim, a distribuio da ferramenta, o acesso remoto dos dados a serem analisados e a utilizao da aplicao independente de plataforma (ANDREATO, 1999, apud ARAJO et al, 2007, p. 6).

7. CONCLUSO

Como a quantidade de informaes aumenta a cada dia, h a necessidade de tecnologias tanto de armazenamento quanto de anlise cada vez mais sofisticadas e eficientes. O OLAP tem despontado como um conjunto de ferramentas ideal para a anlise de dados, pois proporciona ao usurio visualizar os resultados atravs de diferentes perspectivas graas sua caracterstica de anlise multidimensional, de modo que o usurio pode navegar entre os diferentes nveis de informao (tempo: ano, ms, dia, por exemplo) e estabelecer comparaes entre suas diferentes dimenses atravs do microcubo que gerado.

Pelo fato de permitir ao usurio a personalizao da busca, o que deixa os resultados mais consistentes, o OLAP uma ferramenta muito til na tomada de decises para as empresas, uma vez que, a partir de um determinado conhecimento a respeito das informaes que esto armazenadas, possvel fazer um cruzamento de dados em busca de melhores combinaes. Esse conhecimento adquirido que servir como vantagem competitiva da empresa frente o mercado. Por fim, observa-se que as tcnicas de armazenamento (Data Marts e Data Warehouse), extrao (Data Mining) e anlise (OLAP) de dados esto intrinsecamente ligadas, ou seja, para que os dados sejam utilizados com o potencial mximo necessrio: que estes estejam armazenados de maneira adequada em uma base de dados para facilitar na busca e pesquisa; a utilizao de ferramentas eficientes para a extrao das informaes dessa base de dados e o uso de tcnicas que possibilitem a anlise dessas informaes para gerar o conhecimento que o usurio espera de forma gil e eficiente.

8. REFERNCIAS

ANZANELLO, C. A. . OLAP Conceitos e Utilizao. Instituto de Informtica - Universidade federal do Rio Grande do Sul (UFRGS). Porto Alegre - RS. 2002.

ARAJO, E. M. T. ; BATISTA, M. de L. S. ; MAGALHES, T. M. de . OLAP: Caractersticas, Arquitetura e Ferramentas. Instituto Vianna Jnior. Faculdades Vianna Jnior. Juiz de Fora - MG. 2007

FERNANDES, M. de S.; KANTORSKI, G. Z. . Neuro BI: Uma Ferramenta Web open source para apoio Tomada de Deciso. Disponvel em: < http://www.cin.ufpe.br/~ejvm/OLAP/3484.pdf >; Acesso em 13 de Maio de 2011.

FILHO, Ly F. . Business Inteligence. Disponvel em: < http://analgesi.co.cc/html/t32973.html > Acesso em 17 de maio de 2011.

HELBER, P, A. Ferramentas Olap. Disponvel em: < http://www.inf.ufsc.br/~helber/FerramentasOlap.ppt > Acesso em 12 de maio 2011

LAUDON, K. C. e LAUDON, J. P. Sistemas de Informaes Gerenciais. 7. ed. So Paulo: Pearson Prentice Hall, 2007.

NUNES,

Orlando

Augusto.

Business

Intelligence.

Disponvel

em

<http://www.webartigos.com/articles/2437/1/Business-Intelligence/pagina1.html> ; Acesso em 15 de Maio de 2011.

ROCHA, K. A. F.; JARDIM, M. U. B., et al. Business Inteligence. Faculdades NDA FACNET. Braslia - DF. 1 semestre de 2004.

ROSINI, Alessandro Marco. Administrao de Sistemas de Informao e a Gesto do Conhecimento. So Paulo: Pioneira Thomson Learning, 2003.

SALVADOR, L. Modelagem Dimensional de Dados. Consegi, 12/05/2011. Palestra.

VIEIRA, A. P. . OLAP - Motivao e conceitos; Disponvel em: < http://www.ppgia.pucpr.br/~scalabrin/Especializacao/BI/aula01/olap_Aroldo.ppt > Acesso em 10 de Maio de 2011.