O Uso e Exploração de Data Warehouses na Tomada de Decisão em e-Commerce

Abstract

Abstract: In an extremely competitive market, where huge amounts of information about user and consumption profiles are generated daily, the management of this data allows companies to find ways to improve their attractiveness and differentiation, being able to create offers geared to specific consumption needs. Through this study it was realized that the correct management of data warehouses allows the best use of the data generated daily by the buying behavior and user profiles to deliver richer experiences and targeted to specific needs. Para tal, na seçao 2. será realizada uma revisão de literatura, sobre Business Inteligence e Data Warehouse, passando para a seçao 3. com uma descriçao sobre os conceitos orientados em e-commerce e, finalmente, na seçao 4. uma conclusao sobre o tema exposto. 2.Revisão de Literatura No início dos anos 90, os data warehouses tem destaque nos aplicativos de tecnologias da informaçao como uma forma de as organizaçoes usarem efetivamente as informaçoes digitais para o planeamento do negocio e tomada de decisao (Alhyasat, Al-Dalahmeh, 2013). Os data warehouses (DW) sao repositórios de inteligencia, servindo como "data lakes" a partir do qual Business Inteligence pode ser derivada (Al-Debei, 2011).

Headnote

Resumo: Num mercado extremamente competitivo, onde diariamente são geradas quantidade enormes de informações sobre perfis de utilizadores e de consumo, a gestão desses dados permite que as empresas encontrem formas de melhorar a sua atratividade e diferenciação, sendo capazes de criar ofertas orientadas para as necessidades de consumo específicas. Os Data Warehouses armazenam e organizam essas informações e são os ambientes chave para que as empresas façam a gestão de todas informações valiosas de mercado. Esse artigo contextualiza a ciência de Business Inteligence e de Data Warehouse para verificar seu impacto e aplicação em e-commerce. Através deste estudo percebeu-se que a correta gestão de data warehouse permite o melhor usufruto dos dados gerados pelo comportamento de compra e perfis de utilizadores para entregar experiências mais ricas e direcionadas para necessidades específicas. Contudo, há o desafio de encontrar cada vez mais formas diferenciadas de usar essas informações para que as empresas se possam destacar no mercado.

Palavras-chave: Data Warehouse; e-Commerce; Business Inteligence; Sizebay.

Abstract: In an extremely competitive market, where huge amounts of information about user and consumption profiles are generated daily, the management of this data allows companies to find ways to improve their attractiveness and differentiation, being able to create offers geared to specific consumption needs. Data Warehouses store and organize this information and are the key environments for companies to manage all valuable market information. This article seeks to contextualize the science of business Inteligence and data warehouses to verify their impact and application in e-commerce. Through this study it was realized that the correct management of data warehouses allows the best use of the data generated daily by the buying behavior and user profiles to deliver richer experiences and targeted to specific needs. However, there is the challenge of finding increasingly differentiated ways of using this information and ways for a company to stand out in the market.

Keywords: Data Warehouse; e-Commerce; Business Inteligence; Sizebay.

1.Introduçao

Diariamente, torna-se mais visível na sociedade a facilidade e popularidade do uso de comércio eletrónico nas últimas duas décadas. Assim, num contexto atual, o mundo dos negócios está cada vez mais competitivo, com organizaçoes sobre constante pressâo para se tornarem mais atrativas e diferenciadas para conquistar seu espaço de mercado. Como Luk, Choy e Lam (2019) confirmam no seu trabalho, as compras on-line tornaram-se, globalmente, uma tendencia moderna, pois oferecem beneficios diversos aos consumidores na forma de disponibilidade de mercadoria estrangeira a um custo menor, quando comparado com situaçoes de compra nos mercados nacionais, permitindo opçoes de escolha mais diversificadas

