SlideShare uma empresa Scribd logo
Capítulo 5
  Fundamentos da inteligência de negócios:
  gestão da informação e de bancos de
  dados




5.1
Objetivos de estudo


  • Como um banco de dados relacional organiza os dados e compara essa
    abordagem ao banco de dados orientado a objetos?
  • Quais os princípios de um sistema de gestão de banco de dados?
  • Quais as principais ferramentas e tecnologias para extrair informações de
    bancos de dados e melhorar o desempenho da empresa e a tomada de
    decisão?




5.2
Objetivos de estudo


  •   Qual o papel da política de informação e da gestão de dados na
      organização dos recursos de dados empresariais?
  •   Por que é importante para a empresa garantir a qualidade dos dados?




5.3
A R.R. Donnelley tenta
  controlar seus dados



  • Problema: o crescimento explosivo criou desafios na gerência de
    informações.



  • Soluções: usar um MDM para criar um conjunto de dados que
    abarque toda a empresa, previnindo a duplicação desnecessária
    dos mesmos.




5.4
A R.R. Donnelley tenta
  controlar seus dados


  • A gestão de dados mestres (MDM) permite que empresas como a R.R.
    Donnelley eliminem dados desatualizados, incompletos ou incorretos.

  • Demonstra o papel da TI na gestão bem-sucedida de dados.

  • Ilustra o papel da tecnologia digital no armazenamento e organização dos
    dados.




5.5
A R.R. Donnelley tenta
  controlar seus dados




5.6
A abordagem de banco
  de dados para gestão de dados
• Banco de dados:
    • Conjunto de arquivos relacionados entre si com registros sobre pessoas,
       lugares ou coisas.
    • Antes do desenvolvimento dos bancos de dados digitais, as empresas
       usavam grandes arquivos de metal, cheios de arquivos de papel.
• Entidade:
    • Categoria genérica que representa uma pessoa, um lugar ou uma coisa
       sobre a qual você armazena e mantém informações.
    • Exemplos: fornecedor, peça.
• Atributos:
    • Características específicas de cada entidade:
         • Fornecedor: nome, endereço
         • Peça: descrição, preço unitário, fornecedor

5.7
A abordagem de banco
  de dados para gestão de dados
• Banco de dados relacional:
    • Organizam os dados em tabelas bidimensionais (denominadas relações)
      com colunas e linhas.
    • Uma tabela para cada entidade:
        • Exemplo: CLIENTE, FORNECEDOR, PEÇA, VENDAS
    • Campos (colunas) armazenam dados que representam um atributo.
    • Linhas armazenam dados para registros, ou tuplas.
    • Campo-chave: identifica um registro de forma única.
    • Chave primária:
        • Um campo em cada tabela
        • Não pode ser duplicada
        • Funciona como uma identificação única para todas as informações
          em uma linha
5.8
A abordagem de banco
  de dados para gestão de dados

                 Tabela de banco de dados relacional




      Um banco de dados relacional organiza os dados na forma de tabelas
      bidimensionais. Temos aqui uma tabela para a entidade
      FORNECEDOR e vemos como ela representa a entidade e seus
      atributos. Número_Fornecedor é o campo-chave.
5.9
A abordagem de banco
 de dados para gestão de dados

                         A tabela PEÇA
Dados da entidade
PEÇA têm sua própria
tabela individual.
Número_Peça é a
chave primária e
Número_Fornecedor é
a chave estrangeira,
que permite aos
usuários achar, na
tabela FORNECEDOR,
informações correlatas
sobre o fornecedor de
cada peça.



5.10
A abordagem de banco
 de dados para gestão de dados
  • Estabelecendo relacionamentos
       • Diagrama entidade/relacionamento
          • Usado para esclarecer relações entre as tabelas de um banco de
            dados relacional.
       • Tabelas de um banco de dados relacional podem apresentar
         relacionamentos:
          • Um-para-um
          • Um-para-muitos
          • Muitos-para-muitos
              • Demanda a criação de uma tabela (tabela concatenada ou
                relação de intersecção) que interliga as duas tabelas e
                concatena informações.
5.11
A abordagem de banco
 de dados para gestão de dados


        Um diagrama entidade/relacionamento básico




               Este diagrama mostra a relação entre as
                 entidades FORNECEDOR e PEÇA.




5.12
A abordagem de banco
 de dados para gestão de dados
       • Normalização
          • Processo de simplificar grupos complexos de dados a fim de:
              • minimizar elementos de dados redundantes;
              • minimizar relações muitos-para-muitos inadequadas; e
              • aumentar a estabilidade e a flexibilidade.
       • Regras de integridade referencial
          • Usadas pelos bancos de dados para garantir que os
            relacionamentos entre as tabelas permaneçam consistentes.
          • Exemplo: quando uma tabela possui uma chave estrangeira que
            aponta para outra tabela, você pode só conseguir incluir um
            registro na tabela com a chave estrangeira se houver um
            correspondente na tabela relacionada.

5.13
A abordagem de banco
 de dados para gestão de dados
                      Amostra de relatório de pedido




As áreas sombreadas mostram quais dados vêm das tabelas FORNECEDOR, PEDIDO e
ITEM. O banco de dados não mantém dados sobre Preço Total nem Pedido Total porque
eles podem ser derivados a partir de outros dados das tabelas.

5.14
A abordagem de banco
 de dados para gestão de dados

       Projeto final do banco de dados com amostras de registros

O projeto final do
banco de dados
referente a
fornecedores,
peças e pedidos
tem quatro tabelas.
A tabela ITEM é
uma tabela
concatenada
que elimina a
relação muitos-
para-muitos entre
PEDIDO e PEÇA.


5.15
A abordagem de banco
 de dados para gestão de dados


   Diagrama entidade/relacionamento para o banco de dados de
                         quatro tabelas




       Este diagrama mostra o relacionamento entre as
       entidades FORNECEDOR, PEÇA, ITEM e PEDIDO.




5.16
Sistemas de gestão
  de banco de dados

                Sistema de gestão de banco de dados
               (database management system — DBMS)

  • Tipo específico de software para criação, armazenamento,
    organização e acesso a dados de bancos de dados
  • Separa as visões lógica e física dos dados
  • Visão lógica: como os usuários finais veem os dados
  • Visão física: como os dados estão, de fato, estruturados e organizados
  • Exemplos de DBMS: Microsoft Access, DB2, Oracle Database, Microsoft
    SQL Server, MySQL



5.17
Sistemas de gestão
  de banco de dados

       Banco de dados de recursos humanos com múltiplas visões




  Um único banco de dados de recursos humanos oferece muitas visões dos dados, conforme
  as necessidades de informação do usuário. Exemplificamos aqui duas visões possíveis, uma
  que interessa a um especialista em benefícios, e outra que interessa a um funcionário do
  departamento responsável pela folha de pagamentos da empresa.

5.18
Sistemas de gestão
  de banco de dados

                     Operações de um DBMS relacional
• Select:
       • Cria um subconjunto de todos os registros que atendam a um critério.
• Join:
       • Combina tabelas relacionais de modo a apresentar ao servidor um
         número maior de informações do que o disponível em tabelas individuais.
• Project:
       • Cria um subconjunto formado por colunas de uma tabela
       • Permite que o usuário crie novas tabelas contendo somente as
         informações desejadas.


5.19
Sistemas de gestão
  de banco de dados

            As três operações básicas de um DBMS relacional




       As operações select, project e join (selecionar, projetar e vincular)
       permitem que dados de duas tabelas diferentes sejam combinados e
       que apenas os atributos selecionados sejam apresentados.
5.20
Sistemas de gestão
  de banco de dados

       Recursos dos sistemas de gestão de banco de dados
• Definição de dados:
    • Especifica a estrutura do conteúdo do banco de dados.
• Dicionário de dados:
    • Arquivo automático ou manual que contém a definição dos elementos de
      dados e suas características.
• Consulta e relatório:
    • Linguagem de manipulação de dados
        • Linguagem estruturada de consulta (SQL)
        • Ferramentas para construção de consultas do Microsoft Access
    • Geração de relatório. Exemplo: Crystal Reports


5.21
Sistemas de gestão
  de banco de dados

                 Recurso de dicionário de dados do Access
O Microsoft Access traz um
recurso rudimentar de dicionário
de dados que apresenta
informações quanto a tamanho,
formato e outras características
de cada campo em um banco
de dados. Aqui, vemos as
informações mantidas na tabela
FORNECEDOR. O pequeno
ícone representando uma
chave, à esquerda de
Número_Fornecedor indica que
se trata de um campo-chave.



                    Figura 5.9

5.22
Sistemas de gestão
  de banco de dados

                   Exemplo de uma consulta SQL




  Vemos aqui os comandos SQL para uma consulta que selecionará
  fornecedores das peças 137 ou 150. Eles produzem uma lista com os
  mesmos resultados da Figura 5.8.

5.23
Sistemas de gestão
  de banco de dados

                       Uma consulta no Access

Vemos aqui como a
consulta da Figura
ao lado seria
elaborada com as
ferramentas de
formulação de
consultas do Access.
A tela mostra as
tabelas, os campos e
os critérios de
seleção usados para
a consulta.


5.24
Sistemas de gestão
  de banco de dados

         Bancos de dados orientados a objeto (OODBMS)
  • Armazena dados e procedimentos como se fossem objetos que
    podem ser automaticamente extraídos e compartilhados.
  • Mais indicados para o armazenamento de objetos gráficos,
    desenhos e vídeos do que o DBMS projetado para a estruturação
    de dados.
  • Usados para gerenciar os vários componentes multimídia ou
    applets Java utilizados em aplicativos da Web.
  • Relativamente lentos se comparados aos DBMSs relacionais.
  • DBMSs relacionais orientados a objeto: oferecem recursos de
    DBMSs orientados a objeto e relacionais.


5.25
Como usar bancos de dados para
 melhorar o desempenho e a tomada
 de decisão na empresa


  • Os bancos de dados oferecem informações que ajudam a empresa na
    administração mais eficiente do negócio, e ajuda os administradores e
    empregados a tomar melhores decisões.
  • Ferramentas para análise de grandes volumes de dados:
       • armazenamento de dados (data warehousing);
       • análise de dados multidimensional;
       • mineração de dados (data mining); e
       • utilização de interfaces Web com os bancos de dados.




5.26
Como usar bancos de dados para
 melhorar o desempenho e a tomada
 de decisão na empresa


                           Armazéns de dados
  • Armazém de dados (data warehouse):
       • Banco de dados que armazena dados correntes e históricos de
         potencial interesse para os tomadores de decisão de toda a empresa.
       • Consolida e padroniza as informações oriundas de diferentes bancos
         de dados operacionais e de transações.
       • Os dados podem ser acessados, mas não podem ser alterados.
  • Repositório de dados (data mart):
       • Subconjunto de um armazém de dados altamente focalizado dos
         dados da organização é colocado em um banco separado destinado a
         uma população específica de usuários.

5.27
Como usar bancos de dados para
 melhorar o desempenho e a tomada
 de decisão na empresa


                   Componentes de um data warehouse

   Dados correntes e históricos
   são extraídos de sistemas
   operacionais internos à
   organização. Esses dados são
   combinados com dados de
   fontes externas e
   reorganizados em um banco
   central projetado para análise
   gerencial e produção de
   relatórios. O diretório de
   informações fornece aos
   usuários informações sobre os
   dados disponíveis no data
   warehouse.

