Desenvolvimento de processos de business intelligence em ferramentas de Big Data
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10400.22/14232 |
Resumo: | Na Economia atual, obter informação com qualidade e atempadamente é uma mais valia nas organizações para que estas alcancem uma vantagem competitiva, principalmente quando se trata de grandes empresas com portefólios de negócios alargados. O propósito desta dissertação consiste na implementação de processos de BI em ferramentas de Big Data, de forma a comprovar a sua mais-valia no auxílio à tomada de decisão. No âmbito da implementação do projeto Profit & Loss Comercial, na Sonae MC, mais especificamente BIT, foi identificada a necessidade de alterar o atual processo de disponibilização de receitas comercias, mais especificamente as relativas com processos marginais e promocionais. O pedido advém da necessidade de alterar o comportamento do processo atual, de forma a permitir uma visão analítica da informação financeira atualmente existente. É então intuito distribuir os valores de receitas cadastrados pelos utilizadores, de forma a que estes espelhem o seu impacto na rentabilidade comercial diária de toda a organização. Para tal, foram definidos algoritmos de distribuição juntamente com a equipa de negócio Sonae, que visam ratear as receitas cadastradas de acordo com a disponibilidade do comercial, de uma forma equilibrada pelos dias de afetação da receita e peso diário de cada loja na empresa como um todo. Os resultados obtidos possuem um grau de confiança e sucesso grande pois os processos implementados cumprem todos os requisitos e com um desempenho excelente. Logicamente que para atingir tempos aceitáveis foi necessário afinar os processos através de algumas técnicas, havendo ainda assim a necessidade de realizar uma verificação e melhoria constante. |
id |
RCAP_da1521a4642bb93058fb6ae133599fcc |
---|---|
oai_identifier_str |
oai:recipp.ipp.pt:10400.22/14232 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Desenvolvimento de processos de business intelligence em ferramentas de Big DataBusiness IntelligenceData WarehouseBig DataHadoopMapReduceSparkHiveScalaSistemas e Planeamento IndustrialNa Economia atual, obter informação com qualidade e atempadamente é uma mais valia nas organizações para que estas alcancem uma vantagem competitiva, principalmente quando se trata de grandes empresas com portefólios de negócios alargados. O propósito desta dissertação consiste na implementação de processos de BI em ferramentas de Big Data, de forma a comprovar a sua mais-valia no auxílio à tomada de decisão. No âmbito da implementação do projeto Profit & Loss Comercial, na Sonae MC, mais especificamente BIT, foi identificada a necessidade de alterar o atual processo de disponibilização de receitas comercias, mais especificamente as relativas com processos marginais e promocionais. O pedido advém da necessidade de alterar o comportamento do processo atual, de forma a permitir uma visão analítica da informação financeira atualmente existente. É então intuito distribuir os valores de receitas cadastrados pelos utilizadores, de forma a que estes espelhem o seu impacto na rentabilidade comercial diária de toda a organização. Para tal, foram definidos algoritmos de distribuição juntamente com a equipa de negócio Sonae, que visam ratear as receitas cadastradas de acordo com a disponibilidade do comercial, de uma forma equilibrada pelos dias de afetação da receita e peso diário de cada loja na empresa como um todo. Os resultados obtidos possuem um grau de confiança e sucesso grande pois os processos implementados cumprem todos os requisitos e com um desempenho excelente. Logicamente que para atingir tempos aceitáveis foi necessário afinar os processos através de algumas técnicas, havendo ainda assim a necessidade de realizar uma verificação e melhoria constante.In the current economy, having information with quality and timely is a profit in organizations so they can achieve a competitive advantage, especially when it comes to large companies with extended portfolios. The purpose of this thesis is to implement BI processes in Big Data tools to prove its added value in aiding decision making. As part of Commercial Profit & Loss implementation in Sonae MC, more specifically BIT, we identified the need to change the current process of making commercial revenues, namely those related to marginal and promotional processes. The first step of this implementation was the characterization and specification of the problem, thus realizing the real needs and requirements of the commercial teams. Subsequently, the processes were implemented, executed and validated in the existing Big Data tools on the organization. At last, some conclusions were announced such as questions for further investigation. The request comes from the need to