Outro fator é a rápida proliferação de dispositivos eletrónicos pessoais, a implementação e generalização do uso da Internet e a globalização (Siddiqui, Aljahdali, 2013) que impulsionam a difusão do comércio eletrónico. A esfera digital também se mostra uma forte plataforma para distribuição, recuperação e análise de informação (Siddiqui, Aljahdali, 2013), sendo inundada diariamente com dados desde sobre o perfil dos consumidores, padrees de compra e tendencias de mercado. Para Costa (2012), o comércio digital traz um novo padrão de funçoes de negócios em empresas competitivas e faz com que o fator crítico de sucesso seja a capacidade e velocidade de resposta que as empresas tem para as condiçoes de mudança e sua capacidade de serem inovadoras em garantir atendimento mais dinámico e concentrado nas necessidades dos consumidores e também em como atuam face aos desafios do mercado.

Essa dinamização resume-se na necessidade de as organizaçoes serem ágeis para tomar constantemente decisoes rápidas, em tempo real, quer sejam estratégicas, táticas ou operacionais (Costa, 2012). Com esse aumento da competitividade devido a globalização, Sassi (2010) comenta que o processo de tomada de decisão numa empresa está cada vez mais baseado em informação de qualidade, trazendo a necessidade em utilizar ferramentas melhores e mais capacitadas na captação e gestão de informação. Contudo, para isso as empresas precisam de uma vasta quantidade de dados, informação e conhecimento (Costa, 2012). Siddiqui e Aljahdali (2013) definem que, para essa tomada de decisão, é imprescindível utilizar métodos de data mining para analisar as atividades realizadas pelos utilizadores desses sites. Para os autores, o mercado eletrónico possibilita transaçoes on-line e nunca foi tâo fácil gerar dados em larga escala e em tempo real (Siddiqui, Aljahdali, 2013).

Nesse contexto são necessárias práticas de Business Inteligence para realizar uma extração de conhecimento das bases de dados onde existe informação valiosa (Sassi, 2010) e uma forma de arquitetar um ambiente adequado para esses processos de data mining é a utilização de data warehouses, que, associados a outas técnicas, permitem a extração do conhecimento desses dados (Sassi, 2010). Portanto, o data warehouse é considerado uma das mais poderosas tecnologias de suporte a tomada de decisão e inteligencia do negócio.

Desse modo, o presente trabalho pretende entender como o uso de data warehouses pode beneficiar o mercado de comércio eletrónico e promover a melhor utilizaçao das diversas informaçoes geradas diariamente no comércio online. Para tal, na seçao 2. será realizada uma revisão de literatura, sobre Business Inteligence e Data Warehouse, passando para a seçao 3. com uma descriçao sobre os conceitos orientados em e-commerce e, finalmente, na seçao 4. uma conclusao sobre o tema exposto.

2.Revisão de Literatura

No início dos anos 90, os data warehouses tem destaque nos aplicativos de tecnologias da informaçao como uma forma de as organizaçoes usarem efetivamente as informaçoes digitais para o planeamento do negocio e tomada de decisao (Alhyasat, Al-Dalahmeh, 2013). Um data warehouse é definido como uma fonte consultável de dados multifuncionais altamente organizados com o intuito de aprimorar a identificaçao de problemas e persuadir as necessidades críticas de decisoes de gestão (Alhyasat, AlDalahmeh, 2013), sendo um banco de dados otimizado para suporte a decisao.

Como Al-Debei (2011) aponta, o acesso a grande quantidade de dados armazenados nos sistemas operacionais das organizaçoes tornou-se, progressivamente, mais demorado e complexo. As organizaçoes poderao utilizar técnicas de data warehousing para superar esses problemas através da integraçao de fontes de dados operacionais heterogéneas (Al-Debei, 2011).

De modo geral, os problemas e desafios encontrados na prática de uso de data warehouse sao de gestao, organizacionais e tecnológicos, segundo Al-Debei (2011), uma vez que exigem competencias técnicas e administrativas para a manutençao, controlo e acessibilidade. Esses repositórios de dados fornecem uma infraestrutura tecnológica que permite as organizaçoes extraírem dados dos sistemas de origem, limpar os dados extraídos e transformar enormes quantidades de dados de modo a serem armazenados no data warehouse (Al-Debei, 2011).