5.28
Como usar bancos de dados para
 melhorar o desempenho e a tomada
 de decisão na empresa

                      Seção interativa: Organizações
              A Receita Federal descobre fraude nos impostos
                           com data warehouse
• Leia a Seção interativa e discuta as seguintes questões:
       • Por que era tão difícil para a Receita Federal analisar os dados coletados
         dos contribuintes?
       • Quais desafios a Receita Federal encontrou durante a implementação de
         seu data warehouse de compliance?
       • De que maneira o CDW aprimorou a tomada de decisão e as operações
         na Receita Federal? Existem benefícios aos contribuintes?
       • Você acha que os armazéns de dados poderiam ser úteis em outras
         áreas do setor federal? Quais? Explique.


5.29
Como usar bancos de dados para
 melhorar o desempenho e a tomada
 de decisão na empresa


        Inteligência empresarial, análise multidimensional de
                     dados e mineração de dados
  • Inteligência empresarial: ferramentas que consolidam, analisam e
    acessam vastas quantidades de dados para ajudar os usuários a decidir
    melhores escolhas empresariais.
       • Softwares para consulta e relatórios de bancos de dados
       • Ferramentas para análise multidimensional de dados
       • Mineração de dados
  • Exemplo: a Harrah’s Entertainment coleta e analisa dados de clientes
    para criar um perfil de apostas e identificar os clientes mais lucrativos.



5.30
Como usar bancos de dados para
 melhorar o desempenho e a tomada
 de decisão na empresa


                         Inteligência empresarial

  Uma série de ferramentas
  analíticas trabalha com os
  dados armazenados nos
  bancos de dados,
  encontrando padrões e
  insights que ajudam
  gerentes e funcionários a
  tomar melhores decisões
  e, assim, aprimorar o
  desempenho
  organizacional.


5.31
Como usar bancos de dados para
 melhorar o desempenho e a tomada
 de decisão na empresa

                   Processamento analítico on-line
                (on-line-analytical processing — OLAP)

  • Permite a análise multidimensional de dados, de forma que os usuários
    vejam os mesmos dados de diferentes maneiras, pois usa múltiplas
    dimensões
       • Cada aspecto da informação — produto, preço, custo, região ou
         período de tempo — representa uma dimensão diferente.
       • Exemplo: comparação das vendas da região leste em junho com as
         vendas de maio e junho do ano anterior.
  • Permite que os usuários obtenham respostas on-line sobre questões
    específicas em velocidade razoável


5.32
Como usar bancos de dados para
 melhorar o desempenho e a tomada
 de decisão na empresa


                      Modelo multidimensional de dados
       A visão mostrada é
       produto x região.
       Girando o cubo 90 graus,
       a face que aparecer
       mostrará produto x
       vendas projetadas e reais.
       Girando novamente o
       cubo 90 graus, pode-se
       ver região x vendas reais
       e projetadas. Outras
       visões também são
       possíveis.




5.33
Como usar bancos de dados para
 melhorar o desempenho e a tomada
 de decisão na empresa

                            Mineração de dados
 • Descobre padrões e relacionamentos ocultos em grandes bancos de
   dados e infere regras a partir deles para prever comportamentos
   futuros.
 • Tipos de informações obtidas a partir de mineração de dados:
       • Associações: ocorrências ligadas a um único evento.
       • Sequências: eventos estão ligados ao longo do tempo.
       • Classificações: padrões que descrevem o grupo ao qual o item
         pertence.
       • Aglomerações: semelhante à classificação quando ainda não foram
         definidos grupos.
       • Prognósticos: partem de uma série de valores existentes para prever
         quais serão os outros valores.
5.34
Como usar bancos de dados para
 melhorar o desempenho e a tomada
 de decisão na empresa


                             Mineração de dados
• É comum usar mineração de dados para analisar detalhadamente padrões
  em dados sobre consumidores e, a partir disso, montar campanhas de
  marketing um-a-um ou identificar clientes lucrativos.

• Análise preditiva:

       • Usa técnicas de mineração de dados, dados históricos e suposições
         sobre condições futuras para predizer resultados de eventos, tais como
         a probabilidade de um cliente responder a uma oferta ou comprar um
         produto específico.

• Mineração de dados versus questões de privacidade

       • Usado para criar uma imagem de dados detalhada para cada indivíduo.

5.35
Como usar bancos de dados para
 melhorar o desempenho e a tomada
 de decisão na empresa



• Mineração de texto (text mining)
       • Dados não estruturados, em sua maioria na forma de arquivos de texto,
         representam mais de 80% das informações úteis de uma empresa.
       • A mineração de texto permite que as empresas extraiam elementos-
         chave de grandes conjuntos de dados não estruturados, descubram
         padrões e relacionamentos e resumam informações.
• Mineração na Web (web mining)
       • Descoberta e análise de padrões e informações úteis na World Wide
         Web.
       • Mineração de conteúdo, de estrutura e de uso.


5.36
Como usar bancos de dados para
 melhorar o desempenho e a tomada
 de decisão na empresa

                         Bancos de dados e a Web
  • As empresas estão usando a Web para disponibilizar algumas
    informações de seus bancos de dados internos a clientes e parceiros de
    negócios.
  • O middleware e outros softwares viabilizam essa possibilidade.
       • servidor Web;
       • servidor de aplicativo ou CGI; e
       • servidor de banco de dados.
  • Interfaces da Web promovem a familiaridade com os usuários e
    permitem a economia no reprojeto e reconstrução de um sistema legado.




5.37
Como usar bancos de dados para
 melhorar o desempenho e a tomada
 de decisão na empresa


            Ligando bancos de dados internos à Web




         Usando seus PCs e software de navegação da Web, os
          usuários acessam o banco de dados interno de uma
                   organização por meio da Internet.

5.38
Gestão dos recursos de dados

                Estabelecendo uma política de informação
•   Política de informação
       • Especifica as regras para compartilhar, disseminar, adquirir, padronizar,
         classificar e inventariar a informação.
•   Administração de dados
       • Responsável pelas políticas e procedimentos específicos pelos quais as
         informações podem ser gerenciadas como recurso organizacional.
•   Gestão de banco de dados
       • Grupo de gestão e projeto de bancos de dados dentro da divisão
         corporativa de sistemas de informação responsável por definir e
         organizar a estrutura e o conteúdo do banco de dados, e também por
         sua manutenção.

5.39
Gestão dos recursos de dados

                    Assegurando a qualidade de dados

• Baixa qualidade de dados: principal obstáculo para a gestão bem-sucedida
  do relacionamento com o cliente.
• Problemas na qualidade de dados: causados por
       • dados redundantes e inconsistentes produzidos por diferentes sistemas;
       • erros na entrada dos dados.
• Auditoria de qualidade de dados: levantamento estruturado da precisão e
  do nível de integridade dos dados.
• Limpeza de banco de dados (data cleansing): detecta e corrige, dentro do
  banco de dados, informações incorretas, incompletas, formatadas
  inadequadamente ou redundantes.


5.40
Gestão dos recursos de dados

                       Seção interativa: Pessoas
        Erros no bureau de Crédito — Problemas de gente grande

• Leia a Seção interativa e responda as seguintes questões:
       • Avalie o impacto sobre os negócios dos problemas de qualidade dos
         dados das agências de crédito.
       • Existem questões éticas levantadas pelos problemas de qualidade dos
         dados das agências de crédito? Explique.
       • Analise os fatores humanos, organizacionais e tecnológicos responsáveis
         pelos problemas de qualidade dos dados das agências de crédito.
       • O que pode ser feito para resolver esses problemas?




5.41

Mais conteúdo relacionado

Mais procurados

Módulo 12 - Introdução aos sistemas de informação
Módulo 12 - Introdução aos sistemas de informaçãoMódulo 12 - Introdução aos sistemas de informação
Módulo 12 - Introdução aos sistemas de informação
Luis Ferreira
 
Sistemas Operacionais
Sistemas OperacionaisSistemas Operacionais
Sistemas Operacionais
Daniel Paz de Araújo
 
Estrutura de um Front-End eficiente (para iniciantes)
Estrutura de um Front-End eficiente (para iniciantes)Estrutura de um Front-End eficiente (para iniciantes)
Estrutura de um Front-End eficiente (para iniciantes)
Sérgio Vilar
 
Versões de software - releases
Versões de software - releasesVersões de software - releases
Versões de software - releases
José Alyson
 
Administração de Sistemas de Informação
Administração de Sistemas de InformaçãoAdministração de Sistemas de Informação
Administração de Sistemas de Informação
Denise Maria Cotoman
 
Aula - Sistemas de Informação Gerencial
Aula - Sistemas de Informação GerencialAula - Sistemas de Informação Gerencial
Aula - Sistemas de Informação Gerencial
Anderson Simão
 
Modelo de negócios (CANVAS)
Modelo de negócios (CANVAS) Modelo de negócios (CANVAS)
Modelo de negócios (CANVAS)
Juliana Caminha Noronha
 
Descritiva Narrativa (Lógica de Programação)
Descritiva Narrativa (Lógica de Programação)Descritiva Narrativa (Lógica de Programação)
Descritiva Narrativa (Lógica de Programação)
Gercélia Ramos
 
Aula 7 logística reversa
Aula 7   logística reversaAula 7   logística reversa
Aula 7 logística reversa
Hytalo Rafael
 
WMS - Warehouse Management System
WMS - Warehouse Management SystemWMS - Warehouse Management System
WMS - Warehouse Management System
Flavio Oliveira Alencar
 
12 objetivos de banco de dados distribuídos
12 objetivos de banco de dados distribuídos12 objetivos de banco de dados distribuídos
12 objetivos de banco de dados distribuídos
Bruno Felipe
 
SISTEMAS DE INFORMAÇÕES GERENCIAIS
SISTEMAS DE INFORMAÇÕES GERENCIAISSISTEMAS DE INFORMAÇÕES GERENCIAIS
SISTEMAS DE INFORMAÇÕES GERENCIAIS
Aristeu Silveira, DMa, MSc.
 
