Uni e sidade do Minho
Escola de Engenha ia
Ana F ancisca Dias Fa ia
Modelo concep ual de desen ol imen o,
implemen ação e u ilização de BI&A em PMEs
ou ub o de 2024
Modelo concep ual de desen ol imen o, implemen ação e
u ilização de BI&A em PMEs
Ana F ancisca Dias Fa ia
UMinho |2024
Uni e sidade do Minho
Escola de Engenha ia
Ana F ancisca Dias Fa ia
Modelo concep ual de desen ol imen o,
implemen ação e u ilização de BI&A em PMEs
Disse ação de Mes ado
Engenha ia de Sis emas
T abalho ealizado sob o ien ação do
P o esso Dou o Paulo Sé gio Lima Pe ei a A onso
ou ub o de 2024
I
DIREITOS DE AUTOR E CONDIÇÕES DE “U ilização” DO TRABALHO POR
TERCEIROS
Es e é um abalho académico que pode se u ilizado po e cei os desde que espei adas
as eg as e boas p á icas in e nacionalmen e acei es, no que conce ne aos di ei os de au o e
di ei os conexos. Assim, o p esen e abalho pode se u ilizado nos e mos p e is os na licença
abaixo indicada. Caso o u ilizado necessi e de pe missão pa a pode aze um uso do abalho
em condições não p e is as no licenciamen o indicado, de e á con ac a o au o , a a és do
Reposi ó iUM da Uni e sidade do Minho.
II
DECLARAÇÃO DE INTEGRIDADE
Decla o e a uado com in eg idade na elabo ação do p esen e abalho académico e
con i mo que não eco i à p á ica de plágio nem a qualque o ma de “U ilização” inde ida ou
alsi icação de in o mações ou esul ados em nenhuma das e apas conducen e à sua elabo ação.
Mais decla o que conheço e que espei ei o Código de Condu a É ica da Uni e sidade do Minho.
III
Ag adecimen os
A conclusão des a ese ma ca o im de uma jo nada eple a de desa ios. Não pode ia e
chegado a é aqui sem o apoio de pessoas inc í eis, às quais exp esso minha p o unda g a idão.
Ao p o esso dou o Paulo A onso, meu o ien ado , pela o ien ação cons an e, paciência e
enco ajamen o ao longo des e abalho. Pelas suas suges ões e c í icas que o am undamen ais
pa a o desen ol imen o des a pesquisa.
Ao meu o ien ado de es ágio na Gs ep, ag adeço since amen e pela o ien ação p á ica,
paciência e pela pa ilha de conhecimen os aliosos. A sua o ien ação oi e con inua a se
undamen al pa a o meu c escimen o académico e p o issional.
À minha amília, especialmen e aos meus pais, pelo amo incondicional e apoio inabalá el,
e po se em pa ocinado es des a e ou as a en u as académicas. Um ag adecimen o especial
ambém aos seus espe i os companhei os de ida, pelo ca inho e comp eensão con ínuos, mas
especialmen e alo izados du an e es e pe íodo. Aos meus amigos, pelo apoio emocional,
ag adeço pelas pala as de incen i o e momen os de descon ação que o am essenciais.
A odos ocês, meu mais since o ag adecimen o.

IV
Modelo concep ual de desen ol imen o, implemen ação e u ilização de BI&A em
PMEs
Resumo
A ualmen e, pa a que as o ganizações se man enham compe i i as e acompanhem o
me cado em cons an e c escimen o, é essencial ado a ecnologias mode nas de o ma e icaz. O
desen ol imen o de sis emas de apoio à decisão pe mi e o planeamen o, con olo e
acompanhamen o e icazes de odos os p ocessos das emp esas e dada a conjun u a do me cado,
u ilizando indicado es-cha e de desempenho. A iden i icação de opo unidades de melho ia nos
sis emas de p odução e de negócio con ibui pa a melho a os ní eis de qualidade dos p odu os e
se iços o e ecidos e a sus en abilidade do negócio.
Es e p oje o oi ealizado, com o p opósi o de desen ol e um
Da a Wa ehouse
comple o
implemen á el em Pequenas e Médias Emp esas (PMEs), ab angendo odas as e apas c uciais da
cons ução do
Da a Wa ehouse
, u ilizando como supo e uma base de dados o necida pela
Mic oso
, designada po “Ad en u eWo ks”.
Ao longo des a disse ação, são de alhados odos os p ocessos de Ex ação,
T ans o mação e Ca egamen o (ETL) ealizados u ilizando o
SQL Se e In eg a ion Se ices
(SSIS)
e o
SQL Se e
. O p ocesso de ETL en ol eu a ex ação de dados, a ans o mação desses
dados pa a ga an i consis ência e qualidade, e o ca egamen o no Da a Wa ehouse em um
o ma o o imizado pa a análise.
Além disso, o am desen ol idos dashboa ds em Powe BI pa a a isualização e análise
dos dados. Esses dashboa ds pe mi em que os u ilizado es explo em e analisem in o mações po
meio de g á icos e ela ó ios in e a i os, p opo cionando uma isão cla a dos indicado es de
desempenho mais impo an es. Tal como a base de dados de o igem, o ela ó io encon a-se
subdi idido em qua o emas p incipais: Recu sos Humanos, Comp as, P odução e Vendas.
Pa a alida o p oje o, o am conduzidas qua o en e is as semies u u adas com
especialis as em Business In elligence/Analy ics (BI&A). As en e is as i e am como obje i o
a alia a e icácia da solução desen ol ida nes e p oje o, a usabilidade dos dashboa ds e o impac o
da solução no supo e à omada de decisão. As espos as o necidas pelos en e is ados
con ibuí am pa a melho a o p oje o e a ga an i sua ele ância no con ex o da digi alização das
emp esas, nomeadamen e, ao ní el da u ilização de BI&A.
Pala as cha e: KPI,
Dashboa ds
; ETL;
Business In elligence
;
Business Analy ics
; Pequenas e
Médias Emp esas (PMEs)
V
Concep ual model o de eloping, implemen ing and using BI&A in SMEs
Abs ac
Cu en ly, o o ganiza ions o emain compe i i e and keep up wi h a cons an ly g owing
ma ke , i is essen ial o e ec i ely adop mode n echnologies. The de elopmen o decision
suppo sys ems enables e ec i e planning, con ol, and moni o ing o all business p ocesses using
key pe o mance indica o s, conside ing he ma ke condi ions. Iden i ying oppo uni ies o
imp o emen in p oduc ion and business sys ems helps enhance he quali y le els o p oduc s and
se ices o e ed and ensu es business sus ainabili y.
This p ojec was ca ied ou wi h he pu pose o de eloping a comp ehensi e Da a
Wa ehouse implemen able in Small and Medium En e p ises (SMEs), co e ing all he c ucial s ages
o Da a Wa ehouse cons uc ion, using a da abase p o ided by Mic oso called "Ad en u eWo ks"
as a ounda ion.
Th oughou his disse a ion, all he Ex ac ion, T ans o ma ion, and Loading (ETL)
p ocesses ca ied ou using SQL Se e In eg a ion Se ices (SSIS) and SQL Se e a e de ailed.
The ETL p ocess in ol ed ex ac ing da a, ans o ming ha da a o ensu e consis ency and quali y,
and loading i in o he Da a Wa ehouse in an op imized o ma o analysis.
In addi ion, dashboa ds we e de eloped in Powe BI o da a isualiza ion and analysis.
These dashboa ds allow use s o explo e and analyze in o ma ion h ough in e ac i e cha s and
epo s, p o iding a clea iew o he mos impo an pe o mance indica o s. Like he sou ce
da abase, he epo is di ided in o ou main hemes: Human Resou ces, Pu chasing, P oduc ion,
and Sales.
To alida e he p ojec , ou semi-s uc u ed in e iews we e conduc ed wi h expe s in
Business In elligence/Analy ics (BI&A). The in e iews aimed o assess he e ec i eness o he
solu ion de eloped in his p ojec , he usabili y o he dashboa ds, and he impac o he solu ion
on decision suppo . The eedback p o ided by he in e iewees helped o imp o e he p ojec and
ensu e i s ele ance in he con ex o digi al ans o ma ion in companies, pa icula ly in he use o
BI&A.
Keywo ds: KPI, Dashboa ds, ETL, Business In elligence, Business Analy ics, Small and Medium
En e p ises (SMEs)
VI
Índice
Ag adecimen os ........................................................................................................................ III
Resumo .................................................................................................................................... IV
Abs ac ..................................................................................................................................... V
Lis a de Figu as ...................................................................................................................... VIII
1 INTRODUÇÃO ................................................................................................................... 1
1.1 Enquad amen o ................................................................................................................ 1
1.2 Me odologia de In es igação .............................................................................................. 3
1.3 Es u u a da Disse ação ................................................................................................... 4
2 REVISÃO DA LITERATURA ................................................................................................. 6
2.1 Business In elligence ......................................................................................................... 6
2.2 Business In elligence nas Pequenas e Médias Emp esas.................................................. 12
2.3 Business Analy ics ........................................................................................................... 13
2.4 Business In elligence s Business analy ics ...................................................................... 14
2.5 Sis emas de Da a Wa ehouse .......................................................................................... 19
2.5.1 P ocesso de ETL ..................................................................................................... 22
2.5.2 Da a Ma ................................................................................................................ 22
2.5.3 Sis emas de Apoio à decisão ................................................................................... 23
2.5.4 Da a Visualiza ion .................................................................................................... 24
2.5.5 Requisi os ............................................................................................................... 27
3 IMPLEMENTAÇÃO DE UM DATAWAREHOUSE ................................................................. 29
3.1 Mic oso Ad en u e Wo ks 2019 ..................................................................................... 29
3.2 A qui e u a do Sis ema .................................................................................................... 30
3.3 Le an amen o de Requisi os ............................................................................................ 31
3.4 P ocessos de ETL ............................................................................................................ 32
3.4.1 Ex ação de Dados .................................................................................................. 33
3.4.2 A ea S aging ............................................................................................................ 34
3.4.3 Da a Ma ................................................................................................................ 36
3.4.4 Ca egamen o de Dados .......................................................................................... 38
VII
3.4.5 C iação de Views ..................................................................................................... 58
3.5 Visualização de Dados ..................................................................................................... 58
3.5.1 Impo ação de Dados .............................................................................................. 59
3.5.2 Desen ol imen o Powe BI ...................................................................................... 61
4 APLICAÇÃO DO MODELO ................................................................................................ 75
5 CONCLUSÕES ................................................................................................................ 79
REFERÊNCIAS BIBLIOGRÁFICAS ............................................................................................. 81
ANEXOS ................................................................................................................................. 87
Anexo I – Requisi os ............................................................................................................... 87
Anexo II – C iação das abelas da A ea S aging - AW2019_S aging .......................................... 92
Anexo II – C iação das abelas da DW - AW2019_DW ............................................................ 103
Anexo III – P ocesso de logs ................................................................................................. 107
Anexo IV – Upda e das abelas da A ea S aging - AW2019_S aging........................................ 109
Anexo V – Ca egamen o das abelas – Da a Ma – AW2019_DW ........................................ 112
Anexo VI – C iação de Views – Da a Ma – AW2019_DW ..................................................... 124
Anexo VII – Desen ol imen o Powe BI – Tabela Dim_Tempo ................................................ 129
Anexo XII – Desen ol imen o Powe BI – Comum a odas as páginas .................................... 131
Anexo XIII – En e is as ........................................................................................................ 136
3
amplamen e u ilizada em ambien es de demons ações e p oje os de desen ol imen o de
sis emas, pois o nece uma ep esen ação ealis a de cená ios come ciais comuns.
No con ex o do p oje o sup aci ado, es a base de dados se iu como on e de dados
p incipal pa a a elabo ação do
Da a Wa ehouse
. Os p ocessos de Ex ação, T ans o mação e
Ca egamen o (ETL) se ão ealizados u ilizando o
SQL Se e In eg a ion Se ices (SSIS)
e o
SQL
Se e
, ga an indo a in eg idade e qualidade dos dados ans e idos pa a o
Da a Wa ehouse.
Além disso, se ão desen ol idos
dashboa ds
no
Powe BI
pa a a isualização e análise
dos dados a mazenados no
Da a Wa ehouse
. Esses
dashboa ds
são idealizados com o obje i o de
o e ece
insigh s
aliosos pa a a ges ão de uma Pequena e Média Emp esas (PMEs), pe mi indo
uma omada de decisão mais in o mada e e icien e.
Po im, o p oje o se á alidado po meio da ealização de en e is as di ecionadas a
consul o es de
Business In elligence
e ep esen an es de Pequenas e Médias Emp esas (PMEs),
com o in ui o de a alia a e icácia e u ilidade do
Da a Wa ehouse
implemen ado, an o em e mos
écnicos quan o p á icos.
1.2 Me odologia de In es igação
Pa a a ealização des e p oje o o am u ilizadas á ias ecnologias pa a ga an i a e iciência
e e icácia do p oje o. O Mic oso SQL Se e oi a p incipal e amen a de ges ão de bases de
dados, u ilizando
S uc u ed Que y Language (SQL)
pa a a manipulação, con olo e consul a de
dados. (Mic oso , 2024).
O
Visual S udio
, como Ambien e de Desen ol imen o In eg ado (IDE), oi u ilizado pa a
inco po a os módulos SSIS, SSAS e SSRS do SQL Se e . O
Mic oso SSIS (SQL Se e In eg a ion
Se ices)
é uma pla a o ma de c iação de soluções de in eg ação de dados, incluindo paco es ETL
(ex ação, ans o mação e ca egamen o), com e amen as g á icas e assis en es pa a a c iação
e depu ação de paco es (Mic oso , 2023).
O
Powe BI
, um so wa e de In eligência Emp esa ial, pe mi e analisa g andes olumes
de dados de di e sas on es e in eg á-los em
dashboa ds
e ela ó ios. Consis e no
Powe BI
Desk op
,
Powe BI Se ice
e
Powe BI Mobile
pa a disposi i os
Windows
,
iOS
e
And oid
(Mic oso ,
2024).

4
As linguagens u ilizadas incluem
SQL
pa a a manipulação de dados e
DAX
(Da a Analysis
Exp essions)
pa a cálculos pe sonalizados e ag egações dinâmicas em modelos de dados.
A decisão de explo a a ele ância da implemen ação de um
Da a Wa ehouse
em
Pequenas e Médias Emp esas (PMEs) undamen a-se na signi ica i a impo ância que es as
emp esas êm pa a a economia de Po ugal. De aco do com o Ins i u o Nacional de Es a ís ica
(2020), as PMEs ep esen am 99,9% das emp esas em Po ugal e emp egam ce ca de 77% da
o ça de abalho do se o p i ado. As PMEs são esponsá eis po ce ca de 60% do alo
ac escen ado b u o do país, sendo c uciais pa a a economia (Ins i u o Nacional de Es a ís ica,
2020). A capacidade de ino ação das PMEs é signi ica i a, especialmen e nos se o es de
ecnologia e bio ecnologia (Di ec o a e-Gene al o Resea ch and Inno a ion (Eu opean
Commission) e al., 2022). Polí icas de apoio, como o Plano de Recupe ação e Resiliência de
Po ugal (RRP), p omo em a digi alização e ino ação das PMEs pa a melho a a sua
compe i i idade (Commission Economic & A ai s Eu opean Economy Ins i u ional Pape s, 2023).
Pa a alida a ele ância, aplicabilidade e sucesso do es udo, o am ealizadas en e is as
semies u u adas com consul o es de
Business In elligence
, indi íduos que o am ele an es e
á ias PMEs. Es as en e is as o nece am
insigh s
aliosos e
eedback
p á ico sob e a aplicação
das ecnologias de
BI
em con ex os eais de PMEs.
A me odologia desc i a p opo ciona uma base sólida pa a a implemen ação do
Da a
Wa ehouse
e a demons ação das capacidades do BI em PMEs, u ilizando ecnologias e p á icas
a ançadas pa a alcança os obje i os do p oje o.
1.3 Es u u a da Disse ação
A es u u a do p esen e p oje o assen a em cinco capí ulos, cada um cump indo um papel
undamen al na comp eensão e ealização dos obje i os p opos os. No p imei o capí ulo, é
ealizada uma in odução de alhada ao con ex o do p oje o. Inicialmen e, é ap esen ada uma isão
ge al do ema, des acando-se a sua ele ância e impo ância no cená io emp esa ial
con empo âneo. Aqui, são de inidos os obje i os especí icos do p oje o, delineando cla amen e as
me as a se em alcançadas. Po im, é ap esen ada a me odologia de pesquisa ado ada,
de alhando os mé odos e écnicas u ilizados pa a a ingi os obje i os p opos os.
5
O segundo capí ulo, in i ulado "Re isão da Li e a u a", cons i ui uma análise ap o undada
dos concei os undamen ais necessá ios pa a o en endimen o e desen ol imen o do p oje o. São
abo dados emas como
Business In elligence
,
Da a Wa ehousing
, p ocessos de ETL (Ex ação,
T ans o mação e Ca egamen o) bem como e amen as ecnológicas ele an es, como o
SQL
Se e In eg a ion Se ices (SSIS)
, o
Powe BI
, en e ou os concei os. Es a e isão da li e a u a
p opo ciona uma base eó ica sólida pa a o desen ol imen o do caso p á ico, pe mi indo uma
comp eensão ab angen e do ema e dos concei os subjacen es.
No e cei o capí ulo, denominado "Implemen ação de um Da awa ehouse", cen a-se na
aplicação dos conhecimen os adqui idos nos capí ulos an e io es. Aqui, é de alhado o caso p á ico
desen ol ido no âmbi o do p oje o, incluindo a cons ução do
Da a Wa ehouse
u ilizando a base
de dados "
Ad en u eWo ks2019
" da
Mic oso
, os p ocessos de ETL ealizados no
SSIS
e
SQL
Se e
, bem como a c iação dos
dashboa ds
no
Powe BI
. Es e capí ulo ap esen a uma isão
de alhada e ab angen e do abalho ealizado, demons ando a aplicabilidade dos concei os
eó icos na p á ica com a ambição de alcança
insigh s
aliosos pa a a ges ão e análise de dados
emp esa iais.
No qua o capí ulo, abo da-se a aplicabilidade do p oje o, des acando os aspe os p á icos
e as possí eis implemen ações e o esumo das en e is as ealizadas. Po im, no úl imo capí ulo,
ap esen am-se as conclusões inais do es udo.
No seu conjun o, es a es u u a p opo ciona uma abo dagem holís ica e sis emá ica à
comp eensão e desen ol imen o do ema p opos o. Cada capí ulo complemen a os es an es,
con ibuindo assim pa a uma análise ab angen e e uma aplicação p á ica dos conhecimen os
adqui idos.
6
2 Re isão da Li e a u a
Nes e capí ulo, ap esen a-se uma e isão da li e a u a ela i a às á eas do conhecimen o
bem como aos concei os abo dados nes e p oje o. Pa a al, e e uou-se uma pesquisa em on es
bibliog á icas que a am des as ques ões, bem como em á eas do conhecimen o elacionadas,
isando ob e uma comp eensão ala gada do es ado a ual do conhecimen o nes e domínio.
2.1 Business In elligence
Os
Chie In o ma ion O ice s (CIOs)
das o ganizações concen a am a sua a enção em
soluções de
Business In elligence
du an e os anos de 2008 e 2009 (Ga ne Resea ch, 2008,
2009). Ficou e iden e que os dados ep esen a am um dos a i os mais aliosos de uma
o ganização, pois é deles que são ex aídas in o mações i ais. Mui os es udos apoia am essa
pe ceção, e elando que a g ande maio ia das emp esas mani es ou in e esse em in es i em
soluções de
BI
(Fedouaki e al., 2013).
Como a In eligência a i icial é cada ez mais p oeminen e, as emp esas são ob igadas a
econside a as suas es a égias e p á icas. Nes e con ex o ecnológico, é impo an e conside a a
ques ão de sabe quando a au oma ização come cial subs i ui á a mão de ob a humana. Es a
dispu a mais ab angen e en ol e não apenas os p ocedimen os labo ais, mas ambém os modelos
de adminis ação emp esa ial. É undamen al explo a minuciosamen e as po encialidades dos
dados, alcançando ní eis ainda mais ele ados de e iciência e compe i i idade, num con ex o onde
a sob e i ência no me cado se o na uma e dadei a ba alha. Es a si uação exige, sem dú ida,
um ajus e es a égico mais amplo en e as exigências do se o emp esa ial e as ans o mações
que oco em cons an emen e. (Coope & Coope , 2012).
Nos úl imos in e anos, o concei o de
Business In elligence (BI)
ganhou um conside á el
des aque, impulsionado pelo c escen e olume de dados e pelos a anços ecnológicos, o nando-
se uma das maio es á eas de in e esse e de pesquisa académica (Chuah e al., 2011). A isão da
Qua a Re olução Indus ial, como desc i a po Schwab (2016), en a iza a au omação dos
p ocessos de abalho, especialmen e nas chamadas "Fáb icas In eligen es”. Es as áb icas
ado am soluções ecnológicas pa a melho a , au oma iza e mode niza as suas ope ações de
p odução, se indo-se de ecnologias como “
In e ne das Coisas” (IoT),
compu ação em nu em e
in eligência a i icial (Schwab, 2016).
7
Figu a 2 –Ca ac e ís icas cha es das Fáb icas In eligen es (Adap ação de Deloi e, 2017)
No ela ó io de 2017 da Deloi e (Bu ke e al., 2017), in i ulado
"The Sma Fac o y"
, são
iden i icadas cinco ca a e ís icas undamen ais dessas áb icas in eligen es: cone i idade,
o imização, anspa ência, p odu i idade e lexibilidade.
Embo a a ma u idade des a á ea não seja ques ioná el, ainda não exis e um consenso
uni e sal sob e a de inição de BI (Jagielska e al., 2003; Negash, 2004). Segundo (Ka im, 2011),
essa de inição é um an o luida, a iando con o me o con ex o e a isão do au o . Isso suge e que
o concei o de
BI
não é es á ico, mas sim moldado pelas p e e ências indi iduais, mo i ações ou
pe spe i as de cada au o (Coope & Coope , 2012). O in es igado Howa d D esne (1989),
equen emen e ci ado como o pionei o do
BI
, e pos e io men e analis a da Ga ne Resea ch,
in oduziu o e mo como uma "ca ego ia ab angen e de
so wa es
e soluções p oje adas pa a
ecolhe , consolida , analisa e o nece acesso aos dados de o ma que os uncioná ios de uma
o ganização possam oma decisões de negócios mais in o madas".
8
Apesa de algumas suposições em con á io, o concei o de
Business In elligence (BI)
não
é mui o ecen e. A sua o igem emon a a Hans Pe e Luhn, um pesquisado da
IBM
, que em
ou ub o de 1958, num a igo do
"IBM Jou nal o Resea ch and De elopmen
", de iniu
BI
como a
habilidade em comp eende as elações en e ac os ap esen ados pa a alcança um obje i o
desejado (H. P. Luhn, 1958).
Uma das de inições mais amplamen e acei as de
Business In elligence (BI)
é a p opos a
po Wixom & Wa son (2010), que desc e e
BI
como "Uma ampla ca ego ia de ecnologias,
aplicações e p ocessos pa a ecolhe , a mazena , acede e analisa dados pa a ajuda os
u ilizado es a oma melho es decisões." (Wixom & Wa son, 2010). Essa de inição em
semelhanças com a de Howa d D esne , mas inclui componen es adicionais, como a e e ência
aos p ocessos de ges ão que podem engloba a i idades como a ex ação de dados e a ges ão de
p oje os de
BI
, en e ou os. É essencial a pa icipação de pessoas em odas as suas e apas.
Os in es igado es Wixom & Wa son (2010) ambém especi icam que, nos dias a uais, o
BI
se o nou um equisi o undamen al pa a a compe i i idade no me cado. No mesmo es udo,
eles ap esen am o que conside am se as melho es p á icas no ambien e de
BI
, delineando um
pano ama das emp esas onde o
BI
é c ucial, que eles designam como
"BI-based o ganiza ions"
(Wixom & Wa son, 2010).
O
Business In elligence (BI)
em como obje i o p imo dial ape eiçoa o p ocesso de
omada de decisão nas o ganizações. De aco do com Negash & G ay (2008), o
BI
ep esen a uma
e olução de sis emas an e io es, odos di ecionados pa a a melho ia da omada de decisões. A
sua unção p incipal é con e e dados essenciais do negócio em in o mações ele an es e
acessí eis, o necendo uma base sólida pa a as decisões da al a adminis ação. Essa conceção
es á alinhada com a de inição de Az ine e al. (2006), que desc e em o
BI
como um conjun o de
p á icas e ecnologias des inadas a cap u a , acede , comp eende , analisa e ans o ma os
dados b u os da emp esa em insigh s acioná eis. O obje i o inal é melho a o desempenho
emp esa ial po meio de uma ges ão in o mada e es a égica.
Os in es igado es Vi e al. (2002) obse a am a ampla aplicação do e mo BI, que é
usado po di e en es especialis as e o necedo es de so wa e pa a desc e e uma g ande
a iedade de ecnologias, pla a o mas de so wa e, aplicações especí icas e p ocessos. Assim, o
BI
é concebido como uma e amen a que ajuda a iden i ica in o mações ú eis e ele an es pa a
o p ocesso de omada de decisões. Po ou o lado, au o es como Chaudhu i e al. (2011)