Devido a popularidade da compra em lojas virtuais, ao estado e desenvolvimento atuais do mercado, Ferreira (2018) aponta que é esperado um crescimento na realizaçao de compras online, fazendo com que as empresas necessitem de sistemas mais complexos que permitam, aos gestores, informaçao mais adequada para a tomada de decisao. Este tipo de informaçao é obtido através de Business Inteligence (BI) e ferramentas de apoio muito importante ao e-Commerce (Ferreira, 2018). Ao utilizar tais sistemas de BI as organizaçoes recolhem, tratam e difundem informaçoes com o objetivo de reduzir a incerteza na tomada de decisao (Kumar, Sravanthi, Deept, 2013).

O Business Inteligence está, segundo apontam Kumar, Sravanthi, e Deept (2013), enraizado na interpretaçao dos dados adquiridos por meio de uma recolha no ambiente em relaçao a uma "contextualizaçao" da tarefa comercial (ou seja, dados de navegaçao, compra, perfil de consumidor, entre outros) e tem como objetivo proporcionar informaçoes táticas e estratégicas aos gestores, a fim de permitir a gestao e coordenaçao de operaçoes e processos nas instituiçoes comerciais. Os data warehouses (DW) sao repositórios de inteligencia, servindo como "data lakes" a partir do qual Business Inteligence pode ser derivada (Al-Debei, 2011).

Esses data warehouses permitem que uma organização comercial manipule grandes quantidades de dados de diversas formas úteis, como: limpeza, organização, descrição, resumo e armazenamento de grandes volumes de dados a serem transformados, analisados e relatados (Alhyasat, Al-Dalahmeh, 2013).

Agora, torna-se necessário contextualizar a importância de sistemas de inteligencia de negócio e como uma das suas ferramentas, nomeadamente os data warehouse, sao estruturados e quais os seus beneficios numa gestão de e-commerce.

2.1. Business Inteligence

Atualmente, sistemas de Business Inteligence (BI) sao de grande importancia para qualquer organização, independentemente do setor onde atua, servindo de apoio a gestores no processo de tomada de decisão e aumentando a qualidade da mesma, através da disponibilização de informação útil (Costa, 2012). Podem ser definidos, de acordo com Turban, Sharda, e Delen (2010, apud Costa, 2012), como um termo genérico que integra arquiteturas, ferramentas, bases de dados, ferramentas analíticas, aplicaçoes e metodologias de inteligencia de negócios. Já Habul e Pilav-Velic (2010, apud Costa, 2012) trazem como definição ser um processo de recolha, tratamento, análise e utilização de informação estratégica para as organizaçoes. Em suma, Business Inteligence engloba toda a inteligencia de informaçoes sobre negócios e comércio de forma estratégica e analítica.

A obtenção e maximização de lucros, através da venda de bens e serviços é, globalmente, o objetivo de qualquer empresa comercial. Desse modo, com BI as empresas podem compreender informaçoes sistemáticas de vendas e orientar políticas comerciais para necessidades específicas dos clientes, criando um ambiente mais especializado e customizado, ao mesmo tempo que atraem e fidelizam novos clientes com produtos de valor agregado (Kumar, Sravanthi, Deept, 2013).

Um sistema de BI permite que gestores tomem decisoes usando dados em tempo real, monitorizando a concorrencia, realizando análises constantes de vários dados (Kumar, Sravanthi, Deept, 2013). E, considerando diferentes variantes do desempenho da instituiçao, os dados sao extraídos de bases de dados operacionais, de clientes e de dados recolhidos pertencentes a concorrencia (Kumar, Sravanthi, Deept, 2013). Desse modo, sistemas de BI extraem dados dessas fontes de dados variadas, transformando-os em formatos específicos para, em seguida, proceder ao seu carregamento em data warehouses especialmente projetados e disponíveis para todos os tres níveis de tomada de decisão da organização: operacional, estratégico e tático (Kumar, Sravanthi, Deept, 2013).