Análise essencial e análise estruturada
Análise essencial e análise estruturadaAnálise essencial e análise estruturada
Análise essencial e análise estruturada
Wagner Bonfim
 
O que é Business Intelligence (BI)
O que é Business Intelligence (BI)O que é Business Intelligence (BI)
O que é Business Intelligence (BI)
Marco Garcia
 
Logística Reversa
Logística ReversaLogística Reversa
Logística Reversa
Jocelenilton Gomes
 
Custos Logísticos no Brasil
Custos Logísticos no BrasilCustos Logísticos no Brasil
Custos Logísticos no Brasil
Fundação Dom Cabral - FDC
 
Modelo Relacional, Rede e Hierárquico
Modelo Relacional, Rede e HierárquicoModelo Relacional, Rede e Hierárquico
Modelo Relacional, Rede e Hierárquico
rosimaracorsino
 
Introducao Base Dados I
Introducao  Base  Dados  IIntroducao  Base  Dados  I
Introducao Base Dados I
guest3118b2
 
Bancode dados modelagem conceitual
Bancode dados modelagem conceitualBancode dados modelagem conceitual
Bancode dados modelagem conceitual
Mario Sergio
 
Tópicos Especiais em Administração I _ Alfacastelo _ Moisés Bagagi
Tópicos Especiais em Administração I _ Alfacastelo _ Moisés BagagiTópicos Especiais em Administração I _ Alfacastelo _ Moisés Bagagi
Tópicos Especiais em Administração I _ Alfacastelo _ Moisés Bagagi
Moises Bagagi
 

Mais procurados (20)

Módulo 12 - Introdução aos sistemas de informação
Módulo 12 - Introdução aos sistemas de informaçãoMódulo 12 - Introdução aos sistemas de informação
Módulo 12 - Introdução aos sistemas de informação
 
Sistemas Operacionais
Sistemas OperacionaisSistemas Operacionais
Sistemas Operacionais
 
Estrutura de um Front-End eficiente (para iniciantes)
Estrutura de um Front-End eficiente (para iniciantes)Estrutura de um Front-End eficiente (para iniciantes)
Estrutura de um Front-End eficiente (para iniciantes)
 
Versões de software - releases
Versões de software - releasesVersões de software - releases
Versões de software - releases
 
Administração de Sistemas de Informação
Administração de Sistemas de InformaçãoAdministração de Sistemas de Informação
Administração de Sistemas de Informação
 
Aula - Sistemas de Informação Gerencial
Aula - Sistemas de Informação GerencialAula - Sistemas de Informação Gerencial
Aula - Sistemas de Informação Gerencial
 
Modelo de negócios (CANVAS)
Modelo de negócios (CANVAS) Modelo de negócios (CANVAS)
Modelo de negócios (CANVAS)
 
Descritiva Narrativa (Lógica de Programação)
Descritiva Narrativa (Lógica de Programação)Descritiva Narrativa (Lógica de Programação)
Descritiva Narrativa (Lógica de Programação)
 
Aula 7 logística reversa
Aula 7   logística reversaAula 7   logística reversa
Aula 7 logística reversa
 
WMS - Warehouse Management System
WMS - Warehouse Management SystemWMS - Warehouse Management System
WMS - Warehouse Management System
 
12 objetivos de banco de dados distribuídos
12 objetivos de banco de dados distribuídos12 objetivos de banco de dados distribuídos
12 objetivos de banco de dados distribuídos
 
SISTEMAS DE INFORMAÇÕES GERENCIAIS
SISTEMAS DE INFORMAÇÕES GERENCIAISSISTEMAS DE INFORMAÇÕES GERENCIAIS
SISTEMAS DE INFORMAÇÕES GERENCIAIS
 
Análise essencial e análise estruturada
Análise essencial e análise estruturadaAnálise essencial e análise estruturada
Análise essencial e análise estruturada
 
O que é Business Intelligence (BI)
O que é Business Intelligence (BI)O que é Business Intelligence (BI)
O que é Business Intelligence (BI)
 
Logística Reversa
Logística ReversaLogística Reversa
Logística Reversa
 
Custos Logísticos no Brasil
Custos Logísticos no BrasilCustos Logísticos no Brasil
Custos Logísticos no Brasil
 
Modelo Relacional, Rede e Hierárquico
Modelo Relacional, Rede e HierárquicoModelo Relacional, Rede e Hierárquico
Modelo Relacional, Rede e Hierárquico
 
Introducao Base Dados I
Introducao  Base  Dados  IIntroducao  Base  Dados  I
Introducao Base Dados I
 
Bancode dados modelagem conceitual
Bancode dados modelagem conceitualBancode dados modelagem conceitual
Bancode dados modelagem conceitual
 
Tópicos Especiais em Administração I _ Alfacastelo _ Moisés Bagagi
Tópicos Especiais em Administração I _ Alfacastelo _ Moisés BagagiTópicos Especiais em Administração I _ Alfacastelo _ Moisés Bagagi
Tópicos Especiais em Administração I _ Alfacastelo _ Moisés Bagagi
 

Destaque

Transformando Dados em Inteligência para Negócios: Case Wine Vinhos
Transformando Dados em Inteligência para Negócios: Case Wine VinhosTransformando Dados em Inteligência para Negócios: Case Wine Vinhos
Transformando Dados em Inteligência para Negócios: Case Wine Vinhos
Estêvão Soares Custodio
 
Sistemas de Informações Gerenciais - Aula5
Sistemas de Informações Gerenciais - Aula5Sistemas de Informações Gerenciais - Aula5
Sistemas de Informações Gerenciais - Aula5
Leandro Rezende
 
Inteligência de Negócios (BI) utilizando Software Livre @ FISL 12 - Porto Alegre
Inteligência de Negócios (BI) utilizando Software Livre @ FISL 12 - Porto AlegreInteligência de Negócios (BI) utilizando Software Livre @ FISL 12 - Porto Alegre
Inteligência de Negócios (BI) utilizando Software Livre @ FISL 12 - Porto Alegre
Caio Moreno
 
Personas para desmistificar clientes, e o case de recomendação Wine (parte 2)...
Personas para desmistificar clientes, e o case de recomendação Wine (parte 2)...Personas para desmistificar clientes, e o case de recomendação Wine (parte 2)...
Personas para desmistificar clientes, e o case de recomendação Wine (parte 2)...
iMasters
 
Case Wine - Bate Papo Sobre E-Commerce
Case Wine - Bate Papo Sobre E-CommerceCase Wine - Bate Papo Sobre E-Commerce
Case Wine - Bate Papo Sobre E-Commerce
Anselmo Wine
 
Métricas Web com Google Analytics: indo muito além das visitas!
Métricas Web com Google Analytics: indo muito além das visitas!Métricas Web com Google Analytics: indo muito além das visitas!
Métricas Web com Google Analytics: indo muito além das visitas!
PH Munhoz
 
Ecommerce Brasil 2011 - Case Wine.com.br
Ecommerce Brasil 2011  -  Case Wine.com.brEcommerce Brasil 2011  -  Case Wine.com.br
Ecommerce Brasil 2011 - Case Wine.com.br
Anselmo Wine
 
Cap 01 administração de sistemas de informação
Cap 01 administração de sistemas de informaçãoCap 01 administração de sistemas de informação
Cap 01 administração de sistemas de informação
Larissa Araújo Batista
 
Capítulo 10 - Como melhorar a tomada de decisão e a gestão do conhecimento
Capítulo 10 - Como melhorar a tomada de decisão e a gestão do conhecimentoCapítulo 10 - Como melhorar a tomada de decisão e a gestão do conhecimento
Capítulo 10 - Como melhorar a tomada de decisão e a gestão do conhecimento
Everton Souza
 
Data warehouse 01 introdução
Data warehouse   01 introduçãoData warehouse   01 introdução
Data warehouse 01 introdução
Rafael Pinheiro
 
A evolução do Business Intelligence
A evolução do Business IntelligenceA evolução do Business Intelligence
A evolução do Business Intelligence
Gustavo Santade
 
Aula - Aspectos Avançados em Modelagem Multidimensional
Aula - Aspectos Avançados em Modelagem MultidimensionalAula - Aspectos Avançados em Modelagem Multidimensional
Aula - Aspectos Avançados em Modelagem Multidimensional
Mauricio Cesar Santos da Purificação
 
Dicas de Modelagem dimensional
Dicas de Modelagem dimensionalDicas de Modelagem dimensional
Dicas de Modelagem dimensional
Washington Bila Cox de Jesus
 
Testes de Hipóteses - Lista de Exercícios Conceituais Resolvidos.
Testes de Hipóteses - Lista de Exercícios Conceituais Resolvidos.Testes de Hipóteses - Lista de Exercícios Conceituais Resolvidos.
Testes de Hipóteses - Lista de Exercícios Conceituais Resolvidos.
Wisley Velasco
 
Introdução ao Data Warehouse
Introdução ao Data WarehouseIntrodução ao Data Warehouse
Introdução ao Data Warehouse
Messias Batista
 
Business Intelligence
Business IntelligenceBusiness Intelligence
Business Intelligence
nesi
 
Data Mart e Data Warehouse
Data Mart e Data WarehouseData Mart e Data Warehouse
Data Mart e Data Warehouse
Fernando Peres
 
Sistemas de Informações Gerenciais - Aula 01
Sistemas de Informações Gerenciais - Aula 01Sistemas de Informações Gerenciais - Aula 01
Sistemas de Informações Gerenciais - Aula 01
Leandro Rezende
 
Administração de sistemas de informação completo
Administração de sistemas de informação   completoAdministração de sistemas de informação   completo
Administração de sistemas de informação completo
Tarciso Ferreira
 
Data warehouse & data mining
Data warehouse & data miningData warehouse & data mining
Data warehouse & data mining
Jerônimo Medina Madruga
 

Destaque (20)

Transformando Dados em Inteligência para Negócios: Case Wine Vinhos
Transformando Dados em Inteligência para Negócios: Case Wine VinhosTransformando Dados em Inteligência para Negócios: Case Wine Vinhos
Transformando Dados em Inteligência para Negócios: Case Wine Vinhos
 
Sistemas de Informações Gerenciais - Aula5
Sistemas de Informações Gerenciais - Aula5Sistemas de Informações Gerenciais - Aula5
Sistemas de Informações Gerenciais - Aula5
 
Inteligência de Negócios (BI) utilizando Software Livre @ FISL 12 - Porto Alegre
Inteligência de Negócios (BI) utilizando Software Livre @ FISL 12 - Porto AlegreInteligência de Negócios (BI) utilizando Software Livre @ FISL 12 - Porto Alegre
Inteligência de Negócios (BI) utilizando Software Livre @ FISL 12 - Porto Alegre
 
Personas para desmistificar clientes, e o case de recomendação Wine (parte 2)...
Personas para desmistificar clientes, e o case de recomendação Wine (parte 2)...Personas para desmistificar clientes, e o case de recomendação Wine (parte 2)...
Personas para desmistificar clientes, e o case de recomendação Wine (parte 2)...
 
Case Wine - Bate Papo Sobre E-Commerce
Case Wine - Bate Papo Sobre E-CommerceCase Wine - Bate Papo Sobre E-Commerce
Case Wine - Bate Papo Sobre E-Commerce
 
Métricas Web com Google Analytics: indo muito além das visitas!
Métricas Web com Google Analytics: indo muito além das visitas!Métricas Web com Google Analytics: indo muito além das visitas!
Métricas Web com Google Analytics: indo muito além das visitas!
 
