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: | Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) |
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 |
Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) |
repository_id_str |
https://opendoar.ac.uk/repository/7160 |
spelling |
Desenvolvimento de processos de business intelligence em ferramentas de Big DataBusiness IntelligenceData WarehouseBig DataHadoopMapReduceSparkHiveScalaNa 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.Reis, Cecília Maria do Rio Fernandes MoreiraREPOSITÓRIO P.PORTOVieira, Tiago da Silva2021-11-15T01:30:29Z20182018-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.22/14232urn:tid:202167097porinfo:eu-repo/semantics/openAccessreponame:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiainstacron:RCAAP2025-03-07T10:02:02Zoai:recipp.ipp.pt:10400.22/14232Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireinfo@rcaap.ptopendoar:https://opendoar.ac.uk/repository/71602025-05-29T00:27:13.075539Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiafalse |
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 |
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 P.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 |
topic |
Business Intelligence Data Warehouse Big Data Hadoop MapReduce Spark Hive Scala |
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 urn:tid:202167097 |
url |
http://hdl.handle.net/10400.22/14232 |
identifier_str_mv |
urn: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:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia instacron:RCAAP |
instname_str |
FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) |
collection |
Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) |
repository.name.fl_str_mv |
Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia |
repository.mail.fl_str_mv |
info@rcaap.pt |
_version_ |
1833600541443227648 |