1) O documento discute sistemas de informação para gestão como ERP, data warehouse e business intelligence. 2) Sistemas ERP integram dados e processos de uma organização para automatizar e armazenar informações de negócios. 3) Data mining extrai padrões e informações implícitas em grandes volumes de dados armazenados em data warehouses.

1. Sistemas de Informação para a Gestão Algumas Noções

2. Enterprise Resource Planning ERP ( Enterprise Resource Planning ) são sistemas de informação que integram todos os dados e processos de uma organização em um único sistema. A integração pode ser vista sob a perspectiva funcional (sistemas de: finanças, contabilidade, recursos humanos, fabricação, marketing, vendas, compras, etc) e sob a perspectiva sistêmica (sistema de processamento de transações, sistemas de informações gerenciais, sistemas de apoio a decisão, etc). Os ERPs em termos gerais, são uma plataforma de software desenvolvida para integrar os diversos departamentos de uma empresa , possibilitando a automação e armazenamento de todas as informações de negócios.

3. Enterprise Resource Planning - a sua importância nas corporações. Entre as mudanças mais palpáveis que um sistema de ERP propicia a uma corporação, sem dúvida, está a maior confiabilidade dos dados, agora monitorados em tempo real, e a diminuição do retrabalho. Algo que é conseguido com o auxílio e o comprometimento dos funcionários, responsáveis por fazer a atualização sistemática dos dados que alimentam toda a cadeia de módulos do ERP e que, em última instância, fazem com que a empresa possa interagir. Assim, as informações trafegam pelos módulos em tempo real, ou seja, uma ordem de vendas dispara o processo de fabricação com o envio da informação para múltiplas bases, do estoque de insumos à logística do produto. Tudo realizado com dados orgânicos , integrados e não redundantes .

4. Enterprise Resource Planning Vantagens Eliminar o uso de interfaces manuais Reduzir custos Otimizar o fluxo da informação e a qualidade da mesma dentro da organização (eficiência) Otimizar o processo de tomada de decisão Eliminar a redundância de atividades(Diminuir o tempo de burocracia) Reduzir os limites de tempo de resposta ao mercado Reduzir as incertezas do lead-time Desvantagens A utilização do ERP por si só não torna uma empresa verdadeiramente integrada; Altos custos que muitas vezes não comprovam a relação custo/benefício; Dependência do fornecedor do pacote; Adoção de melhores práticas aumenta o grau de imitação e padronização entre as empresas de um segmento; Torna os módulos dependentes uns dos outros, pois cada departamento depende das informações do módulo anterior, por exemplo. Logo, as informações têm que ser constantemente atualizadas, uma vez que as informações são em tempo real (on line), ocasionando maior trabalho; excesso de controle sobre as pessoas, o que aumenta a resistência à mudança e pode gerar desmotivação por parte dos funcionários.

5. Sistemas, Aplicativos e Produtos para Processamento de Dados Como surgiu o nome SAP O nome da empresa era temporariamente uma abreviação de (em alemão ) S ysteme, A nwendungen und P rodukte in der Datenverarbeitung (em inglês : Systems, Applications and Products in Data Processing, em português : S istemas, A plicativos e P rodutos para Processamento de Dados). O AG era a abreviação de Aktiengesellschaft (sociedade anônima em alemão).

6. Sistemas, Aplicativos e Produtos para Processamento de Dados A Primeira Aplicação Um ano depois, o primeiro de contabilidade financeira estava pronto, formando a base para o contínuo desenvolvimento de outros componentes de software para aquilo que mais tarde veio a ser conhecido como sistema “R/1”. O “R” é a primeira letra de “real-time data processing” (processamento de dados em tempo real). erto do fim da década, o exame exaustivo do banco de dados IBM da SAP e do sistema de controle de diálogo levam ao nascimento do SAP R/2 (Realtime System Version 2). O primeiro produto importante da SAP, um conjunto de módulos de software destinado a mainframes, que em 1995 ainda era utilizado por mais de 2000 empresas. A medida que novos conceitos iam surgindo no campo da informática, a SAP ia atualizando seu produto, até que em 1989 , as primeiras aplicações do SAP R/3 foram apresentadas numa conferência em Hannover , Alemanha. R/2 e R/3 não representam versões de um mesmo sistema, trata-se na verdade de produtos diferentes.