9
desc e em o
BI
como um conjun o de ecnologias de supo e à omada de decisões, com o obje i o
de capaci a analis as, ges o es e di e o es a oma em esoluções mais in o madas e ápidas.
Pa a ga an i a e icácia ope acional, as emp esas de em assegu a o acesso opo uno à
in o mação co e a pa a os
s akeholde s
ele an es (Gua da e al., 2013b). Segundo Wells (2008),
implica uma pe spe i a mais ampla de
BI
, desc e endo-a como a capacidade de uma o ganização
en ende , planea , p e e , esol e p oblemas, pensa de o ma abs a a, comp eende , ino a e
ap ende pa a amplia o conhecimen o o ganizacional. Essa de inição essal a a impo ância de
o nece in o mações pa a undamen a decisões, acili a a sua e icácia e, assim, con ibui pa a
o alcance dos obje i os de negócio. No ambien e emp esa ial, os dados u ilizados pelas
e amen as de
BI
êm de di e sas on es, in e nas e ex e nas, po ém com a maio ia p o enien e
das bases de dados in e nas da emp esa. Sau e , 2011, des aca que os sis emas de
BI
de em
ealiza á ias a e as essenciais, incluindo explo ação, in eg ação, ag egação e análise
mul idimensional p ecisa dos dados de á ios sis emas de in o mação. Esses dados são en ão
a mazenados num
Da a Wa ehouse
, ge almen e u ilizando sis emas de ges ão de bases de dados
elacionais (SGBDR) pa a acili a o a mazenamen o e a consul a. (Chaudhu i e al., 2011; an
Vug & Jacobsen, 2017).
Segundo Olszak & Ziemba (2012), os sis emas de in eligência emp esa ial (
BI
) englobam
uma ampla gama de p ocessos, de omada de decisões, análise de in o mações e ges ão do
conhecimen o, combinados com in e ações en e indi íduos e sis emas compu acionais. Eles
ambém es abelecem conexões en e o BI e ou as pla a o mas, como MIS (sis emas de
in o mações ge enciais), DSS (sis ema de supo e à decisão), EIS (sis emas de in o mações
execu i as), en e ou os, essal ando as dis inções ma can es en e essas abo dagens. Os
sis emas de
BI
unem as uncionalidades de di e sos sis emas pa a capaci a as o ganizações com
as e amen as necessá ias pa a conquis a an agens compe i i as.
Olszak e Ziemba são econhecidos pela sua dedicação a esse ema, com uma ampla
coleção de es udos já publicados. Eles a gumen am que os sis emas de In eligência Emp esa ial
podem se abo dados sob duas pe spe i as dis in as: uma écnica e, ou a de eo o ganizacional
ou de negócios. Na isão écnica, des acam um conjun o de e amen as, ecnologias e so wa es
usados pa a ecolhe dados de di e sas on es, in eg á-los e analisá-los, o nando-os mais
acessí eis. Isso inclui:
• Fe amen as de ETL (Ex ação, T ans o mação e Ca ga);
10
•
Da a Wa ehouses
;
• Fe amen as analí icas, como
OLAP
(P ocessamen o Analí ico On-Line);
• Fe amen as de Mine ação de Dados;
• Fe amen as pa a análises
ad hoc
;
•
P esen a ion laye
- aplicações p oje adas pa a ap esen a in o mações de manei a
con enien e e acessí el, a a és de g á icos e con eúdos mul imídia.
No en an o, do pon o de is a da o ganização, os sis emas de
BI
ab açam uma iloso ia e
abo dagem especí icas, cen adas na ges ão de dados e conhecimen os, comunicação abe a e
pa ilha de in o mações, em conjun o com uma análise de alhada dos p ocessos emp esa iais.
Rep esen am soluções que ans o mam dados em
insigh s
, enquan o p omo em um ambien e
p opício pa a decisões e e i as e a implemen ação de es a égias ponde adas. Pa a ambas as
pe spe i as, a habilidade de ob e in o mações c uciais pa a ins iga mudanças na emp esa - como
adqui i no os clien es, in oduzi no os p odu os, en e ou os - essal a o alo in ínseco desses
sis emas (Chaudha y, 2004; Olszak & Ziemba, 2004).
Pa a Fedouaki e al. (2013), a implemen ação de um sis ema de
BI
ans o mou-se num
a o essencial pa a ga an i uma ma gem de an agem compe i i a e lida de o ma e icaz com
as c escen es p essões do me cado, econhecendo os dados como a i os c uciais das
o ganizações mode nas. Eles des acam que o papel do
BI
se em modi icado ao longo do empo,
passando de me as e amen as analí icas pa a soluções mui o álidas usadas em p e isões,
con olo ope acional e análise de en abilidade de p odu os, en e ou as aplicações. Oka e al.,
(2012) di idem o concei o de
BI
em ês pa es:
Da a Cap u e/Acquisi ion
,
Da a S o age
e
Da a
Access & Analysis
. Ademais, o
BI
capaci a as emp esas a ob e em in o mações mui o
po meno izadas sob e o esul ado dos seus in es imen os, an o in e no quan o ex e no. Enquan o
uma pa e p ocu a in o mações sob e a indús ia e os p incipais conco en es pa a melho
comp eende o ambien e ex e no e oma decisões undamen adas, a ou a pa e concen a-se em
ecolhe dados ope acionais da o ganização pa a a alia seu desempenho (Chung & Tseng, 2012).
Se o es como o e alhis a, a banca en e ou os, já ado a am amplamen e o
BI
como uma
e amen a e icaz e aliosa. Mui as emp esas nesses se o es expe imen a am bene ícios angí eis,
como uma melho capacidade de a ai no os clien es. No en an o, ou as en en a am desa ios
11
na implemen ação do
BI
, des acando a complexidade desse p ocesso como um obs áculo
signi ica i o a se supe ado (Oka e al., 2012).
O abalho de Chuah e al. (2009) o e ece uma pe spe i a ab angen e sob e as di e en es
de inições de
Business In elligence (BI)
exis en es a é aquela da a. Ao o ganizá-las em ês g upos
dis in os -
Manage ial/P ocess
,
Technological
e
P oduc
- eles des acam as á ias dimensões e
abo dagens que os au o es u iliza am pa a de ini o concei o.
A abo dagem
Manage ial/P ocess
en a iza a impo ância do p ocesso de ecolha, análise
e in e p e ação de dados pa a melho a a omada de decisões. Isso suge e que o
BI
não é apenas
sob e as e amen as e ecnologias, mas ambém ace ca da o ma como esses dados são
u ilizados pa a in luencia as decisões emp esa iais.
Po ou o lado, a abo dagem
Technological
concen a-se nas e amen as e ecnologias
que possibili am a ecolha, manipulação e análise de dados. Isso des aca a impo ância das
in aes u u as ecnológicas subjacen es ao uncionamen o e icaz do BI.
Finalmen e, a abo dagem
P oduc
ê o BI como o esul ado ou p odu o de uma análise
p o unda dos dados emp esa iais. Isso essal a a impo ância de ans o ma os dados em
in o mações signi ica i as e com g ande u ilidade p á ica, acilmen e acessí eis pelas emp esas.
A ci ação de Tu ban e al. (2007) “Um e mo ab angen e que inclui e amen as,
a qui e u as, bases de dados,
Da a Wa ehouses
, ges ão de desempenho, me odologias e c., que
são in eg ados num único
so wa e
” ilus a como uma de inição pode sob epo -se a mais de uma
ca ego ia, en a izando a complexidade e a e sa ilidade do e mo
BI
. Essa e sa ilidade é ealçada
ainda mais pela conclusão de Chan e al., que a gumen a que os sis emas de
BI
não de em se
is os como uma en idade isolada, mas sim como um p odu o e olu i o que in eg a á ias
e amen as e écnicas compu acionais. Essa pe spe i a es á alinhada com a isão de Negash &
G ay (2008) e des aca a na u eza dinâmica e em cons an e e olução do campo de
BI
.
Os
Da a Wa ehouse
Co po a i os são equen emen e conside ados uma pla a o ma de BI
ou um conjun o de e amen as pa a ans o ma os dados em in o mações come ciais ú eis nos
p og amas de
Business In elligence
(TDWI 2013). Howa d D esne , consul o da Ga ne , de iniu
a in eligência emp esa ial (
BI
) como um conjun o de concei os e mé odos amplos pa a melho a
a omada de decisões a a és do uso de sis emas de in o mação baseados em ac os (Powe ,
2003). A Ga ne , menciona que "não exis e uma de inição única de
BI
, assim, a á ea ecnológica
12
(TI) e a á ea de negócio podem e o BI de o ma di e en e.". A á ea de
TI
conside a o
BI
como
uma e amen a, enquan o na á ea de negócios que o
BI
é pe cebido como in o mação. O p ocesso
de ob enção de in o mação na á ea de negócio, que ans o ma dados em in o mação e es a úl ima
em conhecimen o, é o ce ne do
BI
, de aco do com o mesmo a igo.
2.2 Business In elligence nas Pequenas e Médias Emp esas
O concei o de
Business In elligence (BI)
é associado equen emen e a g andes
co po ações, deixando mui as pequenas e médias emp esas (PMEs) com a imp essão de que
essas ecnologias es ão aquém das suas possibilidades (Tu unea & Rus, 2012). Uma obse ação
da li e a u a e ela que a pesquisa sob e
BI
ge almen e concen a-se em emp esas de g ande
dimensão, abo dando os seus bene ícios, desa ios e a o es c í icos de sucesso, enquan o as
in o mações especí icas sob e a elação en e
BI
e PMEs são escassas (Olszak & Ziemba, 2012).
Essa lacuna é ainda mais e iden e no con ex o po uguês, onde a pesquisa em eposi ó ios online
não o e ece esul ados conclusi os. No en an o, es udos de caso nou os países, como aqueles
ap esen ados po ou os au o es (Olszak & Ziemba, 2012) na Polónia e a pesquisa na Bósnia
He zego ina, (Kasim e al., 2018) o e ecem insigh s aliosos.
To na-se c ucial econhece o papel signi ica i o que as PMEs desempenham na
economia, e en ende que o seu desen ol imen o é essencial pa a ga an i a compe i i idade.
Embo a alguns a gumen em que as e amen as de BI são exclusi as pa a as g andes emp esas
e não são iá eis pa a PMEs (Legend e, 2005); (Gangadha an, 2004), é impo an e des aca que
essas emp esas en en am desa ios semelhan es ao o ganiza em e in e p e a em g andes
olumes de dados pa a os ans o ma em in o mação ú il, (Gua da e al., 2013a). Nes e sen ido,
Tu unea & Rus (2012) apon am pa a soluções de
BI
de baixo cus o baseadas em nu em,
p oje adas especi icamen e pa a PMEs, como uma o ma de aumen a a sua an agem
compe i i a. No en an o, a al a de conhecimen os écnicos pa a seleciona a solução adequada
pode esul a em alhas na sua implemen ação.
Apesa das di iculdades, as PMEs ep esen am a maio ia dos u ilizado es de
BI
, embo a
isso es eja mais elacionado com a sua p esença p edominan e no me cado do que a uma o e
mo i ação pa a adqui i sis emas de
BI
(Ali e al., 2017). O es udo en a iza a necessidade de um
en endimen o mú uo en e PMEs e
BI
pa a impulsiona o desempenho de ambos. To na-se c ucial
econhece que uma abo dagem única não se aplica a odas as indús ias, e as soluções de
BI
19
Além de compa imen a em em ases, Chen e al. ambém menciona am cinco possí eis
usos de BI&A, desc e endo a sua u ilização com ecnologias básicas e possí eis pesquisas u u as,
con o me indicado na Figu a 5.
2.5 Sis emas de Da a Wa ehouse
O
Da a Wa ehouse
é uma in aes u u a undamen al que se baseia num conjun o de
dados o ien ada po assun os, in eg ada, a iá el no empo e não olá il, es a isão essencial pa a
supo a o p ocesso de omada de decisões das emp esas. O papel de Bill Inmon, conhecido como
Figu a 5 - BI&A Applica ions: F om Big Da a o Big Impac (Adap ação de Chen e al., 2012)

