Business Intelligence (BI) é um termo que ganhou popularidade nos últimos anos, com
outros conceitos surgindo, como Data Warehouse, Data Mart, Data Deluge, Data Quality,
ETL (Extract, Transform, Load) e Data Science, o moderno termo guarda-chuva.
Resumindo a visão atual de Data Science (DS), como sendo a estatística auxiliando o
processamento de dados, surgiu a pergunta: ¿Estatística = Ciência de Dados ?¿; com isso,
veio a sugestão de que a estatística deveria ser conhecida como ciência de dados e,
seguindo o mesmo princípio, os estatísticos deveriam ser rotulados como cientistas de
dados. Este objetivou agregar conhecimento na área de dados grandes/complexos,
abordagem empírico-física, representação e exploração do conhecimento. Considerando
as saídas de Business Intelligence e Data Science como produtos de software, é necessário
explicar que a qualidade é de grande importância ao longo de todo o desenvolvimento,
pois a referida qualidade afetará o desempenho, considerando também a extração das
necessidades do usuário. Além disso, a garantia de qualidade de software também
representa o estudo básico de especificações e design. Como feito por muitos
pesquisadores antes, o fator de qualidade que a maioria dos usuários prioriza é a correção
e depois a usabilidade. Focada nas necessidades de design dos clientes, desenvolvimento
iterativo e qualidade na entrega, esta tese teve como objetivo desenvolver e implementar
um processo de desenvolvimento de Business Intelligence e Data Science, onde dois
estudos de caso foram conduzidos para validá-lo.
Palavras-chave: Inteligência de Negócios, Ciência de Dados, Processo. Ver menos

Business Intelligence (BI) is a term that gained popularity in recent years, with other
concepts coming along, such as Data Warehouse, Data Mart, Data Deluge, Data Quality,
ETL (Extract, Transform, Load), and Data Science, the modern umbrella term.
Summarizing the current view of Data Science (DS), as being the statistics aiding data
processing, a question emerged, ¿Statistics = Data Science?¿; with this, came the
suggestion that statistics should be known as data science, and, following the same
principle, statisticians should be relabeled as data scientists. This aimed add up
knowledge in the field of large/complex data, empirical-physical approach,
representation, and exploitation of knowledge. Considering Business Intelligence and
Data Science outputs as software products, there is a need to explain that the quality is of
major importance throughout the entire development, because the quality will affect the
performance, also considering the extraction of user needs. Besides that, software quality
assurance also represents the basic study of specifications and design. As done by many
researchers before, the quality factor that most users prioritize is correctness then
usability. Focused on the clients¿ design needs, iterative development, and quality in
delivery, this thesis aimed to develop and implement a Business Intelligence and Data
Science development process, where two case studies were conducted to validate it.
Keywords: Business Intelligence, Data Science, Process. Ver menos