SAD/ESTA - Business Intelligence & Sistemas de Apoio à Decisão

Business Intelligence &

Sistemas de Apoio à Decisão

Curso de Licenciatura em Tecnologias da Informação e Comunicação Sistemas de Apoio à Decisão

COLIGIDO POR 13286 Natércia Oliveira, [email protected]

13310 Mário Mineiro, [email protected]

DOCENTE Sandra Jardim

28 Maio 2010

mailto:[email protected]


2

Toda a decisão certa é proveniente de

experiência. E toda a experiência é

proveniente de uma decisão errada.

Albert Einstein


3

LISTA DE FIGURAS

Figura 1 - O Custo de Cometer Erros _________________________________________________ 12 Figura 2 - Abstracto/Tomar Decisões ________________________________________________ 13 Figura 3 - Abstracto / Perguntas à decisão ____________________________________________ 16 Figura 4 - Abstracto / Chegar ao fim do processo de decisão ______________________________ 17 Figura 5 - Abstracto/Soluções alternativas ____________________________________________ 19 Figura 6 - Pirâmide de Kukulcán (Mário Mineiro 2006) __________________________________ 20 Figura 7 - Abstracto Componentes BI (Google Image Search) _____________________________ 27 Figura 8 - Exemplo de Dashboard (Fonte: infovis.net) ___________________________________ 28 Figura 9 - Fuzzy Logic por Mike Stanfill ©2002 ________________________________________ 50 Figura 10 - Abstracto MCDM (Fonte Google Images) ____________________________________ 51 Figura 11 - Cubo OLAP (http://www.relativitycorp.com) _________________________________ 57 Figura 12 - - Conceito abstracto de Data Mining _______________________________________ 58 Figura 13- Abstracto/ O Cerebro humano e informação armazenada (Fonte: Google Images) ___ 59 Figura 14 - Informação por meio electrónico __________________________________________ 60 Figura 15 – Abstracto / Benefícios dos SAD ___________________________________________ 61 Figura 16 - Abstracto/Tratamento de Informação relevante. _____________________________ 62 Figura 17 - Abstracto/Decisões Globais e em Grupo (Fonte: Google Images) _________________ 64 Figura 18 - Abstracto/Informação Global) ____________________________________________ 65 Figura 19 - O Mundo da Informação _________________________________________________ 66


4

LISTA DE ILUSTRAÇÕES

ESQUEMAS

Esquema 1 - Informação necessária a diferentes níveis de gestão versus tipos de Decisão ______ 14 Esquema 2 – Hierarquia e niveis de Decisão ___________________________________________ 15 Esquema 3 - Modelo Processo de Decisão em 6 Fases (extensão ao modelo básico de Simon)____ 18 Esquema 4- Modelo BI (Cavin Griffiths/Maio 2007) _____________________________________ 21 Esquema 5 - Evolução das TI versus BI _______________________________________________ 25 Esquema 6 - Cinco Etapas Chave do Processo de BI _____________________________________ 26 Esquema 7 - Arquitectura e Componentes de um Sistema BI Típico_________________________ 29 Esquema 8- Relação entre os Sistemas de Informação e os Níveis de Gestão _________________ 35 Esquema 9 - Os SAD versus outros Sistemas de Gestão __________________________________ 35 Esquema 10 - Os Sistemas de Apoio à Decisão versus outros Sistemas de Gestão _____________ 35 Esquema 11 - Evolução Histórica dos SAD e Tecnologias Associadas ________________________ 37 Esquema 12 - Características Típicas dos SAD/SSD______________________________________ 38 Esquema 13 - Classificação dos SAD/SSD segundo Steven Alter (1986) ______________________ 43 Esquema 14 – Arquitectura e Componentes do SAD/SSD (adaptado de várias fontes) __________ 48 Esquema 15 - O Ciclo do CBR em 6 fases (Reinartz et al. 2001) ____________________________ 53 Esquema 16 - Exemplo de Árvore de Decisão - Optimização de portofolio Investimento ________ 54 Esquema 17 Arquitectura Data Warehouse ___________________________________________ 55 Esquema 18 Data Mart ___________________________________________________________ 56 Esquema 19- OLAP Online Analytical Processing _______________________________________ 57

TABELAS

Tabela 1- Tipos de Decisão versus Tipo de Problemas ___________________________________ 13 Tabela 2 - The Forrester WaveTM: Enterprise BI Plataforms, Q2'08 ________________________ 30 Tabela 3 - Comparação entre BI e BI 2.0 ______________________________________________ 33 Tabela 4 - Tabela resumo de alguns problemas inerentes ao SGD (Romão, 2006/07) __________ 45 Tabela 5 - Resumo da Teoria da Decisão por autor _____________________________________ 75 Tabela 6 - Comparação entre SAD/SSD e SADG (GDSS) __________________________________ 80


5

ÍNDICE

Lista de Siglas e Abreviaturas ................................................................................................................................ 8

Resumo ........................................................................................................................................................................ 10

Introdução .................................................................................................................................................................. 12

I – Processo de Decisão ......................................................................................................................................... 13

Decisão e Decisores ................................................................................................................................ 13

Processo de Decisão ............................................................................................................................... 16

Processo de Decisão nas Empresas ............................................................................................. 18

Factores que Afectam a Decisão ........................................................................................................ 19

II - Business Intelligenge....................................................................................................................................... 20

Conceito ....................................................................................................................................................... 20

História e Evolução ................................................................................................................................. 23

Arquitectura e Componentes .............................................................................................................. 26

Componentes dum Sistema de BI ................................................................................................. 27

Ferramentas Comerciais ....................................................................................................................... 29

Limitações dos Sistemas de BI ........................................................................................................... 31

Impacto e Futuro ..................................................................................................................................... 32

III – Sistemas de Apoio à Decisão ...................................................................................................................... 34

Conceito ....................................................................................................................................................... 34

História e Evolução ................................................................................................................................. 36

Características e Funcionalidades..................................................................................................... 38

Classificação............................................................................................................................................... 40

Orientados a Modelos ....................................................................................................................... 40

Orientados à Comunicação e Grupo ............................................................................................ 40

Orientados a Dados ............................................................................................................................ 41

Orientados a Documentos ............................................................................................................... 41

Orientados ao Conhecimento ......................................................................................................... 41

Baseados em folhas de cálculo ...................................................................................................... 41

Baseados na Web ................................................................................................................................ 42

Outras Classificações ......................................................................................................................... 42


6

Arquitectura e Componentes .............................................................................................................. 44

Gestão de Dados (SGBD) .................................................................................................................. 45

Gestão de Modelos (SGM) ................................................................................................................ 46

Gestão do Conhecimento (SGC) ..................................................................................................... 47

Gestão de Comunicação e Rede (SGCR) ..................................................................................... 47

Interface com o Utilizador (SIU) ................................................................................................... 47

O Utilizador ........................................................................................................................................... 48

Técnicas e Ferramentas ........................................................................................................................ 49

Técnicas de Apoio à Decisão ........................................................................................................... 49

Ferramentas .......................................................................................................................................... 54

Impacto dos SAD/SSD ............................................................................................................................ 59

Vantagens .............................................................................................................................................. 62

Desvantagens/Problemas ............................................................................................................... 62

Novas Técnicas e o Futuro ................................................................................................................... 63

Sistemas Orientados ao Individuo ............................................................................................... 63

Sistemas de Grupo (SADG),Organizacionais e a World Wide Web ................................... 64

Conclusão .................................................................................................................................................................... 65

Artigos “Estado da Arte” ....................................................................................................................................... 67

BI 2.0: The Next Generation ................................................................................................................ 67

Business Intelligence 2.0: Simpler, More Accessible, Inevitable .......................................... 71

Literatura Complementar .................................................................................................................................... 74

Teoria da Decisão - um resumo ........................................................................................................ 74

Linha de Tempo (História dos SAD) ................................................................................................. 77

Sistemas de Apoio a Decisão em Grupo (SADG) .......................................................................... 78

Componentes de um SADG e o Software SSDG ....................................................................... 79

Opções para um SADG ...................................................................................................................... 79

Referências Bibliográficas .................................................................................................................................... 81

Recursos na Internet .............................................................................................................................................. 83

Processo de Decisão ............................................................................................................................... 83

Business Intelligence.............................................................................................................................. 83

Sistemas de Apoio à Decisão ............................................................................................................... 83


7


8

LISTA DE SIGLAS E ABREVIATURAS

AHP Analytical Hierarchy Process AI Artificial Intelligence (ver IA) AJAX Asynchronous JAvascript and XML ASP Application Service Providers BI Business Intelligence (Inteligência Organizacional) BPM Business Performance Management BSC Balanced Scorecard CBR Case-Base Reasoning(Raciocinio Baseado em Casos) CI Centro de Informação (ver IC) CRM Customer Relationship Management DASD Direct Access Storage Device DBMS Data Management System (ver SGBD) DDMS Distributed Decision-Making Systems (ver SADD) DEI Data Extraction and Integration DM Data Marts DSS Decision Support Systems (ver SAD e SSD) DVS Data Visualization Systems DW Data Warehouse EDP Electronic Data Processing EDSS Executive Decision Support Systems EIS Executive Information System (ver SIE) ERP Enterprise Resource Planning ES Expert System (Sistema Especialista ou Inteligente) ESS Executive Support System ETL Extract, Transform, Load GDSS Group Decision Support System GIS Geographical Information Systems IBM International Business Machines (http://ibm.com) IA Inteligência Artificial (ver AI) IC Information Centre (ver CI) IDSS Interoperability Decision Support Systems ISS Intelligent Support System KB Knowledge Base (Base de Conhecimento) KMS Knowledge Management System (ver SGC) MADM Multi-Attribute Decision-Making MBMS Model Base Management System (ver SGM) MCDM Multi-Criteria Decision-Making MDDB Multi-Dimensional Database MDDM Multi-Dimension Decision-Making MDSS Model-Driven DSS MIS Management information system MIS Management Information System (Sistemas de Gestão de Informação) MIT Massachusetts Institute of Technology MODM Multi-Objective Decision-Making MS Management Systems (Sistemas de Gestão) MSS Management Support Systems (Sistemas de Suporte À Gestão)


9

NN Neural Network (Redes Neurais)

OAS Office Automation System OIS Office Information System (Sistema de Informação de Escritório) OLAP On- Line Analytical Processing OLTP On-line Transaction Processing RDBMS Relational Database Management System RSS Really Simple Syndication SA Situation Awareness SAD Sistemas de Apoio à Decisão (ver SDD e DSS) SADD Sistema de Apoio à Decisão Distribuído (ver DDMS) SAS Statistical Analysis System (http://www.sas.com/) SGBD Sistema de Gestão de Dados (ver DBMS) SGC Sistema de Gestão de Conhecimento (ver KMS) SGCR Sistema de Gestão de Comunicação e Rede SGM Sistema de Gestão de Modelos (ver DBMS) SI Sistemas de Informação SIAD Sistemas Inteligentes de Apoio à Decisão SIE Sistema de Informação Executivo (ver EIS) SIU Sistema de Interface com o utilizador SQL Structured Query Language SSD Sistemas de Suporte à Decisão (ver DSS e SAD) SSDG Software de Suporte à decisão de Grupo TI Tecnologias de Informação TOPSIS Technique for the Order Preference by Similarity to Ideal Solution TPS Transaction processing system TPS Transaction Processing System WAN Wide Area Network XDSS Expert Decision Support Systems XML eXtensible Markup Language


10

RESUMO

Este documento foi elaborado no âmbito da disciplina de Sistemas de Apoio à Decisão da licenciatura de Tecnologias de Informação e Comunicação (TIC) da Escola Superior de Tecnologia de Abrantes (ESTA), e reúne diversa informação coligida (identificada pelos respectivos autores e/ou fontes) com o objectivo de apresentar os conceitos e a evolução dos sistemas de “Business Intelligence1” e uma das sua plataformas tecnológicas de apoio à decisão ou tipo conforme referido por alguns autores: “Decision Support Systems2”.

Para poder falar sobre Business Intelligence (BI) e Sistemas de Apoio à Decisão (SAD/SSD), é necessário contextualizar os dois assuntos no âmbito do processo de decisão. Assim, este documento está dividido em três capítulos: o primeiro dedicado ao Processo de Decisão; o segundo sobre os Sistemas de Business Intelligence; e o terceiro dedicado aos Sistemas de Apoios à Decisão. Sobre o Processo de Decisão, este documento aborda os factores que o influenciam, assim como o modo como é encarado nas empresas. No segundo capítulo, é abordado o conceito de “Business Intelligence”, por ser o mais abrangente, é considerado por muitos como o “guarda-chuva” de todos os sistemas de informaç~o organizacionais. O conceito de Business Intelligence é muitas vezes confundido com o de Decision Support Systems (DSS) e em outros casos até usado erradamente, como é o caso quando referido em exemplos específicos de tecnologias de BI usadas, como "Business Intelligence using SQL", "Business Intelligence using Silverlight" ou SAS BI ou ainda Microsoft BI. No terceiro capítulo sobre os Sistemas de Apoio á Decisão, aborda-se o seu conceito bem como a sua evolução histórica, assim como uma visão do futuro e impacto nas organizações.

Este documento pretende ainda explicar que, tomar decisões é uma atitude de rotina e comum para qualquer ser vivo. Com maior ou menor relevância, cada um de nós toma decisões praticamente do momento em que acorda até o fim do dia. No entanto, na ctualidade, o que é diferente é o nível de complexidade e velocidade das decisões a serem tomadas. No caso das organizações3, os volumes de dados e informações têm vindo a crescer de forma exponencial e isso, em vez de facilitar a tomada de decisões, muitas vezes torna-a mais complexa e incerta. A evolução dos Sistemas de Informação (SI) e dos recursos de informática, especificamente com relação aos BI a aos SAD/SSD, tem permitido a intensificação do seu uso nas mais diversas áreas de trabalho e níveis de gestão, e fazem com que esses sistemas sejam desenvolvidos para praticamente todo o tipo de actividade, das mais rotineiras até às mais complexas. A procura de melhores resultados e a rapidez e segurança na tomada de decisões têm feito com que, todas as organizações que utilizam dados e informações para auxiliar esse processo, procurem utilizar os recursos tecnológicos mais modernos.

Palavras-Chave

1 O uso de alguns termos, é feito em inglês, não só por ser a sua designação formal e original, como também porque a sua tradução

para Português não faria justiça ao seu significado. 2 O termo Bussiness Intelligence (BI) é referido em Inglês ao longo de todo o documento, no caso de Decision Support Systems (DSS)”

será referido como Sistemas de Apoio á Decisão (SAD), apesar de alguns autores lusófonos referirem DSS na sua forma de tradução directa Sistemas de Suporte á Decisão (SSD). As abreviaturas BI e SAD/SSD identificam os dois assuntos.

3 Para que não ocorram más interpretações entre a forma como é tratado o conceito de Organização e o de Organização Empresarial, neste documento o conceito de organização tratado será no sentido restrito do tipo empresarial e por isso sempre referida como se duma empresa se trate, excepto nos casos em que seja indicado de outra forma.


11

Processo de Decisão, Business Intelligence, BI, Decision Support Systems, DSS, Sistemas de Apoio à Decisão, SAD, Sistemas de Suporte à Decisão, SSD.


12

INTRODUÇÃO

Nas organizações, durante anos, consideraram a capacidade de decidir como uma arte – um talento inato conferido á nascença aos gestores ou adquirido através de um longo período de experiência (onde os erros fazem parte). As actividades de gestão são consideradas quase como uma manifestação artística pois uma grande variedade de estilos pessoais pode ser utilizada na abordagem e tratamento do mesmo tipo de problemas práticos de gestão. Estes estilos são na maior parte baseados em criatividade, intuição, pareceres e experiência, pondo de lado métodos sistemáticos baseados em abordagens científicas.

No entanto, actualmente o ambiente em que os gestores têm de trabalhar está mudar muito rapidamente. A actividade organizacional e o ambiente em que se desenvolve é hoje mais complexo do que nunca e a tendência é a do aumento de complexidade. Hoje é mais difícil tomar decisões por duas grandes razões. Primeiro, o número de alternativas disponíveis é muito superior do que as no passado. Segundo, o custo de cometer erros4 (mesmo nos pequenos pormenores) pode ser muito elevado, dada a complexidade e magnitude das operações e a reacção em cadeia que um erro pode originar em muitos sectores da organização.

Assim, com estas tendências torna-se difícil depender apenas de estilos de gestão e abordagens “artísticas”. Os gestores acabam por ser obrigados a uma maior sofisticação, aprendendo a utilizar novas metodologias, tecnologias e técnicas desenvolvidas para as suas áreas específicas e apoiadas habitualmente por sistemas de informação como Business Intelligence e ainda pelos Sistemas de Apoio à Decisão.

Existem diversas definições académicas e

formais para Business Intelligence e para os Sistemas de Apoio à Decisão. Muitas delas encontram-se através de procuras na Internet. Se usarmos um motor de procura como por exemplo o Google e procurarmos “Business Intelligence” como palavra-chave, mesmo que através duma procura refinada o número de eventos em 20.03.2010 foi de 13.300.000 e de “Decision Support Systems” de 1.010.000. No caso do termo em português Sistemas de Apoio à Decisão foram 266.000 e para Sistemas de Suporte à Decisão apenas 102 eventos. Obviamente existe muito para dizer ou apresentar sobre BI e sobre SAD/SSD.

Aqui fica a minha contribuiç~o…

"Se escolheres não decidir, já tomastes uma decisão." Neil Peart

4 Figura 1: http://www.mspmentor.net/2009/04/28/how-to-measure-your-performance-against-peer-msps/

Figura 1 - O Custo de Cometer Erros


13

I – PROCESSO DE DECISÃO

DECISÃO E DECISORES

O sucesso da gestão numa organização, depende do desempenho eficaz das funções típicas de gestão, tais como planear, organizar, dirigir e controlar5. Para exercerem estas funções, os gestores estão envolvidos num processo contínuo de tomada de decisões, tais como a elaborar planos, a selecção de um fornecedor, determinar o preço de um produto entre outras mais. Nestas situações, os gestores são os tomadores de decisão ou decisores.

Desde sempre, quase tudo o que o Homem faz, envolve tomar decisões. Aí reside a grande dificuldade de reflectir teoricamente sobre o tema. Quando se aborda este tema, abordam-se pessoas, actividades humanas, decisões e a forma como as decisões são tomadas. É um assunto multidisciplinar, que tem atraído o interesse de economistas, analistas, estaticistas, psicólogos, políticos e filósofos.

Os decisores podem lidar com vários tipos de problemas de decisão, desde a operação diária até estratégias de longo prazo da organização. Os decisores numa organização actuam em diversos níveis, desde um gestor de um projecto de desenvolvimento de software até um presidente executivo de uma grande empresa. Portanto, a decisão tomada sobre tarefas diferentes e a níveis diferentes, têm características diferentes e requerem diferentes técnicas de apoio à decisão. Os tipos de decisão estão directamente relacionados com os tipos de problema conforme se resume na tabela seguinte.

Decisão Tipo Problemas

Objectivos a curto prazo; Controlo diário de tarefas e projectos; Problemas estruturados (embora

possam ser complexos); Dados históricos precisos, detalhados

e internos.

Nível Operacional

Estruturada/o

Problemas rotineiros ou repetitivos para os quais existem soluções estudadas (standard). São conhecidos processos para obter uma solução óptima ou pelo menos boa para o problema. Os objectivos estão claramente definidos e, normalmente envolvem a minimização dos custos ou a maximização dos lucros.

Objectivos a médio prazo; Alocação de recursos de acordo a

estratégia definida

Nível de Gestão Intermédia/Táctico Semi-estruturada/o

Possuem elementos estruturados e elementos não estruturados. A resolução destes problemas envolve a combinação entre processos de resolução standard e o julgamento humano.

Objectivos a longo prazo; Definição das políticas

organizacionais; Informação agregada proveniente de

fontes externas.

Nível Estratégico

Não estruturada/o

Problemas complexos para os quais não existe nenhuma receita para aplicar. A intuição humana serve frequentemente de base para a tomada de decisão (exemplo: planeamento de novos serviços).

Tabela 1- Tipos de Decisão versus Tipo de Problemas

As decisões podem ser feitas por indivíduos ou grupos. As decisões individuais são com

frequência e normalmente feitas aos níveis baixos de gestão e em organizações pequenas,

5 As quatro funções típicas de um Gestor

Figura 2 - Abstracto/Tomar Decisões (Fonte: Google Imagens)


14

enquanto as decisões de grupo geralmente são feitas aos níveis elevados de gestão e em grandes organizações. Na tomada de decisão em grupo, cada membro do grupo tem sua própria compreensão do problema e da solução. Os membros do grupo participam na tomada de decisões com diferentes capacidades e recursos de acção. A tomada de decisão do grupo, é mais complexa do que decisões individuais, devido aos conflitos entre si os diferentes decisores "os interesses próprios e preferências. Portanto, a comunicação e a interacção entre os membros do grupo são muito importantes na tomada de decisão em grupo.

Como já foi referido anteriormente, decidir está nos dias de hoje, cada vez mais, a crescer em complicação e dificuldade, devido à sobrecarga de informações e ambientes de decis~o “flutuantes”. Com as Tecnologias de Informação e Sistemas de Comunicação, podemos encontrar rapidamente e com facilidade grandes quantidades de informações e assim gerar mais alternativas. No entanto, a mudança do ambiente impõe incertezas, que exigem decisões dinâmicas e rápidas. O custo do erro pode ser elevado devido á complexidade das operações, automação e a reacção em cadeia que o erro possa causar aos vários níveis de actividade da Organização e externa a ela. Por estas razões, os decisores necessitam de suporte técnico para os apoiar na qualidade das decisões e num curto espaço de tempo.

É bem entendido que o gestor não é uma peça isolada na estrutura das organizações, sendo sim parte integrante do sistema de influências que lhe está inerente.

Na diversa literatura6 sobre o assunto, encontra-se entre outras, a seguinte classificação

para os diversos níveis da gestão: Gestores de 1ª linha - correspondem ao nível mais baixo da organização em que existe um

responsável afecto a determinada equipa de trabalho. Neste nível, e para além das 4 funções tipo (ver página 11) que o gestor desempenha, é frequente que ele desempenhe ainda outra função: o Executar. Estes gestores enquadram-se sobretudo no nível Operacional das organizações. Estabelecesse a associação entre este nível de gestão e a pergunta (formulada do ponto de vista da organização): Onde Estou?

Gestores intermédios - dirigem as actividades dos gestores de 1ª linha, sendo também frequente coordenarem o trabalho dos operacionais. Reportam a outros gestores e dirigem as actividades que visam implementar as directrizes da empresa. Têm um enquadramento sobretudo Táctico. A pergunta central que ocupa as pessoas neste nível de gestão é: Como lá chegar?