20
o "pai do
Da a Wa ehousing
", é c ucial nesse con ex o, pois ele popula izou o concei o e
es abeleceu c i é ios de de inição amplamen e acei os (Inmon, 2005).
Um
Da a Wa ehouse
é um eposi ó io de dados que possui as seguin es ca a e ís icas:
I. O ien ado po assun os: Todos os dados elacionados com um de e minado
assun o. Pe mi indo uma isão uni icada e ab angen e das in o mações den o de
um con ex o especí ico.
II. In eg ado: Essa é conside ada a ca ac e ís ica mais c ucial de um
Da a
Wa ehouse
(Inmon, 2005). Os dados que alimen am o
DW
êm de á ias on es
e sis emas di e en es.
III. Não- olá il: Após se em ca egados, os dados endem a pe manece es á icos e
his ó icos.
IV. Va iá el no empo: O
Da a Wa ehouse
a mazena não apenas dados a uais, mas
ambém dados his ó icos, pe mi indo análises e compa ações empo ais.
Um
Da a Wa ehouse
bem cons uído o e ece uma isão in eg ada e comple a da
o ganização, pe mi indo o acesso a dados his ó icos con iá eis. Isso acili a a omada de decisões,
sem sob eca ega os sis emas ope acionais da emp esa (Klaue e B obs , 1998). Exis em
di e en es abo dagens de design, como
op-down
e
bo om-up
, cada uma com as suas an agens
e desa ios. Essas abo dagens, quando combinadas de manei a adequada, podem esul a num
Da a Wa ehouse
e icien e que a ende às necessidades da o ganização emp esa ial (Inmon, 2005;
Kimball & Ross, 2002).
A necessidade de ob e in o mações es a égicas le ou ao desen ol imen o do concei o
de
Da a Wa ehouse
como um no o ipo de Sis ema de In o mação. Ele se e como um eposi ó io
lógico de oda a in o mação de um negócio, pe mi indo análises de alhadas e
insigh s
aliosos
pa a a emp esa (Boa , 1997). No en an o, a implemen ação de um
Da a Wa ehouse
não é uma
a e a simples. Reque um in es imen o signi ica i o em e mos de ecu sos ma e iais e humanos.
Uma ez cons uído, o
Da a Wa ehouse
pode se agmen ado em
Da a Ma s
meno es,
que são es u u as de dados mul idimensionais ocadas em á eas especí icas, como ma ke ing,
endas ou inanças (Kimball e al., 1998). Isso pe mi e um acesso mais ágil e ápido às
in o mações ele an es pa a di e en es depa amen os da o ganização. Em suma, o
Da a
21
Wa ehouse
desempenha um papel undamen al na e iciência ope acional e na omada de decisões
es a égicas das emp esas, mas a sua implemen ação eque cuidado e planeamen o adequados.
Kimball, em 2002, p opõe uma es u u a pa a um
Da a Wa ehouse
com qua o
componen es p incipais: os sis emas de o igem ope acional, a á ea de p epa ação dos dados, a
á ea de a mazenamen o dos dados e as e amen as de acesso aos mesmos. Os sis emas de
o igem ope acional são esponsá eis po cap u a as ansações come ciais e man êm pequenos
dados his ó icos pa a análise u u a. A á ea de p epa ação dos dados é onde oco em os p ocessos
de Ex ação, T ans o mação e Ca egamen o (ETL), conec ando as on es o iginais dos dados à
sua ap esen ação inal. Os dados são a mazenados e o ganizados na á ea de ap esen ação, onde
icam disponí eis pa a consul a pelos u ilizado es inais a a és de di e sas e amen as. As
e amen as de acesso aos dados p opo cionam aos u ilizado es inais a capacidade de
ans o ma simples isualizações de dados em in o mações ele an es pa a a omada de decisão
(Figu a 6).
Figu a 6 - Es u u a do DW - Componen es (Adap ação de Kimball e Ross, 2002)
22
2.5.1 P ocesso de ETL
As e amen as de ETL desempenham um papel c ucial no sis ema de
Business
In elligence (BI),
sendo o ac ónimo ETL e e en e a Ex ai -T ans o ma -Ca ega . Es e p ocesso é
compos o po ês ases pa a combina dados de di e sas on es. Após a sua conclusão, os dados
são ca egados num
Da a Wa ehouse
ou
Da a Ma
.
Um es udo de 2011 da Bloombe g BusinessWeek Resea ch Se ices apon a que a
qualidade, in eg idade e consis ência dos dados ep esen am o maio desa io na adoção de
p ocessos de análises de dados. Ce ca de 70% do empo na implemen ação e manu enção de um
Da a Wa ehouse
é dedicado ao p ocesso de ETL (Beh end & Jö g, 2010).
Na e apa de ex ação, os dados são ecolhidos das di e en es on es e ans e idos pa a
uma á ea de p epa ação
(S aging A ea),
onde são a ados e selecionados. Pos e io men e, na
e apa de ans o mação, os dados são ajus ados pa a melho a a sua qualidade e consis ência.
Finalmen e, na e apa de ca ga, os dados são ca egados no
DW.
É undamen al que os dados
sejam a ados co e amen e du an e o p ocesso de ETL pa a ga an i a p ecisão das análises e
decisões baseadas neles.
Williams & Williams, 2007, desc e em as e amen as de ETL como madu as, eduzindo
o empo de desen ol imen o e ge indo o luxo de dados ao longo da cadeia de alo do BI. A
escolha de uma solução de ETL depende das necessidades e capacidades inancei as da emp esa
(M. Olszak & Ziemba, 2006). Além disso, as e amen as
OLAP (Online Analy ical P ocessing)
pe mi em consul as de dados e análises, acili ando a comp eensão das necessidades de negócio
a o ecidos pelos dados e con ibuindo pa a p ocessos de decisão baseados em ac os (Bu s ein
& Clyde, 2008).
Em esumo, o p ocesso de ETL é essencial na implemen ação de
BI
, ga an indo a
qualidade, in eg idade e consis ência dos dados pa a análises p ecisas e decisões undamen adas.
2.5.2 Da a Ma
Um
Da a Ma
é uma pa e de um
Da a Wa ehouse (DW)
di ecionada pa a os equisi os
especí icos de um depa amen o ou negócio, desen ol ida com base nas necessidades dos
u ilizado es inais (Inmon, 2005).
23
Cons uídos com modelos de dados mul idimensionais, ep esen ados em o ma de cubo,
os
Da a Ma s
seguem esquemas como o Esquema em Es ela, o Esquema Floco de Ne e (Kimball
& Ross, 2013).
Na modelação dimensional, o Esquema em Es ela é o modelo mais comum,
ca ac e izado pela edundância pa a melho a o desempenho do sis ema (Kimball & Ross, 2013).
Ou o modelo aplicado é o Esquema Floco de Ne e, semelhan e ao an e io , mas nes e
esquema, as Tabelas Dimensão podem e sub-dimensões p óp ias (Sidi e al., 2016).
As Tabelas Fac o a mazenam medidas de desempenho esul an es de e en os oco idos
na o ganização, como quan idade endida de um p odu o, enquan o as Tabelas Dimensão
desc e em quem, o quê, quando e onde esses e en os oco em (Kimball & Ross, 2013; Song e
al., 2001). É impo an e ga an i que odas as cha es es angei as nas Tabelas Fac o es ejam
co e amen e ligadas às cha es p imá ias das Tabelas Dimensão pa a ga an i a in eg idade
e e encial (Kimball & Ross, 2013) .
Em esumo, os
Da a Ma s
são elemen os c uciais em sis emas de
BI
, adap ados às
necessidades especí icas de cada depa amen o ou negócio, e elabo ados com base em modelos
de dados mul idimensionais como o Esquema em Es ela e o Esquema Floco de Ne e.
2.5.3 Sis emas de Apoio à decisão
Os sis emas de apoio à decisão, conhecidos como
Decision Suppo Sys ems (DSS)
em
inglês, são essenciais pa a melho a as omadas de decisão dos ges o es, ep esen ando ce ca de
10% das in es igações em sis emas de in o mação. Su gi am pela p imei a ez no abalho de
(Sco -Mo on, n.d.) e são de inidos como sis emas que apoiam a i idades de ges ão em decisões
semies u u adas ou não es u u adas. Os
DSS
isam melho a a e icácia da omada de decisões
humanas, cons i uindo uma iloso ia de desen ol imen o dos sis emas de in o mação.
Os Sis emas de Apoio à Decisão (SAD) azem pa e do conjun o de Sis emas de In o mação
emp esa iais. Eles di e em dos Sis emas de In o mação (SI) ao oca em-se no supo e a decisões
que eque em julgamen o humano, não o almen e supo adas po algo i mos. Os SAD ab angem
uma a iedade de sis emas e ecnologias, des inados a auxilia as pessoas na omada de decisões,
onde o u ilizado desempenha um papel c ucial.
24
Ambos os sis emas, DSS e SAD, são undamen ais pa a as emp esas, p opo cionando
supo e e o ien ação em di e en es ipos de decisões, desde semies u u adas a é aquelas que
eque em in e enção humana (A no & Pe an, 2014).
2.5.4 Da a Visualiza ion
A ualmen e, a ep esen ação isual ab ange odas as á eas, an o emp esa iais como do
quo idiano. Enquan o as ep esen ações isuais podem simpli ica a ansmissão de ac os e
pad ões complexos, ambém podem se con usas e, po ezes, enganosas (Engelbe sen &
Kennedy, 2020).
Con o me obse ado po Shada e e al., 2016 a isualização de dados implica ap esen a
in o mações de o ma pic ó ica ou g á ica, o nando-as mais acessí eis e auxiliando na
comp eensão e na iden i icação de ações ap op iadas. Es a p á ica, embo a não ecen e, emon a
ao século XIX, com William Play ai econhecido como pionei o na c iação de mé odos g á icos
mode nos, como g á icos ci cula es, de ba as e de linhas (F iendly & Waine , 2021).
Da a Visualiza ion em BI
Da a Visualiza ion
em
BI
isa mos a dados elacionados com negócios pa a p ocu a ,
ansmi i e analisa in o mações na omada de decisões emp esa iais (Munoz, 2017). Os obje i os
es ão cen ados na acilidade que os u ilizado es passam a e pa a isualiza em mé icas
p incipais de o ma ápida e cla a, além de p opo ciona uma manei a in e a i a de explo a os
dados. As an agens incluem acili a a ca ga cogni i a do p ocessamen o de in o mações, o nece
uma pe spe i a isual de conjun os de dados complexos, despe a a a enção do u ilizado pa a
á eas de in e esse e explo a o sis ema isual humano pa a ex ai in o mações adicionais (Munoz,
2017).
As ês o mas mais comuns de
BI da a isualiza ion
são: g á icos, elemen os isuais
baseados na localização, e
dashboa ds
. As e amen as como o
Mic oso Powe BI
são u ilizadas
pa a p oduzi esses elemen os isuais, pe mi indo aos u ilizado es moni o iza de pe o a
pe o mance do negócio e medi o p og esso em elação aos obje i os es abelecidos (Ong e al.,
2011).

25
Dashboa ds
Os
dashboa ds
são e amen as de isualização de dados amplamen e econhecidas nos
dias de hoje. Segundo Few (2006), são de inidos como exposições isuais da in o mação mais
impo an e necessá ia pa a alcança obje i os consolidados, dispos os num único ec ã pa a uma
lei u a ins an ânea. Um
dashboa d
consis e numa aplicação in eg ada de dados com elemen os
isuais e uma in e ace do u ilizado (
UI
), como desc i o po Munoz. Os dados ap esen ados
incluem mé icas,
Key Pe o mance Indica o s (KPIs)
e in o mação ex ual. Ou os elemen os
comuns nos
dashboa ds
são alo es pa a análise his ó ica, endências, dis ibuições, p e isões,
compa ações e elações (Munoz, 2017). C. J. Cos a & Apa icio, 2019, de endem a concen ação
da in o mação num único ec ã pa a acili a a moni o ização, enquan o (Few, 2006) iden i ica
p oblemas ípicos no design de
dashboa ds
, como excede os limi es do ec ã, e e encia con ex os
inadequados pa a os dados e mos a demasiados de alhes. Fa o es como dis ibuição, ca ga
cogni i a e in e a i idade dos elemen os isuais con ibuem pa a a e icácia de um
dashboa d
e o
alo que o e ece aos seus u ilizado es (Pappas & Whi man, 2011).
Segundo á ias on es, os
dashboa ds
podem se classi icados em ês ipos di e en es:
es a égico, ope acional e analí ico.
Os
dashboa ds
es a égicos são comumen e u ilizados em con ex os emp esa iais, com o
obje i o de comunicam o desempenho da emp esa em elação aos obje i os. Des acam medidas
de al o ní el de desempenho e p e isões, como compa ações com o passado ou me as (Pappas
& Whi man, 2011).
Po ou o lado, os
dashboa ds
ope acionais são p oje ados pa a con ola e ge i as
ope ações em empo eal ou em in e alos de empo mais cu os. São concebidos pa a uma ápida
análise isual, pe mi indo a iden i icação imedia a de po enciais p oblemas, endências e
opo unidades de melho ia (Pappas & Whi man, 2011).
Po im, os
dashboa ds
analí icos, os quais êm como obje i o p incipal de e a pad ões,
endências e elações em g andes conjun os de dados a a és de um p ocesso in e a i o. São
equen emen e u ilizados po analis as e in es igado es pa a explo a e analisa os dados em
p o undidade (Munoz, 2017).
O sucesso na isualização de dados, como obse ado po Kna lic (2015), eside na
capacidade de con a his ó ias po meio dos dados, um concei o conhecido como
da a s o y elling
.
26
A impo ância do con ex o, con o me discu ido po Kna lic (2015) é undamen al an es da
elabo ação de isualizações de dados pa a ap esen a in o mações quan i a i as. Adap a as
isualizações a um g upo especí ico é essencial pa a maximiza a e icácia da mensagem. Além
disso, comp eende o ní el écnico da audiência é decisi o no design das isualizações.
Kna lic (2015) des aca dois ipos de análise nesse con ex o: análise explo a ó ia e análise
explica i a. A análise explo a ó ia e e e-se ao abalho p elimina de comp eende os dados e
des aca o que pode se ú il ano a , enquan o a análise explica i a isa ansmi i uma mensagem.
Exis em di e sos ipos de isualizações, desde ex o simples a é abelas, g á icos e mapas,
como des acado po Deacon e al. (2020).
No con ex o de isualização de dados emp esa iais, os g á icos são ocados em exibi
alo es quan i a i os, como
KPIs
e ou as mé icas (Munoz, 2017). A escolha do g á ico depende
dos dados e da in o mação a se comunicada ao u ilizado .
Exis em qua o ipos p incipais de g á icos comumen e u ilizados:
• G á icos de Compa ação: auxiliam compa ação de alo es ao longo do empo e
iden i ica endências. Os exemplos comuns incluem
o ba cha , o line cha e o
ba line cha
(Dijk, 2015).
• G á icos de Composição: ajudam os u ilizado es a isualiza como uma pa e dos
dados se compa a ao odo. Os exemplos incluem o
pie/doughnu cha , o s acked
ba cha e o s acked a ea cha
(Dijk, 2015).
• G á icos de Dis ibuição: pe mi em que os u ilizado es iden i iquem acilmen e a
o ma ou endência dos dados. Como exemplos comuns emos o
his og am,
o
ba
cha
e os mapas em caso de dados geog á icos.
• G á icos de Relações: ajudam os u ilizado es a isualiza co elações e elações
nos dados. En e os exemplos incluem-se
sca e plo s, bubble cha s e g ouped
ba cha s
.
Con o me apon ado po C. J. Cos a & Apa icio (2019), os g á icos de em ap esen a os
dados de modo que o espe ado es eja ocado na subs ância em ez do design g á ico, me odologia
ou ecnologia.
27
A isão é o sen ido humano mais dominan e, com ap oximadamen e 70% dos ece o es
senso iais dedicados a ela (Few, 2006). Nes a seção, se ão abo dados os p incípios da
Ges al e
os p ea en i e a ibu es
como e amen as de pe ceção isual.
• P incípio da P oximidade: O cé eb o ende a ag upa na u almen e elemen os
p óximos em conjun os, o que pode se u ilizado pa a des aca pad ões (Kna lic,
2015).
• P incípio da Simila idade: Obje os com ca a e ís icas semelhan es, como
amanho, co e o ma, são pe cebidos como pa e do mesmo g upo (Shada e e
al., 2016).
• P incípio do Enclausu amen o: Pe cebidos como pe encen es a um g upo
especí ico, podendo se des acados com o uso de somb as e ma gens (Kna lic,
2015).
• P incípio do Ence amen o: Remo e elemen os desnecessá ios des aca os dados
que se deseja ap esen a (Kna lic, 2015).
• P incípio da Con inuidade: Os olhos endem a p ocu a o caminho mais ácil ao
depa a em-se com um obje o, c iando a ideia de con inuidade, mesmo que es e
não exis a isicamen e (Kna lic, 2015).
• P incípio da Conexão: Elemen os isualmen e conec ados são pe cebidos como
es ando elacionados ou ag upados (Shada e e al., 2016).
2.5.5 Requisi os
As o ganizações êm uma necessidade cada ez maio de in o mação pa a consegui em
a a os p oblemas a uais e u u os com apidez e qualidade (S. Cos a & San os, 2012). Es a
in o mação é p eciosa, pois pe mi e que aquelas ajam de uma o ma mais p uden e e e icaz
pe an e os p oblemas que possam se de e ados, ou a é mesmo p e is os. No en an o, é
necessá io que um sis ema de
BI
siga alguns equisi os, ga an indo a e icácia do sis ema
desen ol ido (Kimball & Ross, 2013).
No ambien e dinâmico das o ganizações, a consis ência da in o mação é c ucial pa a
ga an i a con iabilidade das análises e decisões. Ao in eg a dados de di e en es on es num
28
sis ema de
Business In elligence (BI)
, é possí el assegu a a iabilidade da in o mação e das
análises esul an es (S. Cos a & San os, 2012).
Além disso, o
iming
da disponibilidade da in o mação desempenha um papel undamen al
na melho ia do desempenho o ganizacional. As in o mações con iá eis e opo unas p opo cionam
à emp esa uma an agem compe i i a, pe mi indo a an ecipação e mi igação de po enciais
p oblemas (S. Cos a & San os, 2012).
A acessibilidade da in o mação ambém é um aspe o essencial a conside a . Um sis ema
de
BI
de e possui uma in e ace amigá el, o e ecendo uma análise i e a i a e simples que aduza
e icazmen e os dados em in o mações pe inen es pa a a o ganização (Tu ban e al., 2014). A
capacidade de analisa o desempenho de p ocessos, se o es ou da o ganização como um odo,
de e se simpli icada a a és da ap esen ação di e a e comp eensí el das in o mações.
Po im, a segu ança da in o mação é uma p eocupação cen al, dada a sensibilidade dos
dados a mazenados em um
Da a Wa ehouse (DW).
To na-se undamen al que esses dados sejam
pa ilhados apenas com as en idades ap op iadas, de aco do com as polí icas de segu ança
es abelecidas (S. Cos a & San os, 2012). Ga an i a con idencialidade e in eg idade dos dados é
essencial pa a p o ege os in e esses da o ganização e man e a con iança dos
s akeholde s
.
35
Figu a 10 - C iação da A ea S aging - AW2019_S aging (Fon e P óp ia)
Pos e io men e, inicia-se o p ocesso de c iação de odas as abelas p esen es na base de
dados desca egada. Como já explicado, es a base de dados é compos a po um o al de 68
abelas, ag upadas em di e en es ca ego ias, como Recu sos Humanos, Pessoas, P odução e
Vendas. Es a di isão não oi eplicada na á ea de
s aging
, uma ez que não se conside ou
necessá io. A Figu a 11 demons a um exemplo de código pa a a c iação de uma das abelas,
sendo possí el consul a odo o código no ópico "Anexo II – C iação das abelas da A ea S aging
- AW2019_S aging ".
Figu a 11 - C iação da abela "S g_Depa men " na A ea S aging (Fon e P óp ia)

36
3.4.3 Da a Ma
Após uma análise ap o undada da base de dados o iginal e dos equisi os iden i icados, a
mesma oi eduzida de 68 pa a 14 abelas. Es a edução signi ica i a en ol eu a in eg ação de
in o mações de múl iplas abelas em abelas uni icadas, e le indo a ansição de uma á ea de
s aging
pa a um
da a ma
.
O p imei o passo nes e p ocesso oi iden i ica as elações e as possí eis in eg ações de
in o mação en e abelas, ga an indo a manu enção da o ganização e coe ência dos dados. Com
es as ligações de idamen e es abelecidas, p ocedeu-se à elabo ação das no as abelas.
G aças à limpeza de in o mação que não e a ú il pa a o p oje o e à ag egação de abelas,
a base de dados passou a se di idida en e os assun os: Recu sos Humanos, Vendas, Comp as
e P odução. Es a eo ganização oi necessá ia po que os equisi os ambém di idem os dados
nes es qua o g andes emas.
Es a no a es u u a simpli icada e o imizada acili a o acesso e a análise dos dados,
p opo cionando um pano ama mais e icien e e alinhado com os equisi os especi icados. As no as
abelas o am p oje adas pa a pe mi i a in eg ação de dados de á ias on es, assegu ando uma
isão ab angen e e consis en e da in o mação disponí el.
À semelhança das an e io es, es a e apa do p oje o inicia-se com a c iação de uma no a
base de dados “
AW2019_DW
” (Figu a 12).
Figu a 12 - C iação da DW - AW2019_DW (Fon e P óp ia)
37
A Figu a 13 ap esen a um exemplo de código da c iação de uma das abelas. Pa a analisa
o código de odas as abelas c iadas nes a base de dados, de e-se consul a o pon o Anexo II –
C iação das abelas da DW - AW2019_DW.
Figu a 13 - C iação da abela "Dim_Colabo ado " na DW (Fon e P óp ia)
É impo an e essal a que al como mencionado ao longo da e isão da li e a u a, o
obje i o é que es a base de dados seja inse ida no
Powe BI
, sendo, po an o, c ucial que o modelo
seja comp eendido po essa e amen a. Pa a al, o modelo concep ual de e se em es ela ou em
loco de ne e, e isso ambém oi ido em con a ao longo do desen ol imen o do
Da a Wa ehouse
.
Nes e modelo, uma abela de ac os cen al é conec ada a á ias abelas de dimensão. A
abela ac ual a mazena os dados quan i a i os sob e o negócio, enquan o as abelas de dimensão
a mazenam os a ibu os desc i i os elacionados às dimensões do negócio.
No con ex o des e p oje o, as abelas de dimensão e de ac os es ão ca ego icamen e
nomeadas pa a acili a a iden i icação e a u ilização no
Powe BI
e in e p e ação do u ilizado . Po
exemplo, a dimensão do colabo ado é ep esen ada pela abela "Dim_Colabo ado ", enquan o
uma abela ac ual é ep esen ada po "Fac _PVC". Is o é, as abelas dimensão ap esen am o
p e ixo “Dim_” enquan o as ac uais ap esen am o p e ixo “Fac ”. Es a nomencla u a cla a e
es u u ada ajuda na o ganização e na in e p e ação dos dados, ga an indo uma in eg ação mais
e icien e e comp eensí el. Dessa o ma, ao u iliza o modelo em es ela ou em loco de ne e, é
possí el o imiza a análise e a isualização dos dados, o nando o p ocesso mais in ui i o e
e icien e pa a os u ilizado es inais.
38
3.4.4 Ca egamen o de Dados
A in eg ação en e
SSIS
e
SQL Se e
pa a ca ega abelas é um p ocesso es u u ado
onde o SSIS a ua como a e amen a de ETL pa a mo e dados de á ias on es pa a o
SQL Se e
.
Es e p ocesso en ol e á ias e apas. P imei amen e, os dados são ex aídos de ou as bases de
dados. Em seguida, esses dados passam po uma ans o mação, onde podem se limpos,
ag egados, ou combinados de manei as especí icas pa a a ende aos equisi os do negócio. Po
im, os dados ans o mados são ca egados nas abelas de des ino no
SQL Se e
.
Du an e es e p ocesso, o
SSIS
u iliza uma sé ie de componen es como
Da a Flow Tasks
,
que ge am a ex ação, ans o mação e ca egamen o dos dados. Conexões são es abelecidas
en e os paco es
SSIS
e o
SQL Se e
pa a pe mi i a ans e ência de dados. Além disso, o
SSIS
pode implemen a ansações pa a ga an i a in eg idade dos dados du an e o ca egamen o, bem
como u iliza checkpoin s pa a e oma o p ocesso onde pa ou em caso de alhas.
Es a in eg ação obus a e lexí el acili a a manu enção e a execução e icien e dos
p ocessos de ETL, ga an indo que os dados sejam mo idos e ans o mados consoan e o
necessá io, enquan o se man ém um egis o de alhado de odas as ope ações ealizadas.
P ocesso de logs
Pa a um maio con olo des e luxo é ecomendado c ia o p ocesso de
logs
. Es e p ocesso
en ol e a cap u a e o a mazenamen o de in o mações de alhadas sob e a execução de paco es
SSIS
. Esses
logs
são essenciais pa a supe isiona , co igi e audi a os p ocessos de ETL (
Ex ac ,
T ans o m, Load
). Du an e a execução de paco es
SSIS
, e en os como início e im de a e as,
e os, a isos e in o mações pe sonalizadas podem se egis ados. Es es
logs
são a mazenados no
SQL Se e
numa abela especí ica, pe mi indo uma análise de alhada do desempenho e
compo amen o dos paco es, já que cada ca egamen o se á um no o egis o nes a abela. Pa a
implemen ação des e p ocesso é necessá io c ia a abela onde se ão a mazenados es es dados
e dois p ocedimen os (
S o ed P ocedu es
). O p imei o (
C ea e_log
) em po inalidade inse i um
egis o na abela de
logs
indicando o início de um p ocesso ou a e a. Es a
s o ed p ocedu e
pode
inclui pa âme os como o nome, a da a e ho a de início bem como ou as in o mações ele an es.
Já o segundo (
Close log
) de e á a ualiza o egis o de
log
com in o mações de im, como a da a e
ho a do im e o es ado inal do p ocesso. Es as duas
s o ed p ocedu e
de e ão se execu adas
39
semp e que exis i um ca egamen o de dados, ou seja, semp e que um paco e do
SSIS
ambém
o execu ado. O código comple o des e p ocesso es á disponí el no Anexo III – P ocesso de logs.
Figu a 14 - C iação da abela de logs na base de dados AW2019_S aging (Fon e P óp ia)
Figu a 15 - S o ed P ocedu e - c ea e log (Fon e P óp ia)
40
Figu a 16 - S o ed P ocedu e - close log (Fon e P óp ia)
Ca egamen o das abelas da A ea S aging
O
SSIS
encon a-se disponí el no
Visual S udio
com a ex ensão de
In eg a ion Se ices
P ojec
, opção disponí el quando se seleciona um no o p oje o.

