Data Warehouse é um depósito de dados digitais que serve para armazenar grandes quantidades de detalhes e informações sobre uma empresa, gerando relatórios e mantendo históricos que mais tarde serão usados para o auxílio na tomada de decisões estratégicas com base nos fatos apresentados.
O rápido desenvolvimento tecnológico das últimas décadas só aumentou a massa de dados, consequentemente, aumentou também a dificuldade na tomada de decisões estratégicas. Foi esta necessidade que criou o conceito de BI – Business Intelligence. Uma série de softwares que foi desenvolvida para auxiliar na análise de dados e estatísticas, literalmente fornecendo inteligência para o negócio.
Ralph Kimball é a referência quando se trata de Data Warehouse e Business Intelligence. Sua metodologia é conhecida como modelagem dimensional ou a metodologia de Kimball — ele trabalhava a ideia de que as Data Warehouses devem ser projetados para serem compreensíveis e rápidas.
No post de hoje, conheça Ralph Kimball e sua importância para o BI como conhecemos hoje. Confira!
Carreira
Em 1972, após concluir o seu doutorado em engenharia eletrônica pela Stanford University, Ralph ingressou na Xerox Palo Alto Research Center. Lá, Ralph participou do desenvolvimento do Xerox Star Workstation, o primeiro produto comercial a usar mouse, ícones e janelas.
Ele desenvolveu também uma técnica de programação gráfica (1982) que conectava os ícones em um fluxo lógico, permitindo um estilo mais visual de programação para não programadores. Em 1986, Kimball fundou a Red Systems, sendo seu CEO até 1992, quando ela foi adquirida pela Informix, que hoje é da IBM.
Ralph Kimball e seus associados se juntaram em 1992 para dar treinamento e consultoria de Data Warehouse. Ele é autor dos best-sellers “The Data Warehouse Lifecycle Toolkit” e “The Data Warehouse Toolkit”, ambos publicados pela Wiley and Sons. Por conta da sua contribuição e importância para o business intelligence, seu nome está incluído no Hall da Fama.
Kimball Group
O Kimball Group tem como um dos seus criadores Ralph Kimball. Ele foi uma equipe de consultores especializada na concepção de armazéns de dados eficazes e que permitiam reforçar o business intelligence. Através de consultoria, educação e artigos, o grupo ajudou muitas organizações a alavancar a informação que é recolhida por seus sistemas operacionais para que as empresas pudessem tomar melhores decisões de negócios. Com mais de 25 anos de experiência na área, a equipe repassou conhecimentos para trabalhar com uma ampla gama de situações do cliente, e o discernimento para reagir aos elementos que tornam cada solução distinta.
Os participantes do Kimball Group escreveram vários livros sobre modelagem dimensional e metodologia DW/BI. Foram líderes na indústria de Data Warehouse e Business Intelligence, design e educação, especialmente quando se trata de modelagem dimensional. Sua grande experiência permitiu desenvolver uma abordagem implacavelmente prática, trazendo resultados impressionantes e criando uma série de multiplicadores pelo mundo todo.
O Kimball Group anunciou sua aposentadoria e infelizmente estará encerrando suas atividades no final de 2015, por isso, se tornará cada vez mais raro encontrar profissionais que foram seus alunos.
Leandro Guimarães, consultor, fundador e diretor da empresa Know Solutions, participou do curso de Modelagem Dimensional realizado em Estocolmo, na Suécia, ministrado pessoalmente por Ralph Kimball e Margy Ross. A metodologia do grupo somada a experiência da empresa brasileira, transformou a Know Solutions em uma das mais importantes soluções para Business Intelligence, além de uma grande multiplicadora dos ensinamentos de Ralph Kimball.
Você já conhecia Ralph Kimball e sua importância para os conceitos do Bussiness Intelligence? Compartilhe com a gente o que você sabe sobre ele!
Olá Leandro.
Acredito que o potencial da área de Business Intelligence dentro das empresas pode ser maior do que se imagina hoje.
Trabalho com consultoria de B.I. para agencias e empresas, e enfrentamos diariamente dois grandes problemas.
1- Padronização dos dados: Como utilizamos muitas fontes de dados, todo o processo, desde o que a implementação, até a parte operacional, precisa ser muito bem estruturada. Sem o padrão das informações perde-se muito tempo com “correção”, sendo que “tempo” não é o que temos para identificar um padrão, pois no dia seguinte ele pode mudar se não o tratarmos.