6 Referências: Arsham, H., Applied Management Science: making good strategic decisions (http://home.ubalt.edu/ntsbarsh/opre640/opre640.htm) Simon, H., Administrative Behavior Stoner, J., Freeman, R., Gilbert Jr., D. , Management

Esquema 1 - Informação necessária a diferentes níveis de gestão versus tipos de Decisão

GESTÃO ESTRATÉGICA

Para onde

Queremos ir? Gestores Executivos

GESTÃO TÁCTICA

Como Lá Chegar?

Gestores Intermédios

GESTÃO OPERACIONAL

Onde Estou?

Gestores de 1ªLinha ou Operacionais

Pré-especificada Programada Detalhada Frequente Histórica Interna Âmbito restrito

ou Operacionais

Ad Hoc Não Programada Resumida Pouco Frequente Prevesiva Externa Âmbito Lato

ou Operacionais

Estruturada

ou Operacionais

Não-Estruturada

Semi-Estruturadau Operacionais


15

Gestores Executivos ou de topo - ocupam os lugares mais elevados da hierarquia organizacional, sendo responsáveis pela gestão global da organização. Estes gestores preocupam-se com a definição das linhas Estratégicas que traçam o rumo da organização: Para onde queremos ir?

A associação das tarefas de gestão aos diferentes níveis de gestão definidos na página anterior não pode ser feita com base em regras de classificação rígidas, uma vez que existe uma partilha dessas tarefas, que poderá ser distinguida com base no tempo afecto por cada um dos níveis a essas mesmas tarefas. Estes níveis de gestão têm latente um determinado grau de autoridade7 que está na base da modelação da estrutura formal da organização. Ou seja, pode traduzir-se numa hierarquia. Esta hierarquia inerente aos níveis da gestão parece estar fortemente correlacionada com a hierarquia de decisões. O comportamento dos indivíduos que desempenham determinado papel ou função de gestão e/ou operacional é orientado por objectivos.

O foco do processo de decisão pode ser: A selecção dos objectivos de negócio transversais à organização – tipicamente

os objectivos estratégicos, que se propõem a dar resposta a problemas pouco estruturados (em que existem muitas vezes alternativas conflituosas e em que existe elevado grau de incerteza e risco sobre a decisão tomada);

A implementação desses objectivos – tipicamente de carácter operacional, que dão resposta a problemas altamente estruturados, na medida em que são facilmente determinados e em que as alternativas de acção são claras e bem definidas.

Tem que se falar em hierarquia porque o estabelecimento de objectivos pelos níveis de

gestão mais altos da hierarquia tem forçosamente impacto na implementação dos objectivos dos níveis de gestão seguintes. Retomo aqui as funções e actos de Decidir e Executar. A tarefa de atingir os objectivos de uma organização recai quase sempre sobre as pessoas nos níveis mais baixos da hierarquia, que dedicam a maior parte do seu tempo ao Executar. Mas a correcta definição dos objectivos terá de ser determinada pelos níveis superiores, cuja principal afectação de actividades se centra no Decidir. Contudo, não se deve inferir que esta hierarquização de objectivos é claramente definida e aceite – as organizações são complexas, frequentemente multi-objectivos, que são alvo de ponderações (ou prioridades) em função de níveis de import}ncia ou do grau de influência dos seus “patrocinadores”.

7 Entenda-se “Autoridade” neste contexto como o poder de tomar decisões que influenciam as acções de outros. Implica a noção de

“superior hier|rquico” e, consequentemente, de “subordinado”.

Visão

Missão

Valores

Objectivos

Tomada de decisão de Nível Estratégico

Para onde quero ir?

Tomada de decisão de Nível Táctico

Como lá chegar?

Tomada de decisão de Nível Operacional

Onde estou?

Inteligência Regras e

Cultura

Conhecimento

Informação

e Modelos

Dados

Nº de Decisões

Decisões Não Estruturadas

Problemas

Pouco estruturados

Impacto elevado Demoradas

Risco elevado

Rotineiras Rápidas

Baixo nível de consciência Altamente

estruturados

Esquema 2 – Hierarquia e niveis de Decisão

Estruturadas

Semi-Estruturadas


16

O acesso a informação de apoio à decisão ganhou o devido relevo e a extracção de conhecimento e sabedoria da imensa quantidade de dados gerada pelos sistemas operacionais através da aplicação de modelos tem hoje uma dimensão claramente estratégica. Os decisores são encorajados a justificar as suas acções com base no conhecimento extraído dos dados, pelo que é fundamental representar a importância do conjunto:

Dados - Modelos – Conhecimento - Inteligência.

Com o objectivo de apoiar o gestor a utilizar os dados e modelos inerentes ao seu

negócio de forma a dar resposta às 3 questões fundamentais que determinam o seu sucesso:

Para onde quero ir? Como lá chegar? Onde estou?

Figura 3 - Abstracto / Perguntas à decisão

PROCESSO DE DECISÃO

Como já referido antes, a decidir, é basicamente, a escolha de uma opção entre diversas alternativas existentes, seguindo determinados passos previamente estabelecidos e culminando na resolução de um problema de modo correcto ou não.

Na diversa literatura e fontes investigadas, alguns dos modelos de tomada de decisão pressupõem que a tomada de decisão é sempre a solução um problema. Frequentemente, a primeira etapa na decisão de processo é identificar o problema.

Pessoalmente não sou da opinião que o objectivo de cada decisão é resolver um problema no sentido literal da palavra. Por exemplo, decidir sobre o desejo entre chocolate escuro ou chocolate de leite não é por si mesmo, um quadro de problema mas sim a necessidade de decidir entre alternativas. Compreendo também que, para algumas pessoas, a tomada de decisões pode ser um problema! Mas isso não significa que eles são a mesma coisa.

No entanto, apesar da possível discussão de conceito relativamente ao objectivo do processo de decisão, relativamente ao processo em si não existem muitas dúvidas.

Na generalidade dos casos, o Processo de Decisão começa com o reconhecimento e assimilação de um problema de decisão, e termina com a escolha da solução final no meio de


17

finitas ou infinitas alternativas. O processo de decisão proposto por Herbert Simon8 (1977) envolve três fases: Inteligência, Concepção e Escolha. Mais tarde, foi acrescentada uma quarta fase: Implementação.9

O modelo em quatro fases, pode ser usado como guia para o desenvolvimento específico de tomada de decisão. Diferentes decisores podem dar mais ênfase a uma fase em detrimento de outra(s). Assim, como diferentes problemas de decisão podem necessitar de mais detalhes ou sub-fases numa ou mais fases.

Actualmente existem tantos modelos a ilustrar o Processo de Decisão que obriga até a que seja preciso decidir qual o modelo adequado á situação. Existem modelos racionais, intuitivos, racional-iteractivos, irracionais assim como modelos com 5, 6, 7 e até com 9 fases10. (McDermott, 2010)

O modelo abordado neste trabalho é um modelo típico com uma extensão ao Processo de Decisão baseado no modelo básico de Simon (1997). O modelo envolve 6 fases tal como ilustrado no esquema da página seguinte:

Inteligência: Análise e identificação do problema;

o Determinar requisitos/necessidades

Concepção: Desenvolvimento de alternativa; o Estabelecer objectivos e metas o Gerar Alternativas

Comparação entre as alternativas;

o Determinar critérios o Determinar riscos

Classificação dos riscos de cada alternativa;

o Seleccionar um método o Estabelecer prioridades e entre risco e solução

Escolha: Escolher e avaliara melhor alternativa;

o Validar soluções

Implementação: Execução e avaliação

8 http://en.wikipedia.org/wiki/Herbert_Simon 9 Ver resumo sobre a Teoria da Decisão e Modelos de Decisão, no final deste documento em “Literatura Complementar” 10 http://www.decision-making-confidence.com/9-step-decision-making-model.html

Figura 4 - Abstracto / Chegar ao fim do processo de decisão (Fonte: http://www.selfempoweringtips.com/)


18

PROCESSO DE DECISÃO NAS EMPRESAS

A função dos gestores de empresas é fundamentalmente uma função de decisão. Os processos administrativos são basicamente processos de decisão. As decisões de gestão afectam directamente a sobrevivência da empresa e a vida das pessoas que giram em torno dela, sejam elas empregados, accionistas, fornecedores ou clientes. Por isso, quem decide é exposto a inúmeros factores de influência. Todas as pessoas exigem dele um resultado satisfatório. Muitas vezes, clientes, accionistas e empregados solicitam soluções diferentes e até antagónicas para solucionar um mesmo problema. O cliente exige: qualidade, preço, entrega e atendimento. Os accionistas exigem garantia de lucro e o retorno sobre o investimento, combinados com o alcance das metas e com a imagem positiva da empresa e dos seus produtos. E os empregados pressionam por melhores condições de trabalho, incluindo melhores salários, garantia de emprego, assistência médica e odontológica, e outras reivindicações mais específicas.

É necessário estabelecer prioridades, quando existem objectivos e posições antagónicas, carências ou disputas de recursos e de informações; transformar os objectivos empresariais em objectivos colectivos, por meio da participação e da visão do futuro que deve ser partilhada com todos os membros da empresa. E é necessário, também, satisfazer os clientes ou utilizadores, sem se descuidar dos interesses dos accionistas e das necessidades dos empregados. As decisões são actos de poder, no momento em que reúnem recursos, definem estratégias, conduzem o destino de empresas e de pessoas, os gestores assumem uma dimensão política muito semelhante á de um governo. No quotidiano, a viabilização desse processo, que, na maioria das vezes, é cheio de conflitos de interesses, exige objectivos partilhados, liderança, comunicação efectiva e habilidade de negociação constante.

Esquema 3 - Modelo Processo de Decisão em 6 Fases (extensão ao modelo básico de Simon)

Descoberta do problema: Qual é o problema?

Descoberta das Alternativas Quais são as soluções possíveis?

Escolha da Solução: Qual é a melhor solução?

Implementação e teste da Solução: A solução está a funcionar?

O que podemos fazer para melhorá-la?

INTELIGÊNCIA

CONCEPÇÃO

COMPARAÇÃO ALTERNATIVAS

CLASSIFICAÇÃO RISCOS

Problema

ESCOLHA

IMPLEMENTAÇÃO

Riscos

Alternativa

Solução

RESULTADO SUCESSO

FALHA

REALIDADE DA

SITUAÇÃO

Verificação e teste da Solução proposta

Validação do Modelo

Simplificação e Pressupostos


19

A informação é algo que alguém deseja obter e está disposto a pagar por ela; não é tangível nem mensurável, mas é um produto valioso no mundo contemporâneo, porque proporciona poder. O controle da informação é alvo de governos, empresas e pessoas. (Gates 1997). Tal como disse Bill Gates, a procura de informações é actualmente o maior alvo dos governos e das empresas. É através da informação que é possível ter um melhor suporte ao processo de decisão. É função das ferramentas, que vão dar suporte a este processo, levantar as informações necessárias de uma forma rápida, confiável e exibi-las de uma forma facilmente compreensível.

FACTORES QUE AFECTAM A DECISÃO

A necessidade de tomar uma decisão, aparece sempre que estamos perante um problema que possui mais do que uma alternativa para a sua resolução.

Todas as decisões têm consequências e envolvem riscos. A situação de decidir é geralmente, dependendo do tipo de problema, fonte de stress para quem decide e, geralmente, após as tomadas de decisão importantes acontece um relaxamento geral nos organismos dos mesmos. Segundo alguns autores, em alguns casos e diante de determinado perfil de decisor, o stress provocado é marcado por claras manifestações psicossomáticas, tais como dores de cabeça, perturbações gástricas, manifestações de euforia, depressão ou outros sintomas físicos.

Existem alguns factores que exercem influência directa no processo de decisão. Antes de existir o problema, já existem estes factores e, quando o problema surge, o mesmo é inserido num cenário onde estes factores estão embutidos. Normalmente, estes factores não fazem parte das variáveis que compõem o problema, ou mesmo das alternativas propostas para a solução do mesmo, porém, estes factores estão sempre presentes e exercem influência na solução do problema.

Factores que exercem influência individual ou colectiva

Factores de influência nas empresas

a inteligência e a cultura; o nível social; o sexo; a religião; os costumes e as crenças; a ética moral e a ética profissional; a saúde física e mental; a influencia familiar , factor emocional, na

hora exacta da tomada de decisão.

a necessidade de produtos ou serviços com qualidade; a necessidade de atendimento rápido e personalizado; a necessidade de preços competitivos; as condições impostas por clientes e/ou fornecedores; as exigências dos governos e da sociedade; a concorrência; as notícias dos media; as tecnologias utilizadas o melhor emprego dos recursos existentes; as normas existentes na empresa; a legislação em vigor; o meio ambiente.

Como se pode confirmar, tomar decisões no contexto actual é algo complexo. Administrar

esta complexidade é o desafio do gestor moderno. Boas ferramentas de suporte ao actual e moderno

processo de decisão são imprescindíveis.

Figura 5 - Abstracto/Soluções alternativas ( Fonte: http://www.mcmullin.ca)


20

II - BUSINESS INTELLIGENGE

CONCEITO

A descrição do conceito de Business Intelligence (BI) exige uma complexidade e uma sensibilidade que ainda não tenho a 100% no entanto apoiado na diversa documentação investigada aqui fica a minha contribuição.

“Entender o passado para compreender o presente e preparar o futuro.” Esta frase, que se utiliza muito na actualidade, tantas vezes escutada nas aulas, para

descrever todo o conjunto de ferramentas de software das Tecnologias de Informação (TI) que permitem tratar toda a informação, e ajudar os gestores na análise de decisões sobre os negócios da empresa ou da organização, é algo recente? O BI pode ser meramente entendido apenas no enquadramento de soluções TI? Eu humildemente não concordo!

Dou um exemplo concreto e real. Na construção da pirâmide de Kukulcán em Chichen Itzá/México11, pela civilização Maya, por volta de 800 d.C, não foi necessário estudar e analisar o espaço físico, a posição dos astros, principalmente do sistema solar, e outros tantos pormenores? Não foi necessário cruzar todas estas informações de modo a decidirem da melhor forma no que respeita à arquitectura? Claro que sim e não devemos chamar a isso Business

Intelligence?

A cultura Maya é apenas um exemplo. A história de Portugal foi feita a partir da recolha e cruzamento de informações, análises efectuadas e muitas decisões tomadas!

Assim, Business Intelligence traduz-se na obtenção de Conhecimento e Sabedoria sobre a actividade da organização e o processo pelo qual rentabilizam os seus dados, tendo em conta o contexto em que ocorrem, de forma a tornar-se inteligentes, com base na exploração dos Sistemas de Informação (SI) de que a organização dispõe, com o objectivo de optimizar os diversos problemas de tomada de decisão inerentes à Organização. Esse Conhecimento deverá ser estruturado com base em critérios chave, que permitam avaliar o estado actual da actividade e fundamentar os planos de acção desenhados pela gestão de topo.

Segundo a maioria dos autores, o processo de obtenção de conhecimento em Business Intelligence, é dividido em dois tipos tecnológicos12:

Os Executive Information Systems (EIS) - gestão de SI com o objectivo de facilitar e suportar a informação e as necessidades de tomada de decisão, fornecendo, através de uma interface gráfica “amig|vel”, o acesso integrado à informação externa e interna relevante à estratégia da organização. Os EIS auxiliam os gestores, analistas e executivos nas suas análises, comparações e permitem monitorizar de uma forma mais pormenorizada e completa o desempenho/performance da

11 http://pt.wikipedia.org/wiki/Chich%C3%A9n_Itz%C3%A1 12 http://blog.maia-intelligence.com/2008/02/26/business-intelligence-decision-support-systems/

Figura 6 - Pirâmide de Kukulcán (Mário Mineiro 2006)


21

Business Intelligence (BI) refers to computer-based techniques used in spotting, digging-out, and analyzing 'hard' business data, such as sales revenue by products or departments or associated costs and incomes. BI technologies provide historical, current, and predictive views of business operations. Common functions of Business Intelligence technologies are reporting, online analytical processing, analytics, data mining, business performance management, benchmarking, text mining, and predictive analytics.

Business Intelligence often aims to support better business decision-making. Thus a BI system can be called a decision support system (DSS). Though the term business intelligence is often used as a synonym for competitive intelligence, because they both support decision making, BI uses technologies, processes, and applications to analyze mostly internal, structured data and business processes while competitive intelligence, is done by gathering, analyzing and disseminating information with or without support from technology and applications, and focuses on all-source information and data (unstructured or structured), mostly external to, but also internal to a company, to support decision making.

(Wikipedia (EN))

organização, bem como identificar oportunidades e problemas. Um exemplo recente dos EIS, são os dashboards digitais13.

Os Sistemas de Suporte á Decisão (SAD/SSD) que vão ser explicados em detalhe no segundo capítulo deste documento.

Os Sistemas de BI podem ajudar as organizações a tornar-se inteligentes, mas o seu papel não é substituir os seus gestores, mas sim apoiar melhor o processo de decisão das organizações. A inteligência reside na correcta definição dos problemas das organizações. Mas, para os resolver, torna-se necessário dar mais um passo – alcançar a sabedoria. A definição das soluções, dos caminhos para a resolução dos problemas. O BI torna as organizações inteligentes. Cabe aos gestores torná-las sábias. (Nunes, 2007)

Os Sistemas de BI providenciam pontos de vista históricos, correntes e de previsão das operações organizacionais, na sua maioria através de dados recolhidos via sistemas de Data Warehouse14 e ocasionalmente directamente através de dados operacionais.

Os BI, assumem assim uma importância de relevo no processo de decisão duma organização porque: De forma pró-activa identificam

tendências de mercado e oportunidades Ajudam a prioritizar actividades para

assegurar o uso mais eficiente dos recursos disponíveis e tomar decisões efectivas Ajudam a tomar decisões inteligentes,

informadas e assim contribuir para o sucesso da organização Permitem ainda actuar nos resultados

de análises numa versão completa e consistente de todos os dados da organização.

13 http://www.microstrategy.pt/digital-dashboard/ 14 http://pt.wikipedia.org/wiki/Data_Warehouse

SABEDORIA & INTELIGENCIA

Esquema 4- Modelo BI (Cavin Griffiths/Maio 2007)

Data Warehouse

Ferramentas Analíticas

Planos, Processos, Mudanças de sistema

Aplicações de Relatórios

Tendências e Padrões

Implementação e Uso

EXPERIÊNCIA MENTE HUMANA


22


23

The term "Business Intelligence" (BI) refers to "the ability to apprehend the interrelationships of presented facts in such a way as to guide action towards a desired goal" (as declared by IBM researcher Hans Peter Luhn in 1958). In general, the purpose of business intelligence is to enable better business decision making (i.e. an example of "action" in Luhn's definition), closely tied with business performance management (i.e. an example of a "desired goal" in Luhn's definition). Scientific advancements needed for the maturity of technology adoption in business intelligence include business intelligence tooling, business intelligence platforms that enable general BI capabilities like data mining, analytics, reporting, online analytical processing (OLAP), etc. Related research topics include: Enterprise data warehouse In-memory analytics Data mining Decision optimization: analytics, mining, rules,

filtering etc. Data visualization & interaction with visualized

data Intelligent Search Business Intelligence as a Service (BIaaS)

(IBM Centers, 2010)

HISTÓRIA E EVOLUÇÃO

A história dos Sistemas de Business Inteligence é recente e começou em 1958, quando o investigador da IBM Hans Peter Luhn15 num artigo16 usou pela primeira vez o termo “Business Intelligence”. Nesse artigo, definiu inteligência como:"the ability to apprehend the interrelationships of presented facts in such a way as to guide action towards a desired goal." (Luhn, 1958)

Logo a seguir, durante a década de 60, quando os computadores diminuíram de tamanho e as empresas começaram a usar os dados como fonte de informações decisivas e que através deles, poderiam obter potenciais lucros, surge uma fase no fim dos anos 60que se pode designar por Pré-BI, período em que a linguagem COBOL17, transístores e cartões perfurados, eram a realidade da Informática e em que se olhava para o computador como um desconhecido, um vislumbre de tecnologia moderna, mas que ainda parecia ser uma realidade distante.

As décadas seguintes foram marcadas pela uma evolução contínua das Tecnologias de Informação (TI) e a necessidade cada vez maior de guardar dados, gerar relatórios e a utilização de ferramentas cada vez mais actuais e modernas. Na década de 70, o panorama começou a mudar com o aparecimento de novas tecnologias de armazenamento e acesso a dados – Direct Access Storage Device18 (DASD) e Data Management System19 (DBMS), duas siglas cujo principal significado era o de estabelecer uma única fonte de dados para todo o processamento. Assim, o computador passou a ser visto como um elemento de coordenação central para actividades organizacionais e as bases de dados foram consideradas um recurso básico para assegurar a vantagem competitiva no mercado.

No inicio dos anos 80, nasceu o conceito de Information Center (IC) ou Centro de Informação (CI). A ideia de que utilizadores finais poderiam fazer as suas recolhas e análises foi lentamente difundida. A peça que faltava era ter alguma orientação da ordem por trás da selecção de ferramentas e as habilidades necessárias para usá-las. O número de utilizadores capazes de realizar “magia” com dados com pouca assistência era bastante pequeno. A ideia era que se podia ir a um local central: os CI e obter assistência daqueles cujo trabalho era especializado nas Tecnologias de Informação e assim encurtar a curva de aprendizagem.

Os Centros de Informação (CI) tradicionalmente, foram criados como uma organização de apoio central projectada para fornecer um conjunto de serviços para os utilizadores finais e actuarem como elo de ligação entre as TI e os utilizadores “inexperientes”. Era um centro de competência que prestava assistência inestimável para os utilizadores a aprenderem o uso

15 http://en.wikipedia.org/wiki/Hans_Peter_Luhn 16 IBM Journal, vol. 2, no. 4, p.314, “A Business Intelligence System” 17 http://pt.wikipedia.org/wiki/COBOL 18 http://en.wikipedia.org/wiki/Direct_access_storage_device 19 http://en.wikipedia.org/wiki/Database_management_system


24

adequado das ferramentas de suporte à organização. O CI era capaz de identificar onde residiam os dados, como chegar a eles, recomendar as ferramentas e fornecer treino no seu uso e suporte contínuo.

Apesar dos seus cerca de 30 anos de história, só em 1989, Howard Dresner20, um analista da empresa americana de consultadoria Gartner Group21, tornou popular o termo de BI ao propor Business Intelligence como sendo o “guarda-chuva” para os "concepts and methods to improve business decision making by using fact-based support systems." (Dresner, 1989). Dresner fez referência ao processo inteligente da recolha, organização, análise, partilha e monitorização de dados, de forma a gerar informações para o suporte de tomada de decisões no ambiente de negócios. Só a partir de meados da década de 90 é que o termo foi largamente difundido e usado.