41
Figu a 17 - No o p oje o In eg a ion Se ices P ojec (SSIS) no Visual S udio (Fon e P óp ia)
Figu a 18 - C iação do p oje o "Ad en u eWo ks2019" de "In eg a ion Se ices P ojec " no Visual S udio (Fon e
P óp ia)
Pa a ga an i um maio con olo sob e os p ocessos de ca egamen o, de e-se egis a o
início e o im de cada package na abela de
logs
, con o me já explicado an e io men e.
Pos o is o, odos os
packages
de em inicia -se e e mina com a execução das
s o ed
p ocedu es
e e en es ao início e im de um
log
. Pa a isso, o p imei o passo é c ia as a iá eis
necessá ias pa a o e ei o (Figu a 19):
• COD_DIA_FIM – Regis a o im da execução do ca egamen o de dados;
• COD_DIA_INI – Regis a o início da execução do ca egamen o de dados;
• COD_DTS – Indica a abela de des ino, onde são ca egados os dados;
• COD_MODULO – Indica a que á ea pe ence, no caso, é a á ea
s aging
(
s g
);
• DESC_DTS – Desc ição da ação e do local onde os dados são ca egados;
42
• ID_LOG – Cada ca egamen o em um Id único associado, es a a iá el c ia esse
Id.
• TABELA_DESTINO – Es a a iá el só é c iada pa a acili a a c iação dos
packages, uma ez que são semp e iguais no que oca às a iá eis, bas a aze
uma cópia do an e io e al e a es a a iá el pa a a no a abela que ai se
ca egada.
Figu a 19 - Exemplo de c iação de um package SSIS – A ea S aging - Va iá eis pa a o p ocesso de logs (Fon e P óp ia)
Pos e io men e, c ia-se a
Task
onde a
s o ed P oceu e
e e en e ao início de um
log
se á
execu ada (Figu a 20). Den o des a
Task
é necessá io adiciona uma conexão com a base de
dados onde se encon a o p ocesso de
logs
-
AW2019_S aging
(Figu a 21) e pa ame iza
de idamen e as a iá eis c iadas (Figu a 22).
43
Figu a 20 - Exemplo de c iação de um package SSIS – A ea S aging – Adiciona ask do início do p ocesso de logs
(Fon e P óp ia)
Figu a 21 - Exemplo de c iação de um package SSIS – A ea S aging – Adiciona conexão à base de dados -
AW2019_S aging (Fon e P óp ia)
44
Figu a 22 - Exemplo de c iação de um package SSIS – A ea S aging – Pa ame ização das Va iá eis do P ocesso de
Início de logs (Fon e P óp ia)
O obje i o p incipal é c ia um espelho da base de dados “
Ad en u eWo ks2019
” na
“
AW2019_S aging
”. Pa a isso, semp e que os dados o em ca egados, é necessá io limpa
p e iamen e os dados exis en es nas abelas de
s aging
, u ilizando o código
TRUNCATE TABLE
.
Des a o ma e i a-se a duplicação de dados. Nou os casos ambém se cos uma elimina apenas
uma pa e da abela, mas nes e p oje o não se aplica po que se p e ende c ia his ó ico.
Pa a es e p ocesso c ia-se uma a iá el “EXPR_TRUNCATE_TABLE” (Figu a 23). Apenas
com o in ui o de acili a a c iação dos p óximos ca egamen os, à semelhança da a iá el
“TABELA_DESTINO”.
51
que a e apa de conexão às bases de dados só se ealiza na p imei a ez. Seguindo es a p á ica,
ga an e-se que o ca egamen o de dados nas abelas de
s aging
seja e icien e e con olado,
pe mi indo uma eplicação iel dos elemen os da base de dados “
Ad en u eWo ks2019
” na
“
AW2019_S aging
”.
Figu a 33 - Exemplo de c iação de um package SSIS – A ea S aging – Execução do pa a a abela S g_Add ess (Fon e
P óp ia)
Figu a 34 - Exemplo de c iação de um package SSIS – A ea S aging – Resul ado da abela dos egis os de
ca egamen o (Fon e P óp ia)

52
Figu a 35 - Exemplo de c iação de um package SSIS – A ea S aging – Visão o al do p ocesso (Fon e P óp ia)
Ca egamen o das abelas do Da a Ma – DW
Es e ca egamen o pode se desen ol ido no mesmo p oje o das abelas da
A ea S aging
.
À semelhança do an e io , os ca egamen os des a á ea de em começa pelo início da c iação de
um log. Pa a isso, é necessá io eplica esse mesmo passo.
No
SSIS (SQL Se e In eg a ion Se ices),
o p ocesso de a amen o de egis os
"inde inidos" pa a e i a a duplicação de dados é uma écnica e es a égia usada pa a ga an i
que cada egis o inse ido seja único, e i ando duplicações indesejadas. Como se a a de
dimensões o id da abela de e se único, uma ez que es e p ocesso ga an e que isso acon eça.
Pa a is o é necessá io adiciona duas a iá eis SQL_DEL_IND e a SQL_INS_IND (Figu a 36), a
p imei a e á a unção de elimina alo es e a segunda de os inse i .
53
Figu a 36 - Exemplo de c iação de um package SSIS – Da a Ma - Va iá eis pa a o p ocesso de inde inidos (Fon e
P óp ia)
Figu a 37 - Exemplo de c iação de um package SSIS – Da a Ma - Task pa a o p ocesso de elimina inde inidos (Fon e
P óp ia)
Pelas mesmas azões explicadas an e io men e, no ca egamen o da á ea
s aging
,
ambém é necessá io elimina odos os egis os da abela an es de a ca ega com no os dados
(Figu a 38).
54
Figu a 38 - Exemplo de c iação de um package SSIS – Da a Ma - Va iá el “EXPR_TRUNCATE_TABLE” (Fon e P óp ia)
Consoan e mencionado an e io men e, a composição das colunas das abelas Dimensão
e Fac ual esul a da junção de á ias abelas da á ea de
s aging
. De ido a isso, o ca egamen o
dessas abelas não pode se ealizado apenas a a és de um simples mapeamen o en e as
colunas das abelas en ol idas. A solução encon ada oi u iliza a ins ução
MERGE INSERT
, que
é execu ada a a és da a iá el “EXPR_MERGE” (Figu a 39 e Figu a 40). Todos os códigos
u ilizados nes e p ocesso es ão disponí eis pa a consul a no pon o Anexo V – Ca egamen o das
abelas – Da a Ma – AW2019_DW em linguagem SQL.
55
Figu a 39 - Exemplo de c iação de um package SSIS – Da a Ma - Va iá el “EXPR_MERGE” (Fon e P óp ia)
Figu a 40 - Exemplo de c iação de um package SSIS – Da a Ma - Task pa a o ca egamen o de dados (Fon e P óp ia)
Após o ca egamen o dos dados, é necessá io conclui o p ocesso de a amen o dos
egis os "inde inidos" pa a ga an i a in eg idade e a unicidade dos elemen os na base de dados.
Esse p ocedimen o isa e i a duplicações e assegu a que cada egis o seja único (Figu a 41).
56
Figu a 41 - Exemplo de c iação de um package SSIS – Da a Ma - Task pa a o p ocesso de inse i inde inidos (Fon e
P óp ia)
Tal e qual como pa a o ca egamen o da á ea
S aging
, es e p ocesso ambém e mina
com o im do p ocedimen o de
logs
que se á egis ado na mesma abela
“s gx_log_ca egamen o”.
O p ocedimen o explicado pa a o ca egamen o de odas as abelas do
da a ma
segue
semp e o mesmo pad ão. Po an o, nes e p oje o, oi especi icado apenas um exemplo de como
es e p ocesso é ealizado, de alhando os passos essenciais.

57
Figu a 42 - Exemplo de c iação de um package SSIS – Da a Ma – Execução do pa a a abela Dim_Clien e (Fon e
P óp ia)
Figu a 43 - Exemplo de c iação de um package SSIS – Da a Ma – Resul ado da abela dos egis os de ca egamen o
(Fon e P óp ia)
Figu a 44 - Exemplo de c iação de um package SSIS – Da a Ma – Visão o al do p ocesso (Fon e P óp ia)
58
3.4.5 C iação de Views
A c iação de
iews
é uma e apa c ucial na p epa ação de dados pa a o
Powe BI
. Essas
consul as
SQL
simpli icam e consolidam dados complexos, o nando-os acessí eis pa a análise,
são uma p á ica ecomendada pa a o ganiza , simpli ica e p o ege os dados, o necendo uma
base sólida pa a análises e icazes no
Powe BI
. Como a lógica do código de odas as
iews
é
simila , apenas é demons ado um exemplo. Con udo o código encon a-se comple o no pon o
Anexo VI – C iação de Views – Da a Ma – AW2019_DW
Figu a 45 - Exemplo de código SQL de c iação de iews
3.5 Visualização de Dados
A ase de isualização de dados iniciou-se com a c iação de um logo ipo (Figu a 46) que
ep esen a á isualmen e a iden idade da
Ad en u e Wo ks
. Es e logo ipo oi concebido a pa i de
uma imagem encon ada na
in e ne
, a qual oi pe sonalizada e adap ada especi icamen e pa a
es e p oje o.
Figu a 46 - Logo ipo da Ad en u eWo ks 2019 (Fon e P óp ia)
59
Es a ase ambém en ol eu a seleção cuidadosa de uma pale a de co es, que desempenha
um papel c ucial na comunicação isual e na comp eensão dos dados ap esen ados. As co es
escolhidas pa a a Ad en u e Wo ks (Figu a 47) o am selecionadas pa a ga an i cla eza, coesão
e apelo isual, acili ando a in e p e ação dos dados e des acando as in o mações mais ele an es.
3.5.1 Impo ação de Dados
Pa a impo a os dados da base de dados
AW2019_DW
pa a o
Powe BI
, u iliza-se a on e
de dados "
SQL Se e
". Nessa on e, é necessá io inse i o se ido e a base de dados que se
deseja acede . Em seguida, selecionam-se as abelas que se ão u ilizadas no p oje o. Es a
abo dagem pe mi e que o
Powe BI
se conec e di e amen e à base de dados, acili ando a
impo ação e a análise dos mesmos.
Figu a 47 - Pale e de Co es do P oje o (Fon e P óp ia)
60
Figu a 48 - Ligação à on e de dados SQL Se e - Powe BI (Fon e P óp ia)
Figu a 49 - Seleção das abelas pa a análise (Fon e P óp ia)
Nes a ase, a única ans o mação de dados ealizada no
Powe Que y
oi a al e ação de
algumas colunas que e am do ipo
Da eTime
pa a o ipo
Da e
. Es e passo é essencial pa a e i a
p oblemas u u os ao elaciona essas colunas com a coluna “
Da e
” da abela “Dim_Tempo”. A
impo ância des a abla assim como a sua elabo ação es ão explicadas no início do pon o 3.5.2.
Desen ol imen o Powe BI.
67
Figu a 58 - Ap esen ação da página "Fo necedo es" da á ea das Comp as (Fon e P óp ia)
Figu a 59 - Ap esen ação da página "Tabela de Pesquisa" da á ea das Comp as (Fon e P óp ia)
P odução
Tal como nas an e io es, es a análise inicia-se com uma isão ge al. Nes a seção, é
possí el alida a quan idade encomendada, p oduzida e ejei ada, além de pe mi i ealiza
compa ações en e os cus os planeados e eais, en e ou as possí eis análises. Em seguida,
ap esen a-se uma análise de alhada da p odu i idade, onde se a aliam alo es ela i os à
disponibilidade, qualidade, p odu i idade e e iciência global, assim como ou os des aques

68
conside ados ele an es. Po úl imo, o am c iadas mais duas páginas: uma que ep esen a
g a icamen e as o dens de p odução e ou a que é a abela de pesquisa, seguindo o mesmo
modelo dos emas an e io es.
Figu a 60 - Ap esen ação da página "Ge al" da á ea da P odução (Fon e P óp ia)
Figu a 61 - Ap esen ação da página "P odu i idade" da á ea da P odução (Fon e P óp ia)
69
Figu a 62 - Ap esen ação da página "O dens de P odução" da á ea da P odução (Fon e P óp ia)
Figu a 63 - Ap esen ação da página "Tabela de Pesquisa" da á ea da P odução (Fon e P óp ia)
Vendas
No que oca às endas, p e ende-se ob e uma isão ge al que ab ange o alo das endas,
a quan idade e as o dens de enda, en e ou as mé icas. A análise das endas é di idida em
mais qua o páginas. A p imei a página é dedicada à análise do ca inho de comp as, pe mi indo
comp eende quais os p odu os que cos umam se comp ados em conjun o, com a possibilidade
de análise an o po e i ó io como po p odu o especí ico. Em seguida, ap esen a-se a análise
das o dens de enda, com compa ações en e pe íodos homólogos. Pos e io men e, oi cons uída
70
uma página ocada na elação en e endedo es e clien es, a aliando o alo mone á io, a
localização e a assiduidade das in e ações. Po úl imo, es á disponí el uma abela de pesquisa
com as mesmas uncionalidades das análises an e io es, mas adap ada ao ema das endas,
pe mi indo uma consul a de alhada e pe sonalizada.
Figu a 64 - Ap esen ação da página "Ge al" da á ea de Vendas (Fon e P óp ia)
Figu a 65 - Ap esen ação da página "Ca inho de Comp as" da á ea de Vendas (Fon e P óp ia)
71
Figu a 66 - Ap esen ação da página "Clien es & Vendedo es" da á ea de Vendas (Fon e P óp ia)
Figu a 67 - Ap esen ação da página " Tabela de Pesquisa” da á ea de Vendas (Fon e P óp ia)
72
Figu a 68 - Ap esen ação da página "Tabela de Pesquisa – O dem de Vendas" da á ea de Vendas (Fon e P óp ia)
Ge al
A página ge al ag upa os qua o emas p incipais. Es a página é p oje ada pa a se a p imei a
consul a pa a qualque pessoa que não pe ença a um depa amen o especí ico, o e ecendo uma
isão ab angen e e consolidada do desempenho ge al da emp esa. Ela acili a a comp eensão dos
p incipais indicado es inancei os e ope acionais, se indo como um pon o de pa ida essencial
pa a uma análise mais de alhada em á eas especí icas. Todas as medidas u ilizadas nes a página
do ela ó io o am c iadas nos âmbi os an e io es.
Figu a 69 - Ap esen ação da página Ge al (Fon e P óp ia)

73
Página Inicial
A página inicial do p oje o unciona como a capa, o e ecendo a opção de seleciona o ema
desejado pa a acesso p io i á io. Além disso, disponibiliza o manual de écnico pa a auxilia os
u ilizado es, caso necessá io. Essa página se e como pon o de en ada cen alizada,
p opo cionando uma na egação in ui i a e acili ando o acesso ápido a in o mações ele an es.
Pa a além dis o, es a página con ém o manual de u ilização do documen o onde é explicado
de alhadamen e cada medida c iada no p oje o, com o in ui o de simpli ica e agiliza qualque
dú ida do u ilizado inal. É p oje ada pa a ga an i uma expe iência luida e e icien e pa a odos
os u ilizado es do
Powe BI
.
Figu a 70 - Ap esen ação da página Inicial (Fon e P óp ia)
Acesso ao link do Manual de Técnico – Manual de Técnico.
Pa a ence a es e ópico, 3.5.2 Desen ol imen o Powe BI, al a apenas ealiza um
esumo dos ape eiçoamen os aplicados na e amen a, consoan e pode se e i icado na Figu a
71.
74
Figu a 71 - Resumo dos Desen ol imen os no Powe BI (Fon e P óp ia
75
4 Aplicação do Modelo
Es e capí ulo em como obje i o analisa a aplicabilidade do p oje o desen ol ido no
con ex o emp esa ial, com oco pa icula na implemen ação de um
Da a Wa ehouse
. Pa a
alcança esse p opósi o, o am conduzidas en e is as com di e sos p o issionais da á ea,
consul o es e ges o es de emp esas de di e en es ipos: duas que já possuem um
Da a Wa ehouse
em uncionamen o, ou a que ainda não e e qualque con a o com essa ecnologia e es á numa
ase inicial de ans o mação digi al. Além disso, uma qua a en e is a oi ealizada com um di e o
come cial especializado na á ea de modo a ambém e a pe spe i a de quem ende es e ipo de
se iços.
A me odologia p opos a pa a a implemen ação do
Da a Wa ehouse
(DW) oi desen ol ida
com base nas melho es p á icas da á ea de
Business In elligence
, di idindo o p ocesso em e apas
cla as e eplicá eis. O obje i o da abo dagem e a que o ela ó io desen ol ido osse possí el de
aplica como um odo ou apenas alguns emas, e consegui com que a maio ia das emp esas se
iden i icasse com esses emas. Esse equilíb io assegu a que di e en es emp esas,
independen emen e de sua ma u idade digi al ou se o , possam ex ai alo do ela ó io, aplicando
as ecomendações e insigh s às suas ealidades especí icas. Daí a impo ância de di e sidade e
ao mesmo empo p o undidade dos emas. As e apas da me odologia incluem um diagnós ico
p incipal e le an amen o de equisi os, a escolha da a qui e u a a implemen a , os p ocessos de
ETL, desen ol imen o de ela ó ios. Num p oje o com um clien e inal especí ico se ia impo an e
inco po a ainda uma ase de es es e ou a de o mação aos u ilizado es inais e, assim, ga an i
uma maio segu ança nos dados do p oje o.
Na p imei a e apa, o le an amen o de equisi os oi ealizado pa a iden i ica as
necessidades emp esa iais e pe sonaliza o
Da a Wa ehouse
. O p incipal desa io oi a al a de
conhecimen o p o undo sob e os dados disponí eis, di icul ando a iden i icação de á eas de
in e esse.
Na segunda ase, oi idealizada a es u u a do
Da a Wa ehouse
, de inindo o modelo de
dados com base nas in o mações an e io es e escolhendo en e as a qui e u as em es ela ou
loco de ne e. Os p incipais desa ios o am ga an i escalabilidade e possibili a a e olução des e
da a wa ehouse
.
76
O p ocesso de ETL oi au oma izado com o uso do
SQL Se e In eg a ion Se ices
(SSIS).
Du an e es a ase, ga an iu-se que as ans o mações de dados espei assem eg as de negócios
especí icas, man endo a qualidade das in o mações. A maio di iculdade en en ada oi a g ande
quan idade de dados e o empo despendido pa a o ganiza e es u u a essa in o mação. Pa a
mi iga a asos e ga an i a in eg idade dos dados, o am es abelecidos p azos lexí eis e um
sis ema de con olo con ínuo du an e o p ocesso de ETL, pe mi indo ajus es ápidos e e icazes
con o me necessá io.
Após a implemen ação do
Da aWa ehouse
, oi cons uído o ela ó io no
Powe BI
,
pe mi indo análises in ui i as dos dados. E a impo an e que o ela ó io abo dasse as ques ões de
negócio iden i icadas an e io men e, assegu ando uma isualização cla a dos indicado es-cha e
de desempenho (KPIs). Pa a lida com os desa ios de pe sonalização e e i a sob eca ga de
in o mações, oi desen ol ida uma página ge al com abelas de pesquisa que pe mi em seleciona
sub emas, acili ando ambém a expo ação de dados quando necessá io.
As en e is as abo da am uma a iedade de ópicos, começando com a ap esen ação do
p oje o desen ol ido, seguida po ques ões sob e a ele ância e a necessidade de um
Da aWa ehouse
, os p incipais desa ios associados à sua implemen ação, as compe ências e
condições exigidas, a ges ão in e na dos p ocessos, e os obs áculos en en ados ao longo do
caminho. Po im, o am discu idas algumas ques ões adicionais e suges ões de melho ia.
O obje i o das en e is as oi cap a as opiniões e pe ceções ace ca do an es e após a
implemen ação de um
Da aWa ehouse
, bem como ob e
insigh s
aliosos de p o issionais com
as a expe iência na á ea. É possí el consul a as en e is as em po meno no Anexo XIII –
En e is as.
Os en e is ados des aca am a impo ância dos
dashboa ds
e
da a
wa ehouses
na omada
de decisão. A u ilização dos
dashboa ds
pe mi e uma análise de dados mais acessí el, acili ando
a comp eensão mesmo pa a quem em pouca expe iência em análise de dados. Es es
ins umen os são essenciais pa a con ola o negócio, apoia decisões in o madas, compa a
dados his ó icos e aça es a égias u u as, mesmo em o ganizações com menos expe iência em
Business In elligence.
Hou e consenso en e os en e is ados quan o à necessidade de um
da a
wa ehouse
pa a assegu a a compe i i idade e e iciência das emp esas. Es e é conside ado
essencial pa a o desen ol imen o de in eligência a i icial, alidação de dados, cen alização e
83
Ga ne Resea ch. (2008). "Ga ne EXP Wo ldwide Su ey o 1,500 CIOs Shows 85 Pe cen o CIOs
Expec “Signi ican Change” O e Nex Th ee Yea s”.
Ga ne Resea ch
.
Ga ne Resea ch. (2009). Ga ne EXP Wo ldwide Su ey o Mo e han 1,500 CIOs Shows IT Spending o
Be Fla in 2009.".
Ga ne Resea ch
.
G öge , C., Hillmann, M., Hahn, F., Mi schang, B., & Wes kämpe , E. (2013). The ope a ional p ocess
dashboa d o manu ac u ing.
P ocedia CIRP
,
7
, 205–210.
h ps://doi.o g/10.1016/j.p oci .2013.05.035
Gua da, T., San os, M., Pin o, F., Augus o, M., & Sil a, C. (2013a). Business In elligence as a Compe i i e
Ad an age o SMEs.
In e na ional Jou nal o T ade, Economics and Finance
, 187–190.
h ps://doi.o g/10.7763/ij e .2013. 4.283
Gua da, T., San os, M., Pin o, F., Augus o, M., & Sil a, C. (2013b). Business In elligence as a Compe i i e
Ad an age o SMEs.
In e na ional Jou nal o T ade, Economics and Finance
, 187–190.
h ps://doi.o g/10.7763/ij e .2013. 4.283
Gyulai, D., Be gmann, J., Gallina, V., & Gaal, A. (2020). Towa ds a connec ed ac o y: Shop- loo da a
analy ics in cybe -physical en i onmen s.
P ocedia CIRP
,
86
, 37–42.
h ps://doi.o g/10.1016/j.p oci .2020.01.016
H. P. Luhn. (1958). A Business In elligence Sys em.
IBM Jou nal o Resea ch and De elopmen
,
2
, 314–
319. h ps://ieeexplo e.ieee.o g/documen /5392644
Inmon, W. H. (2005).
Building he Da a Wa ehouse
.
h ps://books.google.p /books/abou /Building_ he_Da a_Wa ehouse.h ml?id=QFKTmh5IFS4C& ed
i _esc=y
Ins i u o Nacional de Es a ís ica. (2020).
Emp esas em Po ugal-2020
.
h ps://www.ine.p /xpo al/xmain?xpid=INE&xpgid=ine_publicacoes&PUBLICACOESpub_boui=154
13305&PUBLICACOESmodo=2
Inyang, B. J. (2013). De ining he Role Engagemen o Small and Medium-Sized En e p ises (SMEs) in
Co po a e Social Responsibili y (CSR).
In e na ional Business Resea ch
,
6
(5).
h ps://doi.o g/10.5539/ib . 6n5p123
Jagielska, I., Da ke, P., & Zaga i, G. (2003). Business in elligence sys ems o decision suppo :
Concep s, p ocesses and p ac ice.
Con e ence o he In e na ional Socie y o Decision Suppo
Sys ems
, 215–228.
Ka im, A. J. (2011). The alue o Compe i i e Business In elligence Sys em (CBIS) o S imula e
Compe i i eness in Global Ma ke . In
In e na ional Jou nal o Business and Social Science
(Vol. 2,
Issue 19).
h ps://www.academia.edu/7603065/The_ alue_o _Compe i i e_Business_In elligence_Sys em_
CBIS_ o_S imula e_Compe i i eness_in_Global_Ma ke
Kasim, T., Zijad, D., Mahi , H., & Me ima, H. (2018). The use o business in elligence (BI) in small and
medium-sized en e p ises (SMEs) in Bosnia and He zego ina.
Economic Re iew
.
Kimball, R., & Ross, M. (2002).
The Da a Wa ehouse Toolki : The Comple e Guide o Dimensional
Modeling
. h p://a emisa.unicauca.edu.co/~ecaldon/docs/bd/ he_dw_Toolki .pd
Kimball, R., & Ross, M. (2013).
The Da a Wa ehouse Toolki : The De ini i e Guide o Dimensional
Modeling
.