2- Pessoas que não sabem o que querem: Corporações não sabem o que querem, logo querem tudo. O problema é que sabemos que não tudo não é necessário, se consegue identificar padrões e otimizações com metade do volume. Sendo assim o processo de otimização passa a ser inteligente para ser operacional.
O futuro da área esta encaminhando para segmentações e clusterizações dinâmicas para analise de Big Data, mas se o processo de todos envolvidos precisa ser muito bem desenhado e a área de B.I. precisa ter este knowhow também.
Obrigado e muito bom seus artigos.
Oi João, obrigado pelo seu comentário! Concordo com você!
Realmente, a padronização dos dados é o ponto mais sensível mesmo. Aqui estimamos em torno de 60% a 70% do tempo em um projeto de BI apenas para esta parte.
Sobre as pessoas não saberem o que querem, aqui vemos como uma certa vantagem. Muitas vezes não é nem exatamente não saber o que querem, mas não saberem o que é possível fazer. Com isso, parte do nosso trabalho aqui é exatamente entender do que o cliente sofre aí então sugerir algumas coisas. Tentamos não ir para uma abordagem de “o que você quer” mas sim de “quais são seus problemas”.
Isso me deu até a ideia de criar um post focado nisso, vou deixar anotado para o futuro!
Existe uma técnica chamada Árvore de Realidade Presente, da Teoria das Restrições, que lida justamente com essa barafunda de problemas e entendimentos. Eu experimentei a mesma frustração que você, João, e decidi resolver esse problema. A imagem https://geekbi.files.wordpress.com/2020/10/bi_toc-crt-x.png é um resumo do que eu tenho até agora.
Adoraria uma contribuição. “O cliente não sabe o que quer” já está lá. “Dados são sujos” e “Dados são bagunçados” me parecem boas adições.
O que você acha? E você, Leandro?
[…] para aumentar seu lucro ou diminuir seus custos operacionais. Esse é o conceito básico de Business Intelligence utilizado como diferencial […]
[…] de BI — Business Intelligence ou, traduzindo, Inteligência Empresarial — é justamente o diferencial que uma empresa precisa para tratar dados gerados por vários meios. Veja alguns contextos que podem servir de […]
eu precisava para compor você uma pouco de note ajudar diga obrigado again com o extraordinário conselhos você compartilhado nesta página . Foi certamente maravilhosamente generoso com você dando abertamente tudo o que muitas pessoas {poderiam ter | poderiam possivelmente ter | poderiam ter | teriam | distribuído para um ebook para gerar alguma massa para eles mesmos , especialmente considerando que you poderia ter tried it se você nunca desejado . Those estratégias também agido como outras pessoas tenha semelhante desire como my own entender bom negócio mais relacionado este assunto . Eu tenho certeza há alguns mais agradáveis ocasiões ahead para pessoas que ver seu site
Bom dia,
Há muita diferença das versões do livro The Data Warehouse Toolkit?
Vejo que ele esta na 3 edição.
Posso comprar apenas a 3 ou devo comprar todas?
Oi Marcos!
Há algumas atualizações com conceitos mais atuais. Não precisa comprar todas as edições não, apenas a 3a já cobre tudo que precisa.
Sim e não. A maior diferença é entre a primeira edição e as restantes. Da segunda edição em diante, quando a Margy Ross assumiu o livro, é tudo mais ou menos o mesmo.
A primeira edição, que por acaso chegou a ser publicada em português, é a melhor, na minha opinião. Ela é mais concreta, menor e mais focada. Se conseguir achá-la, compre. Vale ouro.
Sobre o comentário do João Kechichian, concordo em relação às empresas não terem claro o que querem, e concordo com o Leandro sobre a abordagem de “Qual o seu problema” para dar as sugestões.
Mas vale ressaltar que as empresas não conseguem identificar o que querem por não terem claro um Planejamento Estratégico e objetivos bem descritos. Isso facilita muito perceber quais indicadores serão necessários acompanhar para atingir os resultados esperados.
Gostaria de entender se a utilização da Big data nas empresas gera algum tipo de desvantagem nas pessoas que lá trabalham ?
Parabéns por trazer a CRISP-DM de volta ao tablado. O “produtocentrismo” que assola o mercardo de BI pressiona os players a comprar o último brinquedo, a seguir a última moda, quando quase tudo que tem algum uso prático já existe há décadas – como o CRISP-DM
Seria legal um artigo um artigo comparando-o com SEMMA. Pode ser muito interessante para quem entrou na área há menos de 20 anos.