No inicio dos anos 90, a maioria das grandes empresas contava somente com os Centros de Informação (CI), que embora mantivessem as suas bases de dados, ofereciam pouca disponibilidade de informação. Mesmo assim, os CI satisfizeram, de certa forma, as necessidades dos executivos e detentores das tomadas de decisão, fornecendo relatórios e informações à sua gestão. Neste período, o mercado passou a comportar-se dum modo mais complexo e as Tecnologias da Informação progrediram rumo ao desenvolvimento e melhoramento de ferramentas de software, as quais ofereciam informações precisas e no momento oportuno para definir acções que tinham como foco a melhoria do desempenho das organizações no mundo dos negócios.

Em 1992/93 surge o primeiro Data Warehouse22 que é uma grande base de dados informativos, ou seja, um repositório único de dados (os quais foram consolidados, limpos e uniformizados) considerado pelos especialistas no assunto como a peça essencial para a execução prática de um projecto de BI e os processos de tratamento de informação: extracção, integração, filtragem e modelação que traduzem a evolução tecnológica no BI.

Com o passar dos anos, o BI ganhou uma maior abrangência, e num processo de evolução natural, paralelamente foram criadas um conjuntos de ferramentas tecnológicas – EIS, SAD/SSD, entre tantas outras, com o objectivo de dinamizar a tomada de decisões e refinar estratégias que melhor consigam responder aos objectivos delineados e de satisfazer as necessidades dos clientes.

Chegamos à nossa época em que sistemas de BI, têm o poder de determinar a dianteira frente à concorrência. Afinal, não basta saber o que o cliente deseja hoje, é preciso antecipar e saber o que ele vai ambicionar daqui a cinco minutos. Esta é a diferença do sucesso.

Tradicionalmente, os sistemas de Business Intelligence pertenceram ao domínio do pessoal de TI e dos especialistas em pesquisa de mercado, responsáveis pela extracção de dados, pela implementação de processos e pela divulgação dos resultados aos executivos responsáveis pela tomada de decisões. Mas o crescimento da Internet mudou tudo. Se até então a aplicação desse conceito era a de levar informação a poucos empregados seleccionados de uma empresa, para que fizessem uso em suas decisões, a Internet transformou esse cenário. Hoje, a Internet permite disponibilizar soluções de BI para um número maior de pessoas.

Performance Management ou Gestão de Performance/Desempenho é a nova geração de BI, é um conjunto de processos que ajudam as organizações a optimizar a sua performance de negócio. Obter respostas e actuar sobre elas, significa integrar, analisar, planear, e mensurar e monitorizar – a todos os níveis da organização. Performance Management actua sobre

20 http://www.howarddresner.com/ 21 http://www.gartner.com/ 22 http://www.dwinfocenter.org/


25

medidas, planos e relatórios em cada área funcional para que sejam tomadas a melhores decisões possíveis em todo o espectro de actividade e actuação da organização.

Esquema 5 - Evolução das TI versus BI

Este documento não estaria completo sobre a história e evolução dos sistemas de BI,

sem referir-se aos sistemas de Business Intelligence 2.0 (BI 2.0), o termo usado para referir a nova geração de sistemas e software BI que é mais pró-activo do que reactivo.

A primeira geração de BI analisa informação envolvida em decisões orientadas para o negócio, enquanto esta nova geração de BI 2.0 ajuda a tomar decisões antes ou no momento do acontecimento de eventos. Por outro lado, enquanto os sistemas BI (1.0) analisam ou apoiam decisões que já foram tomadas, os sistemas BI 2.0 calculam continuamente dados (Open Loop), são flexíveis, adaptáveis e inteligentes (inteligência artificial) (Rout & Sahoo, 2009). Sobre este assunto está também no fim deste documento um artigo publicado por Neil Raden em Fevereiro de 2007.

Traditional BI was within the organization in hands of few expert users. BI 2.0 will democratize BI and bring it to masses. Traditionally BI was complex, difficult and architected for selected analysts. BI 2.0 architecture will open up host of options for creativity with operational business users getting involved. This next generation BI 2.0 includes visualization capabilities that let users see the relationships among data, interactivity that lets them manipulate the data and an intuitive manner of working that suits the way business users think, for example, in asking new questions as they arise. BI 2.0 tools are more intuitive for business users than traditional business intelligence tools, specialty software and spreadsheets. They tend to be more adaptable and run faster and are organized around the user’s experience, not the structure of the data. Advantages of BI 2.0 Highly Intuitive user interfaces that depict the cognitive models of the users, not the data models of the

applications, because they are focused on the user experience, not the data. Ability to package analytical work and distribute it, not as reports, but as interactive applications that allow the

viewer to engage at the level they are comfortable with-asking and answering their own questions on demand. Guides that assist people in accomplishing their goals without having to start with a clean sheet with good user

experience. Central administration that is capable of managing security in granular manner, managing versioning,

collaboration and dependencies. BI 2.0 Analytics needs, not to just save time but to give back time.

. (Sanjay Mehta (CEO, MAIA Intelligence ), 2010)

- Sistemas centralizados - Automatizar funções operacionais - Processamento em larga escala - Aumento de eficiência - Registos contabilísticos - Folhas de pagamentos

- Sistemas centralizados - Aumento da velocidade - Redução de custos - Relatórios - Implantação de departamentos intermédios

- Microcomputadores - Conhecimentos Ti - Utilizadores e Controlo de acesso - Altos executivos em TI - Eficiência e produtividade - Impactos na competitividade

- Alinhamento com o negócio - TI integrada às estratégias - Ampla informação disponível - BOOM da Internet

- Importância da TI - Evolução da tecnologia - Sistemas integrados de SSD - BUSINESS INTELLIGENCE 2.0


26

“BI, considerado por alguns,

também como espionagem industrial

com o objectivo de recolha de

informações” (McGuigan, 16Mar2010)

ARQUITECTURA E COMPONENTES

O conceito de Business Intelligence significa coisas diferentes em diferentes domínios. Do ponto de vista técnico dos sistemas de informação, BI refere-se ao processo de extrair, transformar, gerir e analisar dados organizacionais, de forma a apoiar o processo de decisão. Este processo é orientado a grandes volumes de dados com o objectivo de disseminar “inteligência e sabedoria” ou conhecimento por toda a organizaç~o, desde o nível estratégico ao táctico e operacional. Relacionado com o processo de lidar com dados, BI referem-se ainda a tecnologias, aplicações e praticas para a recolha, integração, análise, e apresentação da informação, tais como o Data Warehousing (DW), Data Marts23 (DM), On-line Analytical Processing24 (OLAP), Reporting25 e Data Mining26, entre outras, que na página seguinte quando se descrevem os componentes de BI, é visível o seu papel num sistema de BI.

Uma arquitectura BI ideal, consiste num processo em cinco etapas chave27 (CSIRO 2003):

1. Fonte de Dados (Data Sourcing) – Um sistema de BI é capaz de extrair dados de múltiplas fontes de dados, representando diferentes sectores empresariais, tais como marketing, produção, recursos humanos e finanças. Os dados extraídos devem ser “limpos”, tranformados e integrados para an|lise.

2. Análise de Dados (Data Analysis) – Nesta etapa, os dados são convertidos em informação ou conhecimento através de diferentes técnicas de análise de dados, tais como Enterprise Reporting8, Data Modeling28, Visualização e Data Mining. Os resultados da análise de dados ajudam os gestores a terem uma melhor compreensão do ambiente da organização e a tomarem melhores decisões

3. Situation Awareness (SA) – é a profunda compreensão da situação envolvente e actual da decisão, baseada nos resultados da análise de dados. SA é um pré-requisito chave para tomar decisões. Os sistemas BI devem ser capazes em ajudar os decisores a desenvolverem uma boa SA sobre as suas decisões.

4. Análise de Risco – Uma boa SA pode ajudar os gestores a preverem o futuro, identificar ameaças e oportunidades, em assim responder de acordo. No entanto, actualmente os negócios são envolvidos num crescente ambiente complexo. O processo de decisão sofre riscos internos e externos á organização. A análise desse risco é uma função importante dos BI.

5. Apoio à decisão – O objectivo final dos BI é ajudar os gestores a tomar decisões com sabedoria baseadas nos dados actuais da sua actividade.

Esquema 6 - Cinco Etapas Chave do Processo de BI

23 http://pt.wikipedia.org/wiki/Data_mart 24 http://pt.wikipedia.org/wiki/OLAP 25 http://en.wikipedia.org/wiki/Report#Enterprise_reporting 26 http://pt.wikipedia.org/wiki/Minera%C3%A7%C3%A3o_de_dados 27 http://www.cmis.csiro.au/bi/what-is-BI.htm 28 http://www.learndatamodeling.com/


27

COMPONENTES DUM SISTEMA DE BI

Nos diversos documentos consultados sobre o assunto, existem diferentes termos para identificar os componentes num sistema de BI e nalguns casos até o numero dos que o compõem, não é a mesma. Apesar de alguma subjectividade no assunto, encontram-se algumas certezas, e uma delas é que o lado tecnológico dos sistemas de BI é frequentemente composto por diversos componentes. Dependendo de quais as metas a atingir pelo BI e de acordo com o processo tipo e a etapas implementadas, podem-se adicionar ou remover componentes e assim definir a estrutura tecnológica do sistema. O uso de diversas tecnologias e ferramentas de BI dependerá do tipo de estrutura.

Depois de alguma investigação, rapidamente se percebe que a diferença de termos e conceitos diverge apenas no tempo em que foram publicados, resultado da rapidez do desenvolvimento dos sistemas BI. Actualmente, os componentes29 numa arquitectura típica de BI para satisfazer as 5 etapas chave apontadas antes e directamente relacionadas com níveis organizacionais, consistem em quatro apontados tipicamente mais um Módulo de Gestão de Metadados - Metadata Management Module30 (ver Esquema 7):

Fontes de dados (Data Sources) - Nível Sistemas Operacionais

Tipicamente sistemas transaccionais usados para levar a cabo a actividade da organização. Estes incluem sistemas Enterprise Resource Planning31 (ERP), ”Logs” de servidores Web, Sistemas de Fabrico/Produção, OLTP32, etc. Em alguns casos, os dados podem ser recolhidos manualmente numa folha de papel. No entanto, devemos ter em mente que, a partir de determinado ponto todos os dados devem residem num sistema para ser acedido pelos componentes de Movimentos de dados.

As fontes de dados dum sistema BI encontram-se ao nível dos sistemas operacionais, tais como Online Transaction Processing (OLTP) que apoiam as operações diárias da organização, tais como processamento de ordens de clientes, sistemas financeiros, sistemas gestão de recursos humanos.

Movimento de dados (Data Movement) - Nível Aquisição Dados

É o inicio de uma solução técnica robusta. Ao mover dados das fontes de dados, está a isolar e minimizar o impacto no desempenho dos sistemas críticos à actividade da organização e a fornecer a oportunidade para mais ajustes de performance às consultas (Queries). Outro ponto a ter em conta: não se está apenas a mover dados, mas também a reorganizá-los duma forma que a sua recolha para o processo de Reporting será mais fácil e rápida. O componente “Movimento de Dados” é um componente de pré-processamento de dados que inclui 3 fases: Extrair, Transformar e Carregar (Extract Transform Load – ETL). Uma organização normalmente tem diferentes sistemas operacionais e transaccionais (OLTP) a produzir elevadas quantidades de dados. Estes dados são primeiro extraídos dos sistemas OLTP através do processo ETL e depois transformados

29 Os termos para designar os componentes estarão em Português e na sua forma original em Inglês. 30 Codd et al. 1993; Inmon 2002 31 http://pt.wikipedia.org/wiki/ERP 32 http://pt.wikipedia.org/wiki/OLTP

Figura 7 - Abstracto Componentes BI (Google Image Search)


28

de acordo com determinadas regras. Os dados transformados são limpos, unificados, e agregados e finalmente carregados num sistema central de Data Warehouse. ETL é mais fundamental dos componentes dum sistema de BI porque a qualidade dos dados processados por todos os outros componentes a montante dependem do processo ETL. Na concepção e desenvolvimento do ETL, qualidade de dados, flexibilidade e velocidade de processamento são as maiores preocupações.

Armazenamento de dados (Data Storage)

Os dados movidos das fontes de dados através do processo ETL, têm que ser armazenados num Data Warehouse que é tradicionalmente implementado pelo uso de Sistemas de Gestão de Base de Dados Relacionais – Relational Database Management Systems33 (RDBMS). Um RDBMS é concebido para suportar o processamento do processo ETL. Por contraste, um Data Warehouse é orientado a assuntos, variações-tempo, dados não voláteis e integrados (Inmon 1993) 34. Os dados, dos sistemas OLTP da organização s~o “ETL” no Data Warehouse baseados em esquemas pré-definidos. O esquema em Estrela (Star Schema) e o Snowflake Schema são os esquemas mais populares.

Uma base de dados configurada para um sistema transaccional é radicalmente diferente que uma base de dados (ex: Data Warehouse, Data Marts) configurada para BI. Num sistema transaccional, o objectivo é recuperar um registo tão rápido quanto possível. Entretanto, uma base de dados dum sistema BI irá adquirir milhões de registos, sumarizá-los e depois retornar um resultado conciso. Não importa que tipo de esquema se use na concepção de um Data Warehouse, o DW inclui sempre dois tipos básicos de tabelas: fact tables e dimension tables.

Apresentação de Dados (Data Presentation) – Nível Analítico Este componente é o interface do utilizador aos dados, que fornece a capacidade para

recolha de dados dos Sistemas de Armazenamento e processá-los para visualização (Output). A visualização aparece em várias formas que incluem Relatórios, Dashboards35, RSS Feeds, Desktop Widgets36, Aplicações móveis (PDA/WAP), etc. São várias as aplicações analíticas desenvolvidas para satisfação das necessidades deste este último componente e nível Analítico do sistema de BI: Os sistemas de BI suportam dois tipos básicos de funções analíticas: Reporting e Online Analytical Processing (OLAP).

Além de Reporting e OLAP, existem outros tipos de aplicações analíticas que podem ser usadas tendo como base o DW, tais como Data Mining, Executive Dashboards, Customer Relationship Management (CRM), e Business Performance Management (BPM). Tecnicamente estas aplicações não são necessariamente usadas com base num DW. No entanto, integrá-las em sistemas DW tornou-se uma prática comum em muitos sistemas BI.

33 http://en.wikipedia.org/wiki/Relational_database_management_system 34 Esta é a definição original de DW. Os sistemas actuais de DW podem ser do âmbito de toda a organização e os dados podem ser

actualizados por sistemas BI em tempo diferido, instância ou em tempo real. 35 http://pt.wikipedia.org/wiki/Dashboard 36 http://en.wikipedia.org/wiki/Widget_engine#Desktop_widgets

Figura 8 - Exemplo de Dashboard (Fonte: infovis.net)


29

Gestão de Metadados (Metadata Management) Metadados são um tipo especial de dados sobre outros dados (DW, Regras de negócio,

Autorização de acessos) e duma forma diferente como são extraídos e transformados. Os Metadados são cruciais para produzir informação com exactidão, consistência e

manutenção do sistema. Afecta o processo global de concepção, desenvolvimento, testes, implementação e uso de sistemas BI (Caserta 2004; Inmon 2002).

Os componentes da arquitectura do sistema de BI, cooperam entre eles de forma a

facilitar as funções básicas do sistema: extrair dados dos sistemas operacionais da organização, armazenar os dados extraídos num DW central, e recuperar os dados armazenados para várias aplicações de análise.

E aqui vale destacar que informações a princípio desconexas e sem relação aparente podem, quando correctamente analisadas, mostrar um padrão de comportamento, capaz de proporcionar um resultado nunca antes imaginado. São informações preciosas que podem por exemplo, levar desde a criação de um novo produto ou serviço ou adequação de um já existente até a criação de uma campanha de marketing bem sucedida, de forma a fazer a diferença entre as demais organizações.

FERRAMENTAS COMERCIAIS

Actualmente, a variedade de aplicações de software que se acomodam sob o imenso guarda-chuva baptizado de Business Intelligence é muito elevada e continua em constante evolução. Existem diversas categorias de componentes de software e muitas empresas fornecedoras com diferentes tamanhos, custos e capacidades. No actual leque de ofertas, encontram-se desde pacotes configuráveis, até ferramentas isoladas e inclusive soluções que permitem às organizações se aventurarem no desenvolvimento de um sistema totalmente caseiro e personalizado. Encontramos desde os simples dashboards, geradores de consultas (queries) e relatórios, Sistemas de Apoio à Decisão (Decision Support Systems – DSS), EIS (Executive Information System), ferramentas OLAP (On-line Analytical Processing), – e suas derivadas como ROLAP, MOLAP, HOLAP e DOLAP, ferramentas de BAM (Business Activity Monitoring), até soluções mais sofisticadas, como as ferramentas de Back End– como os ETL,

Esquema 7 - Arquitectura e Componentes de um Sistema BI Típico

SAD

EIS

BSC

Etc..

Finanças

Gestão de Metadados

RH

Base Dados

Intermédia

EXTRAIR

OLTP

DW

DM

DM

DM

CARREGAR

OLAP

Consultas Reporting

TRANSFORMAR

ETL

Multiplas Fontes de Dados

Sistemas Operacionais

Movimento Dados

Aquisição Dados

Armazenamento

de Dados

Apresentação de Dados

Ferramentas BI Utilizador

Data Mining


30

Exemplos de Software SAS Business Intelligence

http://www.sas.com/technologies/bi/ IBM Cognos Business Intelligence

www.ibm.com SAP BusinessObjects BI

www.sap.com Oracle Hyperion

http://www.oracle.com/ Sybase IQ

http://www.sybase.com SPSS (Agora da IBM)

http://www.spss.com/ The Bee Project

http://sourceforge.net/projects/bee/ JasperSoft BI Suite

http://www.jaspersoft.com/ Openi

http://openi.org/ Pentaho

http://ww.pentaho.com

Metadados, BPM (Business Performace Monitoring) e Data Mining. O que todas estas ferramentas têm em comum é a característica de facilitar a transformação dos dados em informações “amig|veis” de forma a auxiliar os diversos níveis de uma empresa na tomada de decisões. A escolha por uma ou outra ferramenta, depende basicamente da necessidade específica de cada empresa e da sua capacidade de investimento. O que os especialistas de BI das organizações devem ter em mente é adoptar ferramentas que permitam aceder a detalhes pertinente das bases volumosas de dados, com o menor custo e mantendo o desempenho, sem perder a integração.

Exemplo de categorias para aplicações de Software de BI: Database Management Systems (DBMS) Ferramentas de Data Extraction and Integration (DEI): o Ferramentas ETL o Ferramentas de Data warehouse

Ferramentas para “Querying” e “Reporting”: o Ad Hoc Queries o Pivot Tables o Report Management o Trend Analysis o OLAP e Cubos OLAP o Notificação e Alertas

Interfaces de Utilizador (Data Visualisation) o Graphing o Business Dashboards o Excel Dashboards o Scorecards o Mobile Access o GIS (Geographical Information Systems)

O instituto Forrester, em 2008, disponibilizou um relatório37 onde faz a avaliação de ferramentas e plataformas comerciais de BI. O Relatório apresenta ainda uma visão actual do

conceito de BI. Forrester define BI como um conjunto de metodologias, processos, arquitecturas e tecnologias que transformam dados brutos em informação representativa e útil, usada para permitir insights e tomadas de decisão mais efectivas nos níveis estratégico, táctico e operacional. O relatório, apresenta ainda uma vasta lista de ferramentas de BI, que vai muito além do ultrapassado conceito de apenas “relatórios e an|lises”.

37 The Forrester Wave™: Enterprise Business Intelligence Platforms, Q3 2008, por Boris Evelson e outros, 2008-07-31

(http://www.sas.com/news/analysts/forresterwave_bi_0708.pdf)

Tabela 2 - The Forrester WaveTM: Enterprise BI Plataforms, Q2'08


31

LIMITAÇÕES DOS SISTEMAS DE BI

Os sistemas de Business intelligence prometem transformar dados em conhecimento e ajudar os gestores a sobreviver ao “tsunami” de dados e informações e eventualmente ter sucesso na tomada de decisões. No entanto, os sistemas BI como já foi referido anteriormente, são sistemas orientados a dados e de apoio à decisão. Os sistemas BI actuais apenas parcialmente apoiam o trabalho dos gestores (Singh et al. 2002). A ênfase na análise é dada a manipulação de volumes elevados de dados, ao invés de apoiarem os gestores na tomada de decisões na perspectiva cognitiva.

Um sistema BI é capaz de fornecer aos gestores quantidades elevadas de dados internos e externos á organização, mas mais dados não é igual a informação mais valiosa (Endsley et al. 2003). Por um lado, a função Reporting é principalmente uma representação de informação pré-definida. Isto é, os relatórios da organização são gerados em modelos fixos em tipo e forma ao serem executadas consultas pré-configuradas e definidas ao DW. Os relatórios pré-definidos são eficientes e efectivos no caso de eventos de negócios estruturados e repetitivos, por exemplo relatórios periódicos (diários, semanais, mensais, trimestrais e anuais) de vendas dum produto. No entanto, relatórios pré-definidos não são nada flexíveis como muitos eventos mal estruturados ou imprevisíveis requerem, como por exemplo, campanhas de marketing imprevisíveis e pontuais. Por outro lado, Análises ad-hoc baseadas em OLAP fornecem aos gestores o total controlo dos seus dados. Os gestores podem facilmente obter qualquer informação ou dado do seu interesse ao seleccionar objectos de análise e personalizar a dimensão da análise. (Li Niu, 2009)

Um estudo realizado em 2006 pelo Economist Intelligence Unit38 (2006) revela que 73% dos gestores de topo concordam que é importante ter menos mas mais dados atempados para melhorar a qualidade e velocidade da tomada de decisões. Este resultado comprova o resultado da investigação de Sutcliffe and Weber (2003) sobre a exactidão do conhecimento. A investigação indica que ter muitos factos sobre uma situação de decisão é menos importante que ter uma clara e consistente ideia. Muitos criticam o conceito actual de dashboards e a sua ênfase no melhoramento das funcionalidades de análise de dados enquanto ficam muito aquém das considerações cognitivas das situações. Em 2007 um relatório do grupo InfoWorld Media revela que “BI has a reputation for being a resource sink that delivers reports almost no one reads. It doesn't have to be that way. And you can no longer afford to let it be” (Gruman 2007, p. 22).