Ecommerce Brasil 2011 - Case Wine.com.br
Ecommerce Brasil 2011  -  Case Wine.com.brEcommerce Brasil 2011  -  Case Wine.com.br
Ecommerce Brasil 2011 - Case Wine.com.br
 
Cap 01 administração de sistemas de informação
Cap 01 administração de sistemas de informaçãoCap 01 administração de sistemas de informação
Cap 01 administração de sistemas de informação
 
Capítulo 10 - Como melhorar a tomada de decisão e a gestão do conhecimento
Capítulo 10 - Como melhorar a tomada de decisão e a gestão do conhecimentoCapítulo 10 - Como melhorar a tomada de decisão e a gestão do conhecimento
Capítulo 10 - Como melhorar a tomada de decisão e a gestão do conhecimento
 
Data warehouse 01 introdução
Data warehouse   01 introduçãoData warehouse   01 introdução
Data warehouse 01 introdução
 
A evolução do Business Intelligence
A evolução do Business IntelligenceA evolução do Business Intelligence
A evolução do Business Intelligence
 
Aula - Aspectos Avançados em Modelagem Multidimensional
Aula - Aspectos Avançados em Modelagem MultidimensionalAula - Aspectos Avançados em Modelagem Multidimensional
Aula - Aspectos Avançados em Modelagem Multidimensional
 
Dicas de Modelagem dimensional
Dicas de Modelagem dimensionalDicas de Modelagem dimensional
Dicas de Modelagem dimensional
 
Testes de Hipóteses - Lista de Exercícios Conceituais Resolvidos.
Testes de Hipóteses - Lista de Exercícios Conceituais Resolvidos.Testes de Hipóteses - Lista de Exercícios Conceituais Resolvidos.
Testes de Hipóteses - Lista de Exercícios Conceituais Resolvidos.
 
Introdução ao Data Warehouse
Introdução ao Data WarehouseIntrodução ao Data Warehouse
Introdução ao Data Warehouse
 
Business Intelligence
Business IntelligenceBusiness Intelligence
Business Intelligence
 
Data Mart e Data Warehouse
Data Mart e Data WarehouseData Mart e Data Warehouse
Data Mart e Data Warehouse
 
Sistemas de Informações Gerenciais - Aula 01
Sistemas de Informações Gerenciais - Aula 01Sistemas de Informações Gerenciais - Aula 01
Sistemas de Informações Gerenciais - Aula 01
 
Administração de sistemas de informação completo
Administração de sistemas de informação   completoAdministração de sistemas de informação   completo
Administração de sistemas de informação completo
 
Data warehouse & data mining
Data warehouse & data miningData warehouse & data mining
Data warehouse & data mining
 

Semelhante a Capítulo 05 - Fundamentos da inteligência de negócios: gestão da informação e de bancos de dados

Sistemas de Informação - Aula05 - cap5 bd e business intelligence
Sistemas de Informação - Aula05 - cap5 bd e business intelligenceSistemas de Informação - Aula05 - cap5 bd e business intelligence
Sistemas de Informação - Aula05 - cap5 bd e business intelligence
CEULJI/ULBRA Centro Universitário Luterano de Ji-Paraná
 
Banco de dados
Banco de dadosBanco de dados
Banco de dados
Albert Belchior
 
Arquitetura e sgbd de um banco de dados
Arquitetura e sgbd de um banco de dadosArquitetura e sgbd de um banco de dados
Arquitetura e sgbd de um banco de dados
diogocbj
 
Sql
SqlSql
C # banco de dados
C # banco de dadosC # banco de dados
C # banco de dados
Cleto Lima de Andrade
 
Aula tecnologia da informacao 6 banco de dados
Aula tecnologia da informacao 6 banco de dadosAula tecnologia da informacao 6 banco de dados
Aula tecnologia da informacao 6 banco de dados
wapiva
 
Aula banco de dados
Aula banco de dadosAula banco de dados
Aula banco de dados
Cristiano Roberto
 
Banco de dados relacional
Banco de dados relacionalBanco de dados relacional
Banco de dados relacional
kevin erllen
 
Introdução a modelagem de dados parte II - Banco de Dados
Introdução a modelagem de dados parte II - Banco de DadosIntrodução a modelagem de dados parte II - Banco de Dados
Introdução a modelagem de dados parte II - Banco de Dados
info_cimol
 
Novo microsoft office power point presentation
Novo microsoft office power point presentationNovo microsoft office power point presentation
Novo microsoft office power point presentation
machadocarla
 
Banco dados i prof ivan (acesse www.portalgsti.com.br)
Banco dados i prof ivan (acesse  www.portalgsti.com.br)Banco dados i prof ivan (acesse  www.portalgsti.com.br)
Banco dados i prof ivan (acesse www.portalgsti.com.br)
Andre Sidou
 
Ara7129 unidade-1-v1
Ara7129 unidade-1-v1Ara7129 unidade-1-v1
Ara7129 unidade-1-v1
Samuel Minatto
 
Banco de dados aula 2
Banco de dados  aula 2Banco de dados  aula 2
Banco de dados aula 2
Albert Belchior
 
2019-2 - BD I - Aula 01 C - Introdução a Banco de Dados
2019-2 - BD I - Aula 01 C - Introdução a Banco de Dados2019-2 - BD I - Aula 01 C - Introdução a Banco de Dados
2019-2 - BD I - Aula 01 C - Introdução a Banco de Dados
Rodrigo Kiyoshi Saito
 
Banco de dados parte 01
Banco de dados parte 01Banco de dados parte 01
Banco de dados parte 01
Barbara Beatriz Santos
 
Sql - introdução
Sql -  introduçãoSql -  introdução
Sql - introdução
Samuel Novais, MBA
 
Apostila sqlserver65v1a
Apostila sqlserver65v1aApostila sqlserver65v1a
Apostila sqlserver65v1a
Inaiane Almeida Rodrigues
 
Data WareHOuse
Data WareHOuseData WareHOuse
Data WareHOuse
Sérgio Falco
 
eduardo teste ubc
eduardo teste ubceduardo teste ubc
Banco de Dados - Introdução - Projeto de Banco de Dados - DER
Banco de Dados - Introdução - Projeto de Banco de Dados - DERBanco de Dados - Introdução - Projeto de Banco de Dados - DER
Banco de Dados - Introdução - Projeto de Banco de Dados - DER
Rangel Javier
 

Semelhante a Capítulo 05 - Fundamentos da inteligência de negócios: gestão da informação e de bancos de dados (20)

Sistemas de Informação - Aula05 - cap5 bd e business intelligence
Sistemas de Informação - Aula05 - cap5 bd e business intelligenceSistemas de Informação - Aula05 - cap5 bd e business intelligence
Sistemas de Informação - Aula05 - cap5 bd e business intelligence
 
Banco de dados
Banco de dadosBanco de dados
Banco de dados
 
Arquitetura e sgbd de um banco de dados
Arquitetura e sgbd de um banco de dadosArquitetura e sgbd de um banco de dados
Arquitetura e sgbd de um banco de dados
 
Sql
SqlSql
Sql
 
C # banco de dados
C # banco de dadosC # banco de dados
C # banco de dados
 
Aula tecnologia da informacao 6 banco de dados
Aula tecnologia da informacao 6 banco de dadosAula tecnologia da informacao 6 banco de dados
Aula tecnologia da informacao 6 banco de dados
 
Aula banco de dados
Aula banco de dadosAula banco de dados
Aula banco de dados
 
Banco de dados relacional
Banco de dados relacionalBanco de dados relacional
Banco de dados relacional
 
Introdução a modelagem de dados parte II - Banco de Dados
Introdução a modelagem de dados parte II - Banco de DadosIntrodução a modelagem de dados parte II - Banco de Dados
Introdução a modelagem de dados parte II - Banco de Dados
 
Novo microsoft office power point presentation
Novo microsoft office power point presentationNovo microsoft office power point presentation
Novo microsoft office power point presentation
 
Banco dados i prof ivan (acesse www.portalgsti.com.br)
Banco dados i prof ivan (acesse  www.portalgsti.com.br)Banco dados i prof ivan (acesse  www.portalgsti.com.br)
Banco dados i prof ivan (acesse www.portalgsti.com.br)
 
Ara7129 unidade-1-v1
Ara7129 unidade-1-v1Ara7129 unidade-1-v1
Ara7129 unidade-1-v1
 
Banco de dados aula 2
Banco de dados  aula 2Banco de dados  aula 2
Banco de dados aula 2
 
2019-2 - BD I - Aula 01 C - Introdução a Banco de Dados
2019-2 - BD I - Aula 01 C - Introdução a Banco de Dados2019-2 - BD I - Aula 01 C - Introdução a Banco de Dados
2019-2 - BD I - Aula 01 C - Introdução a Banco de Dados
 
Banco de dados parte 01
Banco de dados parte 01Banco de dados parte 01
Banco de dados parte 01
 
Sql - introdução
Sql -  introduçãoSql -  introdução
Sql - introdução
 
Apostila sqlserver65v1a
Apostila sqlserver65v1aApostila sqlserver65v1a
Apostila sqlserver65v1a
 
Data WareHOuse
Data WareHOuseData WareHOuse
Data WareHOuse
 
eduardo teste ubc
eduardo teste ubceduardo teste ubc
eduardo teste ubc
 
Banco de Dados - Introdução - Projeto de Banco de Dados - DER
Banco de Dados - Introdução - Projeto de Banco de Dados - DERBanco de Dados - Introdução - Projeto de Banco de Dados - DER
Banco de Dados - Introdução - Projeto de Banco de Dados - DER
 

Mais de Everton Souza

Desenvolvimento de Aplicações baseadas em EEG para integração com sensores.
Desenvolvimento de Aplicações baseadas em EEG para integração com sensores. Desenvolvimento de Aplicações baseadas em EEG para integração com sensores.
Desenvolvimento de Aplicações baseadas em EEG para integração com sensores.
Everton Souza
 
Apresenta v3
Apresenta v3Apresenta v3
Apresenta v3
Everton Souza
 
Capítulo 12 - Questões éticas e sociais em sistemas de informação
Capítulo 12 - Questões éticas e sociais em sistemas de informaçãoCapítulo 12 - Questões éticas e sociais em sistemas de informação
Capítulo 12 - Questões éticas e sociais em sistemas de informação
Everton Souza
 
Capítulo 11 - Como desenvolver sistemas de informação e gerenciar projetos
Capítulo 11 - Como desenvolver sistemas de informação e gerenciar projetosCapítulo 11 - Como desenvolver sistemas de informação e gerenciar projetos
Capítulo 11 - Como desenvolver sistemas de informação e gerenciar projetos
Everton Souza
 
Capítulo 09 - Comércio eletrônico: mercados digitais, mercadorias digitais
Capítulo 09 - Comércio eletrônico: mercados digitais, mercadorias digitaisCapítulo 09 - Comércio eletrônico: mercados digitais, mercadorias digitais
Capítulo 09 - Comércio eletrônico: mercados digitais, mercadorias digitais
Everton Souza
 
Capítulo 08 - Conquistando excelência operacional e intimidade com o cliente:...
Capítulo 08 - Conquistando excelência operacional e intimidade com o cliente:...Capítulo 08 - Conquistando excelência operacional e intimidade com o cliente:...
Capítulo 08 - Conquistando excelência operacional e intimidade com o cliente:...
Everton Souza
 
Capítulo 07 - Segurança em sistemas de informação
Capítulo 07 - Segurança em sistemas de informaçãoCapítulo 07 - Segurança em sistemas de informação
Capítulo 07 - Segurança em sistemas de informação
Everton Souza
 
Capítulo 06 - Telecomunicações, Internet e tecnologia sem fio
Capítulo 06 - Telecomunicações, Internet e tecnologia  sem fioCapítulo 06 - Telecomunicações, Internet e tecnologia  sem fio
Capítulo 06 - Telecomunicações, Internet e tecnologia sem fio
Everton Souza
 
Capítulo 04 - Infraestrutura de tecnologia da informação
Capítulo 04 - Infraestrutura de tecnologia da informaçãoCapítulo 04 - Infraestrutura de tecnologia da informação
Capítulo 04 - Infraestrutura de tecnologia da informação
Everton Souza
 
Capítulo 03 - Conquistando vantagem competitiva com os sistemas de informação
Capítulo 03 - Conquistando vantagem competitiva com os sistemas de informaçãoCapítulo 03 - Conquistando vantagem competitiva com os sistemas de informação
Capítulo 03 - Conquistando vantagem competitiva com os sistemas de informação
Everton Souza
 
Capitulo 02 - E-Business global e colaboração
Capitulo 02 - E-Business global e colaboraçãoCapitulo 02 - E-Business global e colaboração
Capitulo 02 - E-Business global e colaboração
Everton Souza
 
Capitulo 01 - Os sistemas de informação empresariais na sua carreira
Capitulo 01 - Os sistemas de informação empresariais na sua carreiraCapitulo 01 - Os sistemas de informação empresariais na sua carreira
Capitulo 01 - Os sistemas de informação empresariais na sua carreira
Everton Souza
 

Mais de Everton Souza (12)

Desenvolvimento de Aplicações baseadas em EEG para integração com sensores.
Desenvolvimento de Aplicações baseadas em EEG para integração com sensores. Desenvolvimento de Aplicações baseadas em EEG para integração com sensores.
Desenvolvimento de Aplicações baseadas em EEG para integração com sensores.
 