84
h ps://books.google.p /books/abou /The_Da a_Wa ehouse_Toolki .h ml?id=4 FXzk8wAB8C& edi
_esc=y
Kimball, R., Ross, M., Tho n hwai e, W., & Ree es, L. (1998).
The Da a Wa ehouse Li ecycle Toolki
.
Kna lic, C. (2015).
S o y elling wi h Da a: A Da a Visualiza ion Guide o Business P o essionals
.
h ps://books.google.p /books/abou /S o y elling_wi h_Da a.h ml?id= e RCgAAQBAJ& edi _esc=y
K is o e sen, E., Mikale , P., Blomsma, F., & Li, J. (2021). The e ec s o business analy ics capabili y on
ci cula economy implemen a ion, esou ce o ches a ion capabili y, and i m pe o mance.
In e na ional Jou nal o P oduc ion Economics
,
239
. h ps://doi.o g/10.1016/j.ijpe.2021.108205
Legend e, R. (2005). Es la in eligencia de negocio aplicable a las Pymes?
Re is a Hispana de La
In eligencia Compe i i a
,
17
, 4–9.
Lusch, R., Lui, Y., & Chen, Y. (2010). The Phase T ansi ion o Ma ke s and O ganiza ions: The New
In elligence and En ep eneu ial F on ie .
In elligen Sys ems, IEEE
.
h ps://www. esea chga e.ne /publica ion/297886072_The_Phase_T ansi ion_o _Ma ke s_and_O
ganiza ions_The_New_In elligence_and_En ep eneu ial_F on ie
M. Olszak, C., & Ziemba, E. (2006). Business In elligence Sys ems in he Holis ic In as uc u e
De elopmen Suppo ing Decision Making in O ganisa ions.
In e disciplina y Jou nal o In o ma ion,
Knowledge, and Managemen
,
1
, 047–058. h ps://doi.o g/10.28945/113
Manue e, F., Gwangwa a, E., & Gu u, K. (2012). INTERDISCIPLINARY JOURNAL OF CONTEMPORARY
RESEARCH IN BUSINESS BARRIERS TO THE ADOPTION OF ICT BY SMES IN ZIMBABWE: AN
EXPLORATORY STUDY IN CHINHOYI DISTRICT.
Ins i u e o In e disciplina y Business Resea ch.
,
1142–1156.
Meissne , A., Mülle , M., He mann, A., & Me e nich, J. (2018). Digi aliza ion as a ca alys o lean
p oduc ion: A lea ning ac o y app oach o digi al shop loo managemen .
P ocedia Manu ac u ing
,
23
, 81–86. h ps://doi.o g/10.1016/j.p om g.2018.03.165
Mic oso . (2023).
SSIS: How o c ea e an ETL package
.
Mic oso . (2024).
Wha is SQL Se e ?
h ps://lea n.mic oso .com/p -b /sql/sql-se e /wha -is-sql-
se e ? iew=sql-se e - e 16
Munoz, M. (2017).
Global Business In elligence
.
h ps://books.google.p /books/abou /Global_Business_In elligence.h ml?id=CmcPEAAAQBAJ& edi
_esc=y
Negash, S. (2004). Business In elligence.
Communica ions o he Associa ion o In o ma ion Sys ems
,
13
. h ps://doi.o g/10.17705/1CAIS.01315
Negash, S., & G ay, P. (2008).
Handbook on Decision Suppo Sys ems 2 Va ia ions
.
h ps://link.sp inge .com/chap e /10.1007/978-3-540-48716-6_9
Oka , C., Fedouaki, F., & Ba ijal, S. (2012). How using business in elligence can imp o e SCPMS p ojec
ma u i y: an empi ical in es iga ion in la ge sized Mo occan companies. In
A icle in In e na ional
Jou nal o Compu e Science Issues
.
h ps://www. esea chga e.ne /publica ion/304330686_How_using_business_in elligence_can_im
p o e_SCPMS_p ojec _ma u i y_an_empi ical_in es iga ion_in_la ge_sized_Mo occan_companies
85
Olszak, C. M., & Ziemba, E. (2004). Business in elligence sys ems as a new gene a ion o decision
suppo sys ems.
P oceedings o PISTA 2004, In e na ional Con e ence on Poli ics and In o ma ion
Sys ems: Technologies and Applica ions
.
Olszak, C. M., & Ziemba, E. (2012). C i ical Success Fac o s o Implemen ing Business In elligence
Sys ems in Small and Medium En e p ises on he Example o Uppe Silesia, Poland. In
In e disciplina y Jou nal o In o ma ion, Knowledge, and Managemen
(Vol. 7).
h ps://www.in o mingscience.o g/Publica ions/1584
Ong, I., Siew, P., & Wong, S. (2011). A Fi e-Laye ed Business In elligence A chi ec u e.
Communica ions
o he IBIMA
, 1–11. h ps://doi.o g/10.5171/2011.695619
Pappas, L., & Whi man, L. (2011).
Riding he Technology Wa e: E ec i e Dashboa d Da a Visualiza ion
.
h ps://www.academia.edu/1121392/Riding_ he_ echnology_wa e_e ec i e_dashboa d_da a_ is
ualiza ion
Powe , D. J. (2003).
A B ie His o y o Decision Suppo Sys ems
.
h ps://www. esea chga e.ne /publica ion/200027140
Sallam, R. L., Richa dson, J., Hage y, J., & Hos mann, B. (2011). Magic Quad an o Business
In elligence Pla o ms.
Ga ne G oup, S am o d, CT
.
h ps://www.ga ne .com/en/documen s/1531017
Sau e , V. L. (2011).
Decision Suppo Sys ems o Business In elligence.
h ps://books.google.p /books?id=eb 2QwAACAAJ
Schwab, K. (2016).
The ou h indus ial e olu ion
.
Sco -Mo on, M. S. (n.d.).
A amewo k o managemen in o ma ion sys ems
.
h ps://www. esea chga e.ne /publica ion/38008090
Shada e, A. E., Musa, S. M., Akujuobi, C., Sadiku, M. N. O., Akujuobi, C. M., & Pe y, R. G. (2016). Da a
Visualiza ion.
In e na ional Jou nal o Enginee ing Resea ch And Ad anced Technology
.
h ps://www. esea chga e.ne /publica ion/311597028
Sidi, E., El, M., & Amin, E. (2016). S a Schema Ad an ages on Da a Wa ehouse: Using Bi map Index and
Pa i ioned Fac Tables.
In e na ional Jou nal o Compu e Applica ions
,
134
(13), 11–13.
h ps://doi.o g/10.5120/ijca2016908108
Song, I.-Y., Rowen, W., Medske , C., & Ewen, E. (2001).
An Analysis o Many- o-Many Rela ionships
Be ween Fac and Dimension Tables in Dimensional Modeling. An Analysis o Many- o-Many
Rela ionships Be ween Fac and Dimension Tables in Dimensional Modeling
.
h ps://www. esea chga e.ne /publica ion/220841965_An_Analysis_o _Many- o-
Many_Rela ionships_Be ween_Fac _and_Dimension_Tables_in_Dimensional_Modeling
Thong, J. Y. L., & Yap, C. S. (1997).
E ec s o esou ce cons ain s on in o ma ion echnology
implemen a ion in small businesses
. h ps://insigh s.sei.cmu.edu/lib a y/o e coming-ba ie s- o-
echnology-adop ion-in-small-manu ac u ing-en e p ises-smes/
Tokola, H., G öge , C., Jä enpää, E., & Niemi, E. (2016). Designing Manu ac u ing Dashboa ds on he
Basis o a Key Pe o mance Indica o Su ey.
P ocedia CIRP
,
57
, 619–624.
h ps://doi.o g/10.1016/j.p oci .2016.11.107
Tu ban, E., Sha da, R., A onson, J. E., & King, D. (2007).
Business in elligence: A manage ial app oach:
Vol. 1 edi ion
.
86
Tu ban, E., Sha da, R., & Delen, D. (2014).
Business In elligence and Analy ics: Sys ems o Decision
Suppo
.
h ps://books.google.p /books/abou /Business_In elligence_and_Analy ics_Sys .h ml?id=0P6pBw
AAQBAJ& edi _esc=y
Tu unea, M. F., & Rus, R. V. (2012). Business In elligence Solu ions o SME’s.
P ocedia Economics and
Finance
,
3
, 865–870. h ps://doi.o g/10.1016/s2212-5671(12)00242-0
an Vug , M., & Jacobsen, O. (2017). The Role o Business In elligence in he In e na ionalisa ion p ocess
o SMEs.
Halms ad Uni e si y
.
Vi , E., Lucke ich, M., & Misne , S. (2002).
Business In elligence: Making Be e Decisions Fas e .
h ps://books.google.p /books?id=sWOKQgAACAAJ
Wells, D. (2008).
Business analy ics – Ge ing he poin
.
Williams, S., & Williams, N. (2007).
The P o i Impac o Business In elligence
.
h ps://doi.o g/10.1016/B978-0-12-372499-1.X5000-5
Wixom, B., & Wa son, H. (2010). The BI-Based O ganiza ion.
In e na ional Jou nal o Business In elligence
Resea ch
,
1
(1), 13–28. h ps://doi.o g/10.4018/jbi .2010071702
87
Anexos
Anexo I – Requisi os
Quan o aos Recu sos Humanos, o am iden i icados dados elacionados com:
• Depa amen o;
• Funcioná io;
• His ó ico do Depa amen o dos Funcioná ios;
• Candida os a Emp ego;
• Tu nos.
Consequen emen e os Requisi os que o am iden i icados passa am po :
• Colabo ado es po depa amen o, ca go e po géne o;
• Média de anos de pe manência na emp esa;
• Idade e Es ado Ci il dos Colabo ado es;
• Ho as de Fé ias;
• Ho as de Licença;
• Con a ações de Colabo ado es;
• Rescisão de Colabo ado es;
• Al e ações de Depa amen o;
• Taxa de Emp egabilidade consoan e os candida os e núme o de colabo ado es;
• Sa is ação dos Candida os quan o ao ca go/á ea inal, consoan e a que se p opõe;
• O ganog ama da empesa a a és do depa amen o e ca go;
• Tu nos ap esen ando os ho á ios po ca go/á ea e, se possí el adiciona no
o ganog ama.
No que espei o às endas, a in o mação inicial ab ange os seguin es ópicos:
88
• O dem de Venda e de alhes;
• Mo i o da Venda;
• His ó ico de Co as dos Vendedo es;
• Te i ó io;
• Vendedo ;
• Loja;
• P odu o;
• P omoções;
• Taxa de Vendas;
• Clien es;
• Ca ão de C édi o e de alhes;
• Moeda po Região/País;
• Taxa de Câmbio.
Como esul ado su gi am os seguin es equisi os:
• Melho endedo po loja;
• Localização de cada uma das lojas po olume de negócio;
• Mo i o da Comp a;
• P odu os em S ock;
• S ock de segu ança;
• P odu os mais endidos em cada um dos e i ó ios e loja;
• Es ado da O dem de Venda;
• To al de endas disc iminado po ca ego ia de p odu o;
• Compa a ano a ual com ano an e io ;
• Me a de endas anual, mensal e alcance;

89
• Me a de no os clien es anual e alcance Cus o de aquisição do clien e;
• Ticke médio - cus o médio po enda,
• Taxa de con e são - iden i ica a e iciência da equipa de endas;
• Ciclo de enda e ecomp as pelos clien es.
No âmbi o das endas, os dados inicialmen e pe cebidos diziam espei o a:
• O dem de P odução e de alhes;
• Ro eamen o da O dem de P odução;
• P odu o;
• Razão de Obsole os;
• Análise do P odu o;
• Desc ição do P odu o;
• In en á io de P odu os;
• Ca ego ia do P odu o;
• Subca ego ia do P odu o;
• Modelo do P odu o;
• Desc ição do Modelo do P odu o po Cul u a;
• Cul u a do P odu o;
• Localização do P odu o;
• T ansações;
• His ó ico de T ansações;
• Lis a de Ma e iais;
• His ó ico de p eços da lis a de p odu os;
• His ó ico de cus os do p odu o;
• Fo o do P odu o; Modelo;
90
• Documen o do P odu o.
Os equisi os da P odução
• Necessidade de P odução;
• S a us da O dem de P odução;
• Iden i icação de o u as de s ock;
• P odu os obsole os e espe i o mo i o e cus o;
• Tempo Médio Pa a Repa o;
• Cus o o al de P odução;
• Cus os po p odu o;
• S ock de p odu os;
• Núme o de P odu os P oduzidos;
• P odu i idade homem/ho a;
• Tempo de ina i idade;
• Tempo Médio En e Falhas;
• Ho as abalhadas na p odução;
• Ní el de u ilização da capacidade ins alada.
Rela i amen e aos Clien es os equisi os assen am na in o mação disponí el nas Vendas:
• Consegui il a po loja e clien e;
• Localização do P odu o independen emen e do canal da comp a;
• His ó ico de comp as do clien e e p odu os comp ados;
• In o mações da icha de clien e;
• Loja equen emen e u ilizada/habi ual;
• P odu os em P omoção, alo do descon o, alo do p odu o com descon o;
• Mo i o da comp a do clien e pa a acili a a é o a endimen o ao clien e;
91
• S ock em loja;
• U iliza alo es em dóla es pa a além das ou as moedas;
• Ranking de clien es po Te i ó io, Região ou País;
Com es a in o mação ecolhida, oi ainda possí el con abiliza ou os equisi os pa a uma
abo dagem mais ge al da emp esa, que incluem:
• Luc o líquido;
• Ma gem de luc o líquida;
• Ma gem de luc o b u a;
•
OEE
% - Disponibilidade;
• Pe o mance;
• Qualidade;
•
Ma ke Sha e
;
•
Ticke
Médio;
• Taxa de e enção dos uncioná ios;
• Qualidade e Con o midade (peças e ei as);
• Dis ibuição de cus os;
• Volume de negócios po e i ó io.
92
Anexo II – C iação das abelas da A ea S aging - AW2019_S aging
use [AW2019_S aging]
-- 1. S g_Depa men
CREATE TABLE S g_Depa men
([Depa men ID] smallin no null,
[Name] n a cha (50) no null,
[G oupName] n a cha (50) no null,
[Modi iedDa e] da e ime no null)
-- 2. S g_Employee
CREATE TABLE S g_Employee
([BusinessEn i yID] in no null,
[Na ionalIDNumbe ] n a cha (15) no null,
[LoginID] n a cha (256) no null,
[O ganiza ionNode] hie a chyid null,
[O ganiza ionLe el] smallin null,
[JobTi le] n a cha (50) no null,
[Bi hDa e] da e no null,
[Ma i alS a us] ncha (1) no null,
[Gende ] ncha (1) no null,
[Hi eDa e] da e no null,
[Sala iedFlag] bi no null,
[Vaca ionHou s] smallin no null,
[SickLea eHou s] smallin no null,
[Cu en Flag] bi no null,
[ owguid] uniqueiden i ie no null,
[Modi iedDa e] da e ime no null)
-- 3. S g_EmployeeDepa men His o y
CREATE TABLE S g_EmployeeDepa men His o y
([BusinessEn i yID] in no null,
[Depa men ID] smallin no null,
[Shi ID] inyin no null,
[S a Da e] da e no null,
[EndDa e] da e null,
[Modi iedDa e] da e ime no null)
-- 4. S g_EmployeePayHis o y
CREATE TABLE S g_EmployeePayHis o y
([BusinessEn i yID] in no null,
[Ra eChangeDa e] da e ime no null,
[Ra e] money no null,
[PayF equency] inyin no null,
[Modi iedDa e] da e ime no null)
-- 5. S g_JobCandida e
CREATE TABLE S g_JobCandida e
([JobCandida eID] in no null,
[BusinessEn i yID] in null,
[Resume] xml null,
[Modi iedDa e] da e ime no null)
-- 6. S g_Shi
CREATE TABLE S g_Shi
([Shi ID] inyin no null,
[Nome] n a cha (50) no null,
[S a Time] ime(7) no null,
[EndTime] ime(7) no null,
99
[Modi iedDa e] da e ime no null)
-- 46. S g_Pu chaseO de De ail
CREATE TABLE S g_Pu chaseO de De ail
([Pu chaseO de ID] in no null,
[Pu chaseO de De ailID] in no null,
[DueDa e] da e ime no null,
[O de Q y] smallin no null,
[P oduc ID] in no null,
[Uni P ice] money no null,
[LineTo al] money no null,
[Recei edQ y] decimal(8,2) no null,
[Rejec edQ y] decimal(8,2) no null,
[S ockedQ y] decimal(9,2) no null,
[Modi iedDa e] da e ime no null)
-- 47. S g_Pu chaseO de Heade
CREATE TABLE S g_Pu chaseO de Heade
([Pu chaseO de ID] in no null,
[Re isionNumbe ] inyin no null,
[S a us] inyin no null,
[EmployeeID] in no null,
[Vendo ID] in no null,
[ShipMe hodID] in no null,
[O de Da e] da e ime no null,
[ShipDa e] da e ime null,
[SubTo al] money no null,
[TaxAm ] money no null,
[F eigh ] money no null,
[To alDue] money no null,
[Modi iedDa e] da e ime no null)
-- 48. S g_ShipMe hod
CREATE TABLE S g_ShipMe hod
([ShipMe hodID] in no null,
[Name] n a cha (50) no null,
[ShipBase] money no null,
[ShipRa e] money no null,
[ owguid] uniqueiden i ie no null,
[Modi iedDa e] da e ime no null)
-- 49. S g_Vendo
CREATE TABLE S g_Vendo
([BusinessEn i yID] in no null,
[Accoun Numbe ] n a cha (15) no null,
[Name] n a cha (50) no null,
[C edi Ra ing] inyin no null,
[P e e edVendo S a us] bi no null,
[Ac i eFlag] bi no null,
[Pu chasingWebSe iceURL] n a cha (1024) null,
[Modi iedDa e] da e ime no null)
-- 50. S g_Coun yRegionCu ency
CREATE TABLE S g_Coun yRegionCu ency
([Coun yRegionCode] n a cha (3) no null,
[Cu encyCode] ncha (3) no null,
[Modi iedDa e] da e ime no null)
-- 51. S g_C edi Ca d
CREATE TABLE S g_C edi Ca d
([C edi Ca dID] in no null,
[Ca dType] n a cha (50) no null,