7. Sistemas, Aplicativos e Produtos para Processamento de Dados O R/2 era um conjunto de módulos de software destinado a mainframes, enquanto o R/3 foi desenvolvido para o ambiente cliente/servidor. Nesse ambiente algumas estações solicitam serviços (clientes), e outras atendem (servidores), realizando determinados tipos de processamento ou compartilhando recursos como impressoras, arquivos e bancos de dados. O SAP R/3 é um sistema que oferece um conjunto de módulos com diversas aplicações de negócio. Os módulos são integrados e contém a maior parte das funcionalidades necessárias às grandes corporações, incluindo manufatura, finanças, vendas e distribuição e recursos humanos. Cada módulo é responsável por mais de 1000 processos de negócio, cada um deles baseado em práticas consagradas no mundo dos negócios. A configurabilidade do sistema é tornada possível por 8000 tabelas que administram desde a estrutura corporativa até a política de desconto oferecida aos clientes. O sistema oferece o processamento de informações em verdadeiro tempo real ao longo da empresa onde estiver implementado. Não é a toa que o sistema é um best-seller como provam os números a seguir.

8. Sistemas, Aplicativos e Produtos para Processamento de Dados Em 1995 , a SAP AG tinha mais de 6.600 colaboradores ao redor do mundo. Neste mesmo ano, a SAP liderava o mercado de softwares para ambiente cliente/servidor. Além disso a SAP ocupava a quinta posição no ranking das empresas de software. Hoje mais de 4000 empresas possuem o produto da SAP implementado. Um dos motivos do sucesso da SAP é o montante investido em pesquisa e desenvolvimento e as alianças estratégicas que forma com outros desenvolvedores de sistemas. Estes parceiros criam add-ons (programas complementares) que suprem algumas deficiências do R/3. Este tipo de união permite que a SAP foque seus esforços no seu principal produto. Em 1995 o SAP chegou ao Brasil , mas para que pudesse ser correctamente utilizado passou por um processo chamado de customização, que nada mais é que a alteração do sistema de modo a atender a legislação fiscal brasileira.

9. Sistemas de Apoio à Decisão Sistemas de apoio à decisão é uma classe de Sistemas de Informação ou Sistemas baseados em Conhecimento. Refere-se simplesmente a um modelo genérico de tomada de decisão que analisa um grande número de variáveis para que seja possível o posicionamento a uma determinada questão. Decisão é uma escolha entre as alternativas existentes através de estimativas dos pesos destas alternativas. Apoio à decisão significa auxiliar nesta escolha gerando estas estimativas, a evolução ou comparação e escolha. O termo sistema de apoio à decisão tem sido utilizado de diferentes formas (após a década de 80) e tem recebido diferentes definições de acordo com o ponto de vista de cada autor. Finlay (1994) e outros autores definem o SAD de um modo geral como “um sistema computacional que auxilia o processo de tomada de decisão”. Turban (1995) define mais especificamente como “um interativo, flexível e adaptável sistema de informação, especialmente desenvolvido para apoiar a solução de um problema gerencial não estruturado para aperfeiçoar a tomada de decisão. Utiliza dados, provê uma interface amigável e permite ao tomador de decisão ter sua própria percepção”.

10. Sistemas de Apoio à Decisão Existe uma outra definição que se encontra entre estes dois extremos. Para Keen e Scott Morton (1978), um SAD concilia os recursos intelectuais individuais com a capacidade do computador em melhorar a qualidade da decisão (“SAD são sistemas computacionais que apóiam os gerentes tomadores de decisão que são direcionados com problemas semi-estruturados”). Para Sprague e Carlson (1982), SAD são “sistemas computacionais interativos que auxiliam os tomadores de decisão utilizarem dados e modelos solucionados de problemas não-estruturados”. Em contraste, Keen (1980) diz que é impossível dar uma definição precisa incluindo todas as facetas do SAD (“Não há definição de sistemas de apoio à decisão, somente de apoio à decisão”). No entanto, de acordo com Power (1997), o termo sistema de apoio à decisão é muito desgastado devido à sua utilização para definir muitos tipos de sistemas que dão apoio à tomada de decisão. Ele ironicamente diz que muitas vezes nem sempre um sistema computadorizado é um sistema transacional on-line (OLTP), algumas vezes você será tentado em chamá-lo de um SAD. Como podemos ver, não há uma definição universal aceita de SAD.