Ao nivel da gestão estratégica, os sistemas de BI permitem a definição de metas e objetivos estratégicos, assim como o seu acompanhamento que permite a realização de diferentes relatórios (Costa, 2012). As decisoes estabelecidas nesse nivel marcam objetivos e levam a decisão ao nivel tático da organização (Kumar, Sravanthi, Deept, 2013). Neste nivel, as informaçoes sao extraídas do sistema de BI e desenvolvem táticas para atingir os objetivos estratégicos (Kumar, Sravanthi, Deept, 2013).

Como visto na tese de Costa (2019), os sistemas de inteligencia de negócio, através de ferramentas específicas, possuem utilidade nos mais variados setores, tais como de produção, de retalho e distribuição. Através dos sistemas de BI, é possível acompanhar a gestão de stocks, analisar vendas e compras, verificar a distribuição e logística, além de prever a procura por serviços e/ou produtos e controlar e promover a fidelizaçao dos clientes. Kumar, Sravanthi e Deepthi (2013) também apresentam como beneficios a reduçao da dispersão de informaçoes, maior escopo para interaçao entre utilizadores, facilidade de acesso a informaçao, disponível em tempo real de dados, versatilidade e flexibilidade na adaptaçao a realidade da empresa e utilidade no processo de tomada de decisão. Assim, as ferramentas de sistemas e de BI possuem um papel fundamental no processo de tomada de decisão nas organizaçoes, por permitirem recolher, armazenar, aceder e analisar dados organizacionais para apoiar e facilitar a tomada de decisoes. Entre os diversos elementos de Business Inteligence sao os data warehouses que sao grandes repositórios de dados com o intuito de criar uma vantagem competitiva para entender os dados da empresa gerados por meio de seus próprios negócios (Kumar, Sravanthi, Deept, 2013). Esse processamento de informaçoes tornou-se cada vez mais a base para alcançar vantagens competitivas e torna-se o grande foco de desenvolvimento em diversas empresas dos mais variados setores.

2.2. Data Warehouse

Neste ambiente de negócios que se torna cada vez mais competitivo, iniciar decisoes de alta qualidade pode ser o que diferencia a sobrevivencia ou prosperidade de uma empresa. Para Alhyasat e Al-Dalahmeh (2013), a gestao de alto risco e retorno dos data warehouses é uma tarefa bastante complexa, uma vez que o desafio do crescimento exponencial do volume de dados pode ser arriscado em termos de re^ão custo-benefício e segurança. Desse modo, as organizaçoes procuram uma vantagem competitiva ao alavancar as suas fontes de dados na tomada de decisoes para fins de inteligencia estratégica (Alhyasat, Al-Dalahmeh, 2013).

Data warehouses (DWs), possuem dados e informaçao de diversas fontes de dados, que podem ser acedidos através de um local centralizado e de forma integrada (Leal, Costa, 2019). Segundo Inmon (1995), data warehouse é uma co^ão de dados orientados por assunto, integrados, nao voláteis e variáveis com o tempo, para dar suporte ao processo de tomada de decisão. Para o mesmo autor, s DWs são projetados para facilitar a geração de relatórios e análises (Inmon, 1995). Ressalvam Alhyasat, Al-Dalahmeh (2013) que os meios para recuperar e analisar dados, extrair, transformar e carregar dados e gerir o dicionário de dados também sao considerados componentes essenciais de um sistema de data warehouse (Alhyasat, Al-Dalahmeh, 2013).

Um data warehouse é um ambiente extensível estruturado e projetado para a análise de dados não voláteis, transformados lógica e fisicamente a partir de vários aplicativos de origem para alinhar-se aos aplicativos de negócios, atualizados e mantidos por um longo período de tempo e resumidos para análise rápida (Alhyasat, Al-Dalahmeh, 2013). Assim, são um repositório de dados relevante para a gestão de uma organização e do qual emergem informação e conhecimento necessários para gerir efetivamente a organização (Alhyasat, Al-Dalahmeh, 2013).

