O Data Warehouse na Tomada de Decisão

O artigo resenhado afirma a importância dos Sistemas de Apoio à Decisão (SAD) nas organizações e como sua capacidade de auxiliar na definição das estratégias corporativas é aumentada quando suportados pela tecnologia dos Data Warehouses (DW). O texto, estruturado em 7 seções, comenta em sua “Introdução” sobre os atuais SAD fortalecidos pelos DW, continua com a “Importância do SAD em uma Organização”, discorre sobre os “Problemas na Gestão dos Dados” existentes e para eles propõe “O Data Warehouse como Solução”. Em “Características do Data Warehouse” explica resumidamente a tecnologia, depois mostra em “Organizações que Criaram Data Warehouse” dois cases de sucesso, “US West” e “Sears Roebuck and Company”, e em “Conclusão” acrescenta o case da Companhia de Saneamento Básico do Estado de São Paulo (Sabesp), para mostrar que mesmo companhias que já usam DW estão investindo na sua atualização.

“A Tecnologia de Data Warehouse nas organizações” credita à busca incessante por decisões que melhorem os resultados das organizações a evolução de ferramentas como os SAD, também conhecidos como Sistemas de Suporte à Decisão (SSD). Um desses incrementos foi a emergência da tecnologia dos DW como base para os SAD. “Com a introdução dos ambientes cliente/servidor os bancos de dados foram espalhados pela empresa inteira, dificultando a localização rápida e fácil dos dados” (apud PARIS, 2016). Esse espalhamento, explica o artigo, dificulta a gestão dos dados “visto que estão armazenados em vários bancos de dados diferentes”, “com dados muitas vezes redundantes“, o que impacta negativamente também na apresentação desses dados (relatórios, painéis etc. Como resolver? O texto sugere centralizar os dados relevantes em um DW, “um imenso banco de dados” que geralmente “armazena até centenas de milhões de registros de dados” e “onde todos os dados da organização são armazenados e organizados” de modo a evitar “redundância e dificuldade de acesso”.

TURBAN (2004, p. ensina que um DW tem como objetivo “criar um repositório de dados que dê acesso a dados operacionais sob formas facilmente aceitáveis para as atividades de processamento analítico, como, por exemplo, apoio à decisão” (apud PARIS, 2016).  Estrutura relacional – objetos estruturados segundo o modelo relacional.  Arquitetura cliente/servidor. Para reforçar seus argumentos em favor da tecnologia DW a autora apresenta dois casos de sucesso. Seu primeiro relato versa sobre a US West, uma “provedora de serviços de telecomunicações” sediada em Denver, EUA, “atendendo a 25 milhões de clientes em 14 estados, com 51. funcionários e 14,5 milhões de linhas de serviços”. Isso forçava “os usuários a consultar diversos sistemas”. Além disso, “os dados já resumidos dificultavam uma análise mais detalhada” e “uma quantidade inevitável de erros no caso de dados para cálculos que eram obtidos de diversas fontes diferentes”.

A solução? Riliane informa que “a Sears criou um data warehouse para armazenar os dados provenientes das vendas” que substituiu “os 18 bancos de dados que haviam”, bases essas que “certamente” continham “dados redundantes, obsoletos e até contraditórios”. E atesta: “Seu projeto de data warehouse e reengenharia de TI foi completado em menos de um ano”. E o resultado? O DW “iniciou com 1,7 terabyte, evoluindo em 2001 para 10 terabytes”. Acrescenta que “Essa tecnologia em banco de dados tem estado presente em cada vez mais empresas de médio e pequeno porte” devido “aos grandes benefícios proporcionados, dentre eles a possibilidade de se ter uma visão consistente de toda a organização”. E apresenta o caso da Sabesp, que já possuía DW mas, “visando uma maior otimização de seus serviços” decidiu “reformular seu banco de dados, investindo em infraestrutura, software e consultoria”.

Informa que em 2006 o novo DW começou a funcionar “com extração de dados em tempo real” e a alimentar a “ferramenta de Business Intelligence”, que produziu informações na forma de “relatórios, gráficos e amostras estatísticas” para que os gestores pudessem “tomar as medidas necessárias”. Conclui: “O exemplo da Sabesp mostra a intenção das organizações em otimizar seus serviços”; ela “já possuía seu data warehouse” e, mesmo assim, decidiu implantar um novo “para, aliado à Business Intelligence, fornecer melhor suporte para tomada de decisões”. Não é objetivo da obra se aprofundar no tema em pauta, antes a autora parece mais interessada em fornecer a base factual para um bom debate inicial.