Apresenta v3
Apresenta v3Apresenta v3
Apresenta v3
 
Capítulo 12 - Questões éticas e sociais em sistemas de informação
Capítulo 12 - Questões éticas e sociais em sistemas de informaçãoCapítulo 12 - Questões éticas e sociais em sistemas de informação
Capítulo 12 - Questões éticas e sociais em sistemas de informação
 
Capítulo 11 - Como desenvolver sistemas de informação e gerenciar projetos
Capítulo 11 - Como desenvolver sistemas de informação e gerenciar projetosCapítulo 11 - Como desenvolver sistemas de informação e gerenciar projetos
Capítulo 11 - Como desenvolver sistemas de informação e gerenciar projetos
 
Capítulo 09 - Comércio eletrônico: mercados digitais, mercadorias digitais
Capítulo 09 - Comércio eletrônico: mercados digitais, mercadorias digitaisCapítulo 09 - Comércio eletrônico: mercados digitais, mercadorias digitais
Capítulo 09 - Comércio eletrônico: mercados digitais, mercadorias digitais
 
Capítulo 08 - Conquistando excelência operacional e intimidade com o cliente:...
Capítulo 08 - Conquistando excelência operacional e intimidade com o cliente:...Capítulo 08 - Conquistando excelência operacional e intimidade com o cliente:...
Capítulo 08 - Conquistando excelência operacional e intimidade com o cliente:...
 
Capítulo 07 - Segurança em sistemas de informação
Capítulo 07 - Segurança em sistemas de informaçãoCapítulo 07 - Segurança em sistemas de informação
Capítulo 07 - Segurança em sistemas de informação
 
Capítulo 06 - Telecomunicações, Internet e tecnologia sem fio
Capítulo 06 - Telecomunicações, Internet e tecnologia  sem fioCapítulo 06 - Telecomunicações, Internet e tecnologia  sem fio
Capítulo 06 - Telecomunicações, Internet e tecnologia sem fio
 
Capítulo 04 - Infraestrutura de tecnologia da informação
Capítulo 04 - Infraestrutura de tecnologia da informaçãoCapítulo 04 - Infraestrutura de tecnologia da informação
Capítulo 04 - Infraestrutura de tecnologia da informação
 
Capítulo 03 - Conquistando vantagem competitiva com os sistemas de informação
Capítulo 03 - Conquistando vantagem competitiva com os sistemas de informaçãoCapítulo 03 - Conquistando vantagem competitiva com os sistemas de informação
Capítulo 03 - Conquistando vantagem competitiva com os sistemas de informação
 
Capitulo 02 - E-Business global e colaboração
Capitulo 02 - E-Business global e colaboraçãoCapitulo 02 - E-Business global e colaboração
Capitulo 02 - E-Business global e colaboração
 
Capitulo 01 - Os sistemas de informação empresariais na sua carreira
Capitulo 01 - Os sistemas de informação empresariais na sua carreiraCapitulo 01 - Os sistemas de informação empresariais na sua carreira
Capitulo 01 - Os sistemas de informação empresariais na sua carreira
 

Último

LIÇÃO 9 - ORDENANÇAS PARA UMA VIDA DE SANTIFICAÇÃO.pptx
LIÇÃO 9 - ORDENANÇAS PARA UMA VIDA DE SANTIFICAÇÃO.pptxLIÇÃO 9 - ORDENANÇAS PARA UMA VIDA DE SANTIFICAÇÃO.pptx
LIÇÃO 9 - ORDENANÇAS PARA UMA VIDA DE SANTIFICAÇÃO.pptx
WelidaFreitas1
 
os-lusiadas-resumo-os-lusiadas-10-ano.pdf
os-lusiadas-resumo-os-lusiadas-10-ano.pdfos-lusiadas-resumo-os-lusiadas-10-ano.pdf
os-lusiadas-resumo-os-lusiadas-10-ano.pdf
GiselaAlves15
 
Slides Lição 10, Central Gospel, A Batalha Do Armagedom, 1Tr24.pptx
Slides Lição 10, Central Gospel, A Batalha Do Armagedom, 1Tr24.pptxSlides Lição 10, Central Gospel, A Batalha Do Armagedom, 1Tr24.pptx
Slides Lição 10, Central Gospel, A Batalha Do Armagedom, 1Tr24.pptx
LuizHenriquedeAlmeid6
 
Química orgânica e as funções organicas.pptx
Química orgânica e as funções organicas.pptxQuímica orgânica e as funções organicas.pptx
Química orgânica e as funções organicas.pptx
KeilianeOliveira3
 
EJA -livro para professor -dos anos iniciais letramento e alfabetização.pdf
EJA -livro para professor -dos anos iniciais letramento e alfabetização.pdfEJA -livro para professor -dos anos iniciais letramento e alfabetização.pdf
EJA -livro para professor -dos anos iniciais letramento e alfabetização.pdf
Escola Municipal Jesus Cristo
 
educação inclusiva na atualidade como ela se estabelece atualmente
educação inclusiva na atualidade como ela se estabelece atualmenteeducação inclusiva na atualidade como ela se estabelece atualmente
educação inclusiva na atualidade como ela se estabelece atualmente
DeuzinhaAzevedo
 
Famílias Que Contribuíram Para O Crescimento Do Assaré
Famílias Que Contribuíram Para O Crescimento Do AssaréFamílias Que Contribuíram Para O Crescimento Do Assaré
Famílias Que Contribuíram Para O Crescimento Do Assaré
profesfrancleite
 
Biologia - Jogos da memória genetico.pdf
Biologia - Jogos da memória genetico.pdfBiologia - Jogos da memória genetico.pdf
Biologia - Jogos da memória genetico.pdf
Ana Da Silva Ponce
 
Apresentação_Primeira_Guerra_Mundial 9 ANO-1.pptx
Apresentação_Primeira_Guerra_Mundial 9 ANO-1.pptxApresentação_Primeira_Guerra_Mundial 9 ANO-1.pptx
Apresentação_Primeira_Guerra_Mundial 9 ANO-1.pptx
JulianeMelo17
 
Caderno de Resumos XVIII ENPFil UFU, IX EPGFil UFU E VII EPFEM.pdf
Caderno de Resumos XVIII ENPFil UFU, IX EPGFil UFU E VII EPFEM.pdfCaderno de Resumos XVIII ENPFil UFU, IX EPGFil UFU E VII EPFEM.pdf
Caderno de Resumos XVIII ENPFil UFU, IX EPGFil UFU E VII EPFEM.pdf
enpfilosofiaufu
 
Caça-palavras ortografia M antes de P e B.
Caça-palavras    ortografia M antes de P e B.Caça-palavras    ortografia M antes de P e B.
Caça-palavras ortografia M antes de P e B.
Mary Alvarenga
 
proposta curricular ou plano de cursode lingua portuguesa eja anos finais ( ...
proposta curricular  ou plano de cursode lingua portuguesa eja anos finais ( ...proposta curricular  ou plano de cursode lingua portuguesa eja anos finais ( ...
proposta curricular ou plano de cursode lingua portuguesa eja anos finais ( ...
Escola Municipal Jesus Cristo
 
A dinâmica da população mundial de acordo com as teorias populacionais.pptx
A dinâmica da população mundial de acordo com as teorias populacionais.pptxA dinâmica da população mundial de acordo com as teorias populacionais.pptx
A dinâmica da população mundial de acordo com as teorias populacionais.pptx
ReinaldoSouza57
 
iNTRODUÇÃO À Plantas terrestres e Plantas aquáticas. (1).pdf
iNTRODUÇÃO À Plantas terrestres e Plantas aquáticas. (1).pdfiNTRODUÇÃO À Plantas terrestres e Plantas aquáticas. (1).pdf
iNTRODUÇÃO À Plantas terrestres e Plantas aquáticas. (1).pdf
andressacastro36
 
Arundhati Roy - O Deus das Pequenas Coisas - ÍNDIA.pdf
Arundhati Roy - O Deus das Pequenas Coisas - ÍNDIA.pdfArundhati Roy - O Deus das Pequenas Coisas - ÍNDIA.pdf
Arundhati Roy - O Deus das Pequenas Coisas - ÍNDIA.pdf
Ana Da Silva Ponce
 
Fato X Opinião (Língua Portuguesa 9º Ano).pptx
Fato X Opinião (Língua Portuguesa 9º Ano).pptxFato X Opinião (Língua Portuguesa 9º Ano).pptx
Fato X Opinião (Língua Portuguesa 9º Ano).pptx
MariaFatima425285
 
UFCD_10949_Lojas e-commerce no-code_índice.pdf
UFCD_10949_Lojas e-commerce no-code_índice.pdfUFCD_10949_Lojas e-commerce no-code_índice.pdf
UFCD_10949_Lojas e-commerce no-code_índice.pdf
Manuais Formação
 
Atividade - Letra da música "Tem Que Sorrir" - Jorge e Mateus
Atividade - Letra da música "Tem Que Sorrir"  - Jorge e MateusAtividade - Letra da música "Tem Que Sorrir"  - Jorge e Mateus
Atividade - Letra da música "Tem Que Sorrir" - Jorge e Mateus
Mary Alvarenga
 
Aula 2 - 6º HIS - Formas de registro da história e da produção do conheciment...
Aula 2 - 6º HIS - Formas de registro da história e da produção do conheciment...Aula 2 - 6º HIS - Formas de registro da história e da produção do conheciment...
Aula 2 - 6º HIS - Formas de registro da história e da produção do conheciment...
Luana Neres
 
the_story_garden_5_SB_with_activities.pdf
the_story_garden_5_SB_with_activities.pdfthe_story_garden_5_SB_with_activities.pdf
the_story_garden_5_SB_with_activities.pdf
CarinaSoto12
 