Na Figura 1 é apresentada uma arquitetura de um DW com seus cinco componentes principais: fonte de dados original; prepa^ão dos dados; armazenamento dos dado; ferramenta de análise de dados, e ferramentas de acesso a dados. A primeira etapa refere-se a origem dos dados desejados, onde podem ser encontrados para extração e preparação (segunda etapa). Feito isso, os dados são colocados em DW estruturados com uma modelagem dimensional aplicada que permite o uso de ferramentas de análise de dados e que pode determinar como esses dados serão consumidos para, por fim, serem trabalhados por ferramentas de acesso a dados, que definem a forma como a informação chegará aos gestores para a tomada de decisão.

Com a tecnología do DW os gestores são capazes de tomar decisoes mais eficazes, através do uso de informaçoes mais adequadas, fundamentalmente diferentes do tipo de informação que as empresas costumam usar em operaçoes diárias (Alhyasat, AlDalahmeh, 2013).

Logo, a capacidade em gerar mais e melhores informaçoes e indicadores destinados aos decisores, flexibilizando e otimizando o consumo de recursos e tempo no processo de verificação nos repositórios de dados, são algumas das características que distinguem estes sistemas e os impulsionam para um patamar elevado no suporte ao exercício de tomada de decisão (Costa, 2006). Parte-se, agora, para uma análise mais orientada ao uso de estratégias de BI e gestão de DW no ámbito do comércio eletrónico.

3.Aplicaçao De Data Warehouses Em e-Commerce

O comércio eletrónico pode ser definido como o processo de compra, venda, transferencia ou troca de produtos, serviços e/ou informaçoes via redes de computadores, incluindo a Internet (Barroso, et al, 2019). O crescente número de formas de transição do modelo tradicional de comércio para o comércio eletrónico é o resultado da evolução da tecnologia nos contextos comerciais (Barroso, et al, 2019). A sua adoção traz muitos benefícios, como obter retornos substanciais através de uma maior eficiencia operacional, stocks reduzidos, aumento de vendas, relacionamento especializado com clientes e fornecedores, assim como retorno financeiro (Ocloo, Xuhua, Worwui-Brown, Addai, 2018).

Estao em curso importantes mudanças nas práticas do setor de comercio eletrónico, as quais estão a alterar os meios básicos de conduzir negócios e quer pequenas e médias empresas, quer grandes empresas, usam cada vez mais comércio eletrónico, estruturados com ferramentas de Business Inteligence, para obter vantagens competitivas e expandir sua entrada no comércio global (Ocloo, Xuhua, Worwui-Brown, Addai, 2018). Uma plataforma tecnologicamente avançada pode ser um procedimento caro, que requer novas e mais especializadas competencias, mas permite que as empresas adquiram novas vantagens competitivas, reduzindo custos, melhorando a qualidade do produto, alcançando mais clientes e fornecedores, assim como inovando na forma como vendem os seus produtos ou serviços (Barroso, et al, 2019).

Segundo Kimball e Merz (2000), a partir de 1995, quando se iniciou a massificação da Internet, investigadores da área de Data Warehouse iniciaram estudos sobre as possibilidades de transmissão e manipulaçao dos dados, assim como de informaçao contida em armazéns de dados através da Internet. Surgem, então, estudos em Data Warehouse com uma arquitetura diferenciada pela sua presença digital (Kimball, Merz, 2000). Entretanto, o sucesso da implementação de um data warehouse em contexto empresarial está ligado a qualidade de dados entregues e a capacidade interna de gestão e aval^ão dos mesmos (Leal, Costa, 2019).