38 http://www.eiu.com/

Critical Success Factors of Business Intelligence Implementation Although there could be many factors that could affect the implementation process of a BI system, a research by 'Naveen K. Vodapalli' shows, the following are the critical success factors for a business intelligence implementation:

Business driven methodology & project management Clear vision & planning Committed management support & sponsorship Data management & quality issues Mapping the solutions to the user requirements Performance considerations of the BI system Robust & extensible framework

(Wikipedia (EN))


32

The future of business intelligence A 2009 Gartner paper predicted these developments in business intelligence market Because of lack of information, processes, and tools,

through 2012, more than 35 percent of the top 5,000 global companies will regularly fail to make insightful decisions about significant changes in their business and markets.

By 2012, business units will control at least 40 percent of the total budget for business intelligence.

By 2010, 20 per cent of organizations will have an industry-specific analytic application delivered via software as a service as a standard component of their business intelligence portfolio.

In 2009, collaborative decision making will emerge as a new product category that combines social software with business intelligence platform capabilities.

By 2012, one-third of analytic applications applied to business processes will be delivered through coarse-grained application mashups. (Wikipedia (EN))

IMPACTO E FUTURO

Semanas para obter relatórios sobre a actividade e o desempenho da organização, para só então corrigir decisões e estipular novas acções. Hoje é inconcebível que essas correcções de rumo, ou mesmo novas estratégias, se baseiem apenas no "feeling" dos executivos das organizações. A demora para tomar de decisão e planeamentos orientados apenas pelas impressões e intuição dos gestores aos diversos níveis de gestão pode induzir em erros e condenar a organização, no mínimo, a perder pontos para a concorrência e reduzir o seu poder de competitividade, o que numa economia global pode ser fatal. Se no passado recente era apenas imprescindível implementar sistemas transaccionais para automatizar as operações e optimizar os processos de trabalho, de forma a integrar a organização como um todo, já se começa a perceber que apenas isso não é mais suficiente. É preciso ir mais além.

Com base nesse cenário, organizações de todos os tipos, porte e ramos de actividade começam a direccionar os investimentos em projectos de Business Intelligence (BI).

Com o avanço das ferramentas de produtividade individual no trabalho e o maior nível de automação e informatização dos processos de negócios, os gestores tendem a gastar mais tempo a planear e analisar a actividade da sua organização.

Assim, ferramentas de extracção e correlação de dados, relatórios pré-formatados e acompanhamento de índices de performance terão o seu uso crescente nos próximos anos. Muitos factores colaboram para o crescimento do sector de BI, entre os quais a globalização, ambiente de negócios mais complexo, mais rápido e mutável, o crescimento das operações via Internet e a evolução da tecnologia Wireless (dispositivos móveis e redes sem fio), que no conjunto forçam as organizações a não procurar apenas maior eficiência, como também, e principalmente, a serem mais ágeis nas decisões e em acções efectivas. E, em consequência, a investir em soluções e ferramentas tecnológicas que as auxiliem nesse sentido.

Pelo muito que actualmente se escreve, pela rapidez de desenvolvimento e procura das organizações para implementar sistemas de Business Intelligence, estamos a ir pelo “bom caminho”, ou para alguns, na direcção certa. E porquê? Porque cada vez mais, as necessidades empresariais são maiores, não somente da satisfação do cliente, mas também dos tempos de execução, de um maior retorno do investimento e fundamentalmente, de uma necessidade cada vez maior de tomar decisões correctas.

E de que maneira podemos garantir o sucesso destes factores? Em primeiro lugar, por um aumento da capacidade intrínseca dos gestores, analistas e técnicos em BI

Em segundo lugar, por um maior manuseamento dos funcionários/departamentos de uma empresa, em ferramentas BI, garantindo não apenas, mais e melhor informação, mas também, uma maior visibilidade na performance do segmento do seu negócio. Por fim, não menos importantes, a credibilidade das organizações na informação em tempo real, a crescente necessidade dos gestores empresariais efectuarem análises em tempo real.


33

Investimentos crescentes em Business Intelligence indicam que podem trazer valor para as organizações. Benefícios tais como a capacidade de tomar decisões pertinentes e oportunas podem ser de enorme valor quando o uso das informações existentes tornou-se mais uma questão de sobrevivência ou falência de uma organização, de lucros ou perdas.

Na contínua evolução dos sistemas de BI, actualmente fala-se muito em Business Intelligence 2.0. O termo BI 2.0 tal como já descrito na parte da história e evolução de BI, refere-se de forma geral à próxima geração de BI, da mesma forma que Web 2.0 refere-se à próxima geração da Web. Relatórios estáticos criados por equipas de TI sobrecarregadas e apresentados sob a forma de páginas e páginas de dados tabulares estão certamente com os seus dias contados. Actualmente, os utilizadores querem outras opções quando precisam de informações sobre negócios; eles querem informações precisas e em tempo real; desejam tocar e visualizar interactivamente as informações; querem ter a possibilidade de fazer alterações nos relatórios imediatamente; precisam do acesso a qualquer hora e em qualquer lugar às informações; e querem partilhar facilmente as informações com outros utilizadores.

Da mesma forma que a Web 2.0 enfatiza a colaboração on-line, e adopta tecnologias tais como XML, RSS e AJAX, tudo isto faz parte do BI 2.0. O termo BI 2.0 é reservado para se referir à próxima geração de BI e às tecnologias e recursos específicos de BI que isto engloba.

Os sistemas de BI assumem um papel cada vez mais crítico no amanhã cada vez mais rápido, cada vez mais global, cada vez mais competitivo de uma organização. Para atender a essas necessidades, os futuros sistemas de BI devem ser em tempo-real ou quase em tempo-real, pró-activos e partilháveis. Os utilizadores estão cada vez mais a exigir essas capacidades e fornecedores de software começam a responder. Antevê-se um futuro brilhante e emergente para business intelligence.

BI BI 2.0

Consumo estático de relatórios Comunidades de utilizadores dinâmicas, colaboração activa e partilha imediata das informações

Envio e apresentação de relatórios estáticos para os utilizadors Fornecimento de informações dinâmicas e interactivas, com utilizadores que elaboram os seus próprios relatórios ou assinando as informações que necessitam

Função de alto custo e considerada um luxo dentro da organização Soluções económicas e rentáveis disponibilizadas para a organização como um todo

BI para uns poucos utilizadores especializados BI para todos dentro da organização, na medida em que for necessário

Relatórios orientados para impressão Aplicações de geração de relatórios interativas e baseadas na Web

Gráficos com barras estáticas e gráficos circulares segmentados Visualização de dados intuitiva, dinâmica e interactiva

OLAP para análise OLAP com outras alternativas inovadoras, menos complexas e de alto desempenho e geração ad hoc de relatórios

Instalação, upgrade e uso complexo e de alto consumo de tempo Instalação, upgrade e uso simplificados

Relatórios baseados no desktop ou em HTML estático Relatórios integrados com eventos e processos automatizados; relatórios como serviços da Web (via XML)

Aplicações de geração de relatórios para desktop, com Active-X e smart client

Aplicações baseadas na Web com ambientes e interfaces altamente interactivos

Parâmetros de pesquisa pré-definidos Pesquisas dinâmicas ou de estilo livre e exploração de dados

Dados estruturados Conjunto ampliado de tipos de dados suportados, inclusive dados não estruturados e Serviços XML da Web, assim como misturas de conteúdo

Análise pós-facto devido à latência dos dados Relatórios em tempo real e quase em tempo real, assim como análise para a resolução de problemas críticos ou operacionais

Licenciamento de software por utilizador Licenciamento de software por servidor para um número ilimitado de utilizadores ou licenciamento baseado em assinatura

Componentes de BI discrepantes e oferecidos em pacotes separados Conjunto de recursos e funcionalidade completos de BI, oferecidos numa plataforma aberta e unificada

Tabela 3 - Comparação entre BI e BI 2.0


34

III – SISTEMAS DE APOIO À DECISÃO

O processo de decisão, é pela sua natureza, um processo cognitivo, envolvendo diferentes tarefas cognitivas, como recolher informações, avaliar a situação, gerar e seleccionar alternativas e implementá-las. O acto de decidir nunca é à prova de erros, os decisores como seres humanos, são propensos às suas facetas cognitivas. Portanto, os Sistemas de Apoio à decisão são usados pelos decisores para minimizarem os seus erros cognitivos e maximizarem o desempenho das suas acções.

CONCEITO

Os Sistemas de Apoio a Decisão (SAD) têm como função a de auxiliarem no processo de tomada de decisão oferecendo informações nas áreas de planeamento estratégico, controle táctico ou de gestão e controle operacional para os utilizadores finais. O facto de um Sistema de Apoio à Decisão fornecer informações e subsídios que contribuem para o processo de tomada de decisão, diferencia-o dos demais tipos de Sistemas de Informação.

Os SAD/SSD inserem-se no contexto bastante amplo dos Sistemas de Informação (SI) e das ciências de gestão (MS - Management Sciences). Os SI evoluíram a par da tecnologia adoptando grande variedade de nomes. Os meios de processamento electrónico de dados (EDP - Electronic Data Processing) foram melhorados através dos sistemas de informação aplicados á gestão (MIS – Management Information Systems), da burótica (office automation) e finalmente através dos sistemas de apoio á decisão (Decision Support Systems). Ao mesmo tempo, muito do esforço de análise inicialmente desenvolvido sob títulos como ciências de gestão, investigação operacional, simulação, técnicas quantitativas e análise estatística, convergiu para os SI, pois tal análise é, agora, impensável sem recurso a meios de cálculo automático. Vendo os SAD/SSD, por um lado, como instância evolutiva dos SI, por outro como ponto de convergência de utilização de diversas técnicas de análise, e por outro como umas das plataformas tecnológicas do sistemas BI, compreende-se a dificuldade de os definir completa e rigorosamente.

Assim, uma das possíveis definições é a de que os Sistemas de Apoio à Decisão39 são sistemas de informação computacionais complexos que permitem acesso total à base de dados da organização, modelação de problemas, simulações, possuem um interface amigável, e além disso, auxiliam os gestores em todas as fases do processo de tomada de decisão, principalmente, nas etapas de concepção, comparação e classificação dos riscos, além de fornecer subsídios para a escolha de uma boa alternativa.

O conceito dos Sistemas de Apoio à decisão, também conhecidos como Sistemas de Suporte à Decisão que deriva da tradução directa do termo original em inglês Decision Support System (DSS), surgiu por necessidade no inicio dos anos 70, devido a factores como, a crescente competição entre as organizações, a necessidade de informações mais rápidas para tomar decisões, entre outros. O conceito estimulou grande interesse na investigação e nas suas aplicações. Gorry e Scott-Morton (1971) definem SAD/SSD/DSS como “interactive computer-based systems which help decision makers utilize data and models to solve ill-

39 Considerando apenas o âmbito dos sistemas de informação e que surgiram a partir dos sistemas transaccionais e utilizam

modelos para solucionar problemas não estruturados


35

structured problems”. Uma definição subsequente de Keen e Scott-Morton (1978), diz que os sistemas SAD/SSD juntam os recursos intelectuais do indivíduo com as capacidades do computador para melhorar a qualidade das suas decisões.

Inicialmente estes sistemas eram executados em grande parte em mainframes, eram vistos como uma nova geração nos Sistemas de Gestão de Informação, que na altura, eram relativamente “armazéns” de dados organizacionais inflexíveis.

Os SAD/SSD, são destinados a apoiar, ao invés de substituir, o papel de decisão dos gestores na resolução de problemas. As capacidades dos decisores são estendidas através do uso de sistemas SAD/SSD particularmente em situações de decisões mal estruturadas. Neste caso uma solução satisfatória em detrimento de uma óptima, pode ser a meta do processo de decisão. Resolver e solucionar problemas mal estruturados, com frequência depende da interacção repetida entre o decisor e o SAD/SSD.

O processo de decisão num SAD/SSD desenrola-se através da interacção do utilizador com um ambiente de apoio à decisão especialmente criado para dar subsídio às decisões a serem tomadas. Os gestores criam as informações que necessitam para vários tipos de decisões num sistema interactivo de informação computadorizado que utiliza modelos de decisão e bases de dados especializadas para auxiliar os processos de tomada de decisão. Um SAD/SSD também serve para auxiliar a resolução de problemas estruturados

Outro conceito relacionado com os SAD/SSD, é o dos sistemas interactivos, que auxiliam na resolução de problemas não-estruturados por um conjunto de decisores que trabalham juntos como um grupo. Este tipo de SAD, denomina-se Sistemas de Apoio à Decisão a Grupos40 (SADG). Este sistema auxilia grupos, especialmente grupos de gestores, na análise de situações problemáticas e na realização de tarefas de tomada de decisão do grupo.

Também, se falarmos em SAD/SSD com a capacidade de classificação cognitiva nas funções de decidir e baseados em inteligência artificial (AI) ou tecnologias agentes de inteligência estamos a falar de Sistemas Inteligentes de Apoio à Decisão (SIAD)41.

.

40 Mais explicação sobre este conceito est| disponível no fim deste documento em “Literatura Complementar” 41 Referência: Sistemas Inteligentes de Apoio à Decisão de Marley Maria B. Rebuzzi Vellasco, Marco Aurélio Cavalcanti Pacheco OIS – Office Information System - Sistema de Informação de Escritório - Suporta os restantes sistemas de informação, fornecendo-lhes uma infra-estrutura para o fluxo de dados e informação por toda a organização e não apenas no escritório. Actualmente, este sistema abrange diversos componentes electrónicos e computadorizados, interligados por redes locais ou alargadas

Sistemas Hibridos

Sistemas Inteligentes

(ES)

Redes Neurais

(NN) Sistemas Fuzzy Logic

Sistemas Processamento Transacionais

(TPS)

Sistemas Gestão

Informação (MIS) Sistemas

Informação Executivos

(EIS)

Sistemas Apoio

Decisão (SAD & SADG)

Sistemas de Apoio à Gestão (MSS)

Esquema 8- Relação entre os Sistemas de Informação e os Níveis de Gestão

Esquema 9 - Os SAD versus outros Sistemas de Gestão Operacional

Estratégico

OIS

EIS

SAD SADG

MIS

TPS

Táctico

http://www.wook.pt/authors/detail/id/44366

http://www.wook.pt/authors/detail/id/44365


36

HISTÓRIA E EVOLUÇÃO

No final dos anos 60, iniciam-se experiências da utilização de modelos sistemáticos quantitativos computadorizados, no apoio ao processo de decisão e planeamento. Os Sistemas de Informação disponibilizavam relatórios estruturados e periódicos. O primeiro SAD/SSD foi desenvolvido usando sistemas computacionais interactivos (Scott Morton)

No início da década de 70 os SAD/SSD eram descritos como sistemas computacionais complexos de auxílio ao processo de decisão. Little (1970), definiu os Sistema de Apoio à decisão como sendo “um conjunto de procedimentos computacionais, baseado em modelos, para processar dados e julgamentos e para assistir um gestor nas suas decisões”. Little argumenta que para que um sistema deste género tenha sucesso é necessário que possua as seguintes características: simplicidade, robustez, facilidade de controlo, adaptabilidade e comunicação fácil. O ponto de partida, ainda que não mencionado explicitamente na literatura da época, foi a aplicação de técnicas de computacionais interactivas às tarefas de gestão, com o objectivo de melhorar as decisões. Em meados da mesma década, o movimento dos SAD/SSD enfatiza os sistemas informáticos interactivos que auxiliavam os agentes de decisão através de bases de dados e bases de modelos.

Em 1975-1980 surgiram SADs financeiros com modelos de análise. Steve Alter defendeu sua dissertação no MIT e teorizou uma classificação dos SAD/SSD em sete tipos distintos.

No início dos anos 80, empresas e universidades realizam actividades associadas ao desenvolvimento e estudo dos SAD, o resultado foi a proliferação do conceito e das aplicações associadas, que emergiram para além do domínio tradicional da aplicação. Surgem os Sistemas de Informação Executivos (EIS) e SAD/SSD orientados a grupos (SADG) e o conceito de interactividade já se encontrava firmemente estabelecido na comunidade dos SAD/SSD. Bonczek (1980) define o SAD/SSD como sendo um “sistema computacional constituído por três componentes que interagem: um subsistema de comunicação entre o utilizador e os outros componentes do sistema, um subsistema de conhecimento do domínio de aplicação do SAD/SSD e um subsistema de processamento de problemas”. O conceito de interactividade aparece com tal força que se isola o subsistema de interface homem/máquina. Quase sem excepção todos os programas de fácil utilização foram produzidos nesta época com o rótulo de SAD. Disciplinas como a investigação operacional e a psicologia cognitiva passaram a fazer parte da área dos SAD/SSD.

Aparecem pela primeira vez, ainda que por vezes não explicitamente, os conceitos de problema não estruturado ou semi-estruturado e de apoio extensivo. Moore e Chang (1980) definem um sistema de apoio à decisão como um «sistema extensivo, capaz de suportar processos ad hoc de análise de dados e modelação de problemas, orientado para o planeamento (do futuro) e utilizado em intervalos de tempo irregulares e não planeáveis». Watson e Hill (1983) utilizam explicitamente a questão da estrutura de um problema, definindo um SAD como sendo um «sistema interactivo que permite ao utilizador fácil acesso a modelos de decisão de dados, com o objectivo de apoiar tarefas de decisão semi-estruturadas ou mesmo não-estruturadas (rever página 9).

Neste período, os SAD/SSD era consideradas aplicações computacionais “high-end” as reservadas para decisões estratégicas ocasionais, não recorrentes pelos gestores de topo.

No final da década de 80 a ênfase das tentativas de definição foi desviado: Keen (1987), por exemplo, prefere definir “apoio à decisão” em detrimento de “sistema de apoio á decisão”. Uma das razões que aponta para o facto de os SAD/SSD não terem definição assente reside no facto da tecnologia estar em constante evolução, não havendo nenhuma técnica base ou característica dos SAD/SSD que perdure. À medida que novos métodos e/ou técnicas mais adequadas se tornem disponíveis, novos tipos de SAD/SSD serão construídos. Qualquer


37

definição baseada na tecnologia utilizada terá uma vida tão curta, que provavelmente não sobreviverá o tempo necessário para aparecer na literatura científica.

Segundo Keen (1987), os SAD/SSD juntam três perspectivas diferentes de esforço, necessidade de conhecimento e critérios de acção:

Sistema – enfatiza directamente características tecnológicas como projecto (design), arquitectura, hardware, etc;

Apoio – foca a percepção e implementação da forma como os seres humanos agem e da forma de os ajudar;

Decisão – relaciona-se com os aspectos não tecnológicos, funcionais e analíticos dos SAD/SSD e ainda com os critérios para seleccionar acções.

No início dos anos 90 surgem os SAD/SSD cliente/servidor, è a explosão do conceito dos sistemas de Business Inteligence (Inmon e Ralph Kimball). Em 1995 surgem os Data warehousing, Data Mining e os sistemas baseados na Web. Em 1998 surgem sistemas para avaliação de desempenho em empresas e o BSC (Balanced Scorecard)

Ainda nos anos 90, observa-se o aparecimento de novas técnicas para os SAD/SSD: as estações de trabalho inteligentes. (Inteligentes no sentido de habitualmente atribuído pela disciplina de inteligência artificial). São feitas diversas tentativas de integração de técnicas de inteligência artificial nos Sistemas de Apoio á Decisão. Alguns autores chegam a propor a linguagem Prolog e a “lógica” como ferramentas para implementar SAD/SSD. Biaswas (1988) propôs a conceptualização de um Expert Decision Support System (XDSS) para estender as capacidades do SAD/SSD “tradicional”. Estas capacidades são obtidas integrando nos SAD/SSD bases de conhecimento e a modelação semântica de dados. Esta integração aparece sobre diversos nomes (Expert System (ES)/DSS, XDSS, Intelligent DSS, EDSS) e aumenta a efectividade dos SAD/SSD assim como habilita-os a solucionar problemas bem complexos42.

No inicio do novo milénio, faz-se uso da tecnologia para o desenvolvimento de sistemas onde é possível obter todas as informações on-line, com rapidez e com a capacidade para realizar a sua análise e formatação da informação de acordo com as necessidades. Surgem os ASP (Application Service Providers) e os portais web.

Esquema 11 - Evolução Histórica dos SAD e Tecnologias Associadas

42 Decision Support and Expert Systems: Management Support Systems (4th Edition), E. Turban, Prentice-Hall, 1995

Estudos Teóricos

Vertente Práctica

SAD/SSD EIS

SADG SADO

(ODSS)

DW OLAP

SAD (Web) ASP


38

CARACTERÍSTICAS E FUNCIONALIDADES

As funções e características dos SAD/SSD variam significativamente e com diferenças dependendo do domínio a onde o sistema é aplicado. Turban e Aronson (1998) resumiram a dez as características comuns dos sistemas SAD/SSD. Spangue e Carlson limitaram a quatro identificadas com (*):

Lidam com problemas de decisão não estruturados e subespecificados pois

conseguem juntar o pensamento humano e a informação computadorizada. * Apoiarem os gestores em níveis diferentes. Apoiarem indivíduos (decisores) e grupos de decisão. Certos problemas menos

estruturados podem necessitar do envolvimento de várias pessoas ou departamentos.

Suportarem uma variedade de estilos de decisão e processos. Adaptabilidade e flexibilidade para levarem a cabo as tarefas de apoio à decisão, a

aproximação com os utilizadores e acompanharem as mudanças do domínio de aplicação e dos processos de decisão. *

Interactividade e utilização amigável para permitirem a interacção fácil por decisores não familiarizados com informática. *

Combinarem o uso de técnicas analíticas e modelos com funções de acesso a dados. * Combinarem o uso de Bases de Conhecimento e Inteligência Artificial. Acederem a uma larga variedade de Bases de Dados. Devem permitir o acesso a

várias fontes, tipos e formatos de dados. Integraç~o e ligaç~o “Web”.

Esquema 12 - Características Típicas dos SAD/SSD

SAD/SSD

Interactividade

Flexiilidade

Acessibilidade

Modelos e Analitico

Adaptabilidade

Recolha de Dados (multiplas

fontes)

Uso de Inteligência

artificial e Base de

Conhecimento


39

Às características típicas da página anterior, juntam-se outras mencionadas na literatura

investigada, consideradas também fundamentais e desejáveis para caracterizar os SAD/SSD: O decisor deve ter o controlo absoluto sobre todos os passos do processo de tomada

de decisão quando está a resolver um problema. O objectivo do SAD é apoiar e não substituir o decisor.