Último (20)

LIÇÃO 9 - ORDENANÇAS PARA UMA VIDA DE SANTIFICAÇÃO.pptx
LIÇÃO 9 - ORDENANÇAS PARA UMA VIDA DE SANTIFICAÇÃO.pptxLIÇÃO 9 - ORDENANÇAS PARA UMA VIDA DE SANTIFICAÇÃO.pptx
LIÇÃO 9 - ORDENANÇAS PARA UMA VIDA DE SANTIFICAÇÃO.pptx
 
os-lusiadas-resumo-os-lusiadas-10-ano.pdf
os-lusiadas-resumo-os-lusiadas-10-ano.pdfos-lusiadas-resumo-os-lusiadas-10-ano.pdf
os-lusiadas-resumo-os-lusiadas-10-ano.pdf
 
Slides Lição 10, Central Gospel, A Batalha Do Armagedom, 1Tr24.pptx
Slides Lição 10, Central Gospel, A Batalha Do Armagedom, 1Tr24.pptxSlides Lição 10, Central Gospel, A Batalha Do Armagedom, 1Tr24.pptx
Slides Lição 10, Central Gospel, A Batalha Do Armagedom, 1Tr24.pptx
 
Química orgânica e as funções organicas.pptx
Química orgânica e as funções organicas.pptxQuímica orgânica e as funções organicas.pptx
Química orgânica e as funções organicas.pptx
 
EJA -livro para professor -dos anos iniciais letramento e alfabetização.pdf
EJA -livro para professor -dos anos iniciais letramento e alfabetização.pdfEJA -livro para professor -dos anos iniciais letramento e alfabetização.pdf
EJA -livro para professor -dos anos iniciais letramento e alfabetização.pdf
 
educação inclusiva na atualidade como ela se estabelece atualmente
educação inclusiva na atualidade como ela se estabelece atualmenteeducação inclusiva na atualidade como ela se estabelece atualmente
educação inclusiva na atualidade como ela se estabelece atualmente
 
Famílias Que Contribuíram Para O Crescimento Do Assaré
Famílias Que Contribuíram Para O Crescimento Do AssaréFamílias Que Contribuíram Para O Crescimento Do Assaré
Famílias Que Contribuíram Para O Crescimento Do Assaré
 
Biologia - Jogos da memória genetico.pdf
Biologia - Jogos da memória genetico.pdfBiologia - Jogos da memória genetico.pdf
Biologia - Jogos da memória genetico.pdf
 
Apresentação_Primeira_Guerra_Mundial 9 ANO-1.pptx
Apresentação_Primeira_Guerra_Mundial 9 ANO-1.pptxApresentação_Primeira_Guerra_Mundial 9 ANO-1.pptx
Apresentação_Primeira_Guerra_Mundial 9 ANO-1.pptx
 
Caderno de Resumos XVIII ENPFil UFU, IX EPGFil UFU E VII EPFEM.pdf
Caderno de Resumos XVIII ENPFil UFU, IX EPGFil UFU E VII EPFEM.pdfCaderno de Resumos XVIII ENPFil UFU, IX EPGFil UFU E VII EPFEM.pdf
Caderno de Resumos XVIII ENPFil UFU, IX EPGFil UFU E VII EPFEM.pdf
 
Caça-palavras ortografia M antes de P e B.
Caça-palavras    ortografia M antes de P e B.Caça-palavras    ortografia M antes de P e B.
Caça-palavras ortografia M antes de P e B.
 
proposta curricular ou plano de cursode lingua portuguesa eja anos finais ( ...
proposta curricular  ou plano de cursode lingua portuguesa eja anos finais ( ...proposta curricular  ou plano de cursode lingua portuguesa eja anos finais ( ...
proposta curricular ou plano de cursode lingua portuguesa eja anos finais ( ...
 
A dinâmica da população mundial de acordo com as teorias populacionais.pptx
A dinâmica da população mundial de acordo com as teorias populacionais.pptxA dinâmica da população mundial de acordo com as teorias populacionais.pptx
A dinâmica da população mundial de acordo com as teorias populacionais.pptx
 
iNTRODUÇÃO À Plantas terrestres e Plantas aquáticas. (1).pdf
iNTRODUÇÃO À Plantas terrestres e Plantas aquáticas. (1).pdfiNTRODUÇÃO À Plantas terrestres e Plantas aquáticas. (1).pdf
iNTRODUÇÃO À Plantas terrestres e Plantas aquáticas. (1).pdf
 
Arundhati Roy - O Deus das Pequenas Coisas - ÍNDIA.pdf
Arundhati Roy - O Deus das Pequenas Coisas - ÍNDIA.pdfArundhati Roy - O Deus das Pequenas Coisas - ÍNDIA.pdf
Arundhati Roy - O Deus das Pequenas Coisas - ÍNDIA.pdf
 
Fato X Opinião (Língua Portuguesa 9º Ano).pptx
Fato X Opinião (Língua Portuguesa 9º Ano).pptxFato X Opinião (Língua Portuguesa 9º Ano).pptx
Fato X Opinião (Língua Portuguesa 9º Ano).pptx
 
UFCD_10949_Lojas e-commerce no-code_índice.pdf
UFCD_10949_Lojas e-commerce no-code_índice.pdfUFCD_10949_Lojas e-commerce no-code_índice.pdf
UFCD_10949_Lojas e-commerce no-code_índice.pdf
 
Atividade - Letra da música "Tem Que Sorrir" - Jorge e Mateus
Atividade - Letra da música "Tem Que Sorrir"  - Jorge e MateusAtividade - Letra da música "Tem Que Sorrir"  - Jorge e Mateus
Atividade - Letra da música "Tem Que Sorrir" - Jorge e Mateus
 
Aula 2 - 6º HIS - Formas de registro da história e da produção do conheciment...
Aula 2 - 6º HIS - Formas de registro da história e da produção do conheciment...Aula 2 - 6º HIS - Formas de registro da história e da produção do conheciment...
Aula 2 - 6º HIS - Formas de registro da história e da produção do conheciment...
 
the_story_garden_5_SB_with_activities.pdf
the_story_garden_5_SB_with_activities.pdfthe_story_garden_5_SB_with_activities.pdf
the_story_garden_5_SB_with_activities.pdf
 

Capítulo 05 - Fundamentos da inteligência de negócios: gestão da informação e de bancos de dados

