O documento discute sistemas de informações gerenciais, apoio à decisão e data warehouse. Apresenta conceitos como sistemas de processamento de transações, sistemas de informações gerenciais, sistemas de apoio à decisão e características de data warehouse como extração, transformação e carregamento de dados.

1. TOMADA DE DECISÃO Beatriz Oliveira 12106284-8 Gabriel Cipriano 12106187-3 Gustavo Marques 12109563-2 Vagner Silva 12106430-7

2. AGENDA Sistemas de Informações Gerenciais Sistemas de Apoio a Decisão Data Warehouse Business Intelligence Data Mining

3. Sistemas de Informações Empresariais Organizações com gestão estratégica eficiente Utilização de recursos inteligentes oferecidos pela TI Abundância de dados e informações para adquirir competitividade “ A capacidade para agir rapidamente e decisivamente num mercado cada vez mais competitivo passou a ser um fator critico de sucesso” (Takaoka – 1999)

4. Sistemas de Informações Empresariais Sistemas de Processamento de Transações (SPT) Transações: troca de valor ou movimento de mercadorias que afete a lucratividade de uma organização. Baseado em: Coleta de dados, Manipulação de dados, Armazenamento de dados e Produção de documentos. Aplicações: suporte as atividades de uma organização empresarial. Tais como o processamento de pedidos, faturamento, expedição, contas á pagar, compras, recebimento, processamento de ordem de produção

5. Sistemas de Informações Gerenciais Conjunto de tecnologias que disponibilizam os meios necessários á operação de processamento dos dados disponíveis. Tem como saída uma coleção de relatórios que ajudam os administradores no aspecto de desenvolvimento de planos para melhorar a administração, obter melhor controle sobre as operações da empresa e tomar decisões acertadas. Dá suporte as funções de planejamento, controle e organização de uma empresa São orientados para eventos internos Têm pouca capacidade analítica Sistemas de Informações Empresariais

6. Sistemas de Apoio a Decisão Herbert A. Simon (1916-2001) Ph.D em Ciência Política pela Universidade de Chicago (1943) Laureado com Nobel de Economia (1978) por suas pesquisas na área de tomada de decisão, onde desenvolveu a idéia de racionalidade limitada da economia e a necessidade do foco sobre o comportamento humano.

7. Sistemas de Apoio a Decisão Como o indivíduo decide? Processos administrativos como processos decisórios homo economicus vs Homem administrativo (Racionalmente limitado)

8. Sistemas de Apoio a Decisão “ Em relação a capacidade do ser humano, mesmo que fosse possível ter acesso a todas as informações que necessita, ele não seria capaz de interpretar todas as informações disponíveis, tendo em vista a impossibilidade de relacionar tantos fatos em sua mente, tornando improvável a escolha da solução ideal”. (MOTTA e VASCONCELOS, 2002).

9. Sistemas de Apoio a Decisão

10. Sistemas de Apoio a Decisão “ Sistemas computacionais que ajudam os responsáveis pela tomada de decisão a enfrentar problemas não estruturados através da interação direta com modelo de dados e análises.”(Sprague & Watson – 1991) Suporte as decisões semi-estruturadas ou não-estruturadas através de simulações com a utilização de diferentes modelos para análise da informação. Consideram informações geradas pelo SPT e SIG, bem como fontes externas.

11. Sistemas de Apoio a Decisão Quanto maior o grau de desestruturação da decisão, maior a necessidade de interferência do decisor. PROCESSO DECISÓRIO SAD CONHECIMENTO E EXPERIÊNCIA DO DECISOR

12. Sistemas de Apoio a Decisão Tipo de Modelagem Analítica Atividades e Exemplos Análise do Tipo What If Observar como as mudanças de variáveis selecionadas afetam outras variáveis. Exemplo: E se reduzíssemos a propaganda em 10%? O que aconteceria com as vendas? Análise de sensibilidade Observar como mudanças repetidas em uma única variável afetam outras variáveis. Exemplo: Vamos reduzir a propaganda em 1.000 reais repetidamente de forma que possamos entender sua relação com as vendas. Análise de Busca de Metas Fazer repetidas mudanças em variáveis selecionadas até que uma variável escolhida alcance um valor-alvo. Exemplo: Experimentemos aumentos na propaganda até que as vendas atinjam 1 milhão de reais. Análise de Otimização Encontrar um valor ótimo para variáveis selecionadas, dadas certas restrições. Exemplos: Qual o melhor montante de propaganda, considerando nosso orçamento e escolha de mídia?