Construção de Modelos e resolução e optimização de problemas. Devem permitir várias decisões independentes ou sequenciais. Devem abranger todas as fases do processo de decisão: identificação, desenho,

selecção e implementação. Possibilidade de desenvolvimento rápido, com a participação activa do utilizador em

todo o processo; Facilidade para incorporarem novas ferramentas de apoio à decisão, novas

aplicações e novas informações; Flexibilidade na recolha, procura, visualização e manipulação das informações; Individualização e orientação para o individuo que toma as decisões, com

flexibilidade de adaptação ao estilo pessoal de tomada de decisão do utilizador; Pertinência real ao processo de tomada de decisão, ajudando o utilizador a decidir

através de subsídios relevantes; Facilidade para que o utilizador o utiliza e entenda, use e modifique de forma

interactiva com fortes capacidades gráficas e com um interface utilizador-máquina amigável e que possa aumentar a sua eficiência

Devem tentar melhorar a eficiência das suas decisões (ao nível da qualidade, tempo, exactidão) em vez de se preocupar com o custo dessas decisões

Tentam combinar modelos ou técnicas analíticas com as funções tradicionais de processamento de dados, como acesso e a recuperação de informações;

Os sistemas de apoio à decisão devem acompanhar as tendências, evolutivos, sendo mais flexíveis e adaptáveis a mudanças;

Devem fornecer subsídios para um rápido encaminhamento e implementação dos resultados obtidos a partir da tomada de decisão.

O Apoio à decisão é necessário em todos os níveis de gestão da empresa. A selecção das funcionalidades e características acima identificadas, depende dos

requisitos do utilizador. Um SAD/SSD pode ser tão simples como uma folha de cálculo em Excel, ou extremamente complexo como um sistema com base num Data Warehouse.


40

CLASSIFICAÇÃO

De acordo com diferentes critérios, e diferentes autores, os SAD/SSD podem ser classificados em vários tipos, tais como SAD/SSD Pessoais, de Grupo (SADG), Institucionais, Ad-hoc, Sistemas de Suporte Executivo (ESS), SAD/SSD Web, Desktop DSS, SAD/SSD Estratégicos e de Planeamento e Finanças (Arnott & Pervan 2005), entre outros…

Golden, Hevner and D.J. Power (1986) diferenciam os SAD/SSD pela forma como fornecem e recolhem a informação:

Orientados a Modelos (model-driven DSS - MDSS), Orientados à Comunicação e Grupo (communication-driven and Group DSS) Orientados a Dados (data-driven DSS) Orientados a Documentos (document-driven DSS) Orientados ao Conhecimento (knowledge-driven DSS) Baseados em folhas de cálculo (spreadsheet-driven DSS) Baseados na Web (Web-based DSS) .

ORIENTADOS A MODELOS43

Model-driven DSS - MDSS

Os SAD/SSD orientados a modelos, enfatizam a criação e manipulação da optimização estatística, financeira, ou modelos de simulação (Power 2002). O modelo de optimização com base em programação linear é um dos modelos mais utilizados pelos SAD/SSD. Este tipo de SAD/SSD exige que os utilizadores (decisores) especifiquem os parâmetros do modelo de acordo com seus problemas de decisão. As saídas (outputs) do modelo são usadas para ajudar a avaliar as suas alternativas de decisão. Sistemas Multi-objectivo (MODSS) são um caso típico deste tipo de SAD/SSD, onde modelos de decisão multi-critério são adoptados (Lu et al. 2007).

ORIENTADOS À COMUNICAÇÃO E GRUPO44

Communication-driven and Group DSS

Este tipo de SAD/SSD orientados por comunicação oferecem suporte à tomada de decisão dentro de um grupo de decisores, através da troca eficiente de informações (Power 2002). Também são chamados SAD de Grupo (SADG/GDSS). A troca de informações estimula o desenvolvimento de inteligência e de integração, que promove decisões baseadas no consenso entre diferentes decisores.. Exemplos deste tipo, são sistemas de e-mail e sistemas de reunião electrónicos, sistemas de “bulletin board”.

43 http://dssresources.com/dsstypes/mddss.html 44 http://dssresources.com/dsstypes/cdss.html

Model-Driven DSS emphasize access to and manipulation of a model, for example, statistical, financial, optimization and/or simulation models. Simple statistical and analytical tools provide the most elementary level of functionality. Some OLAP systems that allow complex analysis of data may be classified as hybrid DSS systems providing both modeling and data retrieval and data summarization functionality. In general, model-driven DSS use complex financial, simulation, optimization or multi-criteria models to provide decision support. Model-driven DSS use data and parameters provided by decision makers to aid decision makers in analyzing a situation, but they are not usually data intensive, that is very large data bases are usually not need for model-driven DSS. Early versions of Model-Driven DSS were called Computationally Oriented DSS by Bonczek, Holsapple and Whinston (1981). Such systems have also been called model-oriented or model-based decision support systems. (Power, 2002)

Communications-Driven DSS is a type of DSS that emphasizes communications, collaboration and shared decision-making support. A simple bulletin board or threaded email is the most elementary level of functionality. The comp.groupware FAQ defines groupware as "software and hardware for shared interactive environments" intended to support and augment group activity. Groupware is a subset of a broader concept called Collaborative Computing. Communications-Driven DSS enable two or more people to communicate with each other, share information and co-ordinate their activities. Group Decision Support Systems or GDSS is a hybrid type of DSS that allows multiple users to work collaboratively in groupwork using various software tools. Examples of group support tools are: audio conferencing, bulletin boards and web-conferencing, document sharing, electronic mail, computer supported face-to-face meeting software, and interactive video. (Power, Communications-Driven DSS, 2002)


41

ORIENTADOS A DADOS45

Data-driven DSS

Um SAD/SSD orientado a dados, concentra-se no acesso e manipulação de uma grande quantidade de dados da organização a partir de fontes internas e externas (Power 2002). A tomada de decisão baseia-se em perceber e compreender a saída (output) de informações integradas pelo sistema. Exemplos deste tipo de DSS são ferramentas estatísticas, sistemas de gestão de informações (MIS) e sistemas de BI.

ORIENTADOS A DOCUMENTOS46

Document-driven DSS

Este tipo de SAD/SSD, está preocupado com a gestão e manipulação de informações não--estruturadas numa variedade de ficheiros electrónicos, tais como e-mails e relatórios. Exemplos deste tipo de SAD/SSD são sistemas de gestão de bibliotecas, motores de busca e sistemas de recuperação de documentos.

ORIENTADOS AO CONHECIMENTO47

Knowledge-driven DSS

Os SAD/SSD orientados no conhecimento geram sugestões de decisão com base na experiência humana (conhecimentos). As formas comuns de conhecimento são processos de negócios, regras e factos. Normalmente, estes sistemas baseados no conhecimento são projectados para verificar grandes volumes de dados e identificar padrões ocultos nesses dados e apresentar recomendações com base nos padrões encontrados. Exemplos deste tipo, são os sistemas de Data-Mining, sistemas inteligentes e sistemas de pergunta-resposta.

BASEADOS EM FOLHAS DE CÁLCULO48

Spreadsheet-based DSS

Os SAD/SSD que foram ou serão implementados com o uso de sistemas folhas de cálculo podem ser definidos como SAD/SSD baseados em folhas de cálculo (Power 2002). Ou seja, por exemplo os SAD/SSD orientados a Modelos e/ou de Dados podem ser construídos com o uso de Folhas de Cálculo. As Folhas de Cálculo oferecem aos decisores, representações de grandes quantidades de dados fáceis de interpretar e entender. Além disso, os dados nas folhas de cálculo são organizados de modo a tornar mais fácil a conversão entre os dados e a visualização da informação para auxiliar ainda mais os decisores.

45 http://dssresources.com/dsstypes/ddss.html 46 http://dssresources.com/dsstypes/docddss.html 47 http://dssresources.com/dsstypes/kddss.html 48 http://dssresources.com/faq/index.php?action=artikel&id=56

Data-driven DSS is a type of DSS that emphasizes access to and manipulation of a time-series of internal company data and sometimes external data. Simple file systems accessed by query and retrieval tools provide the most elementary level of functionality. Data warehouse systems that allow the manipulation of data by computerized tools tailored to a specific task and setting or by more general tools and operators provide additional functionality. Data-driven DSS with On-line Analytical Processing (OLAP) provides the highest level of functionality and decision support that is linked to analysis of large collections of historical data. Executive Information Systems (EIS) and Geographic Information Systems (GIS) are special purpose Data-Driven DSS. (Power, Data-Driven DSS, 2002)

Knowledge-Driven DSS can suggest or recommend actions to managers. These DSS are person-computer systems with specialized problem-solving expertise. The "expertise" consists of knowledge about a particular domain, understanding of problems within that domain, and "skill" at solving some of these problems. A related concept is Data Mining. It refers to a class of analytical applications that search for hidden patterns in a database. Data mining is the process of sifting through large amounts of data to produce data content relationships. (Power, Knowledge-Driven DSS, 2002). Tools used for building Knowledge-Driven DSS are sometimes called Intelligent Decision Support methods (cf., Dhar and Stein, 1997).

Visualization is more than a method of computing! It is a process of transforming information into a visual form enabling the viewer to observe, browse, make sense, and understand the information… (29Mar10/http://infovis.org/)


42

BASEADOS NA WEB49

Web-based DSS

Qualquer tipo de DSS pode ter como base a “Web”. O termo que os distingue e classifica, simplesmente descreve qualquer sistema de apoio à decisão, em que o seu acesso é feito através do interface de um navegador Web (ex: Firefox), mesmo que os dados usados para suporte à decisão permaneçam confinados a um sistema como um Data Warehouse.

Um SAD/SSD específico é geralmente a

combinação de alguns dos sete tipos diferentes de sistemas referidos em cima. No entanto, o SAD/SSD orientado a Modelos (model-driven DSS) domina a investigação e a aplicação tradicional (Arnott & Pervan 2005). Como resultado, na prática muitos SAD/SSD são desenvolvidos com a inclusão de um componente de Gestão de Modelos, apesar de também suportarem outras funções, ex. Comunicação em grupo e análise analítica intensiva de dados

OUTRAS CLASSIFICAÇÕES

Além da classificação mais comum de Daniel J. Power, outros autores deram o seu contributo para classificarem os Sistemas de Apoio à decisão.

Donovan e Madnick (1977) classificaram os SAD/SSD como: Institucionais – Os que apoiam as decisões que são recorrentes Ad Hoc – Os que oferecem suporte a problemas que imprevisíveis e que não deverão

ocorrer novamente. Hackathorn e Keen (1981) classificaram os SAD/SSD em três distintas, mas no entanto

inter-relacionadas categorias: Individuais; de Grupo e por fim Organizacionais. Steven Alter (1986) classificou os SAD/SSD de acordo com as saída de resultados

(Output) dos sistemas. A ideia de Alter era de que os SAD/SSD devem ser classificados em termos da operação geral que efectuam, independentemente do problema, área funcional ou perspective da decisão. Alter conduziu um estudo em 56 SAD/SSD que classificou em sete tipos distintos de SAD/SSD:

Sistemas “File drawer”

Permitem o acesso imediato aos dados. São basicamente versões mecanizadas de sistemas de arquivo manuais. Exemplos incluem equipamento de monitorização em tempo real, sistemas de monitorização. As Ferramentas de consulta (query) e relatórios que acedem ao OLTP fazem parte deste tipo.

Sistemas de Análise de Dados Permitem a manipulação de dados por utilizadores especializados nessa tarefa. São sistemas tipicamente usados por utilizadores no suporte da análise de ficheiros de dados, sendo estes tanto históricos como actuais. A maioria das aplicações de Data Warehouse enquadram-se neste tipo.

Sistemas de Análise de Informação Providenciam acesso a uma série de bases de dados orientadas à decisão e modelos pequenos para fornecerem informações e gestão. Os sistemas OLAP são deste tipo.

49 http://dssresources.com/dsstypes/webdss.html

Web-Based DSS deliver decision support information or decision support tools to a manager or business analyst using a "thin-client" Web browser like Netscape Navigator or Internet Explorer that is accessing the Global Internet or a corporate intranet. The computer server that is hosting the DSS application is linked to the user's computer by a network with the TCP/IP protocol. Web-Based DSS can be communications-driven, data-driven, document-driven, knowledge-driven, model-driven or a hybrid. Web technologies can be used to implement any category or type of DSS. Web-based means the entire application is implemented using Web technologies; Web-enabled means key parts of an application like a database remain on a legacy system, but the application can be accessed from a Web-based component and displayed in a browser. (Power, Web-Based DSS, 2002)


43

Orientados a Modelos de Contabilidade e Finanças

Calculam as consequências de acções planeadas com base em definições contabilísticas e financeiras e de formulas mensuráveis. Estes tipos de modelos devem ser usados perante “E se?” ou an|lise sensitiva.

Orientados a Modelos Representativos ou Simulação Estimam as consequências de acções com base em modelos de simulação que incluem relações casuais e parcialmente não definidas (representativas) assim como definições mensuráveis. Exemplos deste tipo são modelos de resposta de mercado, modelos de análise de risco e simulações de produção.

Optimization model-based DSS Providenciam linhas-guia para acção, gerando uma solução óptima consistente com uma série de problemas.

Suggestion DSS based on logic models Realizam um trabalho lógico conduzindo a uma decisão específica sugerida para uma tarefa razoavelmente estruturada. Geram acções sugeridas com base em fórmulas ou procedimentos matemáticos.

Esquema 13 - Classificação dos SAD/SSD segundo Steven Alter (1986)

Holsapple and Whinston (1996) identificaram seis categorias: Orientados a Texto Orientados a Bases de Dados Orientados a Folhas de Cálculo Orientados à Solução Orientados a Regras Composto/Complexo

.

Sistemas File Drawer

Sistemas de Análise de Dados

Sistemas de Análise de

Informação

Orientados a Modelos de

Contabilidade e Finanças

Orientados a Modelos

representativos ou Simulação

Orientados a Modelos de Optimização

Sistemas de Sugestão baseados

em Modelos Lógicos.

Sistema Orientados a Dados

Sistema Orientados a Modelos


44

ARQUITECTURA E COMPONENTES

Tal como para a definição de SAD/SSD, também para o conceito da arquitectura existem algumas perspectivas por parte de investigadores temporalmente diferentes mas conceptualmente semelhantes. Ou seja, apesar das diferenças significativas, criadas pela tarefa específica e o âmbito de aplicação, todos os Sistemas de Apoio à Decisão possuem componentes técnicos e conceptuais semelhantes e partilham um propósito comum: apoiar a tomada de decisões. Na prática, a arquitectura dos SAD/SSD é baseada na diferente ênfase dada aos componentes quando os sistemas são desenvolvidos e que devido à diversidade de aplicações reais, não há uma arquitectura única, mas sim uma arquitectura válida em domínios diferentes.

Daniel J. Power (2002), considera que os investigadores e estudiosos na área dos SAD/SSD, tipicamente desenvolvem os sistemas com base nos quatro componentes seguintes:

Interface do Utilizador Base de Dados Modelo e as Ferramentas de análise Arquitectura e Rede dos SAD/SSD

No entanto, outros autores, entre eles George M Marakas (1999), Turban e Aronson

(2001), Serrano (2004) propõem uma arquitectura comum semelhante, também composta por quatro componentes à que (Marakas, 2003) junta um quinto - os utilizadores”:

O Subsistema Gestor de Dados; O Subsistema Gestor de Modelos O Motor de Conhecimento O interface de Utilizador e Os Utilizadores

Independente da composição considerada pelos diversos autores, a arquitectura de um SAD/SSD depende assim da complexidade do sistema, engloba um planeamento de hardware, software, uma estrutura de rede e um interface com o utilizador que deve ir ao encontro das exigências e possibilidades da organização e com a sua cultura. Os sistemas de apoio à decisão, para concretizarem o seu objectivo principal (Apoiar a Decisão), devem por isso, ser constituídos por um conjunto de componentes ou subsistemas, com a finalidade de garantir a sua aplicabilidade, desenvolvimento e funcionalidade.

Depois da análise das arquitecturas consideradas, com base nas suas semelhanças e dos componentes que as distinguem, e do que foi dito no parágrafo anterior, pode-se considerar que a arquitectura mais adequada dos SAD/SSD, é a que resulta da união das mencionadas anteriormente e assim composta pelos seguintes componentes:

Gestão de Dados (SGBD50); Gestão de Modelos (SGM) Gestão de Conhecimento (SGC) Gestão de Comunicação e Rede (SGCR) Interface com o Utilizador (SIU) O Utilizador

50 SGBD – Sistema de Gestão de Base de Dados

Sprague and Carlson (1982) identify three fundamental components of DSS: (a) the database management system (DBMS), (b) the model-base management system (MBMS), and (c) the dialog generation and management system (DGMS).

Hättenschwiler (1999) identifies five components of DSS: (a) users with different roles or functions in the decision making process (decision maker, advisors, domain experts, system experts, data collectors), (b) a specific and definable decision context, (c) a target system describing the majority of the preferences, (d) a knowledge base made of external data sources, knowledge databases, working databases, data warehouses and meta-databases, mathematical models and methods, procedures, inference and search engines, administrative programs, and reporting systems, and (e) a working environment for the preparation, analysis and documentation of decision alternatives.

(Hättenschwiler, 1999)


45

GESTÃO DE DADOS (SGBD)

Este componente ou subsistema engloba um conjunto de dados provenientes de várias fontes internas (dados transaccionais51), externas e pessoais52, onde está a informação relevante para a situação Tem como função, a de garantir a integridade e a coerência desses dados e proporcionar uma fácil introdução dos dados, bem como a sua actualização, manutenção e segurança. Este subsistema, normalmente é gerido por uma plataforma tecnológica a que se dá o nome de Data Management System (DBMS).

Uma base de dados no SAD/SSD, é uma colecção de dados estruturados, actuais e históricos, que foram organizadas para o acesso e análise fáceis. Existem diversas preocupações relacionadas com a análise, extracção e armazenamento da base de dados, bem como o formato como essas informações serão disponibilizadas de forma que o utilizador possa aproveitar ao máximo as informações ali contidas.

Problema Causa típica Possíveis soluções

Incorrecção Erros na inserção dos dados Erros na geração ou recolha de dados

Desenvolvimento de um método sistemático para garantir a correcção dos dados Examinar cuidadosamente os dados e o processo de geração dos mesmos

Atrasos O método de geração ou recolha de dados não é suficientemente rápido para as necessidades

Modificar o sistema de geração de dados

Medição ou indexação incorrecta dos dados

Recolha dos dados é feita com uma lógica ou periodicidade inconsistente com as necessidades da análise Dificuldade de geração e manutenção dos coeficientes em modelos muito detalhados

Desenvolver um sistema que recalcule ou recombine os dados Desenvolver modelos mais simples e mais agregados

Inexistência Nunca foram recolhidos e armazenados dados que agora são necessários Os dados não existem

Guardar os dados, quer seja necessário ou não, para utilização futura (os custos de armazenamento e manutenção podem ser impraticáveis) Tentar gerar ou estimar os dados

Tabela 4 - Tabela resumo de alguns problemas inerentes ao SGD (Romão, 2006/07)

Diversas tecnologias informáticas e técnicas tais como Data Warehousing, Data Mining53,

On-Line Analytical Processing (OLAP)54 e Data Visualization Systems (DVS) estão relacionadas com o componente de gestão de dados para a recolha, tratamento e atribuir sentido aos dados estruturados ou documentos da base de dados. Algumas dessas técnicas são descritas no Titulo a seguir em Técnicas Tradicionais do SAD/SSD (ver página 43).

51 Dados tratados pelo TPS – Transaction Processing System 52 Alguns utilizadores podem contribuir com a sua experiência e sabedoria. 53 Técnica que revela dados escondidos, encobertos, e não óbvios. 54 O OLAP inclui actividades como geração de consultas (queries), pedidos de relatórios e execução de análise estatística, que são

desenvolvidos pelo utilizador final.

Data Warehouse Algumas organizações em virtude do grande movimento de dados existente nas suas base de dados têm

sistemas de dados complexos, muitas vezes distribuídos em locais distantes (como filiais por exemplo). Neste caso é mais difícil a recolha e compilação das informações. Um Data Warehouse é um arquivo de informações recolhidas em diversas fontes que possibilita gerar consultas de apoio à decisão através de um interface único e acesso a dados históricos, uma vez que armazena informações por um longo período de tempo.


46

GESTÃO DE MODELOS (SGM)

Ferramenta de software com base em modelos matemáticos e analíticos normalmente quantitativos, que disponibilizam aos SAD/SSD capacidades analíticas através de ferramentas de análise e de gestão. Tem como função, a de garantir a manutenção de um conjunto de modelos de decisão, que se baseiam em modelos de investigação operacional, entre outros. Estes modelos precisam de ser validados e actualizados constantemente, para o bom funcionamento dos mesmos. Este Subsistema, faz a representação de eventos, factos ou situações e gera simulações. Este subsistema, normalmente é gerido por uma plataforma tecnológica a que se dá o nome de Model Base Management System (MBMS).

Os modelos matemáticos e analíticos são os componentes principais do Subsistema de Gestão de Modelos. Estes incluem modelos com finalidades específicas tais como:

Modelos de Processo Modelos de Escolha Modelos Financeiros Modelos de Análise Estatística – resumos estatísticos, projecções e tendências,

testes de hipóteses; Modelos Gráficos – apoiam o decisor a projector, desenvolver e utilizar

apresentações gráficas; Modelos de Gestão de Projectos - manipulam e coordenam grandes projectos para

descobrir tarefas críticas que podem atrasar ou colocar o projecto em risco. Modelos Fuzzy Logic55 - simula o processo de raciocínio humano, permitindo ao

computador comportar-se de forma menos precisa e lógica que convencionalmente.

Um subsistema de Gestão de Modelos (SGM) tem um conjunto específico de finalidades e daqui modelos diferentes são necessários e usados. Escolher os modelos apropriados é primordial para a concretização dos resultados pretendidos. Também, o software usado para criar modelos específicos, necessita de gerir e controlar os dados relevantes assim como o interface do utilizador. No SGM, os valores das variáveis ou dos parâmetros chaves são mudados frequentemente e repetidamente, para reflectir as mudanças potenciais nos factores ambientais e internos da organização.

Um sistema eficiente de gestão de modelos faz com que os aspectos estruturais e algorítmicos da organização de modelos e do processamento de dados a eles associados se tornem invisíveis para o utilizador (ex: a especificação das relações explícitas entre os modelos e a determinação de que resultados de um modelo são as entradas de outro modelo devem ser feitas pelo sistema e não pelo utilizador). Um SGM deverá possuir capacidades similares aos SGBD. (Romão, 2006/07)

O uso de modelos tem como vantagens as de permitirem a manipulação e desenvolvimento a baixo custo e ainda agilizarem o processo de decisão por serem um procedimento rápido. No entanto, apresentam algumas desvantagens tais como a do desperdício de tempo na escolha do modelo apropriado e a de que alguns modelos não simulam sistemas reais e efectuam conclusões falsas e até conduzem a erros.