  • 1. Capítulo 5 Fundamentos da inteligência de negócios: gestão da informação e de bancos de dados 5.1
  • 2. Objetivos de estudo • Como um banco de dados relacional organiza os dados e compara essa abordagem ao banco de dados orientado a objetos? • Quais os princípios de um sistema de gestão de banco de dados? • Quais as principais ferramentas e tecnologias para extrair informações de bancos de dados e melhorar o desempenho da empresa e a tomada de decisão? 5.2
  • 3. Objetivos de estudo • Qual o papel da política de informação e da gestão de dados na organização dos recursos de dados empresariais? • Por que é importante para a empresa garantir a qualidade dos dados? 5.3
  • 4. A R.R. Donnelley tenta controlar seus dados • Problema: o crescimento explosivo criou desafios na gerência de informações. • Soluções: usar um MDM para criar um conjunto de dados que abarque toda a empresa, previnindo a duplicação desnecessária dos mesmos. 5.4
  • 5. A R.R. Donnelley tenta controlar seus dados • A gestão de dados mestres (MDM) permite que empresas como a R.R. Donnelley eliminem dados desatualizados, incompletos ou incorretos. • Demonstra o papel da TI na gestão bem-sucedida de dados. • Ilustra o papel da tecnologia digital no armazenamento e organização dos dados. 5.5
  • 6. A R.R. Donnelley tenta controlar seus dados 5.6
  • 7. A abordagem de banco de dados para gestão de dados • Banco de dados: • Conjunto de arquivos relacionados entre si com registros sobre pessoas, lugares ou coisas. • Antes do desenvolvimento dos bancos de dados digitais, as empresas usavam grandes arquivos de metal, cheios de arquivos de papel. • Entidade: • Categoria genérica que representa uma pessoa, um lugar ou uma coisa sobre a qual você armazena e mantém informações. • Exemplos: fornecedor, peça. • Atributos: • Características específicas de cada entidade: • Fornecedor: nome, endereço • Peça: descrição, preço unitário, fornecedor 5.7
  • 8. A abordagem de banco de dados para gestão de dados • Banco de dados relacional: • Organizam os dados em tabelas bidimensionais (denominadas relações) com colunas e linhas. • Uma tabela para cada entidade: • Exemplo: CLIENTE, FORNECEDOR, PEÇA, VENDAS • Campos (colunas) armazenam dados que representam um atributo. • Linhas armazenam dados para registros, ou tuplas. • Campo-chave: identifica um registro de forma única. • Chave primária: • Um campo em cada tabela • Não pode ser duplicada • Funciona como uma identificação única para todas as informações em uma linha 5.8
  • 9. A abordagem de banco de dados para gestão de dados Tabela de banco de dados relacional Um banco de dados relacional organiza os dados na forma de tabelas bidimensionais. Temos aqui uma tabela para a entidade FORNECEDOR e vemos como ela representa a entidade e seus atributos. Número_Fornecedor é o campo-chave. 5.9
  • 10. A abordagem de banco de dados para gestão de dados A tabela PEÇA Dados da entidade PEÇA têm sua própria tabela individual. Número_Peça é a chave primária e Número_Fornecedor é a chave estrangeira, que permite aos usuários achar, na tabela FORNECEDOR, informações correlatas sobre o fornecedor de cada peça. 5.10
  • 11. A abordagem de banco de dados para gestão de dados • Estabelecendo relacionamentos • Diagrama entidade/relacionamento • Usado para esclarecer relações entre as tabelas de um banco de dados relacional. • Tabelas de um banco de dados relacional podem apresentar relacionamentos: • Um-para-um • Um-para-muitos • Muitos-para-muitos • Demanda a criação de uma tabela (tabela concatenada ou relação de intersecção) que interliga as duas tabelas e concatena informações. 5.11
  • 12. A abordagem de banco de dados para gestão de dados Um diagrama entidade/relacionamento básico Este diagrama mostra a relação entre as entidades FORNECEDOR e PEÇA. 5.12
  • 13. A abordagem de banco de dados para gestão de dados • Normalização • Processo de simplificar grupos complexos de dados a fim de: • minimizar elementos de dados redundantes; • minimizar relações muitos-para-muitos inadequadas; e • aumentar a estabilidade e a flexibilidade. • Regras de integridade referencial • Usadas pelos bancos de dados para garantir que os relacionamentos entre as tabelas permaneçam consistentes. • Exemplo: quando uma tabela possui uma chave estrangeira que aponta para outra tabela, você pode só conseguir incluir um registro na tabela com a chave estrangeira se houver um correspondente na tabela relacionada. 5.13
  • 14. A abordagem de banco de dados para gestão de dados Amostra de relatório de pedido As áreas sombreadas mostram quais dados vêm das tabelas FORNECEDOR, PEDIDO e ITEM. O banco de dados não mantém dados sobre Preço Total nem Pedido Total porque eles podem ser derivados a partir de outros dados das tabelas. 5.14
  • 15. A abordagem de banco de dados para gestão de dados Projeto final do banco de dados com amostras de registros O projeto final do banco de dados referente a fornecedores, peças e pedidos tem quatro tabelas. A tabela ITEM é uma tabela concatenada que elimina a relação muitos- para-muitos entre PEDIDO e PEÇA. 5.15
  • 16. A abordagem de banco de dados para gestão de dados Diagrama entidade/relacionamento para o banco de dados de quatro tabelas Este diagrama mostra o relacionamento entre as entidades FORNECEDOR, PEÇA, ITEM e PEDIDO. 5.16
  • 17. Sistemas de gestão de banco de dados Sistema de gestão de banco de dados (database management system — DBMS) • Tipo específico de software para criação, armazenamento, organização e acesso a dados de bancos de dados • Separa as visões lógica e física dos dados • Visão lógica: como os usuários finais veem os dados • Visão física: como os dados estão, de fato, estruturados e organizados • Exemplos de DBMS: Microsoft Access, DB2, Oracle Database, Microsoft SQL Server, MySQL 5.17
  • 18. Sistemas de gestão de banco de dados Banco de dados de recursos humanos com múltiplas visões Um único banco de dados de recursos humanos oferece muitas visões dos dados, conforme as necessidades de informação do usuário. Exemplificamos aqui duas visões possíveis, uma que interessa a um especialista em benefícios, e outra que interessa a um funcionário do departamento responsável pela folha de pagamentos da empresa. 5.18
  • 19. Sistemas de gestão de banco de dados Operações de um DBMS relacional • Select: • Cria um subconjunto de todos os registros que atendam a um critério. • Join: • Combina tabelas relacionais de modo a apresentar ao servidor um número maior de informações do que o disponível em tabelas individuais. • Project: • Cria um subconjunto formado por colunas de uma tabela • Permite que o usuário crie novas tabelas contendo somente as informações desejadas. 5.19
  • 20. Sistemas de gestão de banco de dados As três operações básicas de um DBMS relacional As operações select, project e join (selecionar, projetar e vincular) permitem que dados de duas tabelas diferentes sejam combinados e que apenas os atributos selecionados sejam apresentados. 5.20
  • 21. Sistemas de gestão de banco de dados Recursos dos sistemas de gestão de banco de dados • Definição de dados: • Especifica a estrutura do conteúdo do banco de dados. • Dicionário de dados: • Arquivo automático ou manual que contém a definição dos elementos de dados e suas características. • Consulta e relatório: • Linguagem de manipulação de dados • Linguagem estruturada de consulta (SQL) • Ferramentas para construção de consultas do Microsoft Access • Geração de relatório. Exemplo: Crystal Reports 5.21
  • 22. Sistemas de gestão de banco de dados Recurso de dicionário de dados do Access O Microsoft Access traz um recurso rudimentar de dicionário de dados que apresenta informações quanto a tamanho, formato e outras características de cada campo em um banco de dados. Aqui, vemos as informações mantidas na tabela FORNECEDOR. O pequeno ícone representando uma chave, à esquerda de Número_Fornecedor indica que se trata de um campo-chave. Figura 5.9 5.22
  • 23. Sistemas de gestão de banco de dados Exemplo de uma consulta SQL Vemos aqui os comandos SQL para uma consulta que selecionará fornecedores das peças 137 ou 150. Eles produzem uma lista com os mesmos resultados da Figura 5.8. 5.23
  • 24. Sistemas de gestão de banco de dados Uma consulta no Access Vemos aqui como a consulta da Figura ao lado seria elaborada com as ferramentas de formulação de consultas do Access. A tela mostra as tabelas, os campos e os critérios de seleção usados para a consulta. 5.24
  • 25. Sistemas de gestão de banco de dados Bancos de dados orientados a objeto (OODBMS) • Armazena dados e procedimentos como se fossem objetos que podem ser automaticamente extraídos e compartilhados. • Mais indicados para o armazenamento de objetos gráficos, desenhos e vídeos do que o DBMS projetado para a estruturação de dados. • Usados para gerenciar os vários componentes multimídia ou applets Java utilizados em aplicativos da Web. • Relativamente lentos se comparados aos DBMSs relacionais. • DBMSs relacionais orientados a objeto: oferecem recursos de DBMSs orientados a objeto e relacionais. 5.25
  • 26. Como usar bancos de dados para melhorar o desempenho e a tomada de decisão na empresa • Os bancos de dados oferecem informações que ajudam a empresa na administração mais eficiente do negócio, e ajuda os administradores e empregados a tomar melhores decisões. • Ferramentas para análise de grandes volumes de dados: • armazenamento de dados (data warehousing); • análise de dados multidimensional; • mineração de dados (data mining); e • utilização de interfaces Web com os bancos de dados. 5.26
  • 27. Como usar bancos de dados para melhorar o desempenho e a tomada de decisão na empresa Armazéns de dados • Armazém de dados (data warehouse): • Banco de dados que armazena dados correntes e históricos de potencial interesse para os tomadores de decisão de toda a empresa. • Consolida e padroniza as informações oriundas de diferentes bancos de dados operacionais e de transações. • Os dados podem ser acessados, mas não podem ser alterados. • Repositório de dados (data mart): • Subconjunto de um armazém de dados altamente focalizado dos dados da organização é colocado em um banco separado destinado a uma população específica de usuários. 5.27
  • 28. Como usar bancos de dados para melhorar o desempenho e a tomada de decisão na empresa Componentes de um data warehouse Dados correntes e históricos são extraídos de sistemas operacionais internos à organização. Esses dados são combinados com dados de fontes externas e reorganizados em um banco central projetado para análise gerencial e produção de relatórios. O diretório de informações fornece aos usuários informações sobre os dados disponíveis no data warehouse. 5.28
  • 29. Como usar bancos de dados para melhorar o desempenho e a tomada de decisão na empresa Seção interativa: Organizações A Receita Federal descobre fraude nos impostos com data warehouse • Leia a Seção interativa e discuta as seguintes questões: • Por que era tão difícil para a Receita Federal analisar os dados coletados dos contribuintes? • Quais desafios a Receita Federal encontrou durante a implementação de seu data warehouse de compliance? • De que maneira o CDW aprimorou a tomada de decisão e as operações na Receita Federal? Existem benefícios aos contribuintes? • Você acha que os armazéns de dados poderiam ser úteis em outras áreas do setor federal? Quais? Explique. 5.29
  • 30. Como usar bancos de dados para melhorar o desempenho e a tomada de decisão na empresa Inteligência empresarial, análise multidimensional de dados e mineração de dados • Inteligência empresarial: ferramentas que consolidam, analisam e acessam vastas quantidades de dados para ajudar os usuários a decidir melhores escolhas empresariais. • Softwares para consulta e relatórios de bancos de dados • Ferramentas para análise multidimensional de dados • Mineração de dados • Exemplo: a Harrah’s Entertainment coleta e analisa dados de clientes para criar um perfil de apostas e identificar os clientes mais lucrativos. 5.30
  • 31. Como usar bancos de dados para melhorar o desempenho e a tomada de decisão na empresa Inteligência empresarial Uma série de ferramentas analíticas trabalha com os dados armazenados nos bancos de dados, encontrando padrões e insights que ajudam gerentes e funcionários a tomar melhores decisões e, assim, aprimorar o desempenho organizacional. 5.31
  • 32. Como usar bancos de dados para melhorar o desempenho e a tomada de decisão na empresa Processamento analítico on-line (on-line-analytical processing — OLAP) • Permite a análise multidimensional de dados, de forma que os usuários vejam os mesmos dados de diferentes maneiras, pois usa múltiplas dimensões • Cada aspecto da informação — produto, preço, custo, região ou período de tempo — representa uma dimensão diferente. • Exemplo: comparação das vendas da região leste em junho com as vendas de maio e junho do ano anterior. • Permite que os usuários obtenham respostas on-line sobre questões específicas em velocidade razoável 5.32
  • 33. Como usar bancos de dados para melhorar o desempenho e a tomada de decisão na empresa Modelo multidimensional de dados A visão mostrada é produto x região. Girando o cubo 90 graus, a face que aparecer mostrará produto x vendas projetadas e reais. Girando novamente o cubo 90 graus, pode-se ver região x vendas reais e projetadas. Outras visões também são possíveis. 5.33
  • 34. Como usar bancos de dados para melhorar o desempenho e a tomada de decisão na empresa Mineração de dados • Descobre padrões e relacionamentos ocultos em grandes bancos de dados e infere regras a partir deles para prever comportamentos futuros. • Tipos de informações obtidas a partir de mineração de dados: • Associações: ocorrências ligadas a um único evento. • Sequências: eventos estão ligados ao longo do tempo. • Classificações: padrões que descrevem o grupo ao qual o item pertence. • Aglomerações: semelhante à classificação quando ainda não foram definidos grupos. • Prognósticos: partem de uma série de valores existentes para prever quais serão os outros valores. 5.34
  • 35. Como usar bancos de dados para melhorar o desempenho e a tomada de decisão na empresa Mineração de dados • É comum usar mineração de dados para analisar detalhadamente padrões em dados sobre consumidores e, a partir disso, montar campanhas de marketing um-a-um ou identificar clientes lucrativos. • Análise preditiva: • Usa técnicas de mineração de dados, dados históricos e suposições sobre condições futuras para predizer resultados de eventos, tais como a probabilidade de um cliente responder a uma oferta ou comprar um produto específico. • Mineração de dados versus questões de privacidade • Usado para criar uma imagem de dados detalhada para cada indivíduo. 5.35
  • 36. Como usar bancos de dados para melhorar o desempenho e a tomada de decisão na empresa • Mineração de texto (text mining) • Dados não estruturados, em sua maioria na forma de arquivos de texto, representam mais de 80% das informações úteis de uma empresa. • A mineração de texto permite que as empresas extraiam elementos- chave de grandes conjuntos de dados não estruturados, descubram padrões e relacionamentos e resumam informações. • Mineração na Web (web mining) • Descoberta e análise de padrões e informações úteis na World Wide Web. • Mineração de conteúdo, de estrutura e de uso. 5.36
  • 37. Como usar bancos de dados para melhorar o desempenho e a tomada de decisão na empresa Bancos de dados e a Web • As empresas estão usando a Web para disponibilizar algumas informações de seus bancos de dados internos a clientes e parceiros de negócios. • O middleware e outros softwares viabilizam essa possibilidade. • servidor Web; • servidor de aplicativo ou CGI; e • servidor de banco de dados. • Interfaces da Web promovem a familiaridade com os usuários e permitem a economia no reprojeto e reconstrução de um sistema legado. 5.37
  • 38. Como usar bancos de dados para melhorar o desempenho e a tomada de decisão na empresa Ligando bancos de dados internos à Web Usando seus PCs e software de navegação da Web, os usuários acessam o banco de dados interno de uma organização por meio da Internet. 5.38
  • 39. Gestão dos recursos de dados Estabelecendo uma política de informação • Política de informação • Especifica as regras para compartilhar, disseminar, adquirir, padronizar, classificar e inventariar a informação. • Administração de dados • Responsável pelas políticas e procedimentos específicos pelos quais as informações podem ser gerenciadas como recurso organizacional. • Gestão de banco de dados • Grupo de gestão e projeto de bancos de dados dentro da divisão corporativa de sistemas de informação responsável por definir e organizar a estrutura e o conteúdo do banco de dados, e também por sua manutenção. 5.39
  • 40. Gestão dos recursos de dados Assegurando a qualidade de dados • Baixa qualidade de dados: principal obstáculo para a gestão bem-sucedida do relacionamento com o cliente. • Problemas na qualidade de dados: causados por • dados redundantes e inconsistentes produzidos por diferentes sistemas; • erros na entrada dos dados. • Auditoria de qualidade de dados: levantamento estruturado da precisão e do nível de integridade dos dados. • Limpeza de banco de dados (data cleansing): detecta e corrige, dentro do banco de dados, informações incorretas, incompletas, formatadas inadequadamente ou redundantes. 5.40
  • 41. Gestão dos recursos de dados Seção interativa: Pessoas Erros no bureau de Crédito — Problemas de gente grande • Leia a Seção interativa e responda as seguintes questões: • Avalie o impacto sobre os negócios dos problemas de qualidade dos dados das agências de crédito. • Existem questões éticas levantadas pelos problemas de qualidade dos dados das agências de crédito? Explique. • Analise os fatores humanos, organizacionais e tecnológicos responsáveis pelos problemas de qualidade dos dados das agências de crédito. • O que pode ser feito para resolver esses problemas? 5.41

