Este documento descreve um modelo de Business Intelligence para análise de dados eleitorais usando um esquema dimensional simples. O modelo contém uma tabela de fatos com registros de votos e três dimensões para urna, data e candidato. Métricas como contagem de votos são calculadas usando funções agregadoras sem colunas adicionais na tabela de fatos. O modelo permite analisar tendências por localização, horário e candidato.

1. PERFIL BUSINESS INTELLIGENCE
marcelokrug@gmail.com SEU PAPER PELA INTERNET Desde Março/2015 – pp12
Para não entrar em um contexto do projeto de Business Intelligence dentro das instituições, ficarei
no modelo tecnológico de uma apuração eleitoral. Quero dizer que há muita política em empresas
quando da implementação de um sistema analítico. Há os que incentivam e outros que sugerem
manter como está. Há os que indicam um tipo de tecnologia e fornecedor diferente de outros. Há
muita negociação antes do início do projeto. O modelo de análise deste paper foi criado em
atenção ao que sempre é divulgado quando da apuração de votos. Portanto, como é dito que não é
coletado quem é quem no momento do voto, partimos do princípio apenas de que o voto é único
para aqueles que estão inscritos e aptos à votar. Sabendo onde está a urna eletrônica, o tipo de
eleição e a data, tenho todas as minhas características do fato. Vou medir a quantidade de votos.
O BUSINESS INTELLIGENCE NA POLÍTICA
Motivo: Começo explicando o porquê do campo [KEY_VOTO]. Em um modelo
dimensional limpo, é bom termos apenas a caracterização do que estamos
medindo e o próprio. Porém há a necessidade de neste momento ter a chave
do fato, o registro do voto, presente na tabela. Pois esta estrutura foi pensada
em questão de minutos e assim que possível vou “desmembrar” o código que
tem na [KEY_VOTO] para dimensões.
Em alguns projetos OLAP com uma carga de pressão por resultados isso
ocorre. Não é uma má prática, mas sim uma forma de resolver naquele
momento.
Como contabilizo então os votos?! Crio uma métrica virtual ou lógica com a
função agregadora COUNT no meu projeto OLAP. Eu sei que cada registro da
tabela [FACT_VOTOS] corresponde a um voto. Desta forma, com o COUNT ou
com uma coluna que tenha o valor fixo de “1”, terei o mesmo resultado.
No final, consigo caracterizar os votos e o processo por diferentes pontos de
vista. Por exemplo: - Consigo ver quais os horários de pico (Hora do dia com
mais votos computados); - Saber os votos de um município, UF; E, se quiser,
consigo enriquecer o modelo com informações diversas. Como as sociais
daquela região. E até um Big Data analisando as discuções em redes sociais.
Particularidades: A tabela de fatos possui
apenas 4 colunas. [KEY_VOTO], [ID_URNA],
[ID_DATA] e [ID_CANDIDATO].
O registro que tenho em [ID_URNA] é
proveniente da caracterização do voto em
função da urna. Sabendo qual foi a urna,
consigo percorrer os níveis acima até
chegar ao nível da UF.
Consigo identificar melhor qual foi o
candidato que recebeu o voto. Não estou
desconsiderando os brancos e nulos. Na
dimensão [DIM_CANDIDATOS] utilizo dois
registros, quando na minha base
transacional é contabilizado o voto em
branco, ao fazer o processamento ETL eu
determino que quando isso for encontrado
o valor padrão é o do registro
correspondente na tabela da dimensão.
O mesmo acontece com os votos nulos. Em
outros contextos posso utilizar “N/A” e
“Unk”, “Not Applicable” e “Unknow”.
E, pela dimensão [DIM_TEMPO] consigo
agregar os votos pelos níveis que
caracterizam o momento. Meu nível mais
baixo é o minuto e consigo subir até o ano
deste registro.
Eu determinei que meu campo chave para
a dimensão [DIM_TEMPO] vai ser um
numérico assim: AAAAMMDDHHMM.
Vejam que não utilizo uma coluna para
medir o fato. Ou seja, não tenho um
registro de contagem na tabela, somente a
[KEY_VOTO] e caracterizações.
Conhecendo as informações que estão disponíveis diretamente para caracterizar o fato posso criar esta estrutura dimensional.
Trata-se de uma estrutura dimensional
simples e de rápida leitura dos dados.