Os dados gerados nas grandes empresas crescem, todos os dias, de forma exponencial. Esse volume é muito alto e muito diversificado, sem contar com a rapidez com que dados e informação são gerados. Assim, a baixa qualidade dos dados pode gerar sérias implicaçoes para as empresas, especialmente nos processos de tomada de decisão (Leal, Costa, 2019), algo que pode levar a consequencias catastróficas. Assim, a total qualidade de gestão dos dados é imprescindível nessas organizaçoes (Leal, Costa, 2019). Para uma boa exti^ão, limpeza e armazenamento dos dados, DWs bem arquitetados e estruturados sao imprescindíveis em qualquer tipo de negócio, especialmente em e-commerce, contexto em que sao inundados pelos mais diversos tipos de dados e informaçoes diariamente.

Siddiqui e Aljahdali (2013) apresentam uma proposta de sistema modelo que integra o uso de data mining para plataformas de e-commerce, que pode ser vista na Figura 2.

Esse modelo consiste em componentes centrais como dados comerciais, dados obtidos da interação do consumidor, data warehouse e análise de dados. Os dados comerciais são os obtidos das entidades comerciais (e.g., detalhes do produto e serviço e sua descreo). O segundo elemento são os dados obtidos com a interação com o consumidor, que fornece detalhes sobre o perfil de consumo e suas escolhas, estilos de visita, preferencias, número de acessos e cliques em determinada página, natureza do consumidor e infinitas outras informaçoes.

Ou seja, esse modelo propoe que toda e qualquer etapa de contacto e interação com os consumidores gera informaçoes preciosas, alimentando a inteligencia empresarial e permitindo que o processo de tomada de decisão seja melhor orientado para seu público recorrente. Todas estas informaçoes são armazenadas nos data warehouses para processamento e análise dos profissionais competentes, utilizando as ferramentas adequadas, para gerar resultados analíticos que irão impactar o modelo de negocios e aperfeiçoar a interação com o consumidor.

Todos esses dados em bruto podem ser adquiridos e inseridos em bases de dados ou em data warehouses. Após a análise dos dados, podem ser produzidos relatórios auxiliando a tomada de decisão para melhorar o desempenho da oferta de produtos/serviços e como melhor atender os consumidores.

A gestão de um e-commerce ou e-business através de Business Inteligence tem como beneficio suprir algumas deficiencias e/ou necessidade, segunda apontado na tese de Ferreira (2018):

* encontrar padrees de consumo que geram estratégias de vendas segmentadas;

* prever de roturas de stock através dos padrees de consumo;

* identificar perfis de comportamento de utilizadores, definindo campanhas de marketing segmentadas;

* prever comportamentos de consumo, podendo oferecer artigos relacionados com o histórico de compras e/ou indicar produtos complementares;

* obter uma maior otimização e eficácia da experiencia dos utilizadores, com base no seu histórico de navegação.

Assim, além de outras tantas áreas empresariais, o marketing nas empresas de comércio eletrónico pode usufruir de uma enorme quantidade de dados, oriundos de vários canais, para encontrar informaçoes corretas sobre cada cliente e, consequentemente, estabelecer um relacionamento comercial com base na confiança e na lealdade (Akter, Fosso, 2016).

Estes sentimentos podem ser adquiridos quando os consumidores percebem uma oferta mais orientada para as suas necessidades, quando notam que o que está a ser oferecido, sejam bens de consumo ou serviço ou a experiencia de compra, é definido de acordo com os seus próprios padrees de comportamento (Akter, Fosso, 2016).

Luk, Choy e Lam (2019) mostram que a logística do comercio eletrónico assume, geralmente, cinco características: i) fragmentaçao de pedidos; ii) baixa margem de lucro por transaçao; iii) alto volume de uso; iv) alta variedade de produtos, e v) operaçao logística crítica. Assim, o comércio eletrónico, possui um número maior de clientes (individuais ou corporativos), produtos e informaçoes quando comparado com o comércio tradicional, trazendo a necessidade crítica de gerir, de modo eficiente, toda essa gama de informaçoes. Para atingir esse objetivo, data warehouses especializados sao importantes para apoiar as estrategias de negócio para a construçao de relacionamentos lucrativos e de longo prazo com clientes específicos, além de maximizar o valor do cliente para a organizaçao (Luk, Choy e Lam 2019).