100
[Ca dNumbe ] n a cha (25) no null,
[ExpMon h] inyin no null,
[ExpYea ] smallin no null,
[Modi iedDa e] da e ime no null)
-- 52. S g_Cu ency
CREATE TABLE S g_Cu ency
([Cu encyCode] ncha (3) no null,
[Name] n a cha (50) no null,
[Modi iedDa e] da e ime no null)
-- 53. S g_Cu encyRa e
CREATE TABLE S g_Cu encyRa e
([Cu encyRa eID] in no null,
[Cu encyRa eDa e] da e ime no null,
[F omCu encyCode] ncha (3) no null,
[ToCu encyCode] ncha (3) no null,
[A e ageRa e] money no null,
[EndO DayRa e] money no null,
[Modi iedDa e] da e ime no null)
-- 54. S g_Cus ome
CREATE TABLE S g_Cus ome
([Cus ome ID] in no null,
[Pe sonID] in null,
[S o eID] in null,
[Te i o yID] in null,
[Accoun Numbe ] a cha (10) no null,
[ owguid] uniqueiden i ie no null,
[Modi iedDa e] da e ime no null)
-- 55. S g_Pe sonC edi Ca d
CREATE TABLE S g_Pe sonC edi Ca d
([BusinessEn i yID] in no null,
[C edi Ca dID] in no null,
[Modi iedDa e] da e ime no null)
-- 56. S g_SalesO de De ail
CREATE TABLE S g_SalesO de De ail
([SalesO de ID] in no null,
[SalesO de De ailID] in no null,
[Ca ie T ackingNumbe ] n a cha (25) null,
[O de Q y] smallin no null,
[P oduc ID] in no null,
[SpecialO e ID] in no null,
[Uni P ice] money no null,
[Uni P iceDiscoun ] money no null,
[LineTo al] nume ic(38,6) no null,
[ owguid] uniqueiden i ie no null,
[Modi iedDa e] da e ime no null)
-- 57. S g_SalesO de Heade
CREATE TABLE S g_SalesO de Heade
([SalesO de ID] in no null,
[Re isionNumbe ] inyin no null,
[O de Da e] da e ime no null,
[DueDa e] da e ime no null,
[ShipDa e] da e ime null,
[S a us] inyin no null,
[OnlineO de Flag] bi no null,
[SalesO de Numbe ] n a cha (25) no null,
101
[Pu chaseO de Numbe ] n a cha (25) null,
[Accoun Numbe ] n a cha (15) null,
[Cus ome ID] in no null,
[SalesPe sonID] in null,
[Te i o yID] in null,
[BillToAdd essID] in no null,
[ShipToAdd essID] in no null,
[ShipMe hodID] in no null,
[C edi Ca dID] in null,
[C edi Ca dApp o alCode] a cha (15) null,
[Cu encyRa eID] in null,
[SubTo al] money no null,
[TaxAm ] money no null,
[F eigh ] money no null,
[To alDue] money no null,
[Commen ] n a cha (128) null,
[ owguid] uniqueiden i ie no null,
[Modi iedDa e] da e ime no null)
-- 58. S g_SalesO de Heade SalesReason
CREATE TABLE S g_SalesO de Heade SalesReason
([SalesO de ID] in no null,
[SalesReasonID] in no null,
[Modi iedDa e] da e ime no null)
-- 59. S g_SalesPe son
CREATE TABLE S g_SalesPe son
([BusinessEn i yID] in no null,
[Te i o yID] in null,
[SalesQuo a] money null,
[Bonus] money no null,
[CommissionPc ] smallmoney no null,
[SalesYTD] money no null,
[SalesLas Yea ] money no null,
[ owguid] uniqueiden i ie no null,
[Modi iedDa e] da e ime no null)
-- 60. S g_SalesPe sonQuo aHis o y
CREATE TABLE S g_SalesPe sonQuo aHis o y
([BusinessEn i yID] in no null,
[Quo aDa e] da e ime no null,
[SalesQuo a] money no null,
[ owguid] uniqueiden i ie no null,
[Modi iedDa e] da e ime no null)
-- 61. S g_SalesReason
CREATE TABLE S g_SalesReason
([SalesReasonID] in no null,
[Name] n a cha (50) no null,
[ReasonType] n a cha (50) no null,
[Modi iedDa e] da e ime no null)
-- 62. S g_SalesTaxRa e
CREATE TABLE S g_SalesTaxRa e
([SalesTaxRa eID] in no null,
[S a eP o inceID] in no null,
[TaxType] inyin no null,
[TaxRa e] smallmoney no null,
[Name] n a cha (50) no null,
[ owguid] uniqueiden i ie no null,
[Modi iedDa e] da e ime no null)
102
-- 63. S g_SalesTe i o y
CREATE TABLE S g_SalesTe i o y
([Te i o yID] in no null,
[Name] n a cha (50) no null,
[Coun yRegionCode] n a cha (3) no null,
[G oup] n a cha (50) no null,
[SalesYTD] money no null,
[SalesLas Yea ] money no null,
[Cos YTD] money no null,
[Cos Las Yea ] money no null,
[ owguid] uniqueiden i ie no null,
[Modi iedDa e] da e ime no null)
-- 64. S g_SalesTe i o yHis o y
CREATE TABLE S g_SalesTe i o yHis o y
([BusinessEn i yID] in no null,
[Te i o yID] in no null,
[S a Da e] da e ime no null,
[EndDa e] da e ime null,
[ owguid] uniqueiden i ie no null,
[Modi iedDa e] da e ime no null)
-- 65. S g_ShoppingCa I em
CREATE TABLE S g_ShoppingCa I em
([ShoppingCa I emID] in no null,
[ShoppingCa ID] n a cha (50) no null,
[Quan i y] in no null,
[P oduc ID] in no null,
[Da eC ea ed] da e ime no null,
[Modi iedDa e] da e ime no null)
-- 66. S g_SpecialO e
CREATE TABLE S g_SpecialO e
([SpecialO e ID] in no null,
[Desc ip ion] n a cha (255) no null,
[Discoun Pc ] smallmoney no null,
[Type] n a cha (50) no null,
[Ca ego y] n a cha (50) no null,
[S a Da e] da e ime no null,
[EndDa e] da e ime no null,
[MinQ y] in no null,
[MaxQ y] in null,
[ owguid] uniqueiden i ie no null,
[Modi iedDa e] da e ime no null)
-- 67. S g_SpecialO e P oduc
CREATE TABLE S g_SpecialO e P oduc
([SpecialO e ID] in no null,
[P oduc ID] in no null,
[ owguid] uniqueiden i ie no null,
[Modi iedDa e] da e ime no null)
-- 68. S g_S o e
CREATE TABLE S g_S o e
([BusinessEn i yID] in no null,
[Name] n a cha (50) no null,
[SalesPe sonID] in no null,
[Demog aphics] xml null,
[ owguid] uniqueiden i ie no null,
[Modi iedDa e] da e ime no null
103
Anexo II – C iação das abelas da DW - AW2019_DW
use [AW2019_DW]
--1. Dim_Colabo ado
CREATE TABLE Dim_Colabo ado
(IdColabo ado in PRIMARY KEY,
Candida o in ,
N Iden i icacaoNacional n a cha (15),
NodoO ganizacional hie a chyid,
Ni elO ganizacional smallin ,
Ca go n a cha (50),
Da aNascimen o da e,
Es adoCi il ncha (1),
Gene o ncha (1),
Da aCon a acao da e,
Colabo ado Assala iado bi ,
Ho asFe ias smallin ,
Ho asLicenca smallin ,
Colabo ado A i o bi ,
Depa amen oA ual n a cha (50),
G upoDepa amen oA ual n a cha (50),
Tu no n a cha (50),
Ho aIncioTu no ime(7),
Ho aFimTu no ime(7),
Sala ioHo a money,
Nome n a cha (50),
Sob enome n a cha (50),
Cidade n a cha (30),
CodigoPosal n a cha (15),
Es ado n a cha (50),
Pais n a cha (50),
Email n a cha (50),
N Tele one n a cha (25))
--2.Dim_His PagColabo ado es
CREATE TABLE Dim_His PagColabo ado es
(IdColabo ado in ,
Da aAl Taxa da e ime,
TaxaPagamen o money,
F equenciaPagamen o inyin )
-- 3. Dim_His Depa Colabo ado es
CREATE TABLE Dim_His Depa Colabo ado es
(IdColabo ado in ,
Depa amen oAn e io n a cha (50),
G upoDepa amen oAn e io n a cha (50),
Tu no n a cha (50),
Ho aIncioTu no ime(7),
Ho aFimTu no ime(7),
Da aCon a acao da e,
Da aDespedimen o da e)
-- 4. Dim_P odu o
CREATE TABLE Dim_P odu o
(IdP odu o in ,
104
Nome n a cha (50),
P oduzido bi ,
P odu osAcabados bi ,
Co n a cha (15),
Ni elS ockSegu anca smallin ,
Cus oPad ao money,
P ecoPad ao money,
DiasP oducao in ,
Subca ego ia n a cha (50),
Ca ego ia n a cha (50),
Da aInicioVenda da e ime,
Da aFimVenda da e ime,
Da aDescon inuacao da e ime)
--5. Dim_O demComp as
CREATE TABLE Dim_O demComp as
(IdO demComp as in PRIMARY KEY,
IdColabo ado Comp as in ,
IdFo necedo in ,
Da aRealizacaoO demComp a da e ime,
Da aEn ioComp a da e ime,
SubTo al Money,
Sub o alPad ao Money,
Valo Impos o Money,
Cus oEn io money,
Cus oTo alComp a money)
-- 6. Dim_His Fo necedo
CREATE TABLE Dim_His Fo necedo
(IdP odu o in ,
IdFo necedo in ,
LeadTime in ,
Comp aOnline n a cha (1024),
Cus oUni Pad ao money,
Cus oUni Ul imaComp a money,
Da aUl imaComp a da e ime,
Quan Min in ,
Quan Max in ,
Quan EmO dem in ,
Localizacao geog aphy)
-- 7. Dim_Fo necedo
CREATE TABLE Dim_Fo necedo
(
IdFo necedo in ,
Fo necedo n a cha (50),
P e e enciaFo n bi ,
Fo necedo A i o bi ,
Comp aOnline n a cha (1024),
Cidade n a cha (30),
CodigoPosal n a cha (15),
Es ado n a cha (50),
Pais n a cha (50))
-- 8. Dim_O demVendas
CREATE TABLE Dim_O demVendas
(IdO demVendas in ,
Da aO demVenda da e ime,
Da aRealizacaoVenda da e ime,
Da aEn io da e ime,
VendaOnline bi ,

105
SubTo al money,
TxImpos o money,
P ecoEn io money,
P ecoTo alVenda money,
IdRazaoVenda in ,
RazaoVenda n a cha (50),
Da aTxCambio da e ime,
CodMoedaO igem ncha (3),
CodMoedaDes ino ncha (3),
MediaTxCambio money,
TxCambio money,
Moeda n a cha (50))
--9. Dim_Clien e
CREATE TABLE Dim_Clien e
(IdClien e in ,
Nome n a cha (50),
Sob enome n a cha (50),
Email n a cha (50),
N Tele one n a cha (25),
Cidade n a cha (30),
CodigoPos al n a cha (15),
Es ado n a cha (50),
Pais n a cha (50),
Te i o io n a cha (50))
--10. Dim_Colabo ado Vendedo
CREATE TABLE Dim_Colabo ado Vendedo
(IdVendedo in ,
Quo aVendas money,
Bonus money,
ComissaoPe cen agem smallmoney,
VendasAnoA ual money,
VendasAnoAn e io money)
--11. Dim_Loja
CREATE TABLE Dim_Loja
(IdLoja in ,
Loja n a cha (50),
CidadeLoja n a cha (30),
CodigoPos alLoja n a cha (15),
LocalizacaoLoja geog aphy,
Es adoLoja n a cha (50),
PaisLoja n a cha (50),
Te i o ioLoja n a cha (50))
-- 12. Dim_Vendedo His o icoQuo as
CREATE TABLE Dim_Vendedo His o icoQuo as
(IdVendedo in ,
Da aQuo a da e ime,
Quo aVendas money)
-- 13. Dim_Te i o ioVendas
CREATE TABLE Dim_Te i o ioVendas
(IdTe i o io in ,
Te i o io n a cha (50),
Con inen e n a cha (50),
VendasAnoA ual money,
VendasAnoAn e io money,
Cus oAnoA ual money,
Cus oAnoAn e io money)
106
-- 14. Fac _PVC
CREATE TABLE Fac _PCV
(Fac n a cha (4),
IdP odu o in ,
IdColabo ado in ,
Da aRealização da e ime,
P_IdO demP oducao in ,
P_QuanP odEnco in ,
P_Quan Pa aS ock in ,
P_Quan Rejei ada smallin ,
P_RazaoQuan Rejei ada n a cha (50),
P_Da aInicioP oducao da e ime,
P_Da aIdealizadaFimP oducao da e ime,
P_Da aInicioP odP e is a da e ime,
P_Da aFimP odP e is a da e ime,
P_Da aInicioP odReal da e ime,
P_Da aFimP odReal da e ime,
P_Ho asP oducao decimal(9,4),
P_Cus oP odPlaneado money,
P_Cus oP odReal money,
C_IdO demComp as in ,
C_IdO demComp aDe alhes in ,
C_IdFo necedo in ,
C_Da aRealizacaoO demComp a da e ime,
C_Da aEn ioComp a da e ime,
C_Da aP e is aEn ega DATETIME,
C_Quan CompEnc smallin ,
C_Quan Recebida decimal(8,2),
C_Quan Rejei ada decimal(8,2),
C_Quan Pa aS ock decimal(9,2),
C_Cus oUni a io money,
C_Cus oUni a ioPad ao money,
V_IdO demVendas in ,
V_IdO demVendaDe alhes in ,
V_IdClien e in ,
V_IdLoja in ,
V_IdTe i o io in ,
V_Quna O demVenda smallin ,
V_P ecoUni a io money,
V_Valo Uni a ioP omocao money,
V_Sub o al nume ic(38,6),
V_Pe cen agemP omocao smallmoney,
V_RazaoP omocao n a cha (50),
V_Ca ego iaP omocao n a cha (50),
V_Da aInicioP omo da e ime,
V_Da aFimP omo da e ime)
107
Anexo III – P ocesso de logs
/*C iação da abela de ca egamen o de logs*/
CREATE TABLE [dbo].[s gx_log_ca egamen o](
[id_log] [in ] IDENTITY(1,1) NOT NULL,
[cod_modulo] [ a cha ](50) NULL,
[cod_d s] [ a cha ](50) NULL,
[desc_d s] [ a cha ](250) NULL,
[desc_es ado] [ a cha ](50) NULL,
[cod_dia_ini] [in ] NULL,
[cod_dia_ im] [in ] NULL,
[da a_ini] [da e ime] NULL,
[da a_ im] [da e ime] NULL,
[ empo_execucao] [in ] NULL,
PRIMARY KEY CLUSTERED
(
[id_log] ASC
)WITH (PAD_INDEX = OFF, STATISTICS_NORECOMPUTE = OFF, IGNORE_DUP_KEY = OFF,
ALLOW_ROW_LOCKS = ON, ALLOW_PAGE_LOCKS = ON) ON [PRIMARY]
) ON [PRIMARY]
GO
/*C iação da S o ed P ocedu e C ea e LOG*/
c ea e PROCEDURE [dbo].[CREATE_LOG]
@cod_modulo VARCHAR(50),
@cod_d s VARCHAR(50),
@desc_d s VARCHAR(250),
@cod_dia_ini in ,
@cod_dia_ im in ,
@id_log INT OUTPUT
AS
BEGIN
DECLARE @MAX_ID in ,
@da a_ini da e ime
-- SET NOCOUNT ON ADDED TO PREVENT EXTRA RESULT SETS FROM
-- INTERFERING WITH SELECT STATEMENTS.
SET NOCOUNT ON;
SELECT @MAX_ID=max(ID_LOG), @da a_ini = ge da e()
om [AW2019_S aging].dbo.s gx_log_ca egamen o
BEGIN TRAN
INSERT INTO [AW2019_S aging].dbo.s gx_log_ca egamen o
(cod_modulo, cod_d s, desc_d s,desc_es ado, cod_dia_ini, cod_dia_ im,
da a_ini, da a_ im, empo_execucao)
SELECT cod_modulo = RTRIM(@cod_modulo),
cod_d s = @cod_d s,
desc_d s = @desc_d s,
desc_es ado = 'Em Execução',
cod_dia_ini = @cod_dia_ini,
cod_dia_ im = @cod_dia_ im,
da a_ini = @da a_ini,
da a_ im = null ,
empo_execucao = null
108
-- SE NÃO HOUVER ERROS ENTÃO COMMIT SENÃO ROLLBACK
IF @@ERROR = 0
BEGIN
COMMIT TRAN
END
ELSE
ROLLBACK TRAN
-- EXTRAI A CHAVE DO LOG
SELECT @ID_LOG = max(id_log)
om [AW2019_S aging].dbo.s gx_log_ca egamen o
whe e cod_modulo = RTRIM(@cod_modulo)
and cod_d s = @cod_d s
and desc_d s = @desc_d s
and desc_es ado = 'Em Execução'
and cod_dia_ini = @cod_dia_ini
and cod_dia_ im = @cod_dia_ im
END
/*C iação da S o ed P ocedu e Close LOG*/
c ea e PROCEDURE [dbo].[CLOSE_LOG]
@id_log INT
AS
BEGIN
-- SET NOCOUNT ON ADDED TO PREVENT EXTRA RESULT SETS FROM
-- INTERFERING WITH SELECT STATEMENTS.
SET NOCOUNT ON;
BEGIN TRAN
UPDATE [AW2019_S aging].dbo.s gx_log_ca egamen o
SET da a_ im = ge da e(),
desc_es ado = 'Finalizado',
empo_execucao = da edi (mi, da a_ini , ge da e())
FROM [AW2019_S aging].dbo.s gx_log_ca egamen o
WHERE @id_log = id_log
-- SE NÃO HOUVER ERROS ENTÃO COMMIT SENÃO ROLLBACK
IF @@ERROR = 0
BEGIN
COMMIT TRAN
END
ELSE
ROLLBACK TRAN
END
115
LEFT JOIN [AW2019_S aging].[dbo].[S g_P oduc Subca ego y] B
ON A.[P oduc Subca ego yID] = B.[P oduc Subca ego yID]
LEFT JOIN [AW2019_S aging].[dbo].[S g_P oduc Ca ego y] C
ON B.[P oduc Ca ego yID] = C.[P oduc Ca ego yID]) S
ON T.IdP odu o = S.[P oduc ID]
WHEN MATCHED THEN
UPDATE SET T.Nome = S.[P oduc ],
T.P oduzido = S.[MakeFlag],
T.P odu osAcabados = S.[FinishedGoodsFlag],
T.Co = S.[Colo ],
T.Ni elS ockSegu anca = S.[Sa e yS ockLe el],
T.Cus oPad ao = S.[S anda dCos ],
T.P ecoPad ao = S.[Lis P ice],
T.DiasP oducao = S.[DaysToManu ac u e],
T.Subca ego ia = S.[Subca ego y],
T.Ca ego ia = S.[Ca ego y],
T.Da aInicioVenda = S.[SellS a Da e],
T.Da aFimVenda = S.[SellEndDa e],
T.Da aDescon inuacao = S.[Discon inuedDa e]
WHEN NOT MATCHED THEN
INSERT
(IdP odu o,Nome,P oduzido,P odu osAcabados,Co ,Ni elS ockSegu anca,Cus oPad ao,P ecoPad ao,DiasP oduc
ao,Subca ego ia,Ca ego ia,Da aInicioVenda,Da aFimVenda,Da aDescon inuacao)
VALUES
(S.[P oduc ID], S.[P oduc ], S.[MakeFlag], S.[FinishedGoodsFlag], S.[Colo ], S.[Sa e yS ockLe el],
S.[S anda dCos ], S.[Lis P ice], S.[DaysToManu ac u e], S.[Subca ego y], S.[Ca ego y], S.[SellS a Da e],
S.[SellEndDa e], S.[Discon inuedDa e]);
-- 5. Dim_O demComp as
MERGE [AW2019_DW].[dbo].[Dim_O demComp as] T
USING (SELECT a.[Pu chaseO de ID],
[EmployeeID],
[Vendo ID],
[O de Da e],
[ShipDa e],
a.[SubTo al],
[TaxAm ],[
F eigh ],
[To alDue],
SUM(B.[O de Q y]*C.[S anda dP ice]) as Sub o alPad ao
om [AW2019_S aging].[dbo].[S g_Pu chaseO de Heade ] a
LEFT JOIN [AW2019_S aging].[dbo].[S g_Pu chaseO de De ail] B
ON a.Pu chaseO de ID=B.Pu chaseO de ID
LEFT JOIN [AW2019_S aging].[dbo].[S g_P oduc Vendo ] C
ON A.Vendo ID=C.BusinessEn i yID and B.[P oduc ID]=C.[P oduc ID]
g oup by
a.[Pu chaseO de ID],[EmployeeID],[Vendo ID],[O de Da e],[ShipDa e],a.[SubTo al],[TaxAm ],[F eigh ],[
To alDue]) S
ON T.IdO demComp as = S.[Pu chaseO de ID]
WHEN MATCHED THEN
UPDATE SET T.IdColabo ado Comp as = S.[EmployeeID],
T.IdFo necedo = S.[Vendo ID],
T.Da aRealizacaoO demComp a = S.[O de Da e],
T.Da aEn ioComp a = S.[ShipDa e],