55 Tutorial Fuzzy Logic (http://www.fuzzy-logic.com/)

http://en.wikipedia.org/wiki/Fuzzy_logic


47

GESTÃO DO CONHECIMENTO (SGC)

Este componente pode realizar as suas tarefas em conjunto com qualquer um dos outros subsistemas ou agir de forma independente. É responsável por fazer aumentar a "inteligência" do próprio decisor. Permite ao utilizador adquirir conhecimentos, e procura dar uma perspectiva transversal do processo de gestão da organização, melhorando assim a tomada de decisão. O Subsistema de Gestão do Conhecimento56 (SGC) pode melhorar e ampliar as capacidades do SAD, quer fornecendo sabedoria acerca do assunto em estudo, quer fornecendo conhecimento acerca da gestão e modelação de dados (Romão, 2006/07).

Todo o conhecimento relacionado com um determinado problema que é usado num sistema de inteligência artificial (IA) é organizado numa base de conhecimento. Uma vez construída a base de conhecimento (KB), as técnicas de IA são usadas para dar ao computador capacidade de inferência baseada nos factos e relações da base de conhecimento.

Funções do SGC (Romão, 2006/07):

• Apoia as etapas do processo de decisão que não podem ser desempenhados por processos matemáticos. Ex: a selecção apropriada dos dados de entrada dos modelos requer sabedoria;

• Apoia a construção, gestão e armazenamento de modelos num SAD/SSD com múltiplos modelos, melhorando as capacidades do SGM;

• Apoia a análise de incerteza, onde é necessário saber seleccionar e aplicar as ferramentas apropriadas, desde o fuzzy logic até redes neuronais;

• Podem melhorar substancialmente o interface com o utilizador, que tem um papel principal no campo dos SAD/SSD. ex: linguagem natural, reconhecimento de voz.

GESTÃO DE COMUNICAÇÃO E REDE (SGCR)

Este componente dos SAD/SSD refere-se como é que o hardware é organizado, e como é que o software e dados são distribuídos pelo sistema, e ainda como é que os componentes da arquitectura do SAD/SSD são integrados e interligados. Um dos assuntos importantes e actuais é o da disponibilidade dos SAD/SSDS através de um web browser na intranet da organização e também disponível na Internet global. Os gestores e o pessoal especializado dos precisam de desenvolver uma compreensão das restrições técnicas e das questões de segurança relativas à comunicação dos SAD/SSD, à estrutura de rede e à Internet. Comunicação, integração e interligação são os factores chave dos SAD/SSD, especialmente dos orientados por comunicações (ver página 34)

INTERFACE COM O UTILIZADOR (SIU)

Tanto os analistas de SAD/SSD como os gestores precisam de dar mais ênfase a este componente. Em muitas formas, este componente é o mais importante da arquitectura dos SAD/SSD. Um bom interface com o utilizador é um requisito básico para a implementação de SAD/SSD, pois por melhor que seja a estrutura dos restantes componentes, da recolha de informações e a riqueza dos relacionamentos, ainda assim o sistema poderá apresentar-se como de pouca importância se subaproveitado pelo utilizador.

O SIU, é o subsistema que permite ao utilizador a interacção com o SAD/SSD, contacto esse que é feito através de comandos. Neste componente, exigem-se cuidados na apresentação

56 Também conhecido como Knowledge Management System (KMS)

http://en.wikipedia.org/wiki/Knowledge_management_system http://www.allkm.com/


48

e disposição dos dados, permitindo assim uma clara comunicação entre os mesmos, bem como a eficácia de todo o processo de interacção. Deve-se utilizar uma linguagem simples, natural e de fácil percepção, variando-as de acordo com a familiaridade dos utilizadores finais com a informática. Que melhora a interactividade do utilizador com o sistema.

Muito do esforço de concepção e desenvolvimento deve focar-se no interface com o utilizador, pois o que o decisor visualiza e a forma como lhe são apresentados os dados, influência fortemente a percepç~o do decisor. “O SAD/SSD é que se vê”. Por esse motivo, o sistema deve ser fácil e aprender e amigável de usar, e as informações devem estar dispostas de forma que a pessoa aproveite ao máximo o potencial intrínseco das informações ali contidas.

As ferramentas para concepção do interface com o utilizador são muitas vezes, ferramentas de relatórios e consultas, e pacotes de desenvolvimento front-end.

O UTILIZADOR

O utilizador também é normalmente referido como parte do sistema e por isso um componente do SAD/SSD. Há investigadores que defendem que muitas das contribuições dadas pelos SAD/SSD são derivadas da interacção intensa que existe entre o computador e o decisor. Alguns sistemas mais recentes, têm preocupação, inclusive, em dispor ao utilizador informações complementares, que podem ser do seu interesse, apesar de não terem sido solicitadas.

Múltiplas Fontes de Dados

Esquema 14 – Arquitectura e Componentes do SAD/SSD (adaptado de várias fontes)

Utilizador

Arquitectura e Rede

Outros Sistemas de Informação

Gestão Modelos SGM/MBMS

Gestão Dados SGBD/DBMS

DW

Data Marts OLAP

Data Mining Data Visualization

Gestão Conhecimento

(KMS)

Gestão Interface com o Utilizador

Dados Externos

Dados Internos

Decisor

Internet – Intranets Extranets

Modelos Externos

Base de Conhecimento (KB) da Organização

TPS Comunicação e Rede (SGCR)


49

TÉCNICAS E FERRAMENTAS

Nesta parte do documento são apresentadas as técnicas e ferramentas típicas usadas pelos SAD/SSD que estão disponíveis às organizações. Algumas existem ainda antes dos Sistemas de Apoio à Decisão, outras destinam-se exclusivamente ao apoio à decisão, e outras têm objectivos mais amplos. De algumas ainda não se conhecem todas as suas potencialidades uma vez que são relativamente recentes.

TÉCNICAS DE APOIO À DECISÃO

Os Sistemas de Apoio à decisão baseiam-se em diversas técnicas de apoio de decisão, incluindo modelos, métodos, algoritmos e ferramentas. Wayne (Zachary, 1986)57 propôs uma taxonomia baseada em cognição para técnicas de suporte de decisão, incluindo seis classes básicas:

1. Modelos de Processo - São modelos computacionais que auxiliam a projecção de

processos complexos reais e fornecem hipóteses sobre o processo e uma decisão hipotética. Um modelo de processo típico é o caso dos Modelos Probabilísticos que calculam a distribuição probabilística dos resultados de uma probabilidade das condições de entrada através de um tratamento analítico de inputs e o comportamento do processo. Cadeias de Markov58 são um exemplo comum de um modelo de processo probabilístico.

2. Modelos de Escolha - Modelos que apoiam a integração dos critérios de decisão entre alternativas para seleccionar a melhor alternativa de um conjunto discreto ou espaço de descrição contínua das alternativas de decisão. Um modelo de escolha típico é o modelo multi-critério de tomada de decisão.

3. Técnicas de Controlo de Informação - Fornece funções de representação, manipulação, acesso e monitorização de dados e conhecimento. As técnicas típicas incluem ferramentas de gestão de base de dados, e técnicas de recuperação de dados e de conhecimento, Data Warehouse, Data Mining e Agregação Automática.

4. Técnicas de Análise e Raciocínio – Aplicações que suportam procedimentos de raciocínio peritos em problemas específicos, tais como programação matemática, inferência orientada a objectivos, inferência orientada a processos e inferência orientada a dados. Programação de objectivos, raciocínio de provas, raciocínio baseado em casos (CBR)59 e análise de sensibilidade.

5. Ajudas de Representação - Suportam a expressão e a manipulação de uma representação específica de um problema de decisão. Técnicas típicas desse tipo incluem processamento de linguagem natural, interface gráfico do utilizador e técnicas de processamento cognitivo humano. Alguns exemplos são árvores de decisão, tabelas de decisão e mapeamento cognitivo.

6. Técnicas para Amplificar/Refinar a Capacidade de Julgamento Humano – Auxiliam os decisores na quantificação de julgamentos heurísticos. Os decisores são capazes de resolver problemas heuristicamente ou intuitivamente com resultados que geralmente são muito bons, mas quase nunca verdadeiramente ideais" (Zachary, 1986). Técnicas

57 http://portal.acm.org/citation.cfm?id=1453770 58 Teoria Elementar das Cadeias de Markov (PE0809-07Mai09) http://ferrari.dmat.fct.unl.pt/personal/mle/DocPE/PE0809/Docmts-3/CadeiasdeMarkov.pdf 59 Case-Based Reasoning (http://www.aiai.ed.ac.uk/links/cbr.html)


50

típicas nesta classe incluem a optimização de ajuda humana (Human-aided Optimization), modelagem do utilizador adaptável e previsão, bem como actualização Bayesiana60.

A classificação das técnicas de apoio à decisão, baseadas na cognição, fornece uma orientação para a selecção das técnicas para a resolução de problemas de decisão e para o desenvolvimento dos SAD/SSD. Na prática, um SAD/SSD frequentemente usa duas ou mais das técnicas mencionadas na página anterior, para resolver um problema de decisão.

Qualquer que seja a técnica de decisão, uma questão crítica que é necessário lidar é a incerteza. As fontes de dados e os ambientes de decisão possuem vários factores incertos, que resultam em incertas relações entre os objectivos de decisão e entidades. Entretanto, os dados em si possuem incertezas. Por exemplo, as preferências de um indivíduo por soluções alternativas e o julgamento de critério são muitas vezes expressas por termos linguísticos, tais como 'baixa' e 'alta', o que implica uma espécie de incerteza. Abordagens matemáticas e inferência precisas não são eficientes para combater tais variáveis incertas.

Foram desenvolvidas, diversas técnicas de processamento de informações incertas. A teoria de decisão de lógica difusa ou Fuzzy Logic, ou seja, a aplicação de conjuntos fuzzy em actividades de decisão, é uma dessas técnicas bem desenvolvidas. Resultados de investigação incluem modelos de decisão fuzzy, fuzzy multi-objectivo, fuzzy multi-critério, fuzzy do raciocínio baseado em casos, árvore de decisão fuzzy, recuperação de dados fuzzy, Regras fuzzy associadas a Data Mining e aplicações relacionadas. Devido à extensão do conceito e à abrangência de aplicações, neste documento fica apenas a referência a estas técnicas, sendo possível em rodapé encontrar diversas referências de estudo a este assunto61.

Figura 9 - Fuzzy Logic por Mike Stanfill ©2002 (http://www.privatehand.com/comics/fuzzy_logic/fuzzy01.html)

Na página a seguir, apresentam-se quatro técnicas de suporte de decisão popular sob a

taxonomia referida por Zachary e em título próprio, algumas das ferramentas mencionadas nas Técnica de Controlo de Informação (3).

60 http://en.wikipedia.org/wiki/Bayesian_inference 61 - Fuzzy Logic Tutorial: http://www.seattlerobotics.org/Encoder/mar98/fuz/flindex.html

- Fuzzy Logic for "Just Plain Folks" - Thomas E. Sowell, 2003, Rev Set08: http://www.fuzzy-logic.com/ - Fuzzy Logic and Hyperknowledge A New, Effect Paradigm for Active DSS

http://www.computer.org/portal/web/csdl/doi/10.1109/HICSS.1997.663189 - Fuzzy Multi-Criteria: http://users.abo.fi/rfuller/fs13.pdf


51

Multi-Critérios

[Modelo de Escolha (2)]

A técnica de tomada de decisão multi-critério (MCDM62), está associada também aos conceitos de multi-atributo (MADM63), multi-dimensão (MDDM64) e multi-objectivo (MODM) e refere-se à tomada de decisões de preferência (por exemplo, avaliação, prioritização e selecção) na presença de múltiplos e contraditórios critérios sobre alternativas disponíveis. Um modelo de utilidade MCDM combina simultaneamente todos os critérios de uma alternativa dada através de uma fórmula utilitária específica ou de uma função utilitária usada. Os problemas para MCDM podem variar desde os da nossa vida diária, tais como a compra de um carro, até aqueles que afectam nações inteiras, como a utilização sensata de dinheiro para a preservação da segurança nacional. No entanto, mesmo com essa diversidade, todos os problemas MCDM partilham as seguintes características comuns (Huang & Yoon 1981):

Um conjunto de alternativas: geralmente há um número limitado de alternativas pré-determinadas.

Múltiplos critérios: cada problema tem vários critérios. Por exemplo, o custo de desenvolvimento, a qualidade do interface e qualidade da segurança são critérios para a selecção de um software.

Critérios em conflito: existem vários critérios conflituantes entre si, por exemplo, o critério de "baixo custo" e o conflito de "alta qualidade da função de segurança”.

Unidade incomensuráveis: os critérios podem ter diferentes unidades de medida. Por exemplo, a unidade de custo é o euro, enquanto a do design de interface é o grau de satisfação.

Selecção: a solução para um problema MCDM é para seleccionar a melhor entre alternativas finitas especificadas anteriormente. A selecção, aqui é baseada normalmente na maximização do um valor da função multi-critério (ou utilitária) eleita pelos decisores. Mapeando as alternativas para uma escala cardinal de valor, a alternativa com a cardinalidade mais elevada implicitamente é o melhor.

Os métodos e técnicas multi-critério de

tomada de decisão foram e continuam a ser amplamente desenvolvidos. Alguns MCDM populares incluem o método TOPSIS65 (Huang & Yoon 1981) e o método Analytical Hierarchy Process66 (AHP) (Thomas Saaty 1980).

62 Multi-Criteria Decision Making http://rfptemplates.technologyevaluation.com/multi-criteria-decision-making-mcdm.html 63 Multi-Attribute Decision Making 64 Multi-Dimensions Decision-Making 65 Technique for the Order Preference by Similarity to Ideal Solution

http://ieeexplore.ieee.org/iel5/4756935/4756936/04756946.pdf?arnumber=4756946 66 http://rfptemplates.technologyevaluation.com/Analytical-Hierarchy-Process-%28AHP%29.html

"Multi-Criteria Decision Making (MCDM) is the study of methods and procedures by which concerns about multiple conflicting criteria can be formally incorporated into the management planning process"

International Society on Multi-Criteria DM http://www.mcdmsociety.org/

Figura 10 - Abstracto MCDM (Fonte Google Images)


52

Optimização

[Técnica de Análise e Raciocínio (4)]

A Optimização, também chamada de programação matemática, refere-se ao estudo dos problemas de decisão em que procura minimizar ou maximizar uma função escolhendo sistematicamente os valores das variáveis de um conjunto de permitidos. Um modelo de programação matemático (quantitativo) inclui três conjuntos de elementos: variáveis de decisão, objectivos da função(ões), e restrição(ões) (funcionais, e de não negatividade), onde as variáveis incontroláveis ou parâmetros estão no âmbito dos objectivos das funções e restrições. Muitos problemas reais de decisão podem ser modelados por um modelo de programação matemático. Existem muitos tipos de modelos matemáticos de programação tais como:

Programação linear (Benayoun et al. 1971), Programação multi-objectivo (Huang & Masud 1979), Bi-niveis/Multi- níveis de programação (Anandalingam & Friesz 1992).

A Programação linear67 é um tipo importante de modelo matemático de optimização no

qual a função do objectivo e todas as restrições são lineares. Existem problemas de programação lineares puros correspondentes a algoritmos especializados em soluções. Existem também outros tipos de problemas de optimização, incluindo um problema de programação linear como um sub-problema. Programação linear é fortemente usada em várias actividades de gestão, quer para maximizar o lucro ou minimizar o custo.

Raciocínio baseado em casos (CBR68)

[Técnica de Análise e Raciocínio (4)]

Os sistemas especialistas (ES) totalmente automatizados foram utilizados como um tipo de sistema de apoio à decisão para produzir uma solução para um determinado problema. Tais sistemas foram altamente bem sucedidos na resolução dos problemas em muitos domínios bem circunscritos. No entanto, eles não foram bem sucedidos no apoio à tomada de decisões que exigem criatividade, conhecimento amplo de bom senso ou julgamento estético (Kolodner, 1991)

O Raciocínio Baseado em Casos (CBR) fornece uma metodologia para SAD/SSD na resolução de problemas novos, com base na solução de problemas semelhantes do passado.

A técnica núcleo do CBR é ter uma capacidade de aprendizagem poderosa que pode usar experiências do passado como base para lidar com problemas emergentes. O CBR, portanto, pode facilitar o processo de aquisição de conhecimento, eliminando o tempo necessário para extrair soluções especialistas. CBR parece ser o método preferido de raciocínio ao alterar dinamicamente situações onde muito é desconhecido e as soluções nada claras.

O CBR é representado por um ciclo de quatro fases (4Rs): recuperar, reutilizar, rever e reter (1994 Aamodt & Plaza).

1. Recuperar - quando dá entrada um novo problema, o CBR recupera o caso mais

semelhante do caso base. 2. Reutilizar - a solução do caso recuperado é reutilizada. 3. Rever - a solução é revista para se adequar ao novo problema. 4. Reter - a solução revista e os problemas, são retidos para reutilização futura.

67 Linear Programming – A Concise Introduction – Thomas S.Ferguson http://www.usna.edu/Users/weapsys/avramov/Compressed sensing tutorial/LP.pdf 68 Case-Based Reasoning

http://www.aiai.ed.AC.uk/links/CBR.html


53

Obviamente, o CBR é naturalmente, adequado para a tomada de decisões baseadas no conhecimento. O sucesso de um sistema CBR está sujeita à adequação dos conhecimentos e ao grau de raciocínio correctos.

Reinartz et al. (2001) estendeu o ciclo típico do CBR de quatro fases com duas fases (mais 2 R’s) adicionais: revisão e restauro. Na fase de revisão, o estado actual de um sistema CBR e os seus conteúdos de conhecimento são monitorizados e avaliados; o sistema, incluindo a sua base de conhecimento, é adaptado na fase de restauração para melhorar o desempenho do sistema69.

Os SAD/SSD baseados em CBR podem ser passivos ou activos. Podem ser usados para

ajudar e apoiar a decisão a decisores com pouca experiência ou os mais experientes e podem ser usados para ajudar numa grande variedade de actividades de decisão.

A maior vantagem dos métodos CBR é que considerado como um processo de raciocínio natural dos seres humanos. Normalmente, os decisores são bons no uso de casos, mas não tão bons, em recordar os correctos. Assim, o CBR pode estender a memória dos decisores, fornecendo os casos adequados.

A grande desvantagem do método CBR é que o espaço de solução não pode ser plenamente explorado. Como resultado, não há nenhuma garantia de uma solução ideal para um problema de decisão.

69 Six Steps in Case-Based Reasoning: Towards a maintenance methodology for case-based reasoning systems (2001)

http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.18.3249 Case-Based Reasoning [The AI-CBR Homepage]: http://www.ai-cbr.org/

Contéudos de Conhecimento

Recuperar

Reutilizar

Rever Reter

Revisão

Restauro

Esquema 15 - O Ciclo do CBR em 6 fases (Reinartz et al. 2001)

Fase Manutenção Fase Aplicação

Conteúdos de Conhecimento


54

Árvores de decisão70

[Ajudas de Representação (5)]

Uma árvore de decisão é um gráfico de decisões e suas possíveis consequências bem como os eventos aleatórios relacionados, usado para criar um plano para alcançar o objectivo de uma decisão. Uma árvore de decisão é um modelo de previsão para mapear as observações sobre um item com as conclusões sobre o valor de destino do item e permite a conceptualização e o controle de um bom número de problemas de decisão sujeitas a riscos Cada nó (de decisão e de escolha) interior corresponde a uma variável; um arco para uma “ramo” representa um valor possível dessa variável. As folhas representam o valor previsto da variável alvo, dando os valores das variáveis representadas pelo caminho desde a raiz. Os ramos terminam em nós de finais.

O esquema seguir mostra um exemplo de uma árvore de decisão utilizado para optimizar um portfólio de Investimento.71

Esquema 16 - Exemplo de Árvore de Decisão - Optimização de portofolio Investimento (Wikipedia)

FERRAMENTAS

Neste título, pretende mencionar-se algumas das ferramentas de gestão de base de dados, usadas segundo a taxonomia de Zachary pelas Técnicas de Controlo de Informação. Os SAD/SSD têm sido um auxiliar precioso a processos de decisão muito complexos e ambiciosos. No entanto, o apoio á decisão evoluiu dos sistemas de pergunta/resposta para um conjunto muito variado de técnicas de análise de dados. Este conjunto de ferramentas pretende utilizar toda a informação disponível para melhorar a forma de gerir as organizações. Os DW são o núcleo de todas estas ferramentas ou plataformas tecnológicas:

Data Warehouses

Um Data Warehouse ou armazém de dados é um sistema informático que tem como função armazenar informações relativas às actividades de uma organização em bases de dados, de forma segura. O Data Warehouse tem um desenho específico que possibilita a análise de grandes volumes de dados, recolhidos dos sistemas transaccionais OLTP. São chamadas de séries históricas, ou seja facilitam a análise de eventos passados, oferecendo suporte às tomadas de decisões presentes e a previsão de eventos futuros.

70 Decision Trees Tutorial: http://www.autonlab.org/tutorials/dtree.html

Decision Trees & Data Mining – Tuturial and Resources: http://www.decisiontrees.net/ 71 http://en.wikipedia.org/wiki/Decision_tree


55

Por definição, os dados de um Data Warehouse estão disponíveis somente para leitura pelo que, não podem ser alterados, esta situação só é alterada em caso de ser necessário fazer correcções em dados previamente carregados.

Os Data Warehouse surgiram como conceito académico na década de 80, mas com a evolução das tecnologias e a necessidade de uma melhor análise de dados por parte das empresas, já que os sistemas OLTP não permitiam a análise mas apenas uma simples geração de relatórios, a implementação do Data Warehouse passou a ser uma realidade nas grandes organizações.

Nesse contexto, o universo de ferramentas utilizadas pelo Data Warehouse também cresceu, sendo cada vez mais desenvolvidas e sofisticadas de maneira a apoiar uma utilização estruturada.

Concluindo os Data Warehouse são sistemas de armazenamento de dados que vieram revolucionar as organizações em avanços tão simples como a melhoria do tempo de resposta a solicitação de dados ou mais complexos como a melhoria da previsão de comportamentos. Os DW são sistemas integrados, não voláteis, variantes no tempo, constituídas por um conjunto de bases de dados relacionais e multidimensionais (MDDB) que são optimizadas para suportar processos de tomada de decisão, sendo separadas das bases de dados operacionais. As bases de dados multidimensionais organizam os dados em n-dimensões para que os utilizadores possam visualizar todo um conjunto de dados referentes à mesma área de negócio, tal como por exemplo produtos, regiões de acção, variação das vendas, critérios temporais, etc.