13. Comparando SIG e SAD Sistemas de Informação Gerencial Sistemas de Apoio à Decisão Apoio à decisão fornecido Fornecem informações sobre o desempenho da organização Fornecem informações e técnicas de apoio à decisão para analisar problemas ou oportunidades específicos Forma e freqüência das informações Periódicas, de exceção, por demanda, indicadores chaves. Consultas e respostas interativas Formato das informações Formato pré-especificado, fixo Flexível e adaptável Metodologia de processamento das informações Informações produzidas por extração e manipulação de dados dos negócios Informações produzidas por modelagem analítica de dados dos negócios

14. Data Warehouse (DW) Fonte de dados para consulta da organização (Kimball, 1998). Coleção de dados relacionados a uma área da empresa, organizados para dar suporte a decisão e baseado nas necessidades de um determinado departamento (Inmon, 1998). É o ponto central da arquitetura de processamento de informações para tomada de decisões, fornecendo suporte informacional para SAD. Pode ser definido como um banco de dados especializado, o qual integra e gerencia o fluxo de informações a partir dos bancos de dados corporativos e fontes de dados externas à empresa.

15. Data Warehouse (DW) Ralph Kimball Inovador Escritor Educador Palestrante Consultor Best Seller em livros de Data Warehouse Escreveu mais de 100 artigos para a revista Intelligent Enterprise vencendo o Reader’s Choice Award 5 vezes seguidas Ph. D. em 1972 pela Stanford University em engenharia elétrica com especialização em sistemas homem-máquina Co-inventou a Xerox Star Workstation, primeiro produto comercial a utilizar mouse, ícones e janelas Foi vice-presidente da Metaphor Computer Systems, onde desenvolveu o Capsule Facility em 1982 (técnica de programação visual) Fundou a Red Brick Systems em 1986, onde foi CEO até 1992 No mesmo ano foi criada a Ralph Kimball Associates para prover consultoria em DW e educação

16. Data Warehouse (DW) Características do Data Warehouse - Orientado Por Assunto : os dados do DW são orientados por assuntos de interesse da empresa, contendo informações importantes para o apoio à decisão e análise de dados. Ex: produtos, atividades, contas, clientes, etc. Integrado : os dados devem ser transformados em formatos comuns de medida referência e armazenamento para que possam ser aproveitados. Variável no tempo : os dados são precisos em relação ao tempo e representam resultados operacionais do momento em que foram capturados. A cada mudança, uma nova entrada é criada, ou seja, os dados não são atualizáveis. Não volátil : os dados após serem integrados, são carregados e armazenados no banco de dados analítico, possibilitando ao usuário realizar apenas consultas e geração de relatórios necessários a tomada de decisão, não permitindo, portanto atualizações nos mesmos, apenas acesso “leitura”.

17. Data Warehouse (DW) Características do Data Warehouse - Usa processamento analítico on-line (OLAP) : as operações do dia-a-dia da empresa usam processamento de transações on-line (OLTP), no qual as transações são processadas on-line tão logo elas ocorram, o DW usa processamento analítico on-line que envolve a análise dos dados acumulados pelas transações OLTP. Multidimensional: os dados são armazenados em uma estrutura multidimensional que pode ser representada por um cubo. Relacionamento com banco de dados operacionais: os dados do DW vêm de bancos de dados operacionais da empresa (armazenados em sistemas operacionais) e utilizando um software ETL (extract, transform and load) o sistema processa dados e os armazena no DW.