116
T.SubTo al = S.[SubTo al],
T.Sub o alPad ao = S.Sub o alPad ao,
T.Valo Impos o = S.[TaxAm ],
T.Cus oEn io = S.[F eigh ],
T.Cus oTo alComp a = S.[To alDue]
WHEN NOT MATCHED THEN
INSERT
(IdO demComp as,IdColabo ado Comp as,IdFo necedo ,Da aRealizacaoO demComp a,Da aEn ioComp a,SubTo
al,Sub o alPad ao,Valo Impos o,Cus oEn io,Cus oTo alComp a)
VALUES
(S.[Pu chaseO de ID],S.[EmployeeID],S.[Vendo ID],S.[O de Da e],S.[ShipDa e],S.[SubTo al],S.Sub o alPad ao,S.[
TaxAm ],S.[F eigh ],S.[To alDue]);
-- 6. Dim_His Fo necedo
MERGE [AW2019_DW].[dbo].[Dim_His Fo necedo ] T
USING (SELECT A.[P oduc ID],
A.[A e ageLeadTime],
A.[BusinessEn i yID],
A.[S anda dP ice],
A.[Las Receip Cos ],
A.[Las Receip Da e],
A.[MinO de Q y],
A.[MaxO de Q y],
A.[OnO de Q y],
B.[Pu chasingWebSe iceURL],
D.[Spa ialLoca ion]
FROM [AW2019_S aging].[dbo].[S g_P oduc Vendo ] A
LEFT JOIN [AW2019_S aging].[dbo].[S g_Vendo ] B
ON A.[BusinessEn i yID] = B.[BusinessEn i yID]
LEFT JOIN [AW2019_S aging].[dbo].[S g_BusinessEn i yAdd ess] C
ON A.[BusinessEn i yID] = C.[BusinessEn i yID]
LEFT JOIN [AW2019_S aging].[dbo].[S g_Add ess] D
ON C.[Add essID] = D.[Add essID])S
ON T.IdP odu o = S.[P oduc ID]
WHEN MATCHED THEN
UPDATE SET T.IdFo necedo = S.[BusinessEn i yID],
T.LeadTime = S.[A e ageLeadTime],
T.Comp aOnline = S.[Pu chasingWebSe iceURL],
T.Cus oUni Pad ao = S.[S anda dP ice],
T.Cus oUni Ul imaComp a = S.[Las Receip Cos ],
T.Da aUl imaComp a = S.[Las Receip Da e],
T.Quan Min = S.[MinO de Q y],
T.Quan Max = S.[MaxO de Q y],
T.Quan EmO dem = S.[OnO de Q y],
T.Localizacao = S.[Spa ialLoca ion]
WHEN NOT MATCHED THEN
INSERT
(IdP odu o,IdFo necedo ,LeadTime,Comp aOnline,Cus oUni Pad ao,Cus oUni Ul imaComp a,Da aUl imaComp a
,Quan Min,Quan Max,Quan EmO dem,Localizacao)
VALUES (
S.[P oduc ID],S.[BusinessEn i yID],S.[A e ageLeadTime],S.[Pu chasingWebSe iceURL],S.[S anda dP ice],S.[Las
Receip Cos ],S.[Las Receip Da e],S.[MinO de Q y],S.[MaxO de Q y],S.[OnO de Q y], S.[Spa ialLoca ion]);
-- 7. Dim_Fo necedo
117
MERGE [AW2019_DW].[dbo].[Dim_Fo necedo ] T
USING (SELECT A.[BusinessEn i yID],
B.[Name],
B.[P e e edVendo S a us],
B.[Ac i eFlag],
B.[Pu chasingWebSe iceURL],
D.[Ci y],
D.[Pos alCode],
E.[Name] as S a eP o ince,
F.[Name] as Coun y
FROM [AW2019_S aging].[dbo].[S g_P oduc Vendo ] A
LEFT JOIN [AW2019_S aging].[dbo].[S g_Vendo ] B
ON A.[BusinessEn i yID] = B.[BusinessEn i yID]
LEFT JOIN [AW2019_S aging].[dbo].[S g_BusinessEn i yAdd ess] C
ON A.[BusinessEn i yID] = C.[BusinessEn i yID]
LEFT JOIN [AW2019_S aging].[dbo].[S g_Add ess] D
ON C.[Add essID] = D.[Add essID]
LEFT JOIN [AW2019_S aging].[dbo].[S g_S a eP o ince] E
ON D.[S a eP o inceID] = E.[S a eP o inceID]
LEFT JOIN [AW2019_S aging].[dbo].[S g_Coun yRegion] F
ON E.[Coun yRegionCode] = F.[Coun yRegionCode]
GROUP BY A.[BusinessEn i yID], B.[Name], B.[P e e edVendo S a us], B.[Ac i eFlag],
B.[Pu chasingWebSe iceURL],D.[Ci y], D.[Pos alCode], E.[Name],F.[Name] ) S
ON T.IdFo necedo = S.[BusinessEn i yID]
WHEN MATCHED THEN
UPDATE SET
T.Fo necedo = S.[Name],
T.P e e enciaFo n = S.[P e e edVendo S a us],
T.Fo necedo A i o = S.[Ac i eFlag],
T.Comp aOnline = S.[Pu chasingWebSe iceURL],
T.Cidade = S.[Ci y],
T.CodigoPosal = S.[Pos alCode],
T.Es ado = S.[S a eP o ince],
T.Pais = S.[Coun y]
WHEN NOT MATCHED THEN
INSERT
(IdFo necedo ,Fo necedo ,P e e enciaFo n,Fo necedo A i o,Comp aOnline,Cidade,CodigoPosal,Es ado,Pais)
VALUES (
S.[BusinessEn i yID],S.[Name],S.[P e e edVendo S a us],S.[Ac i eFlag],S.[Pu chasingWebSe iceURL],S.[Ci y],S.
[Pos alCode],S.[S a eP o ince],S.[Coun y]);
-- 8. Dim_O demVendas
MERGE [AW2019_DW].[dbo].[Dim_O demVendas] T
USING (SELECT A.[SalesO de ID],
A.[O de Da e],
A.[DueDa e],
A.[ShipDa e],
A.[OnlineO de Flag],
A.[SubTo al],
A.[TaxAm ],
A.[F eigh ],
A.[To alDue],
C.[SalesReasonID],
D.[SalesReason],
E.[Cu encyRa eDa e],
118
E.[F omCu encyCode],
E.[ToCu encyCode],
E.[A e ageRa e],
E.[EndO DayRa e],
F.[Cu ency]
FROM [AW2019_S aging].[dbo].[S g_SalesO de Heade ] A
LEFT JOIN [AW2019_S aging].[dbo].[S g_SalesTe i o y] B
ON A.[Te i o yID] = B.[Te i o yID]
LEFT JOIN (selec [SalesO de ID],[SalesReasonID]
FROM [AW2019_S aging].[dbo].[S g_SalesO de Heade SalesReason]
WHERE [SalesO de ID] in (SELECT [SalesO de ID]
FROM [AW2019_S aging].[dbo].[S g_SalesO de Heade SalesReason]
GROUP BY [SalesO de ID]
HAVING COUNT([SalesO de ID]) = 1)
UNION ALL
SELECT DISTINCT [SalesO de ID],0
FROM [AW2019_S aging].[dbo].[S g_SalesO de Heade SalesReason]
WHERE [SalesO de ID] in (SELECT [SalesO de ID]
FROM [AW2019_S aging].[dbo].[S g_SalesO de Heade SalesReason]
GROUP BY [SalesO de ID]
HAVING COUNT([SalesO de ID]) > 1) ) C
ON A.[SalesO de ID] = C.[SalesO de ID]
LEFT JOIN [AW2019_S aging].[dbo].[S g_SalesReason] D
ON C.[SalesReasonID] = D.[SalesReasonID]
LEFT JOIN [AW2019_S aging].[dbo].[S g_Cu encyRa e] E
ON A.[Cu encyRa eID] = E.[Cu encyRa eID]
LEFT JOIN [AW2019_S aging].[dbo].[S g_Cu ency] F
ON E.[ToCu encyCode] = F.[Cu encyCode]) S
ON T.IdO demVendas = S.[SalesO de ID]
WHEN MATCHED THEN
UPDATE SET T.Da aO demVenda = S.[O de Da e],
T.Da aRealizacaoVenda = S.[DueDa e],
T.Da aEn io = S.[ShipDa e],
T.VendaOnline = S.[OnlineO de Flag],
T.SubTo al = S.[SubTo al],
T.TxImpos o = S.[TaxAm ],
T.P ecoEn io = S.[F eigh ],
T.P ecoTo alVenda = S.[To alDue],
T.IdRazaoVenda = S.[SalesReasonID],
T.RazaoVenda = S.[SalesReason],
T.Da aTxCambio = S.[Cu encyRa eDa e],
T.CodMoedaO igem = S.[F omCu encyCode],
T.CodMoedaDes ino = S.[ToCu encyCode],
T.MediaTxCambio = S.[A e ageRa e],
T.TxCambio = S.[EndO DayRa e],
T.Moeda = S.[Cu ency]
WHEN NOT MATCHED THEN
INSERT
(IdO demVendas,Da aO demVenda,Da aRealizacaoVenda,Da aEn io ,VendaOnline ,SubTo al ,TxImpos o
,P ecoEn io ,P ecoTo alVenda ,IdRazaoVenda,RazaoVenda ,Da aTxCambio ,CodMoedaO igem ,CodMoedaDes ino
,MediaTxCambio ,TxCambio ,Moeda )
VALUES
(S.[SalesO de ID] , S.[O de Da e], S.[DueDa e], S.[ShipDa e], S.[OnlineO de Flag], S.[SubTo al], S.[TaxAm ],
S.[F eigh ], S.[To alDue], S.[SalesReasonID], S.[SalesReason], S.[Cu encyRa eDa e], S.[F omCu encyCode],
S.[ToCu encyCode] ,S.[A e ageRa e] ,S.[EndO DayRa e], S.[Cu ency]);
119
--9. Dim_Clien e
MERGE [AW2019_DW].[dbo].[Dim_Clien e] T
USING (SELECT A.[Cus ome ID],
C.[Fi s Name],
C.[Las Name],
D.[EmailAdd ess],
E.[PhoneNumbe ],
G.[Ci y],
G.[Pos alCode],
H.[S a eP o ince],
I.[Coun y],
J.[Te i o y]
FROM [AW2019_S aging].[dbo].[S g_Cus ome ] A
LEFT JOIN [AW2019_S aging].[dbo].[S g_S o e] B
ON A.[S o eID] = B.[BusinessEn i yID]
LEFT JOIN [AW2019_S aging].[dbo].[S g_Pe son] C
ON A.[Pe sonID] = C.[BusinessEn i yID]
LEFT JOIN [AW2019_S aging].[dbo].[S g_EmailAdd ess] D
ON C.[BusinessEn i yID] = D.[BusinessEn i yID]
LEFT JOIN [AW2019_S aging].[dbo].[S g_Pe sonPhone] E
ON C.[BusinessEn i yID] = E.[BusinessEn i yID]
LEFT JOIN [AW2019_S aging].[dbo].[S g_BusinessEn i yAdd ess] F
ON C.[BusinessEn i yID] = F.[BusinessEn i yID] and [Add essTypeID]=2
LEFT JOIN [AW2019_S aging].[dbo].[S g_Add ess] G
ON F.[Add essID] = G.[Add essID]
LEFT JOIN [AW2019_S aging].[dbo].[S g_S a eP o ince] H
ON G.[S a eP o inceID] = H.[S a eP o inceID]
LEFT JOIN [AW2019_S aging].[dbo].[S g_Coun yRegion] I
ON H.[Coun yRegionCode] = I.[Coun yRegionCode]
LEFT JOIN [AW2019_S aging].[dbo].[S g_SalesTe i o y] J
ON A.[Te i o yID] = J.[Te i o yID]) S
ON T.IdClien e = S.[Cus ome ID]
WHEN MATCHED THEN
UPDATE SET T.Nome = S.[Fi s Name],
T.Sob enome = S.[Las Name],
T.Email = S.[EmailAdd ess],
T.N Tele one = S.[PhoneNumbe ],
T.Cidade = S.[Ci y],
T.CodigoPos al = S.[Pos alCode],
T.Es ado = S.[S a eP o ince],
T.Pais = S.[Coun y],
T.Te i o io = S.[Te i o y]
WHEN NOT MATCHED THEN
INSERT (IdClien e,Nome,Sob enome,Email,N Tele one,Cidade,CodigoPos al,Es ado,Pais,Te i o io)
VALUES
(S.[Cus ome ID],S.[Fi s Name],S.[Las Name],S.[EmailAdd ess],S.[PhoneNumbe ],S.[Ci y],S.[Pos alCode],S.[S a
eP o ince],S.[Coun y],S.[Te i o y]);
--10. Dim_Colabo ado Vendedo
MERGE [AW2019_DW].[dbo].[Dim_Colabo ado Vendedo ] T
USING [AW2019_S aging].[dbo].[S g_SalesPe son] S
ON T.IdVendedo = S.[BusinessEn i yID]
WHEN MATCHED THEN
120
UPDATE SET T.Quo aVendas = S.[SalesQuo a],
T.Bonus = S.[Bonus],
T.ComissaoPe cen agem = S.[CommissionPc ],
T.VendasAnoA ual = S.[SalesYTD],
T.VendasAnoAn e io = S.[SalesLas Yea ]
WHEN NOT MATCHED THEN
INSERT
(IdVendedo ,Quo aVendas,Bonus, ComissaoPe cen agem, VendasAnoA ual, VendasAnoAn e io )
VALUES (S.[BusinessEn i yID],S.[SalesQuo a],S.[Bonus],S.[CommissionPc ],S.[SalesYTD],S.[SalesLas Yea ]);
--11. Dim_Loja
MERGE [AW2019_DW].[dbo].[Dim_Loja] T
USING (SELECT B.[BusinessEn i yID],
B.[Name],
D.[Ci y],
D.[Pos alCode],
D.[Spa ialLoca ion],
E.[S a eP o ince],
F.[Coun y],
G.[Te i o y]
FROM [AW2019_S aging].[dbo].[S g_S o e] B
LEFT JOIN [AW2019_S aging].[dbo].[S g_BusinessEn i yAdd ess] C
ON B.[BusinessEn i yID] = C.[BusinessEn i yID] and [Add essTypeID]=3
LEFT JOIN [AW2019_S aging].[dbo].[S g_Add ess] D
ON C.[Add essID] = D.[Add essID]
LEFT JOIN [AW2019_S aging].[dbo].[S g_S a eP o ince] E
ON D.[S a eP o inceID] = E.[S a eP o inceID]
LEFT JOIN [AW2019_S aging].[dbo].[S g_Coun yRegion] F
ON E.[Coun yRegionCode] = F.[Coun yRegionCode]
LEFT JOIN [AW2019_S aging].[dbo].[S g_SalesTe i o y] G
ON E.[Te i o yID] = G.[Te i o yID]) S
ON T.IdLoja = S.[BusinessEn i yID]
WHEN MATCHED THEN
UPDATE SET T.Loja = S.[Name],
T.CidadeLoja = S.[Ci y],
T.CodigoPos alLoja = S.[Pos alCode],
T.LocalizacaoLoja = S.[Spa ialLoca ion],
T.Es adoLoja = S.[S a eP o ince],
T.PaisLoja = S.[Coun y],
T.Te i o ioLoja = S.[Te i o y]
WHEN NOT MATCHED THEN
INSERT (IdLoja,Loja,CidadeLoja,CodigoPos alLoja,LocalizacaoLoja,Es adoLoja,PaisLoja,Te i o ioLoja)
VALUES (S.[BusinessEn i yID],S.[Name],S.[Ci y],S.[Pos alCode],S.[Spa ialLoca ion],
S.[S a eP o ince],S.[Coun y],S.[Te i o y]);
--12. Dim_Vendedo His o icoQuo as
MERGE [AW2019_DW].[dbo].[Dim_Vendedo His o icoQuo as] T
USING [AW2019_S aging].[dbo].[S g_SalesPe sonQuo aHis o y] S
ON T.IdVendedo = S.[BusinessEn i yID]
WHEN MATCHED THEN
UPDATE SET T.Da aQuo a = S.[Quo aDa e],
T.Quo aVendas = S.[SalesQuo a]