Actualmente, pela sua capacidade de resumir e analisar grandes volumes de dados, o Data Warehouse é o núcleo dos sistemas de informações de apoio à decisão.

Esquema 17- Arquitectura típica de um Data Warehouse

OLAP

Bases de Dados

ETL Extracção

Transformação Limpeza

Data Warehouse

Relatórios Estratégicos

Relatórios Operacionais


56

Data Marts

Data Mart ou armazém de dados, é subconjunto de dados de um Data Warehouse.

Geralmente são dados referentes a um assunto em específico (ex: vendas, stock) ou mais de uma área específica sob diferentes tipos de sumário (ex: vendas anuais, vendas mensais, vendas a 5 anos).

Os dados para o Data Mart são obtidos do Data Warehouse e indexados de maneira a suportar uma pesquisa intensa por parte do Data Mart, que por sua vez extrai e ajusta os dados de maneira a servir os requisitos específicos de grupos ou departamentos.

A nível de implementação, planeamento e projecto o Data Mart funciona como o Data Warehouse, Criado á posteriori utiliza dados extraídos do Data Warehouse de forma a atender a necessidades de um sector dentro da empresa.

O Data Warehouse e o Data Mart, são dois sistemas na realidade muito semelhantes, onde a maioria dos requisitos são similares (integração, tempo, agregação, análise e dados vol|teis), tendo unicamente o “objectivo” como requisito dispare.

Sendo assim o Data Warehouse tem como objectivo atender á empresa como um todo, e o Data Mart tem como objectivo atender apenas a um subconjunto dentro da empresa, independentemente de esse subconjunto poder ou não reunir vários sectores.

Concluindo os Data Mart são um sistema de armazenamento dependente dos DW orientados para uma área específica da Organização e dos conjuntos de dados.

Esquema 18- Representação típica de Data Mart

Data Warehouse

Data Mart


57

On-line Analytical Processing (OLAP)

O processamento analítico online (Online Analytical Processing, OLAP) é uma tecnologia utilizada para manipular, analisar e organizar um grande volume de dados sob múltiplas perspectivas.

As ferramentas OLAP são capazes de navegar pelos dados de um Data Warehouse, possuindo uma estrutura adequada tanto para a realização de pesquisas como para a apresentação de informações.

As bases de dados OLAP são divididas num ou mais cubos, e cada cubo é organizado e estruturado por um administrador do cubo de forma a ajustar-se à forma que utilizada para obter e analisar dados, para que seja mais fácil criar e utilizar os relatórios de Tabela Dinâmica e de Gráfico Dinâmica de que necessita.

Nas ferramentas de navegação OLAP, é possível navegar entre diferentes níveis de detalhe de um cubo de dados. Através de um processo chamado Drill o utilizador pode aumentar ou diminuir o nível de detalhe dos dados. Outra possibilidade apresentada pela maioria das ferramentas de navegação OLAP é o recurso chamado Slice and dice. Esse recurso é usado para criar visões dos dados por meio da sua reorganização, de forma que eles possam ser examinados sob diferentes perspectivas.

O OLAP inclui actividades como geração de querys, pedidos de relatórios e execução de análise estatística, que são desenvolvidos pelo utilizador final. Para facilitar as operações OLAP é necessário trabalhar com o Data Warehouse e um conjunto de ferramentas com capacidades multidimensionais, que incluem ferramentas de query, folhas de cálculo, ferramentas de Data Mining e de visualização.

O OLAP faz uso das técnicas de cruzamento e consolidação de dados sobre eixos múltiplos, permitindo a análise de tendências e projecções de mercado de uma forma heurística e interactiva.

Esquema 19 - OLAP Online Analytical Processing

Figura 11 - Cubo OLAP (http://www.relativitycorp.com)

Internas

Externas

Aquisição extracção,

distribuição e transporte de

dados

Data warehouse

Comunicação

Querying

Geração de relatórios

Análise, modelação,

previsão

Apresentação e visualização

de dados

Fontes de Dados

Multimédia


58

DataMining

Desde que a informática passou a fazer parte das nossas vidas, imensos volumes de informação têm sido recolhidos e armazenados. Isso trás um enorme benefício, pois já não é necessário procurar informação em volumosos arquivos de papel. Apesar disso, apenas recolher e arquivar informação não é suficiente, e è nesse sentido que o Data Mining se insere.

O processo de Data Mining permite que se investigue dados à procura de padrões que tenham valor para a empresa.

Um ser humano é capaz de fazer até 8 comparações ao mesmo tempo. A função do Data Mining é precisamente ampliar esta comparaç~o até ao “infinito” e tornar isso visível ao olho humano.

O ser humano sempre aprende com a observação de padrões, formulando hipóteses que testa e para as quais vai descobrindo regras. A informática é uma tecnologia que armazena um enorme volume de dados, os quais não conseguem ser avaliados á procura de padrões num prazo de tempo razoável. A solução foi criar uma ferramenta capaz de detectar padrões que sejam novos e úteis. O Data Mining surge então com essa finalidade podendo ser aplicado tanto em pesquisa científica como para impulsionar os lucros de uma empresa

O Data Mining basicamente é a aplicação de técnicas estatísticas complexas que são analisadas por técnicos especializados.

Trata-se de um processo que utiliza diversos algoritmos que processam os dados e encontram "padrões válidos, novos e valiosos". É no entanto necessário perceber que embora os algoritmos actuais sejam capazes de descobrir padrões "válidos e novos", ainda não existe uma solução eficaz para determinar padrões valiosos. Por essa razão, Data Mining ainda requer uma interacção muito forte com analistas humanos, que são, em última instância, os principais responsáveis pela determinação do valor dos padrões encontrados.

Resumindo o Data Mining pode ser descrito como um conjunto de técnicas de análise e processamento de grandes quantidades de dados permitindo extrair

padrões ocultos de dados relevantes e a sua classificação de acordo com comportamentos ou relações semelhantes, a modelação explícita de dependências entre variáveis e a detecção de desvios em variáveis chave, permitindo utilizar o passado para prever tendências futuras a fim de fornecer aos decisores 'conhecimento' para auxiliar a tomada de decisão. O processo de Data Mining assenta na descoberta de dados que devido à sua natureza não são tão visíveis (ou directos) como os dados armazenados em DW. O objectivo baseia-se em tentativas de extracção automática de conhecimento das bases de dados de maior dimensão, quer sejam DW ou outro tipo de sistemas de bases de dados.

Figura 12 - - Conceito abstracto de Data Mining (Fonte: http://techpubs.sgi.com)


59

IMPACTO DOS SAD/SSD

Um Sistema de Apoio à decisão bem concebido, desempenha um papel muito importante ao compilar informação útil a partir de dados brutos, documentos, conhecimento pessoal, e modelos com o objectivo de auxiliar na resolução de problemas. Permite aos decisores efectuar um número elevado de processamento rapidamente. Assim, a implementação de SAD/SSD nas organizações, que se deparam com muitos problemas de decisão e complexos, é cada vez maior e o seu uso do SAD é muito vantajoso.

As organizações que não fazem uso de SAD/SSD, o processo de tomada de decisões é feita apenas com base em dados históricos e em experiências individuais. No entanto, quando se usa um SAD/SSD para apoiar o(s) decisor(es) no processo de tomada de decisão, as informações fornecidas pelo sistema são incorporadas nos dados históricos e nas experiências individuais, e com este processo, disponibiliza melhores condições para a tomada de decisão. Sendo que a saída ou a mudança do decisor pode causar grande impacto na organização, devido à perda da história de como as decisões foram tomadas.

Apesar da reconhecida vantagem no uso dos SAD/SSD nas organizações, o impacto nas organizações da sua implementação e dos sistemas de informação associados e tecnologias associadas, é alvo de muitos estudos. De acordo com Rockart e De Long (1988)72 a utilização de sistemas computacionais por parte de gestores é no mínimo controversa. Esta controvérsia é tanto maior quanto mais elevada for a posição hierárquica dentro da organização. O principal argumentado apontado é o seguinte. Os executivos debatem-se com múltiplas questões, normalmente estratégicas, num ambiente não estruturado, complexo e em constante mutação. Para lidar com este ambiente necessitam de informação actualizada e orientada para o exterior, na sua maior parte informação não quantitativa e genérica (soft information). A melhor forma de obter este tipo de informação é através de subordinados, ou outros, quer pessoalmente quer através do telefone (leia-se meios de comunicação sem impacto da palavra escrita – o correio electrónico possui por vezes esta característica). Os sistemas computacionais fornecem tipicamente dados quantitativos e detalhados (hard information), históricos e orientados para o interior da organização. Parecem portanto pouco plausíveis como substitutos de fontes de informação humanas.

No entanto, apesar das críticas, a utilização de ferramentas informáticas no apoio à gestão aumenta de ano para ano. A tecnologia quer em termos de hardware quer de software, tem melhorado rapidamente. Computadores de baixo custo e grande capacidade juntam-se actualmente a aplicações de fácil utilização. Algumas aplicações que eram tecnicamente impossíveis há algum tempo atrás são agora muito fáceis de implementar. Para além disso, cada vez mais, há gestores com formação na área das TI. Para alguns deveu-se a um desejo de saber mais, outros sentiram a necessidade de saber como os seus subordinados utilizavam as TI e finalmente há também os que consideram a questão estratégica em termos organizacionais. Também não se pode por de parte o resultado da passagem do tempo implicando a promoção a lugares de gestão indivíduos cujas tarefas dependiam primordialmente da utilização de computadores.

72 http://en.scientificcommons.org/john_f_rockart

Figura 13- Abstracto/ O Cerebro humano e informação armazenada (Fonte: Google Images)


60

A informação ao dispor de uma organização está hoje em dia armazenada numa combinação dos seguintes meios:

Na “cabeça” de alguém, Em papel, Em microfilme ou outro suporte substituto directo do papel Num computador em suporte digital.

Os gestores utilizam muito frequentemente a informação que possuem na “cabeça” ou a

sua intuição, no entanto a proporção das decisões baseadas unicamente neste tipo de informação está a decrescer rapidamente. Há medida que as situações envolventes se tornam mais complexas mais se torna necessário informar as decisões.

Com o aumento da quantidade de informação o meio de armazenamento mudou do papel para o computador. De facto, a partir de uma determinada quantidade, os registos em computador tornaram-se muito mais baratos do que em papel. Claramente que não é só necessário determinar o custo do armazenamento mas também da recuperação e utilização da informação. Embora os registos possam ser utilizados para informar decisões, verifica-se que uma organização tenta primordialmente manter a informação com o propósito de arquivar historicamente o passado. Estes arquivos podem crescer desmesuradamente e colocar alguns problemas aos processos de decisão, pois para informar uma decisão não é só necessário recolher, armazenar, recuperar e eventualmente eliminar informação, é principalmente

necessário utilizá-la. A qualidade de uma decisão pode ser prejudicada tanto por falta de informação, como por demasiada informação. A ignorância pode ser comum às duas situações: se há demasiada informação um gestor pode falhar os factos essenciais, ou mesmo desistir de usar tão grande quantidade de informação e refugiar-se em apenas alguns pontos que julga essenciais, regressando ao ponto de partida.

Em resumo, os SAD/SSD e ferramentas computacionais são hoje em dia incontornáveis para gerir a informação que se destaca como um importante recurso organizacional, mas levantam duas grandes questões à investigação nestas áreas: Quais as tarefas mais apropriadas para serem apoiadas computacionalmente? E como construir sistemas tentando minimizar os aspectos negativos? É reconhecido pela generalidade da literatura actual que o sucesso de um sistema depende de quão é aceitável para os utilizadores alvo, para os potenciais compradores (nem sempre utilizadores) e para todos aqueles que são afectados pela sua introdução e utilização, numa organização.

A utilidade e a facilidade de utilização no caso de plataformas tecnológicas são consideradas factores primordiais na aceitação e utilização de um sistema de SAD/SSD. Gerou-se no entanto, bastante confusão entre estes dois conceitos e com a sua importância relativa para a utilização efectiva de um sistema. Por utilidade entende-se normalmente o grau segundo o qual uma pessoa acredita que a utilização de um determinado sistema vai melhorar a prestação do seu trabalho. Por facilidade de utilização, entende-se normalmente o

Figura 14 - Informação por meio electrónico


61

grau segundo o qual uma pessoa acredita que a utilização de um determinado sistema será livre de esforço. As definições apresentadas evidenciam claramente o carácter subjectivo dos termos. Mas, mais importante, é a constatação que por muito que se melhore o interface de um sistema se a sua utilidade for baixa, ele continuará a não ser utilizado. E mais, os potenciais utilizadores continuarão a afirmar que o sistema não é de fácil utilização. O que leva a crer que, ao contrário do que normalmente se considera, a facilidade de utilização não é uma característica intrínseca do interface de um sistema, não podendo, portanto, ser optimizada em separado.

Ewusi-Mensah (1997) 73investigou quais os factores que levam ao abandono de projectos de desenvolvimento de sistemas de informação. Os seus resultados indicam que o cancelamento de projectos pode ser atribuído a mistura de factores, por ordem de frequência:

Objectivos do projecto – Falta de um acordo global sobre um conjunto bem articulado de objectivos do projecto e da organização.

Constituição da equipa do projecto – Equipas onde os elementos são problemáticos e difíceis de gerir em conjunto, ou de proveniências tão díspares que não conseguem comunicar entre si.

Gestão e controlo do projecto – Má liderança e falta de sistemas de medida de progresso e de identificação atempada de problemas potenciais.

Conhecimento técnico – O nível de conhecimentos da equipa, quer no domínio da aplicação quer no plano técnico, é insuficiente para os desafios colocados pelo projecto.

Infra-estrutura técnica – O nível organizacional de tecnologia informática de base não é adequada ao projecto.

Envolvimento da administração – Decisões politicas em momentos cruciais do desenrolar do projecto são delegadas em especialistas técnicos.

Como conclusão, para que o SAD funcione bem ele depende dos seguintes factores: O modelo construído deve atender às necessidades gerais da organização e não somente às

necessidades específicas de um utilizador/decisor; Mudanças no sistema devem ser feitas rapidamente pelo analista de sistemas para atender a

novas necessidades de informação para apoio à decisão; Informações sobre as decisões tomadas devem ser armazenadas e estar disponíveis para

que outras pessoas as utilizem em novos processos de tomada de decisão; O interface com o utilizador deve ser o mais amigável possível; A obtenção de informações, internas e externas à organização, deve ser imediata; Os benefícios da utilização de SAD devem ser disseminados na organização através de

formação.

73 Software Development Failures - Anatomy of abandoned projects. Kweku Ewusi-Mensah (Set2003) ISBN-10: 0-262-05072-2

Figura 15 – Abstracto / Benefícios dos SAD


62

VANTAGENS

Rapidez Ultrapassa limites cognitivos (através do computador) Qualidade (obtenção do valor óptimo mais próximo dos nossos objectivos) Decisões mais eficazes e mais eficientes Melhor comunicação entre os decisores Melhor utilização do processo de aprendizagem Diminuição de custos com software: administração e suporte Retorno sobre investimento mais rápido para projectos implantados com BI; Maior controlo das informações e redução das taxas de dados incorrectos; Maior segurança das informações; Alinhamento de informações estratégicas e operacionais; Facilidade de controlo de acesso, com definição de níveis; Rapidez na recolha de informação para tomada de decisões estratégicas; Informação consistente em vários locais dispersos; Vantagem competitiva. Exactidão nas informações necessárias à tomada de decisão Obtenção de informações precisas e actualizadas a respeito de comportamentos Obtenção de informações (ex: lucro e produtividade) como um todo, permitindo

detalhes por critérios específicos Análise comparativa por períodos de tempo; Satisfação da administração de topo no que diz

respeito ao pronto atendimento na procura de informações;

Conferência e acertos de dados, devido à maior visibilidade das informações, permitindo correcções dos sistemas OLTP.

DESVANTAGENS/PROBLEMAS

Custo elevado das soluções Pouca flexibilidade (ex: relatórios) Limitação de recursos Os relatórios são apenas informação resumida da

actividade operacional Há falta de visão da evolução temporal Há dúvidas sobre quem é proprietário ou autor da informação Problema de acção Orientação para a escolha de alternativas/soluções Suposição da relevância da resposta do sistema Transferência de poder ao sistema que não é intencional É mais difícil atribuir responsabilidades

Como grande desvantagem há a registar que, acompanhando os modelos, ferramentas e

técnicas mais avançadas, surgiu também, na área dos SAD/SSD uma abordagem técnico-racional à resolução de problemas e aos processos de decisão, que, ao enfatizar a análise quantitativa e a eficiência computacional, subestima ou mesmo despreza factores qualitativos e psico-sócio-culturais dos decisores.

Figura 16 - Abstracto/Tratamento de Informação relevante.

(Fonte: Google Images)


63

NOVAS TÉCNICAS E O FUTURO

Uma quantidade considerável de ferramentas e tecnologias estão a ser dotadas de novas capacidades no domínio dos Sistemas de Apoio à Decisão. Tal facto obriga a mudanças e actualizações ao nível das empresas cujo principal objectivo é o desenvolvimento deste tipo de sistemas. As mudanças referidas acontecem principalmente ao nível do hardware, do software baseado em critérios matemáticos (software matemático), das técnicas de inteligência artificial, agentes inteligentes, técnicas de Data Mining, bases de dados multidimensionais (MDDB) e Data Warehouses, sistemas de Enterprise Resourse Planning (ERP), processos de análise on-line (OLAP), tecnologias de comunicação bem como todo um conjunto de ferramentas baseadas em tecnologias “World Wide Web” e internet.

SISTEMAS ORIENTADOS AO INDIVIDUO

Actualmente a dimensão de um problema a solucionar por um determinado software comercial poderá ser virtualmente ilimitado, dependendo apenas do tamanho da memória disponível no computador ao dispor do utilizador (não podemos também ignorar o factor paciência, por parte desse utilizador). Muitos destes sistemas são implementados em aplicações comerciais tais como, por exemplo folhas de cálculo no Excel do Microsoft. Office ou o Quattro-Pro da Borland, aplicações que a maioria de nós reconhece que possuem uma interface gráfica intuitiva aliada ao facto de proporcionarem uma ligação a uma qualquer base de dados.

Com a constante evolução das redes e comunicações a nível global, os sistemas do tipo Single User foram alterando a sua natureza passando cada vez mais a sistemas distribuídos e integrados, ou seja, vão surgindo os Sistemas de Apoio à Decisão Distribuídos (SADD / DDM – Distributed Decision-making Systems). Os SADD são constituídos por um agrupamento de vários sistemas Single-User, sendo possível a estes sistemas realizarem as suas tarefas quer em conjunto, quer de uma forma independente entre si, obtendo assim decisões de um modo sequencial. Os SADD não se podem considerar sistemas independentes e autónomos, na medida em que dependem directa ou indirectamente de outros (tipos de) sistemas, obrigando assim que o futuro dos SADD esteja directamente ligado ao futuro e aos avanços no desenvolvimento de um conjunto alargado de outras tecnologias, onde se podem destacar a título de exemplo as Data Warehouse, técnicas de Data Mining e agentes inteligentes.

Os agentes inteligentes (também conhecidos como interfaces inteligentes ou adaptativos) são entidades emergentes interdisciplinares de pesquisa onde se envolvem algumas áreas intervenientes nos processos de sistemas de apoio à decisão, tais como: conhecimento cognitivo, psicologia, bases de dados, etc. A pesquisa em tecnologias ligadas aos agentes inteligentes tem contribuído para as novas gerações de sistemas inteligentes de apoio à decisão e Executive Information System (EIS).

Os sistemas de apoio à decisão agora e para o futuro, estão equipados com ferramentas que agem como conselheiros ou mentores para a decisão do momento e do modo como são fornecidos aos utilizadores conselhos e “poder” de crítica. Utilizadores constantemente sujeitos a estímulos de agentes electrónicos, que formulam problemas e inquerem o sistema sobre os problemas formulados. A essência da decisão activa será o suporte a actividades que tem como base a monitorização do processo de tomada de decisão, estimulando as ideias e a criatividade dos decisores.

Por outras palavras pode dizer-se que o método de decisão activa funciona como um decisor, no extremo do conceito pode mesmo afirmar-se que este método é um decisor


64

SISTEMAS DE GRUPO (SADG),ORGANIZACIONAIS E A WORLD WIDE WEB

A World Wide Web está a ser cada vez mais usada como plataforma cliente-servidor de muitas organizações devido á rede e independência da plataforma e aos baixos custos de software/instalação/manutenção. Mais e mais, o Groupware estará ligado intrinsecamente à internet. A World Wide Web está a tornar-se a infra-estrutura para a próxima geração de SAD/SSD e aplicações Groupware. Muitos produtos de Groupware, como o Lotus Domino74 e o Microsoft Exchange75 estão a integrar cada vez mais protocolos na sua composição. As novas versões do Office já fazem por eliminar as fronteiras entre a World Wide Web e o Groupware. Muitas companhias estão a utilizar tecnologia Groupware para aumentar o business-to-business através de intranets e extranets.

Outro desenvolvimento na área dos sistemas de informação é a importância crescente dos sistemas ERP (Enterprise Resource Planning). Os sistemas ERP são a nova geração de sistemas de informação que integram informação e processos baseados na informação em áreas funcionais da organização. Os sistemas ERP têm como foco principal o processamento de dados resultantes da criação de bases de dados organizacionais extensas que consistem em unidades individuais de negócio através do globo. As extensas bases de dados criadas pelo sistema ERP disponibilizam uma plataforma para apoio à decisão, Data Warehousing, Data Mining e sistemas de apoio a executivos. As soluções integradas disponibilizadas pelos sistemas ERP são atribuídas ao uso de uma base de dados comum.

Á medida que entramos na era da aldeia global onde as fronteiras geográficas e temporais se vão desvanecendo rapidamente, os SAD/SSD globais emergem como novas fronteiras na área dos sistemas de informação para a gestão. Na próxima década, os SAD/SSD irão focar-se em equipas, grupos de trabalho e distribuídas e descentralizadas estruturas organizacionais. Consequentemente, muitas organizações aumentam o desenho e a implementação de SADG e organizacionais.

Os MSS (Management Support Systems) globais imergirão como elemento chave no processo de decisão na gestão e como uma arma essencial contra os adversários globais. Suportar actividades de negócio globais está-se a tornar uma importante e extremamente complexa tarefa e as SAD/SSD globais não são suficientes. É essencial desenvolver e integrar MSS globais com sistemas de informação para executivos, redes neuronais, e por aí fora.