18. Data Warehouse (DW) Cubo de Dados Os bancos de dados relacioanais armazenam dados em tabelas bidimensionais, já os DW armazenam os dados em estrutura multidimensional. Os dados do DW são organizados por dimensões empresariais que consistem em assuntos como área funcional, distribuidor, produto, área geográfica, quantidade vendida, data, etc.

19. Data Warehouse (DW) Extração Transformação Carga Atualização Data Warehouse Meta Dados Monitoração Administração Fontes de Dados Fontes Externas BD’s Operacionais Data Marts Serv. OLAP Serv. OLAP Análise Data Mining Ger. Relatórios Ferramentas Back End Ambiente DW Ferramentas Front End

20. Data Warehouse (DW) Data Marts Um “Data Mart” é um pequeno Data Warehouse que fornece suporte à decisão de um pequeno grupo de pessoas. Top-down: a empresa cria um DW e depois parte para a segmentação, em áreas menores gerando assim pequenos bancos orientados por assuntos departamentalizados. Botton-up: situação é inversa. A empresa cria um banco de dados para somente uma área. Custos inferiores aos de um projeto de DW completo. A partir da visualização dos primeiros resultados parte para outra área até resultar num DW.

21. Data Warehouse (DW) Vantagens Os usuários finais podem acessar os dados necessários de modo rápido e fácil através de navegadores Web porque os dados estão em um lugar só Podem ser feitas análises extensas com dados de maneiras que talvez não fossem possíveis antes Os usuários podem ter uma perspectiva consolidada dos dados organizacionais

22. Data Warehouse (DW) Desvantagens Custo muito alto para construir e manter Pode ser caro e difícil incorporar dados de sistemas obsoletos de mainframe Pessoas de um departamento podem relutar em compartilhar dados com outros departamentos

23. Data Warehouse (DW) Casos de Sucesso Itaú: costumava enviar mais de 1 milhão de malas diretas, para todos os correntistas. No máximo 2% deles respondiam às promoções. Hoje, o banco tem armazenada toda a movimentação financeira de seus 3 milhões de clientes nos últimos 18 meses. A análise de dados permite que cartas sejam enviadas apenas a quem tem maior chance de responder. A taxa de retorno subiu para 30% e a conta do correio foi reduzida a 20%. Sprint: a empresa é uma das líderes no mercado americano de telefonia de longa distância, desenvolveu com base no seu armazém de dados, um método capaz de prever com 61% de segurança se um consumidor trocaria de companhia telefônica dentro de um período de dois meses. Com um marketing agressivo, conseguiu evitar a deserção de 120 000 clientes e uma perda de 35 milhões de dólares em faturamento. Governo de Massachusetts: compilava informações financeiras imprimindo telas e mais telas de terminais de computadores de grande porte. Era preciso seis pessoas só para reunir os relatórios referentes ao orçamento anual. Com o DW, informações atualizadas estão disponíveis on-line para 1300 usuários. Só em papel, economizam-se 250 000 dólares por ano. Em 1995, pela primeira vez em 10 anos o orçamento estadual foi assinado antes do início do ano fiscal.

24. Business Intelligence Termo genérico para descrever o levantamento de informações sobre ativos internos e externos da organização para tomar melhores decisões de negócios. (Kimball e Ross – 2002) Inteligência é o resultado de um processo que começa com a coleta de dados. Esses dados são organizados e transformados em informações, que depois de analisadas e contextualizada se transforma em inteligência. Essa, por sua vez, quando aplicada em processos de decisão geram vantagem competitiva para a organização .