11. Sistemas de Data Warehouse Um data warehouse (ou armazém de dados , ou depósito de dados no Brasil) é um sistema de computação utilizado para armazenar informações relativas às atividades de uma organização em bancos de dados , de forma consolidada. O desenho da base de dados favorece os relatórios, a análise de grandes volumes de dados e a obtenção de informações estratégicas que podem facilitar a tomada de decisão. O data warehouse possibilita a análise de grandes volumes de dados, coletados dos sistemas transacionais ( OLTP ). São as chamadas séries históricas que possibilitam uma melhor análise de eventos passados, oferecendo suporte às tomadas de decisões presentes e a previsão de eventos futuros. Por definição, os dados em um data warehouse não são voláteis, ou seja, eles não mudam, salvo quando é necessário fazer correções de dados previamente carregados. Os dados estão disponíveis somente para leitura e não podem ser alterados.

12. Sistemas de Data Warehouse A ferramenta mais popular para exploração de um data warehouse é a Online Analytical Processing OLAP ou Processo Analítico em Tempo Real, mas muitas outras podem ser usadas. Os data warehouse surgiram como conceito acadêmico na década de 80 . Com o amadurecimento dos sistemas de informação empresariais, as necessidades de análise dos dados cresceram paralelamente. Os sistemas OLTP não conseguiam cumprir a tarefa de análise com a simples geração de relatórios. Nesse contexto, a implementação do data warehouse passou a se tornar realidade nas grandes corporações. O mercado de ferramentas de data warehouse , que faz parte do mercado de Business Intelligence , cresceu então, e ferramentas melhores e mais sofisticadas foram desenvolvidas para apoiar a estrutura do data warehouse e sua utilização. Atualmente, por sua capacidade de sumarizar e analisar grandes volumes de dados,o data warehouse é o núcleo dos sistemas de informações gerenciais e apoio à decisão das principais soluções de business intelligence do mercado.

13. Sistemas de Datamining Data Mining surgiu com a necessidade de se consultar grandes repositórios de dados mal utilizados, comumente chamados de “Cemitério de Dados”, transformando esses dados aparentemente inválidos em informações úteis. Data Mining significa literalmente “Mineração de Dados”, ou seja, é um sistema que se utiliza de regras e aplicativos que têm como objetivo a busca de correlações entre dados, extraindo informações e padrões válidos e não válidos implícitos em grandes volumes de dados, resultando em subconjuntos de dados e informações que estavam na massa de dados, porém não estavam explicitamente representadas, gerando assim subsídio para pesquisas, tomadas de decisões empresariais, prevenção de fraudes, entre outras várias aplicações.

14. Sistemas de Datamining Muitas das informações contidas em nossos bancos de dados acabam não sendo analisadas se aplicarmos as metodologias convencionais de análise de dados, pois com essas metodologias, a forma de análise, as variáveis utilizadas e os resultados esperados são finitos, sendo expressados pelo analista que está realizando a extração e tratamento das informações a partir dos dados conhecidos, partindo de uma hipótese e chegando a um resultado. Com Data Mining , esse universo de pesquisa amplia-se, beneficiando-se de várias técnicas para realizar essas tarefas como Algoritmos de Busca, Algoritmos de Associações, Classificações, Padrões Seqüenciais, Segmentação, Redes neurais, Árvores de Decisão, Regras de Indução, Visualização e OLAP . Porém somente essas metodologias não bastam para obter a informação de forma consistente: Os dados necessitam ser “tratados” primeiro. Depois de “tratados”, os dados são armazenados em grandes repositórios chamados Data Warehouse ou em repositórios menores, com um grau de especialização maior, chamados Data Mart.

15. Sistemas de Datamining Como dito anteriormente, nos métodos convencionais de pesquisa e extração de informações, nós partimos de uma hipótese e chegamos a uma conclusão. No Data Mining, nós partimos de um aglomerado de dados e chegamos a hipóteses que podem ser ou não válidas à área em que se pretende aplicá-las. No Data Mining não se parte de uma hipótese, chegando então às conclusões. Esta tecnologia explora os dados e cria suas próprias hipóteses, dessa forma abrindo o leque de opções e de informações que podemos utilizar.