Os dados de transaçoes ou atividades de negócios evoluem como resultado de trocas entre o cliente e a empresa ao longo do tempo. Esses dados sao estruturados por natureza e tem como origem diversas fontes (por exemplo: pedidos, carrinho de compras, visitas, utilizadores, links de referencia, palavras-chave, navegaçao em catálogos, dados sociais). Akter e Fosso (2016) apontam que os dados podem ser amplamente classificados em quatro categorias:

1. dados de compras (informaçoes sobre transaçoes ou atividades de negócio);

2. dados de fluxo de cliques (comportamento de navegaçao na página digital);

3. dados de visuais (vídeos e imagens); e

4. dados de áudio.

No comércio eletrónico, os dados sao a chave para rastrear o comportamento de compra do consumidor para personalizar ofertas, que sao adquiridas ao longo do tempo usando a navegaçao do consumidor e pontos transacionais (Akter, Fosso, 2016).

De modo geral, é evidente que as lojas de retalho eletrónico podem obter inúmeros beneficios em toda a cadeia de valor usando dados de transaçoes. Contudo, essa gestao pode requerer muita mao de obra e infraestrutura informática, exigindo um alto investimento por parte das empresas. Esse tipo de gestao pode ser bastante oneroso e, se feito de modo errado, pode gerar resultados precipitados ou erróneos que prejudicariam o processo de tomada de decisao.

Assim, formas mais eficientes de gestao de data warehouse, obtençao e limpeza melhoradas das informaçoes sao investimentos que as e-commerce e e-business devem considerar para tornarem-se mais competitivas no mercado, criando ofertas de bens de consumo e de serviço mais orientados para o perfil dos seus consumidores e pela procura no mercado.

4.Conclusoes

A cada dia que passa, os gestores das organizaçoes tornam-se mais cientes de que quem dispoe de informaçao sistematizada, em grande quantidade, com boa qualidade, confiável e atempada no momento certo, possui todas as condiçoes para se manter competitiva no mercado. O Business Inteligence é mais do que apenas relatórios empresariais e um conjunto de ferramentas para obter dados de sistemas empresariais. Com BI as empresas podem tomar decisoes otimizadas, com o objetivo de reduzir custos e categorizar novas oportunidades de negócios.

Através da correta compreensão dos sistemas de BI qualquer organização consegue implementar uma abordagem analítica que transforme dados em informação, informação em conhecimento e conhecimento em decisoes.

A análise de data warehouses surge como uma excelente forma de inovação e competição na esfera do comércio eletrónico graças aos desafios e oportunidades criados pela revolução da informação, facilidade de acesso ao meio digital e constante evolução do mercado. A análise de DWs agrega valor as empresas de comércio eletrónico, fazendo uso da dinámica com utilizadores, processos e tecnologías para transformar dados em ideias para tomada de decisão e soluçoes complexas para problemas de negócio.

Desse modo, um data warehouse oferece os fundamentos e recursos necessários para a tomada de decisâo, fornecendo dados robustos que servem para todos os setores dentro de uma empresa, desde os órgäos executivos, até a gestão de nivel operacional. Os data warehouses podem oferecer benefícios ao gerar modelos de dados comuns para informaçoes de interesse, independentemente da fonte de dados. Também permitem identificar inconsistencias para que sejam propostas as devidas resoluçoes. Adicionalmente, as informaçoes obtidas podem ser armazenadas com segurança por longos períodos de tempo, podendo trabalhar em conjunto com outras ferramentas e sistemas de apoio a decisão e, assim, aprimorar o valor de plataformas de negócios digitais.

Com a aplicação de técnicas de BI é possível obter informação específica para gerir, da melhor forma, e-commerce e e-business. Contudo, apesar de ser um investimento que é possível demonstrar trazer grandes retornos, o processo de criação, manutenção e uso de data warehouses pode ser bastante oneroso e o seu uso incorreto pode trazer efeitos desastrosos na tomada de decisão. Fica o desafio de encontrar formas diferenciadas de usar tais informaçoes da forma mais coerente para cada setor interno numa empresa, além de uma estrutura operacional e mão de obra especializada para gerir toda essa enorme base de informação.