Notas do Editor

  1. Peça aos alunos que façam uma lista de todos os bancos de dados que utilizam ou com os quais interagem. A ideia é conscientizá-los sobre a ubiquidade e a importância dos sistemas de manutenção de registros (bancos de dados). Os bancos de dados são o coração do profissional de SIG.
  2. Pergunte aos alunos se já viram erros em bancos de dados. Uma identidade equivocada, um endereço errado, um saldo incorreto em um extrato. Por que os erros de dados são tão importantes para as empresas? E para os indivíduos?
  3. Em uma era de crescimento corporativo não orgânico, na qual as empresas crescem por meio da aquisição de outras empresas, as organizações empresariais rapidamente se tornam uma coleção de centenas de bancos de dados, sistemas de e-mail, sistemas de pessoal, sistemas contábeis e sistemas de manufatura e a comunicação entre eles é impossível. Tal situação cria uma demanda por bancos de dados integrados poderosos que possam organizar o caos.
  4. Peça aos alunos que identifiquem as entidades e os atributos de uma faculdade. Dentre as entidades podem estar alunos, professores, salas de aula, prédios, administradores etc. Os atributos podem ser nome, endereço, cargo, turmas nas quais já trabalhou etc.
  5. Os gráficos deste slide e do próximo ilustram duas tabelas em um DBMS. Pergunte aos alunos quais são as entidades apresentadas nos slides. O campo-chave na tabela Fornecedor é o número do mesmo. Qual a finalidade desse campo?
  6. Este slide mostra a segunda parte do gráfico do slide anterior. Observe que a chave estrangeira nesta tabela é a chave primária na tabela Fornecedores. Qual a finalidade da chave estrangeira? Múltiplos registros podem ter a mesma chave estrangeira?
  7. Este slide descreve as atividades envolvidas no projeto de um banco de dados. Para criar um banco de dados eficiente, é preciso saber quais os relacionamentos entre os diversos elementos de dados, os tipos de dados a serem armazenados e de que maneira a empresa precisará gerenciar os dados. Observe que o projeto de banco de dados conceitual preocupa-se com a forma como os elementos de dados serão agrupados, ou seja, com qual organização de dados nas tabelas fará com que a organização se torne mais eficiente.
  8. Este gráfico mostra um exemplo de um diagrama de entidade-relacionamento. Ele mostra que uma entidade PEDIDO pode conter muitos ITEM. (Uma PEÇA pode ser solicitada muitas vezes e aparecer muitas vezes como uma linha de item em um único pedido.) Cada ITEM pode conter somente uma PEÇA. Cada PEÇA pode pertencer a somente um FORNECEDOR, mas, mais de uma PEÇA podem ser fornecidas pelo mesmo FORNECEDOR.
  9. Um dos bancos de dados de código-fonte aberto mais populares é o MySQL (comprado pela SUN Computer, mas que agora pertence à Oracle). Visite o site http://www.mysql.com/customers/ durante a aula para mostrar algumas empresas que utilizam o MySQL. Esse sistema gerenciador de banco de dados não é tão sofisticado quanto os sistemas de bancos de dados integrados, mas atendem às necessidades de muitas empresas.
  10. Este gráfico ilustra o que significa oferecer diferentes visões lógicas dos dados. Os retângulos à direita representam duas visões distintas em um banco de dados de RH: uma para rever benefícios dos empregados e outra para acesso aos registros da folha de pagamento. O cilindro pode ser considerado como a visão física que mostra como os dados estão, de fato, organizados e armazenados no meio físico. Os dados físicos não são alterados, mas um DBMS pode criar muitas visões lógicas diferentes que se adéquem a diferentes necessidades dos usuários.
  11. Este gráfico ilustra o resultado da combinação das operações de select , join e project para a criação de um subconjunto de dados. A operação SELECT recupera somente as peças da tabela PEÇA cujo atributo Número_Peça seja 137 ou 150. A operação JOIN utiliza a chave estrangeira Número_Fornecedor armazenada na tabela PEÇA para localizar dados de fornecedores na tabela FORNECEDOR somente para os registros resultantes da operação SELECT. Por fim, a operação PROJECT define as colunas a serem exibidas; neste exemplo, Número_Peça, Descrição_Peça, Número_Fornecedor, Descrição_Fornecedor.
  12. Uma função importante dos bancos de dados é formalizar definições comuns de entidades e atributos, como o que é um ano fiscal, como descrever a data de contratação e como definir “localização da empresa”. Em ambientes que antecedem o do banco de dados, e até mesmo em empresas globais, essas definições variam de um lugar para outro.
  13. Este gráfico mostra o recurso de dicionário de dados do Microsoft Access. Para o campo Nome_Fornecedor, selecionado no topo do painel, as definições podem ser configuradas na guia “Geral”, no painel inferior. As características gerais são tamanho do campo, formato, máscara de entrada, legenda, valor padrão, regra de validação, texto de validação, requerido, permitir comprimento zero, indexado, compactação Unicode, modo IME, modo de frase IME e marcas inteligentes.
  14. Este slide mostra um exemplo de uma declaração em SQL que poderia ser utilizada na recuperação de dados de um banco de dados. Neste caso, a declaração está recuperando os registros da tabela PEÇA, apresentada na Figura 5.6, cujo atributo Número_Peça seja igual a 137 ou 150. Peça aos alunos que definam o que cada parte da declaração está fazendo. (Por exemplo, a declaração diz que sejam exibidas as colunas Número_Peça, Descrição_Peça, Número_Fornecedor, Nome_Fornecedor armazenadas nas tabelas PEÇA e FORNECEDOR, quando as seguintes condições forem verdadeiras...)
  15. Este gráfico ilustra uma consulta no Microsoft Access que executa a mesma operação que a declaração em SQL do slide anterior. A parte inferior da tela mostra os campos requeridos (Campo), as tabelas relevantes (Tabela), os campos a serem mostrados no resultado (Mostrar) e os critérios utilizados para seleção – Número_Peça igual a 137 ou 150 (Critérios).
  16. Os bancos de dados modernos podem armazenar enormes volumes de informação. O PhotoBucket, por exemplo, possui 80 bilhões de fotos armazenadas! Extrair informações significativas de um volume tão grande de dados é um desafio para os administradores. São necessárias ferramentas para organizar, analisar e descrever o que está acontecendo no mundo real com base nos dados.
  17. Armazéns de dados e repositórios de dados são ferramentas que agrupam dados e os armazenam off-line em áreas nas quais eles podem ser analisados sem causar interferências nos sistemas de processamento de transações que produzem esses dados. Não fosse assim, a análise dos dados e os aplicativos de inteligência gerencial atrasariam o processamento das transações.
  18. Este gráfico ilustra os componentes de um sistema de armazém de dados (data warehouse). Ele mostra que o armazém de dados obtém dados de múltiplas fontes, tanto internas quanto externas, e os transforma para os sistemas de armazém de dados conforme a necessidade. Para extrair informações significativas do armazém de dados, são necessárias ferramentas adicionais — como consultas e relatórios, processamento analítico on-line (OLAP) e mineração de dados. O diretório de informações oferece aos usuários informações sobre quais dados estão no armazém de dados.
  19. O setor de hospitalidade é um dos usuários mais sofisticados de software de inteligência empresarial. Eles mantêm programas de recompensas e oferecem serviços especiais aos clientes fiéis como forma de otimizar a receita. Durante a aula, visite o site http://www.harrahs.com para ver como os clientes são atraídos com programas de recompensas e para descobrir quais serviços são oferecidos aos clientes fiéis. Os programas de fidelidade demandam altos investimentos em sistemas de bancos de dados e software de inteligência computacional.
  20. Este gráfico ilustra o processo de transformação dos dados em inteligência empresarial. As ferramentas de inteligência empresarial não encontram, necessariamente, respostas claras, mas podem descobrir padrões e relacionamentos nos dados que podem ampliar sobremaneira a tomada de decisões e oferecer visões que viabilizem reflexões sobre o ambiente empresarial.
  21. Este gráfico ilustra um cubo de dados composto por três dimensões: vendas reais/projetadas, produtos e regiões. É óbvio que o objetivo é tentar explicar as diferenças entre as vendas reais e as vendas projetadas através da análise de região e produto. Esse é um problema ideal para as tabelas dinâmicas do Excel, pois há duas variáveis categóricas (produto e região) e um intervalo.
  22. Com a mídia falando em terrorismo a todo instante, você pode perguntar aos alunos como imaginam que os oficiais federais utilizam mineração de dados para identificar terroristas reais e potenciais. Se estivessem procurando por terroristas, por exemplo, que tipos de associações, sequências, classificações e aglomerações buscariam?
  23. Este gráfico ilustra o percurso dos dados do banco de dados até o usuário através de um navegador. Peça aos alunos que descrevam os tipos de transformação que ocorrem entre os diferentes dispositivos. O que acontece com os dados, por exemplo, entre o banco de dados e o servidor de banco de dados?
  24. Os bancos de dados são muito mais do que hardware e software. Na verdade, as partes mais complexas envolvem considerações de pessoas e organizacionais. Algumas vezes, as carreiras das pessoas e o destino de departamentos inteiros estão envolvidos com os dados que coletam. Quando você instala um DBMS, está potencialmente modificando quem coleta quais informações sobre quem, onde, quando e como.
  25. Em geral, bancos de dados são coleções de dados sujos, ou seja, dados ambíguos, imprecisos ou incompletos. Antes que um DBMS possa ser instalado, costuma ser necessário limpar todos os dados antigos dos sistemas legados. O tamanho dos problemas de qualidade dos dados varia de um banco de dados a outro, mas os bancos de dados de crédito costumam apresentar uma taxa de problemas de qualidade de 25%, sendo 10% dos registros considerado errados. Pergunte aos alunos se conhecem exemplos nos quais um banco de dados estava errado com relação a uma pessoa ou entidade.