Estudo de caso da Brasil Telecom



Baixar 12,63 Kb.
Encontro03.07.2018
Tamanho12,63 Kb.



Estudo de caso da Brasil Telecom
Devido a inúmeros pedidos de nossos visitantes e leitores, estamos publicando um estudo de caso, devidamente autorizado e de um projeto de sucesso que tivemos a oportunidade participar.
Em primeiro lugar iremos descrever o cenário que encontramos quando chegamos e o que foi feito para o Warehouse tornar-se um sucesso.
Como em toda grande empresa, as gerências Brasil Telecom sentiam a necessidade de ter informações gerenciais de uma maneira rápida, integrada, histórica e principalmente de fácil acesso. Mas nesse caso, as coisas ficavam bastante complicadas, pois os principais sistemas rodavam em mainframe, nos bancos DB2 e Adabas, sendo muito difícil a recuperação dessas informações, devido a dificuldade de gerar esses relatórios e a alta concorrência desses sistemas. Decidiu-se então que a melhor forma de facilitar o acesso e a busca dessas informações era a construção de ambientes analíticos desenhados especificamente para gerar os relatórios gerenciais.
A partir desse momento começaram a surgir os Data Marts, sendo que os primeiros foram os de tráfego, contabilidade e controladoria, cobrança e faturamento. Cada um tinha suas particularidades, porém todos, atendiam áreas estratégicas da empresa. Como a busca por informações era bastante intensa os Data Marts viraram febre na empresa, sendo que cada área queria ter o seu e eles foram se disseminando.
A tecnologia utilizada era o Oracle 8i como banco, com Unix como sistema operacional e a ferramenta de front end sendo utilizada pelos usuários finais era o Business Objects 5.0, e em alguns casos bastante isolados o Microstrategy 6. Todos eles utilizavam as técnicas de modelagem star schema e não havia ferramenta de ETL e EIS.
Mas no andar das implementações começaram a surgir algumas dificuldades como a falta de padronização dos bancos, alguns Data Marts buscavam os mesmos dados porém de fontes diferentes, sendo que em alguns casos causavam problemas. Por isso iniciou-se um movimento de construção de um Data Warehouse Corporativo, onde a principal finalidade fosse a de atender todas as demandas de dados de todos os Data Marts que fossem surgir daquele momento em diante, com tecnologia de ponta, modelado para abranger toda a corporação.
Iniciado esse processo, foi contratada a consultoria da antiga Andersen Consulting atualmente Accenture. O papel dessa empresa foi o de levantar, modelar e desenhar a arquitetura do Data Warehouse, isso tudo levou cerca de 18 meses.
A arquitetura desenhada constituiu-se basicamente da seguinte forma:
Ao contrário do modelo anterior usando-se o Oracle, o Data Warehouse passou a funcionar na arquitetura toda da IBM, sendo utilizado o ETI como ferramenta de ETL (Extração, Transformação e Carga), o Sync Sort como apoio ao ETL, fazendo o sort do arquivos, o DB2 EEE como banco, sendo esse, desenhado exclusivamente para armazenar e recuperar grandes volumes de dados com boa performance. Information Catalog como ferramenta de metadados, e na área crítica do projeto que nada mais é do que o front end, foi implementada uma solução híbrida, que mostrou-se bastante acertada. Para informações mais agregadas e de um nível de acesso mais gerencial, foi implementada a tecnologia MOLAP, sendo o DB2 Olap Server o banco e o Hyperion Analyser como ferramenta de acesso a esse banco. O DB2 Olap Server, nada mais é do que o Essbase da Hyperion empacotado pela IBM. Já se o usuário for buscar informações de um nível de maior detalhe, ele utilizará o Business Objects client server ou o Web Intelligence, também da Business Objects, sendo que esse último é voltado exclusivamente para web. Tudo isso rodando na plataforma UNIX.
Como Bill Inmon já falava no seu livro Data Warehousing, numa empresa de telecom o principal enfoque sempre é dado ao departamento de marketing, foi ele o escolhido para começar a implementação, devido a gerenciar melhor a competitividade da empresa e o relacionamento com o cliente. Esses Data Marts transformaram-se nas visões dos usuários sobre os assuntos em questão e que atende grande parte do departamento de marketing.
Um ponto que chama a atenção é o volume de dados que é manipulado nas cargas. Imagine uma empresa com aproximadamente 15 milhões de clientes onde cada um faz em média 5 chamadas telefônicas diárias. Isso é igual a aproximadamente 75 milhões de chamadas, em média, por dia armazenadas no warehouse. Partindo do princípio que cada registro contenha 200 bytes, chegamos facilmente ao volume de terabytes armazenados. Isso não estão computados os índices, replicações eventuais e backups.
Tudo isso é extraído da plataforma alta, onde predominam os ambientes DB2 e Adabas, transformado numa área de stage em DB2 EEE e depois carregado definitivamente no Data Warehouse Corporativo e esse, por sua vez alimenta os Data Marts que são muito utilizados por seus usuários.
Bem, esse foi um overview de um projeto de sucesso que tivemos a felicidade de atuar. Nós fizemos a parte de administração e manutenção dos Data Marts antigos e fizemos o planejamento e implementação de toda estrutura ROLAP do Data Warehouse Corporativo. O projeto foi homologado há 3 meses e os Data Marts sendo bastante utilizados. Curiosamente no jornal Gazeta Mercantil do dia 19/11/2001 apontou um aumento na receita da Brasil Telecom no último trimestre de 21%, será coincidência? O certo é que ela está entre as três maiores do ramo no Brasil e também é a primeira na lista de investimento em ações no segmento de telefonia fixa.
Fonte

CIELO, Ivã Rafael. Estudo de caso da Brasil Telecom. [S.l.: s.n.].







©livred.info 2017
enviar mensagem

    Página principal