25. Business Intelligence

26. Business Intelligence Business Intelligence oferece relatórios integrados, análises e software de monitoramento, que auxiliam as organizações líderes a tomarem melhores decisões de negócios a cada dia The 5 Styles of Business Intelligence :

27. ● Scorecards e dashboards fornecem "em-um-relance" informações sobre o desempenho dos negócios em toda a empresa. ● Eles são tipicamente gerados por gerentes e executivos que precisam de uma visão global do desempenho da empresa e encontrar um enorme valor na visualização em tempo útil e visualmente intuitiva de dados estratégicos, financeiros e operacionais. Business Intelligence

28. ● Colaboradores de todos os níveis organizacionais, bem como parceiros e clientes da cadeia de abastecimento, dependem da empresa, poderosos e flexíveis sistemas de relatórios que apresentam dados-alvo da forma mais consumível para operações do dia a dia ● . Enterprise Reporting fornece inteligência de negócios para as massas, fornecendo as informações detalhadas dos impactos dos tomadores de decisões na empresa. ● Enterprise Reporting é o estilo predominante de BI, abrangendo uma vasta gama de relatórios operacionais diretamente de ERP, CRM, bem como sistemas de faturamento e cobrança. Business Intelligence

29. 1° report form: Scorecards and Dashboards for executives. 2° report form: Operatrional Reports for all personnel. 3° report form: Classic Business report for business managers. 4° report form: Managed Metrics for business unit leaders. 5° report form: Invoices and Statements for customers and partners. Business Intelligence

30. Source: microstrategy.com Business Intelligence Hoje em dia, essa tecnologia também vem sendo disponibilizada em ambientes Web. Essa tecnologia auxilia o usuário a sintetizar informações corporativas por meio de visões comparativas personalizadas, analises históricas, projeções e elaborações de cenários.

31. Advanced & Predictive Analysis dá aos usuários e analistas de informação, o poder de investigação completo em qualquer canto do data warehouse para descobrir os detalhes por trás dos resultados de desempenho específicos . Esses requisitos normalmente excede os limites da Análise OLAP. Esta ferramenta suporta recursos avançados e análise preditiva, permitindo aos usuários realizar análises, tais como testes de hipóteses, previsão de churn de clientes e modelos de pontuação dentro de uma interface web simples e unificada. Com suporte embutido para mais de 400 funções estatísticas, matemáticas e financeira. Business Intelligence

32. Business Intelligence

33. Alertar eficaz e pró-ativa exige uma notificação flexível, bem concebido aplicação de BI capaz de distribuir um grande número de relatórios e alertas para grandes populações de usuários internos e externos à empresa. A maioria dos fornecedores de BI apoia uma forma mínima de Alerta e estilo Proactive Notificação de BI, com produtos que podem distribuir programada e-mails para grupos de usuários com anexos relatório. arquitetura MicroStrategy aprimora esta entrega de relatório e funcionalidades básicas de alerta em quatro áreas-chave e faz isso com a maior taxa de transferência de relatório disponível hoje - a produção de mais de 70.000 relatórios por hora com mínimo de hardware Business Intelligence

34. Business Intelligence ETL (Extract, Transform & Load) • Extract: extração de dados de fontes externas consolidação de dados de diferentes sistemas de origem. Conversão dos dados num formato adequado à transformação. • Transform: transformação dos dados aplicação de regras e funções sobre os dados extraídos para obter os dados a serem carregados. Limpeza, deduplicação, codificação, decodificação, fusão, junção, agrupamento, sumarização. • Load: carga dos dados transformados no DataWarehouse.

35. Business Intelligence ETL (Extract, Transform & Load)

36. Business Intelligence OLTP (Online Transactional Processing) • Os dados eram utilizados apenas para decisões operacionais detalhadas • Surgem os programas de extração de dados, que permitem que os estes sejam operados fora do ambiente de processamento principal. Isso reduz os conflitos quando um dado é acessado em massa. • O usuário final agora tem controle sobre esses dados extraídos

37. Business Intelligence Motivações Para Novas Técnicas • Perda da informação tempo • Diferentes algoritmos de extração • Diferentes níveis de extração • Falta de sincronia e de padronização entre as bases • Bases de dados com períodos curtos

38. Business Intelligence OLAP – Online Analytical Processing Surge a noção de que essa capacidade de armazenamento poderia ser mais explorada além de simplesmente processar transações online • Modelo Orientado ao Objeto: permite uma estruturação tridimensional, possibilitando que dados possam ser encontrados mais rapidamente

39. OLAP é um software cuja a tecnologia de construção permite aos analistas de negócios, gerentes e executivos analise e visualize dados corporativos de forma rápida, consistente e principalmente interativa. Source: microstrategy.com Business Intelligence

40. Business Intelligence Operações de formação dos cubos: Distributiva Algébrica Holística

41. Business Intelligence OLTP X OLAP

42. Data Mining Data Mining (Mineração de Dados) faz parte de um processo maior chamado Knowledge Discovery in Database (KDD), ou seja, a busca de conhecimentos em banco de dados.