References

Referencias

Akter, S., & Fosso, W. S. (Abril de 2016). Big Data Analytics in E-Commerce: A Systematic Review and Agenda for Future Research. Electronic Markets - The International Journal on Networked Business, pp. 1-52. doi:i0.i007/si2525-0i6-02iç-0

Al-Debei, M. (2011). Data Warehouse as a Backbone for Business Inteligence: Issues and Challenges. European Journal of Economics, Finance and Administrative Sciences, 33, pp. 153-166.

Alhyasat, E., & Al-Dalahmeh, M. (1 de Luho de 2013). Data Warehouse Success and Strategic Oriented Business Inteligence: A Theoretical Framework. Journal of Management Research, 3(3), pp. 169-184. doi:10.5296/jmr.v5i3.3703

Barroso, R., Ferreira, F., Meidutė-Kavaliauskienė, I., Banaitienė, N., Falcâo, P., & Rosa, Á. (03 de Fevereiro de 2019). Analyzing the determinants of e-commerce in small and medium-sized enterprises: a cognition-driven framework. Technological and Economic Development of Economy, 25(3), pp. 496-518. doi: https://doi.org/10.3846/tede.2019.9386

Costa, A. M. (2006). A Gestão da Qualidade dos Dados em Ambientes de Data Warehousing na Prossecução da Excelencia da Informação. Dissertação de Mestrado, 246. Braga, Braga, Portugal: Universidade do Minho.

Costa, S. (Outubro de 2012). Sistema de Business Inteligence como suporte a Gestâo Estratégica. Tese de Mestrado. Braga, Portugal.

Ferreira, T. M. (19 de Outubro de 2018). Integração de Business Inteligence no e-Commerce para PME. Dissertação de Mestrado do ISEC, Instituto Superior de Engenharia de Coimbra. Coimbra, Portugal: ISEC. Fonte: http://hdl.handle.net/10400.26/25340

Inmon, W.H. (1995). Tech Topic: What is a Data Warehouse?. Prism Solutions, 1, 3-11.

Kimball, R.; Merz, R. Data Webhouse: construindo o Data Warehouse para a Web. Rio de Janeiro: Campus, 2000.

Kumar, T., Sravanthi, G., & Deept, D. (Dezembro de 2013). Competitive Advantage through Business Inteligence for E-Commerce. International Journal of Computer & Organization Trends, pp. 43-49.

Leal, H. G., & Costa, R. H. (Outubro de 2019). Qualidade de dados no Data Warehouse de uma empresa de E-Commerce. Revista Científica Multidisciplinar Núcleo do Conhecimento, 06, pp. 49-63.

Luk, C., Choy, K., & Lam, H. (2019). Design of an Intelligent Customer Identification Model in e-Commerce Logistics Industry. EAAI Conference 2018 (pp. 1-8). Louisiana: MATEC Web of Conferences. doi: https://doi.org/10.1051/ matecconf/201925504003

Ocloo, C., Xuhua, H., Worwui-Brown, D., & Addai, M. (20 de Julho de 2018). Electronic Commerce Adoption Barriers of Ghanaian Manufacturing SMEs: An Artificial Neural Network Analysis. American Journal of Multidisciplinary Research, 7(1), pp. 281-295. Fonte: http://onlinejournal.org.uk/index.php/ajmur

Sassi, R. J. (15 de Outubro de 2010). Data Webhouse E Business Inteligence Operacional: Revisitando A Tecnología E Analisando As Tendencias Do Armazém De Dados. XXX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇãO, pp. 1-14.

Siddiqui, A. T., & Aljahdali, S. (Maio de 2013). Web Mining Techniques in E-Commerce Applications. International Journal of Computer Applications, 69(8), pp. 39-44.