change the behavior of the current process, to add an analytical view of the financial information that currently exists. It is then intended to distribute the revenue values registered by users, so they reflect their impact on the daily business profitability of the entire organization. To this end, distribution algorithms were defined together with the Sonae business team, which aim to split the revenues registered according to the availability of the commercial, in a manner balanced by the days of revenue allocation and daily weight of each store in the company. The results obtained have a degree of confidence and great success because the processes implemented meet all the requirements and with an excellent performance. Of course, to achieve acceptable times it was necessary to fine-tune the processes through some techniques, but there is still a need for constant verification and improvement.Reis, Cecília Maria do Rio Fernandes MoreiraRepositório Científico do Instituto Politécnico do PortoVieira, Tiago da Silva2021-11-15T01:30:29Z20182018-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.22/14232TID:202167097porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-03-13T12:57:00Zoai:recipp.ipp.pt:10400.22/14232Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T17:34:03.485962Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Desenvolvimento de processos de business intelligence em ferramentas de Big Data |
title |
Desenvolvimento de processos de business intelligence em ferramentas de Big Data |
spellingShingle |
Desenvolvimento de processos de business intelligence em ferramentas de Big Data Vieira, Tiago da Silva Business Intelligence Data Warehouse Big Data Hadoop MapReduce Spark Hive Scala Sistemas e Planeamento Industrial |
title_short |
Desenvolvimento de processos de business intelligence em ferramentas de Big Data |
title_full |
Desenvolvimento de processos de business intelligence em ferramentas de Big Data |
title_fullStr |
Desenvolvimento de processos de business intelligence em ferramentas de Big Data |
title_full_unstemmed |
Desenvolvimento de processos de business intelligence em ferramentas de Big Data |
title_sort |
Desenvolvimento de processos de business intelligence em ferramentas de Big Data |
author |
Vieira, Tiago da Silva |
author_facet |
Vieira, Tiago da Silva |
author_role |
author |
dc.contributor.none.fl_str_mv |
Reis, Cecília Maria do Rio Fernandes Moreira Repositório Científico do Instituto Politécnico do Porto |
dc.contributor.author.fl_str_mv |
Vieira, Tiago da Silva |
dc.subject.por.fl_str_mv |
Business Intelligence Data Warehouse Big Data Hadoop MapReduce Spark Hive Scala Sistemas e Planeamento Industrial |
topic |
Business Intelligence Data Warehouse Big Data Hadoop MapReduce Spark Hive Scala Sistemas e Planeamento Industrial |
description |
Na Economia atual, obter informação com qualidade e atempadamente é uma mais valia nas organizações para que estas alcancem uma vantagem competitiva, principalmente quando se trata de grandes empresas com portefólios de negócios alargados. O propósito desta dissertação consiste na implementação de processos de BI em ferramentas de Big Data, de forma a comprovar a sua mais-valia no auxílio à tomada de decisão. No âmbito da implementação do projeto Profit & Loss Comercial, na Sonae MC, mais especificamente BIT, foi identificada a necessidade de alterar o atual processo de disponibilização de receitas comercias, mais especificamente as relativas com processos marginais e promocionais. O pedido advém da necessidade de alterar o comportamento do processo atual, de forma a permitir uma visão analítica da informação financeira atualmente existente. É então intuito distribuir os valores de receitas cadastrados pelos utilizadores, de forma a que estes espelhem o seu impacto na rentabilidade comercial diária de toda a organização. Para tal, foram definidos algoritmos de distribuição juntamente com a equipa de negócio Sonae, que visam ratear as receitas cadastradas de acordo com a disponibilidade do comercial, de uma forma equilibrada pelos dias de afetação da receita e peso diário de cada loja na empresa como um todo. Os resultados obtidos possuem um grau de confiança e sucesso grande pois os processos implementados cumprem todos os requisitos e com um desempenho excelente. Logicamente que para atingir tempos aceitáveis foi necessário afinar os processos através de algumas técnicas, havendo ainda assim a necessidade de realizar uma verificação e melhoria constante. |
publishDate |
2018 |
dc.date.none.fl_str_mv |
2018 2018-01-01T00:00:00Z 2021-11-15T01:30:29Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10400.22/14232 TID:202167097 |
url |
http://hdl.handle.net/10400.22/14232 |
identifier_str_mv |
TID:202167097 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799131432324431872 |