43. Data Mining Conceito “ É o uso de técnicas automáticas de exploração de grandes quantidades de dados de forma a descobrir novos padrões e relações que, devido ao volume de dados, não seriam facilmente descobertos a olho nu pelo ser humano” (CARVALHO, 2002). Atributos • Análise de padrões para entender comportamentos • Identificação de afinidades entre variáveis • Previsão de valores futuros com base em informações históricas • Análise de hábitos • Tomada de decisões estratégicas

44. Data Mining

45. Data Mining Técnica: Árvore de decisão - As tomadas de decisões são através de testes lógicos em cada nó da árvore (If then) ; - Os resultados se apresentam em forma de “Organograma”;

46. Data Mining Técnica: Regressão - consiste na busca por uma função que represente, de forma aproximada, o comportamento apresentado pelo fenômeno em estudo. A forma mais conhecida de regressão é a linear, por exemplo, uma reta que minimiza o erro médio entre todos os valores considerados, mas também pode ser não linear. Exemplo

47. Data Mining Técnica: Aglomeração ou Clustering Consiste na busca de similaridades entre os dados tal que permita definir um conjunto finito de classes ou categorias que os contenha e os descreva; A principal diferença entre esta abordagem e classificação é que em agregação não se tem conhecimento prévio sobre o número de classes possíveis nem a possível pertinência dos exemplos usados na modelagem; Descobrir grupos homogêneos de clientes é uma das possíveis aplicações e pode ser usada para ajudar na definição da estratégia de marketing a ser adotada.

48. Data Mining Técnica: Segmentação Pode ser comparada a uma tarefa de classificação sem classes pré-definidas. O objetivo de uma tarefa de segmentação consiste em agrupar registros semelhantes e separar registros diferentes. Ao se trabalhar com grandes bases de dados, é muito comum que padrões concorrentes se cancelem ao se observar tudo de uma só vez. Quebrar esta enorme base de dados em várias sub-bases pode dar ao analista a condição de ver estas diferenças e indicar novas oportunidades. - -------

49. Data Mining Técnica: Associação Consiste em identificar fatos que possam ser direta ou indiretamente associados; Esta estratégia é geralmente usada em aplicações onde se busca identificar itens que possam ser colocados juntos em um mesmo pacote de negociação, por exemplo, a constatação de que vendas de cerveja e de fraldas descartáveis apresentam um comportamento ascendente às sextas-feiras pode levar à construção de uma hipótese que associe ambos os itens a um tipo especial de cliente. Associação também pode ser usada para avaliar a existência de algum tipo de relação temporal entre os itens constantes de uma base de dados.

50. OBRIGADO! Bibliografia Albuquerque, A. F. ; Escrivão, E. Administrar é decidir: a visão de Herbert A. Simon. DCS Online CPTL/UFMS, 2005. KIMBAL, P. Marshall. Marketing Information Systems: Creating Competitive Advantage in the Information Age . Boston: Boyd & Fraser Publishing Company, 1996. Turban, E. Introdução á sistemas de informação. Rio de Janeiro – Elsevier, 2007. http://www.insideview.com/images/social-media-infographic.png http://nobelprize.org/nobel_prizes/economics/laureates/1978/simon-autobio.html http://www.slideshare.net/fredwilson/ad-age-keynote-first-draft http://www.weigend.com/teaching/ http://www.kimballgroup.com/html/articlesFundamental.html www.microstrategy.com