121
WHEN NOT MATCHED THEN
INSERT (IdVendedo ,Da aQuo a,Quo aVendas)
VALUES (S.[BusinessEn i yID],S.[Quo aDa e],S.[SalesQuo a]);
-- 13. Dim_Te i o ioVendas
MERGE [AW2019_DW].[dbo].[Dim_Te i o ioVendas] T
USING [AW2019_S aging].[dbo].[S g_SalesTe i o y] S
ON T.IdTe i o io = S.[Te i o yID]
WHEN MATCHED THEN
UPDATE SET T.Te i o io = S.[Te i o y],
T.Con inen e = S.[G oup],
T.VendasAnoA ual = S.[SalesYTD],
T.VendasAnoAn e io = S.[SalesLas Yea ],
T.Cus oAnoA ual = S.[Cos YTD],
T.Cus oAnoAn e io = S.[Cos Las Yea ]
WHEN NOT MATCHED THEN
INSERT (IdTe i o io,Te i o io,Con inen e,VendasAnoA ual,VendasAnoAn e io ,Cus oAnoA ual,Cus oAnoAn e io )
VALUES (S.[Te i o yID],S.[Te i o y],S.[G oup],S.[SalesYTD],S.[SalesLas Yea ],S.[Cos YTD],S.[Cos Las Yea ]);
-- 14. Fac _PVC
---Inse i alo es elacionados com a P oducao - FACT = P
INSERT [AW2019_DW].[dbo].Fac _PCV
(Fac ,P_IdO demP oducao,IdP odu o,P_QuanP odEnco,P_Quan Pa aS ock,P_Quan Rejei ada,P_RazaoQuan Rej
ei ada,P_Da aInicioP oducao,Da aRealização,P_Da aIdealizadaFimP oducao,P_Da aInicioP odP e is a,P_Da aFi
mP odP e is a,P_Da aInicioP odReal,P_Da aFimP odReal,P_Ho asP oducao,P_Cus oP odPlaneado,P_Cus oP o
dReal)
SELECT 'P',
A.[Wo kO de ID],
A.[P oduc ID],
A.[O de Q y],
A.[S ockedQ y],
A.[Sc appedQ y],
B.[Name],
A.[S a Da e],
A.[EndDa e],
A.[DueDa e],
MIN(C.[ScheduledS a Da e]) AS [ScheduledS a Da e],
MAX(C.[ScheduledEndDa e]) AS [ScheduledEndDa e],
MIN(C.[Ac ualS a Da e]) AS [Ac ualS a Da e],
MAX(C.[Ac ualEndDa e]) AS [Ac ualEndDa e],
SUM(C.[Ac ualResou ceH s]) AS [Ac ualResou ceH s],
SUM(C.[PlannedCos ]) AS [PlannedCos ],
SUM(C.[Ac ualCos ]) AS [Ac ualCos ]
FROM [AW2019_S aging].[dbo].[S g_Wo kO de ] A
LEFT JOIN [AW2019_S aging].[dbo].[S g_Sc apReason] B
ON A.[Sc apReasonID] = B.[Sc apReasonID]
LEFT JOIN [AW2019_S aging].[dbo].[S g_Wo kO de Rou ing] C
ON A.[Wo kO de ID] = C.[Wo kO de ID]
GROUP BY A.[Wo kO de ID], A.[P oduc ID], A.[O de Q y], A.[S ockedQ y], A.[Sc appedQ y],
A.[S a Da e], A.[EndDa e], A.[DueDa e],B.[Name]
---Inse i alo es elacionados com a Comp as - FACT = C
INSERT [AW2019_DW].[dbo].Fac _PCV
122
(Fac ,C_IdO demComp as,C_IdO demComp aDe alhes,IdColabo ado ,C_IdFo necedo ,C_Da aRealizacaoO dem
Comp a,C_Da aEn ioComp a,Da aRealização,C_Da aP e is aEn ega,IdP odu o,C_Quan CompEnc,C_Quan Rec
ebida,C_Quan Rejei ada,C_Quan Pa aS ock,C_Cus oUni a io,C_Cus oUni a ioPad ao)
SELECT 'C',
A.[Pu chaseO de ID],A.[Pu chaseO de De ailID],
B.EmployeeID,B.Vendo ID,
B.[O de Da e],B.[ShipDa e],
A.[DueDa e],
DATEADD(DAY,C.[A e ageLeadTime],B.[O de Da e]) AS Expec edDueDa e,
A.[P oduc ID],
A.[O de Q y],
A.[Recei edQ y],
A.[Rejec edQ y],
A.[S ockedQ y],
A.[Uni P ice],
C.[S anda dP ice]
FROM [AW2019_S aging].[dbo].[S g_Pu chaseO de De ail] A
LEFT JOIN [AW2019_S aging].[dbo].[S g_Pu chaseO de Heade ] B
ON A.Pu chaseO de ID=B.Pu chaseO de ID
LEFT JOIN [AW2019_S aging].[dbo].[S g_P oduc Vendo ] C
ON B.Vendo ID=C.BusinessEn i yID AND A.P oduc ID=C.P oduc ID
---Inse i alo es elacionados com a Colabo ado - FACT
INSERT [AW2019_DW].[dbo].Fac _PCV
(Fac ,Da aRealização,IdColabo ado )
Selec 'Co',A.[Hi eDa e], A.BusinessEn i yID
F om [AW2019_S aging].[dbo].[S g_Employee] A
---Inse i alo es elacionados com his _depa
INSERT [AW2019_DW].[dbo].Fac _PCV
(Fac ,Da aRealização,IdColabo ado )
Selec 'HCo',A.[Da aDespedimen o], A.[IdColabo ado ]
F om [AW2019_DW].[dbo].[Dim_His Depa Colabo ado es] A
---Inse i alo es elacionados com Vendas
INSERT [AW2019_DW].[dbo].Fac _PCV
(Fac ,V_IdO demVendas,V_IdO demVendaDe alhes,IdColabo ado ,V_IdClien e,V_IdLoja,V_IdTe i o io,IdP odu o,
Da aRealização, V_Quna O demVenda,
V_P ecoUni a io,V_Valo Uni a ioP omocao,V_Sub o al,V_Pe cen agemP omocao,V_RazaoP omocao,V_Ca ego i
aP omocao,V_Da aInicioP omo,
V_Da aFimP omo)
SELECT 'V',
A.[SalesO de ID],
A.[SalesO de De ailID],
B.[SalesPe sonID],
B.[Cus ome ID],
C.[BusinessEn i yID],
B.[Te i o yID],
A.[P oduc ID],
B.[DueDa e],
A.[O de Q y],
A.[Uni P ice],
A.[Uni P iceDiscoun ],
A.[LineTo al],
E.[Discoun Pc ],
E.[Type],
E.[Ca ego y],
E.[S a Da e],
E.[EndDa e]
123
FROM [AW2019_S aging].[dbo].[S g_SalesO de De ail] A
LEFT JOIN [AW2019_S aging].[dbo].[S g_SalesO de Heade ] B
ON A.SalesO de ID = B.SalesO de ID
LEFT JOIN [AW2019_S aging].[dbo].[S g_Cus ome ] D
ON D.[Cus ome ID] = B.Cus ome ID
LEFT JOIN [AW2019_S aging].[dbo].[S g_S o e] C
ON c.[BusinessEn i yID] = D.[S o eID]
LEFT JOIN [AW2019_S aging].[dbo].[S g_SpecialO e ] E
ON A.[SpecialO e ID] =E.[SpecialO e ID]
124
Anexo VI – C iação de Views – Da a Ma – AW2019_DW
--1. Dim_Colabo ado
CREATE VIEW VDim_Colabo ado
AS
SELECT
[IdColabo ado ]
,[Candida o]
,[N Iden i icacaoNacional]
,[NodoO ganizacional]
,[Ni elO ganizacional]
,[Ca go]
,[Da aNascimen o]
,[Es adoCi il]
,[Gene o]
,[Da aCon a acao]
,[Colabo ado Assala iado]
,[Ho asFe ias]
,[Ho asLicenca]
,[Colabo ado A i o]
,[Depa amen oA ual]
,[G upoDepa amen oA ual]
,[Tu no]
,[Ho aIncioTu no]
,[Ho aFimTu no]
,[Sala ioHo a]
,[Nome]
,[Sob enome]
,[Cidade]
,[CodigoPosal]
,[Es ado]
,[Pais]
,[Email]
,[N Tele one]
FROM [AW2019_DW].[dbo].[Dim_Colabo ado ]
-- 2. Dim_His Depa Colabo ado es
CREATE VIEW VDim_His Depa Colabo ado es
AS
SELECT
[IdColabo ado ]
,[Depa amen oAn e io ]
,[G upoDepa amen oAn e io ]
,[Tu no]
,[Ho aIncioTu no]
,[Ho aFimTu no]
,[Da aCon a acao]
,[Da aDespedimen o]
FROM [AW2019_DW].[dbo].[Dim_His Depa Colabo ado es]
-- 3. Dim_His Depa Colabo ado es
CREATE VIEW VDim_His PagColabo ado es
AS
SELECT
[IdColabo ado ]
,[Da aAl Taxa]
131
Anexo XII – Desen ol imen o Powe BI – Comum a odas as páginas
A a és do auxílio da e amen a ex e na “Tabula Edi o ” oi adicionado um “G upo de
cálculo” (Figu a 78). Esse passo em como obje i o o imiza e acili a a manu enção e a ualização
das ó mulas, p omo endo a consis ência nos ela ó ios e e iciência no desen ol imen o de
análises. Nes e g upo, se ão adicionados á ios i ens calculados (Figu a 79), embo a c iados aqui,
pode ão se u ilizados em odos os g á icos, adap ando-se a qualque medida. Es e ac o eduz
signi ica i amen e o núme o de medidas c iadas, simpli icando o p ocesso e melho ando a ges ão
das análises.
Os i ens calculados adicionados o am:
• Ano A ual: Assume o alo de uma medida já c iada (Figu a 80 e Figu a 81);
• Homólogo: Calcula o alo que essa medida assume no ano an e io ao
selecionado ();
• Va iação Homólogo [%]: Rep esen a a a iação ela i a en e as duas medidas
An e io es. Aqui, é ido em con a que caso se use uma axa ou um alo em
pe cen agem, a a iação homóloga é calculada a a és da di e ença en e o Ano
A ual e o Homólogo. Caso con á io, eco e-se à ó mula da a iação que consis e
na di isão en e a di e ença do Ano A ual pelo homólogo pelo ano homólogo
(Figu a 82);
• Va iação Absolu a [Q d]: Rep esen a a a iação ela i a en e as duas medidas
An e io es (Figu a 83).
Pa a uma melho comp eensão a Figu a 84 ap esen a um exemplo de u ilização do g upo
calculado.

132
Figu a 78 - C iação de um G upo de Calculo (Fon e P óp ia)
Figu a 79 - C iação de um I em Calculado no G upo de Calculo (Fon e P óp ia)
133
Figu a 80 - C iação do I em Calculado “Ano A ual” no G upo de Calculo (Fon e P óp ia)
Figu a 81 - C iação do I em Calculado “Homólogo” no G upo de Calculo (Fon e P óp ia)
134
Figu a 82 - C iação do I em Calculado “Va iação Homólogo [%]” no G upo de Calculo (Fon e P óp ia)
Figu a 83 - C iação do I em Calculado “Va iação Homólogo [Q d]” no G upo de Calculo (Fon e P óp ia)
135
Figu a 84 - Exemplo de u ilização do g upo calculado (Fon e P óp ia)
136
Anexo XIII – En e is as
Se o da Emp esa: Imobiliá io
Ca go: Business In elligence Analys
Obje i o da En e is a: Consul o e emp esa que em um da awa ehouse aplicado
a) U ilização:
1. Despois de analisa o
dashboa d
, o que achou mais in e essan e?
Os des aques, são indicado es que pessoas que não analisam com an o de alhe ão
gos a de e . A in e a i idade dos
page na iga o es
e o ac o de e semp e a mesma
es u u a acili a a pe ceção mais ápida e ácil dos dados. A análise es u u ada dos
di e en es emas az com que a análise seja in ui i a, ápida e obje i a, que é o obje i o
p imá io pa a uma análise de qualidade.
2. Se ia ú il pa a a omada de decisão, do dia a dia ou mesmo decisões mais
es a égicas?
Ajuda
na omada de decisão e pa a aquilo que são as in e p e ações lógicas do dia a
dia ou que quei amos que sejam comp o adas. Análises ge ais e in ui i as são ó imas
pa a pessoas mais al as na hie a quia, mas o de alhe ambém é impo an e al como
es á no dashboa d.
b) Rele ância e Necessidade de um da awa ehouse:
3. Qual é que acha que é a impo ância da aplicação de um da awa ehouse, acha que
in e e e com a compe i i idade no me cado? E em que medida acha que pode
bene icia a emp esa?
Acho que pa a apos a na in eligência a i icial, que é o u u o, é necessá io e uma
es u u a como es a de da awa ehouse e análise de dados pa a pe cebe es o que em
a segui . Nes e caso, em especí ico, na aplicação numa emp esa acho que é mui o
impo an e, p imei o pa a que não haja o hábi o de “as ologia”, ou seja, pa a
comp o a os ac os e dis ingui o que é a ealidade ou não. Pa a que a emp esa
possa bene icia dis o é necessá io que haja uma boa adap ação na emp esa e
educação pa a que possa se usado po oda a emp esa de o ma cla a e ú il pa a
odos. É impo an íssimo que haja uma boa implemen ação e o mação naquilo que
são es as no as e amen as, po que como sabemos a maio pa e das pessoas
a ualmen e ainda es ão mui o ad e sas à mudança. Po mais que seja uma ó ima
e amen a se só hou e uma ou duas pessoas a i a usu u o dela, a emp esa não
ai i a an agem compe i i a no u u o.
c) Desa ios de implemen ação:
4. Achas que é mui o di ícil ensina os u ilizado es inais a mexe no Powe BI?

137
Achas que é necessá io o e ece o mações aos colabo ado es pa a mexe na
e amen a ou é mais pa a pe cebe as medidas? Acho que é um pouco dos dois e
acho que é di ícil ensina as pessoas a usa is o se elas não i e em na u almen e
uma p edisposição pa a aquilo que é a ecnologia. Po que as mé icas, no undo, se
nós as ap esen a mos em papel eles ão acaba po pe cebe . Daquilo que
expe ienciei e que não e e mui o sucesso naquilo que é a educação e po oda a
gen e a mexe e a mexe bem, acho que é impo an e numa ase inicial du an e dois
meses uma ou duas ezes po semana como se osse um cu so, que e ia po exemplo
25 ho as. Acho que es e caminho é mesmo impo an e, não com oda a gen e.
Começa pelos di e o es de depa amen o, g a a as sessões e depois se ize sen ido
pa ilha-se as o mações pa a os colabo ado es de segundo ní el e ga an i que eles
ão e . Assim, acho que ai unciona !
5. Den o da ua emp esa i es e em odas as ases da c iação de um da awa ehouse,
desde ex ação, a amen o de dados e isualização que é que achas e mais di ícil?
Na expe iência que eu i e, o mais di ícil passa pelo a amen o de dados e luxo dos
dados po que depois a implemen ação em si e a cons ução dos
dashboa ds
e a
alidação dos dados. A pa e da cons ução dos dados acho que po mais di ícil que
seja é mais compensado a. As ou as es ás ali em es es à espe a que dê bem-
sucedido. No undo, isualização e implemen ação acho que é o mais ácil e
a amen o e cons ução de dados é o mais di ícil.
d) Compe ências e condições necessá ias:
6. Achas que já exis ia uma equipa que conseguia supo a odas as necessidades que
um da awa ehouse aca e a?
A ní el écnico não, daí a minha en ada na emp esa. A é ao pon o de de ini as
necessidades do negócio a emp esa es a a p epa ada, a pa i daí necessi a a de
alguém que i esse mais conhecimen o da pa e écnica. Rela i amen e aos dados, a
emp esa e a capaz mui o po que a esponsá el de ecnologia e oda a gen e a é eu
en a pa a emp esa pa a quem não inha supo e nem conhecimen o écnico os
dados es a am mui o bem o ganizados e p epa ados pa a aquilo que e a a es u u a
e capacidades écnicas. Nou as emp esa e pela minha expe iência, no malmen e,
es e p ocesso en ol e mui o mais abalho.
7. Qual a sua opinião sob e o o çamen o necessá io pa a a implemen ação e
manu enção de um
da awa ehouse
?
Pela minha expe iência, de uma o ma ge al o dinhei o é e e i amen e bem aplicado.
Cla o que a lei da o e a e da p ocu a in luencia mui o naquilo que é o alo des e ipo
de mão de ob a quali icada e como ainda não exis e mui a acho que é um p eço um
pouco ele ada pa a o empo. Das expe iências que eu i e o o çamen o s o empo
de desen ol imen o oi jus o, mas o o çamen o s o empo inicialmen e es ipulado é
um pouco exage ado. No undo acho que é um dinhei o bem emp egue, mas ainda é
um pouco ca o. Se osse jus amen e epa ido po quem az a es a égia, quem ai
planea e quem desen ol e acho que se ia bem aplicado. Em Po ugal, acho que
quem desen ol e de e ia se mais alo izado, po que lá o a é mais alo izado.
138
e) Ges ão In e na e desa ios?
8. Qual a sua opinião sob e a ges ão dos dados?
Acho que de e se a p imei a ques ão a se abo dada, como es á a in aes u u a no
momen o do início do p oje o. Es a pode se a azão do p oje o se alongado consoan e
a sua p e isão. Acho que como no inal os dados são o necidos de uma o ma ão
cla a e in ui i a pensam que os dados que es ão na base ambém es ão assim, mas
pa a isso a base de dados em de se cuidada.
9. Achas en ão que se á o pon o mais impo an e da cons ução de um da awa ehouse?
Sim, a amen o de dados e cons ução das es u u as das bases de dados.
) Conside ações Finais – Feedback
10. Que es suge i alguma melho ia pa a o dashboa d que mos ei?
Melho a ia um pouco a ní el es é ico.
11. Se pudesses esumi numa ase o maio bene ício da implemen ação de um
da awa ehouse den o de uma emp esa?
Há uma ase que eu gos o mui o “Os dados in eligen es possibili am uma maio
p oximidade en e o u ilizado inal e os melho es esul ados do negócio.”
Se o da Emp esa: Vinícola
Ca go: Adminis a i a
Obje i o da En e is a: Emp esa que não em nenhum con ac o bom BI nem em um
da awa ehouse aplicado
a) U ilização:
1. Depois de analisa o dashboa d, o que achou mais in e essan e?
Achei in e essan e o ac o de e mos acesso a dados de o ma mais o ganizada, de
pode mos usa os il os pa a seleciona in o mação. E pa ece-me se uma e amen a
bas an e ú il.
2. Achas que em u ilidade p á ica na decisão es a égica ou de dia a dia?
Sim, sem dú ida! Po que pode-se compa a di e sos aspe os como endas, clien es
ao longo de á ios anos e pe cebe um bocado como é que podem se di igidas as
p óximas es a égias.
b) Rele ância e Necessidade de um da awa ehouse:
139
3. Qual a ua opinião sob e a implemen ação de um da awa ehouse numa emp esa?
Achas que pode aumen a a compe i i idade ou bene icia de ce a o ma a emp esa?
Sim, acho que é um aspe o posi i o, mas depende da inalidade do p oje o a
desen ol e . Aumen a a compe i i idade penso que seja mais a ní el in e no, a ní el
ex e no não acho que seja ão bené ico. No undo penso que se e mais pa a conhece
a emp esa a ele p óp ia do que ao me cado.
4. Se a ualmen e se osse implemen a um da a wa ehouse aí na emp esa, que desa ios
ou p oblemas é que achas que pode ia esol e ?
P imei o acho que a apidez, p a icidade e dos dados es a em odos concen ados
numa pla a o ma só. Colocando na p imei a si uação p á ica que consigo pensa
ago a amos imagina que chega um ag icul o e que e a e olução dos kilos de
u as en egues nos úl imos qua o anos. Se ia mui o mais ácil se os dados es i essem
odos eunidos num só sí io, ao con á io de ago a que enho que ab i o Excel
e e en e a cada ano.
c) Desa ios de implemen ação:
5. Qual é que achas que se ia a um dos maio es desa ios?
A adap ação. Acho que a aixa e á ia daqui não é assim ão jo em nem ins uída
ecnicamen e pa a podemos conside a uma ácil e ápida adap ação.
d) Aplicabilidade e Sucesso da Implemen ação
6. A ní el de o çamen o, achas que mesmo não endo con ac o nenhum com a á ea
achas que é um bom in es imen o?
Acho que nes e momen o não é algo que sin o a necessidade. Nes e momen o há
ou as coisas p io i á ias que se pode ia in es i .
e) Compe ências e condições necessá ias:
7. Achas que já exis ia uma equipa que conseguia supo a odas as necessidades que
um da awa ehouse aca e a?
Te ia de ha e alguém ex e no pa a aze oda a pa e p á ica, mas semp e com o
auxílio de alguém in e no pa a que as di e izes do p oje o es ejam semp e bem
de inidas e de aco do com os obje i os da emp esa. Pa a a manu enção ambém se ia
necessá io alguém, assim como, emos nou os p og amas como a a u ação.
) Ges ão In e na e desa ios?
8. Quais é que achas que se iam as limi ações na implemen ação de um
da awa ehouse? Falas e que ainda êm mui os dados em papel. Achas que e a di ícil
in o ma iza esses dados?
140
P imei o acho se ia necessá io pe cebe o obje o da implemen ação. Mas a
di iculdade se ia mais compila odas as in o mações necessá ias e pe cebe que
in o mações é que se iam mais ele an es de isualiza em cada
dashboa d
.
9. Achas que exis i ia mui a esis ência à mudança? Como é que a emp esa i ia lida
com es a si uação?
Acho que no início i ia p ecisa de imenso apoio po se uma coisa no a. A adap ação
ambém depende ia do obje i o da implemen ação, mas se ia bas an e ú il.
g) Conside ações Finais – Feedback
10. Que es suge i alguma melho ia pa a o dashboa d que mos ei?
Não, a in o mação pa ece-me bas an e cla a e o ganizada. A pa e da u ilização da
e amen a em si ambém me pa ece bas an e in ui i a.
11. Se pudesses esumi um bene ício de uma possí el implemen ação de um
da awa ehouse
qual se ia?
Nós i emos o lançamen o de um no o p odu o à ce ca de um ano e meio e se ia
in e essan e pe cebe a e olução dele. Apesa de eu nes e momen o o consegui aze
se calha com es e ipo de isualizações se ia mais ácil
Se o da Emp esa: Cibe segu ança
Ca go: Di e o Come cial
Obje i o da En e is a: Com mais de 10 anos de expe iência na á ea do Business
In elligence.
a) U ilização:
1. Achas que em u ilidade p á ica na decisão es a égica ou de dia a dia?
Sim, sem dú ida!
b) Rele ância e Necessidade de um da awa ehouse:
2. Qual a ua opinião sob e a implemen ação de um da awa ehouse numa emp esa?
Achas que pode aumen a a compe i i idade ou bene icia de ce a o ma a emp esa?
A maio an agem que az pa a a emp esa é o ac o de e os dados cen alizados,
de uma o ma incon es á el e com os de idos acessos es i os a quem ealmen e
pode edi a ou só e os dados. A implemen ação de um da awa ehouse numa
emp esa pode começa de á ias o mas e com obje i os di e en es. É possí el inicia
es a abo dagem pela pa e adminis a i a e i ab angendo o es o da emp esa aos
poucos em ez de abo da um p oje o mui o g ande inicialmen e. T az an agem
compe i i a po que se p essupõe que quando os dados icam disponí eis a á ias