74 Lotu Domino: http://www-01.ibm.com/software/lotus/products/domino/ 75 Microsoft Exchange Server 2010: http://www.microsoft.com/exchange/2010/en/us/default.aspx

Figura 17 - Abstracto/Decisões Globais e em Grupo (Fonte: Google Images)


65

CONCLUSÃO

Este documento não pretende nem pretendeu esgotar o assunto, mas sim ser uma pequena contribuição ao tão complexo mundo da gestão de informação nas empresas com o objectivo de auxiliarem no processo de tomada de decisão.

Os sistemas de informação têm sido desenvolvidos para optimizar o fluxo de informação relevante no âmbito de uma organização, desencadeando um processo de conhecimento e de tomada de decisão e intervenção na realidade. De um modo geral, existe um consenso de que um sistema de informação deve ser estratégico e contribuir para que uma organização possa alcançar os seus objectivos.

Para isso, a abordagem metodológica no seu desenvolvimento deve ser voltada para a determinação das necessidades, a organização, a disseminação e a representação da informação, com o objectivo de aperfeiçoar o valor do sistema. De notar que os sistemas de informação e as plataformas tecnológicas actualmente disponíveis são bastante poderosos, sendo a sua utilização tanto maior quanto maior é a sua facilidade de utilização.

Com a crescente evolução das novas tecnologias e a sua efectiva utilização no âmbito organizacional, os sistemas de informação tornaram-se ferramentas essenciais no quotidiano organizacional. A crescente importância destes sistemas e o nascimento da Internet fizeram com que empresas e particulares tivessem rapidamente acesso às enormes quantidades de informação.

Figura 18 - Abstracto/Informação Global (Fonte: http://www.teamwox.com/en/teamwox/groupware)

A existência de ferramentas que alteraram completamente a forma de como realizar as

actividades rotineiras da empresa, que permitiram a automatização de algumas dessas tarefas, a constante criação de aplicações que permitiam cada vez mais uma maior organização e estruturação e representação da actividade empresarial fez com que os investigadores começassem a estudar formas de modelar a Tomada de Decisão Empresarial.

O crescimento do mercado de BI é claramente visível. Existem dados que comprovam não se tratar de uma moda passageira. É, claro, que ajustes de infra-estrutura e na integração dos sistemas são necessários, mas o retorno do investimento tem sido comprovado por várias organizações que adoptaram sistemas de BI.

À medida que as tecnologias de informação evoluem, as ferramentas de BI vão sendo rebaptizadas e reagrupadas. Soluções anteriormente denominadas EIS e SAD como sistemas independentes acabaram por ser incorporadas com outras ferramentas e, mesmo quando oferecidas em separado, recebem outras denominações para ganhar um ar de modernidade.


66

Na história do BI e dos SAD/SSD, existem muitos relatos de iniciativas de sucesso e

também de projectos que não deram certo. Todas essas experiências trouxeram lições importantes para o mercado, e ajudaram a identificar as melhores práticas, as tendências de tecnologias e factores que afectam o sucesso estratégico dos sistemas de BI e SAD/SSD. As melhores práticas actualmente e por que os sistemas de BI são mais abrangentes que os SAD/SSD focam, essencialmente, a arquitectura de BI e do Data Warehouse, a limpeza dos dados históricos, a organização dos dados e a apresentação da inteligência e do conhecimento.

Para a implementação efectiva de uma solução de apoio à decisão, a condição essencial, segundo defende a maioria dos analistas de mercado, é a de existir um repositório único de dados que seja sólido e confiável. Consultores e especialistas referem a necessidade de conquistar mais visibilidade sobre as informações que suportam o processo de tomada de decisões, em todos os níveis da organização, ou seja: viram a necessidade de implementação de um Data Warehouse, para unificar a visão, e capacitar a tomada de decisões com base em informações mais precisas e que toda a organização pode aceder.

A descrição do conceito de BI e o de SAD/SSD, em que através de um conjunto de ferramentas TI se pode transformar os dados em informação, e por sua vez, em conhecimento, subsidiando aos decisores uma mais-valia na tomada de decisão sobre a actividade da organização, ou seja, em todas as medidas de performance, permitindo o aumento da produtividade e da competitividade.

De referir igualmente que tanto os Sistemas de BI como os SAD/DSS envolvem tarefas de

reunir, armazenar, analisar e avaliar dados utilizando uma variedade de ferramentas, sejam estas de pesquisa e apresentação de relatórios, OLAP, Data Mining, etc

Sobre os temas, descrevi o impacto nas organizações, e como se podiam ‘adaptar’ a outras realidades e não apenas à empresarial.

Resta dizer que tanto os sistemas de Business Inteligence como os Sistemas de

Apoio á Decisão por si só não decidem nada. Estes apenas orientam o agente decisor para a tomada de decisão.

Figura 19 - O Mundo da Informação


67

ARTIGOS “ESTADO DA ARTE”

BI 2.0: THE NEXT GENERATION

Information Management Magazine, November 2006 http://www.information-management.com/issues/20061101/1066763-1.html

(Charles Nicholls, 2006) Founder and Chief Strategy Officer of SeeWhy. He incorporated the company in 2003 with a vision to create a new generation of real-time analytics to revolutionize the way we analyze and use customer data.

We live in real time, minute by minute. News is

no longer delayed by days; it is streamed in real time. We bank online and check our real-time balances. We book flights with real-time visibility of seat availability, and we select the seat we want online in real time. All these transactions generate data - lots of data.

To allow us to adapt our business models to today's real-time world, software applications are now built using event-driven technologies. Data moves around in real time over service-oriented architectures (SOAs), using loosely coupled and highly interoperable services that promote standardized application integration.

Yet business intelligence (BI) today has not changed in concept since the invention of the relational database and the SQL query - until the advent of BI 2.0.

BI 2.0 is a term that encapsulates several important new concepts about the way that we use and exploit information in businesses, organizations and government. The term is also intrinsically linked with real-time and event-driven BI but is really about the application of these technologies to business processes.

At the heart of this architecture are events, specifically XML messages. Ultimately, most modern processes themselves are actioned by events. Consequently, when you think about how to add intelligence to modern processes, the humble SQL query looks far from ideal.

The traditional data warehouse has enabled significant advances in our use of information, but its underlying architectural approach is now being questioned. Its architecture limits our ability to optimize every business process by embedding BI capabilities within. We need to look to event-driven, continuous in-process analytics to replace batch-driven reporting on processes after the fact.

In short, how can we build smarter business processes that give our organizations competitive advantage? How can we build the intelligent business?

The Client/Server Legacy The BI tools most organizations use today were

designed to solve a problem that arose in the early 1990s with the spread of the relational database. As more information was stored in databases, simply extracting it became a chore for IT departments because most users weren't interested in becoming experts in writing SQL queries. Getting the data out of databases truly became an end in itself and drove the rise of BI as we know it. Consequently, BI tools today focus on the presentation of data.

As it turns out, though, extracting data that is hours or days old and publishing it into reports, while useful, doesn't provide clear guidance on what users should do right now to improve business performance. As a result, at many companies, BI users don't even review the reports that are sent to them - they relegate them to reference documents. This is often expressed by users who complain that the information arrives too late to be really useful.

Strikingly, this is the antithesis of the real-time, actionable intelligence that many organizations need to provide the quality of service customers demand. At the most basic, such information is a day late and a dollar short in most industries. In retail, for example, three to four percent of potential revenue is foregone due to items not being adequately stocked all the time. The store manager is sent a stock report, but this arrives the next morning, after the close of business and too late to replenish the shelves.

Faster data warehouse queries or prettier dashboard reports — the focus of BI system improvements until now — clearly do not begin to solve the problem because they do not get to the heart of the architectural issue. It is undeniably the case that by the time data has been entered into the data

http://www.information-management.com/issues/20061101/1066763-1.html


68

warehouse and then extracted, it is out of date. This isn't a problem for some applications, but it is terminal for those that must run off real-time or near real-time knowledge.

A common misconception is that real-time data isn't needed because there is no way that operations teams could analyze it. This is applying BI 1.0 thinking; simply delivering more reports faster doesn't solve the problem. What's needed is a way to put relevant insight into the hands of operations staff in time to make a difference to day-to-day operations.

Reports are not the optimal deliverable of BI systems. Reports need analyzing and interpreting before any decisions can be made, and there is evidence that users don't look at them until they already know they have a problem. Rather than reporting on the effectiveness of a process after the fact, BI should be used within the process as a way of routing workflow automatically, based on what a customer is doing. In order to do this, you have to not only capture data in real time, but you need to analyze and interpret it as well.

This is essentially event-driven BI - analyzing up-to-the-minute data in the context of historic information - so that actions can be initiated automatically. The data warehouse isn't good at this. Perhaps it is simply being asked to support functions it was not designed to handle.

BI Services Arrive Over the past few years, companies have

started to present their data warehouses as Web services for use by other applications and processes connected by SOA or middleware such as an enterprise service bus (ESB). A fundamental limitation to this approach is that the data warehouse is the wrong place to look for intelligence about the performance of a current process. Real-time process state data, so relevant to this in-process intelligence, is unlikely to be in the data warehouse anyway.

Even layering a BI dashboard onto the data warehouse is inadequate for many operational tasks because they rely on a user noticing a problem based on out-of-date data. Dashboards aggregate and average. They remove details and context and present only a view of the past. Decisions require detail and need to be made in the present.

It's clear that data warehouses will remain, but their role can be clarified as the system of record, as opposed to the only place that BI is done. Reporting and presentation of historical data will continue to be done here - it was designed for that. Given the challenges associated with trying to move to a real-time data warehouse, however, it is clear that information required to support and indeed drive daily operational decisions must come from a different approach to avoid the latency introduced through the extract, transform, load and query cycle.

The Vision for BI 2.0

If the goal of BI 2.0 is to reduce latency - to cut the time between when an event occurs and when an action is taken - in order to improve business performance, existing BI architectures will struggle.

With BI 2.0, data isn't stored in a database or extracted for analysis; BI 2.0 uses event-stream processing. As the name implies, this approach processes streams of events in memory, either in parallel with actual business processes or as a process step itself.

Typically, this means looking for scenarios of events, such as patterns and combinations of events in succession, which are significant for the business problem at hand. The outputs of these systems are usually real-time metrics and alerts and the initiation of immediate actions in other applications. The effect is that analysis processes are automated and don't rely on human action, but can call for human action where it is required.

BI 2.0 gets data directly from middleware, the natural place to turn for real-time data. Standard middleware can easily create streams of events for analysis, which is performed in memory. When these real-time events are compared to past performance, problems and opportunities can be readily and automatically identified.

Intelligent Processes In order to make a difference to the bottom line,

businesses need to make processes smarter. This means either building outstanding ability into automated processes, or providing operations staff with actionable information and changing the day-to-day standard operating procedure to drive data-driven processes. The solution is to leverage the messaging technologies underpinning transactional systems, business process management and SOA, and event-driven real-time BI technologies. These fit together very naturally; you can think of real-time BI as analysis services in an SOA world.

BI 2.0 needs to work with both well-defined processes and less-defined areas. Many processes can't be modeled and explicitly defined using business process management. In fact, the majority of processes today aren't modeled but rather are less explicitly defined. Business users often can't describe their processes accurately enough, and yet operational processes still need intelligence.

BI 2.0 is driven by this need for intelligent processes and has the following characteristics: Event driven. Automated processes are driven

by events; therefore, it is implicit that in order to create smarter processes, businesses need to be able to analyze and interpret events. This means analyzing data, event by event, either in parallel with the business process or as an implicit process step.

Real time. This is essential in an event-driven world. Without it, it is hard to build in BI


69

capabilities as a process step and nearly impossible to automate actions. By comparison, batch processes are informational - they report on the effectiveness of a process but cannot be part of the process itself unless time is not critical. Any application that involves trading, dynamic pricing, demand sensing, security, risk, fraud, replenishment or any form of interaction with a customer is a time-critical process and requires real-time processing.

Automate analysis. In order to automate day-to-day operational decision-making, organizations need to be able to do more than simply present data on a dashboard or in a report. The challenge is turning real-time data into something actionable. In short, businesses need to be able to automatically interpret data, dynamically, in real time. What this means in practice is the ability to compare each individual event with what would normally be expected based on past or predicted future performance. BI 2.0 products, therefore, must understand what normal looks like at both individual and aggregate levels and be able to compare individual events to this automatically.

Forward looking. Understanding the impact of any given event on an organization needs to be forward looking. For example, questions such as "Will my shipment arrive on time?" and "Is the system going to break today?" require forward-looking interpretations. This capability adds immediate value to operations teams that have a rolling, forward-looking perspective of what their performance is likely to be at the end of the day, week or month.

Process oriented. To be embedded within a process in order to make the process inherently smarter requires that BI 2.0 products be process-oriented. This doesn't mean that the process has been modeled with a business process management tool. Actions can be optimized based on the outcome of a particular process, but the process itself may or may not be explicitly defined.

Scalable. Scalability is naturally a cornerstone of BI 2.0 because it is based on event-driven architectures. This is critical because event streams can be unpredictable and occur in very high volumes. For example, a retailer may want to build a demand-sensing application to track the sales of every top-selling item for every store. The retailer may have 30,000 unique items being sold in 1,000 stores, creating 30 million store/item combinations that need tracking and may be selling 10 million items per day. Dealing with this scale is run of the mill for BI 2.0. In fact, this scalability itself enables new classes of applications that would never have been possible using traditional BI applications.

Real-Time, Event-Driven BI BI 2.0 represents both a bold new vision and a

fundamental shift in the way businesses can use information. It extends the definition of BI beyond the traditional data warehouse and query tools to include dynamic in-process and automated decision-making.

In the past, organizations have been forced to rely on out-of-date information and to attempt to fix problems long after they occur. BI 2.0 changes that because it allows BI capabilities to be built into processes themselves - in short, it lets companies create smarter processes.

When BI steps up to identifying problems and initiating corrective actions, not just presenting data, it has definitely evolved. It is ever closer to providing really useful information that can make a difference to the bottom line. Isn't this what BI was supposed to be all along?


70


71

BUSINESS INTELLIGENCE 2.0: SIMPLER, MORE ACCESSIBLE, INEVITABLE

Say goodbye to complicated interfaces, disconnected analytics and shelfware. An emerging era for BI will bring simplicity, broad access and better ties between analysis and action. Fevereiro 1, 2007 http://intelligent-enterprise.informationweek.com/showArticle.jhtml?articleID=197002610

(Raden, Neil, 2007) founder of Hired Brains, providers of consulting, research and analysis in Business Intelligence, Performance Management, real -time analytics and information/semantic integration. Write him at [email protected].

Why do three billion people a day use a Web site that has a Spartan interface, a weird name (Google) and the capacity to do only one thing (the original search engine, that is, not the newer applications)? Perhaps the reason is that it always gives you more than you asked for, but what you want is usually on the first page. No one needs to install software, to do upgrades or, for that matter, to pay for it. And no one needs a training class.

Contrast this with Business Intelligence (BI) tools today, with complicated interfaces, software that is very expensive to purchase and maintain, and version upgrades that are often painful. These tools generally offer very broad functionality, but somehow it's never quite enough to solve the problem. There are, at best, a few million copies licensed worldwide (across all BI vendors), yet more than a third of these seats are shelfware, according Optima Publishing's OLAP Survey 4.

One could argue that phenomenon of the Web is so unique that it is unfair to measure BI's performance against it. The problem is that this is the second time BI has been eclipsed by another technology, as proven by the fact that there are more than 200 million licensed copies of Microsoft Excel in use today.

Rest assured, the current era of BI is coming to an end and will be succeeded by a BI 2.0 era that promises simplicity, universal access, real-time insight, collaboration, operational intelligence, connected services and a level of information abstraction that supports far greater agility and speed of analysis. The motivation for this "version upgrade" for BI is the need to move analytical intelligence into operations and to shrink the gap between analysis and action.

BI 1.0 Defined

Despite its drawbacks, BI is not a failure. In most ways, the facility for getting information to people where and when they need it is dramatically better than it was more than a decade ago, when reports were usually paper-based and required months of development to line up the data. But if you boil BI down to its basics, it is derived from only two things: data and reports. Most of the effort in BI in the last decade has been focused on the data issue " data

integration, data quality, data cleansing, data warehouse, data mart, data modeling, data governance, data stewardship. BI tools are dependent on these efforts.

Existing BI solutions are designed primarily for people who can understand the data models and who have time to build analyses from them, recall them for future use and provide information for others. Within most organizations, these experts account for about 5 percent of the salaried workforce. That was fine for a decade or so while we worked out the problems and fine-tuned the architectures and methodologies, but the people who are supposed to be served by this effort have largely voted with their feet and marched back to shadow systems, particularly spreadsheets, where the bulk of analytical work still takes place. While the number of BI users is increasing, the bulk of the increase is in passive report distribution, not active analysis, collaboration or decision-making.

Along with data, reporting drives BI. What is a report? At the simplest level, a report is the rendering of information requested from existing data, with at least some level of formatting and usually some added calculations, such as subtotals and totals at a minimum. Reports are read-only. Originally, reports were distributed on either paper or microfiche, but about 25 years ago it became possible to see them electronically. Today, they can be delivered to the Web, to portals, to cell phones, PDAs -- just about anywhere.

Making reports "interactive" doesn't really change their nature. The ability to select parameters, for instance, is actually a reporting application surrounding just another report. The ability to navigate through the elements of the data model interactively, such as OLAP, ultimately ends up as the visual display of just another report. No matter how many ways the fetching and formatting of data is embellished, it is still a report. Some OLAP tools are not read-only, but their use represents a tiny fraction of the BI use which, in turn, is an almost imperceptible fraction of the daily use of alternatives, especially spreadsheets.

http://intelligent-enterprise.informationweek.com/showArticle.jhtml?articleID=197002610

http://intelligent-enterprise.informationweek.com/[email protected]


72

BI 2.0: What to Expect

The new era of BI, which is already here, goes far beyond data and reporting. BI is becoming proactive, real-time, operational, integrated with business processes, and extending beyond the boundaries of the organization. To become pervasive and grow out of its reporting niche, BI has to provide simple, personal analytical tools on an as-needed basis with a minimal footprint and cost. Rather than relying solely on a rigid metaphor like data warehousing, BI needs the ability to access data anywhere it can be found and to performing integration on the fly, if necessary. Locating the right information to solve problems must be a semantic process, not requiring knowledge of data structures or canonical forms. Directed search, based on the meanings of and relationships among objects, allows practically any person or service to find what is needed without assistance, whether it is structured information like relational databases, message queues, logs, web services or even unstructured content.

The Web was not just a brilliant idea, it was and is a world-changing phenomenon. Yet even in light of this success, it is quickly moving to an entirely new plane of existence, one that is more collaborative, intelligent, rich, semantically aware and simple. Web 2.0 is about closing the loop, from being a collection of web pages to a being the single platform for just about everything. The physical resources are in place and attractively priced, the open standards are evolving without fracturing the confederacy of technology players, large and small. The missing piece is the semantic technology, but even that is progressing nicely as semantics pure plays are gobbled up by more well-heeled operations like IBM, Google and webMethods.

BI needs a 2.0 initiative too. BI 2.0 won't replace BI, it will extend it. Current BI capabilities are well-suited to many tasks, such as individualized dashboards of overnight data or providing a rich environment for interactive exploring of data, by people and by algorithms. But current BI practices have always been weak dealing with the unexpected and the urgent because of their "data first" orientation. Spreadsheets shine here, but they lack too many architectural prerequisites to be useful, such as collaboration, security, abstraction and versioning, among others. If spreadsheet tools develop these characteristics, and they are heading in that direction, they will not usurp BI, they will become BI.

Game Changers

BI 2.0 will disrupt the BI industry in quite a few ways, and foot-dragging can be expected. Some more obvious effects will be: Convergence: The unnatural separation of BI

technology and staff from the rest of the

operations of the enterprise will fade as BI becomes ubiquitous and mission-critical.

Batch Data Warehousing: This activity will continue, but at a reduced rate as the need for information exchange with partners, customers, regulators and other stakeholders become a 24/7 proposition. Faster computers, more memory and better metadata (semantic models) will support better data comprehension and reduce the need for data integration.

Methodologies: Data warehouse methodologies that have been laid down and tuned for the past decade will take a while to pry loose from the collective consciousness. Many best practices will be largely invalidated by BI 2.0 and new ones will emerge, but conventional wisdom is tenacious. Expect a lot of friction here. Remember 3NF versus Star Schema MOLAP versus ROLAP?

The "Pyramid": This model of BI usage needs to be scrapped. The idea of separating people into bands of a pyramid based in whether they are power users or report readers never worked in the first place. Even "unsophisticated" users had a need to do a little modeling once a while, that's why they have Excel. In BI 2.0, roles are infinitely malleable and a person can operate in different roles simultaneously.

BI Licensing: It's very likely that BI software sales and licensing will evolve, too. If organizations can transform from 100 BI users to 10,000 in a month, the market will not allow the incumbents to reap a 100x windfall in revenue. Open-source and On-Demand channels will put more pressure on the traditional vendors to retire expensive, per-seat perpetual licenses.

Data Comprehension: Data integration is a painstaking process that is sifted through by people, and then the process is automated with a tool. Tools are emerging that can take over the tedious integration work, at least to some extent, and the rise of Master Data Management (MDM) hubs can further reduce the time-consuming work load. Coupled with better semantics-based metadata, on-the-fly data comprehension solutions -- for both internal data and for connected flows of data from partners " will be emerging within the next 12-18 months.

Close the Loop

Today, analytics is a singular process. An individual views a report in some form or creates a query to understand something. No matter how sophisticated or nave, the result is always the same (assuming it works); the analyst has informed his or her opinion or hypothesis, but the analytical tool stops there. It isn't possible to replay the steps and show others how the question was resolved. Nor is it possible, without a custom-made application, to transfer this new knowledge to a system or service that can act on it


73

immediately. Nor is it possible -- again, without building an application -- to track the results of the decision explicitly (as in, "Orville, the action you took on pricing based on the new parameters that entered the system on Tuesday are showing a marked improvement in on-time arrivals at the terminal."). Delivering such capabilities would bring a Nirvana of decision support, something we have all been envisioning for a decade or more, but BI in its current state is not designed to close the loop. That's the promise of BI 2.0, and, in fact, it's the single driving reason for this new era to emerge.

Try New Thinking

Learning new skills is important and it's easy. What's difficult is wrapping your brain around all of this and getting ready to walk away from what you now accept as the correct approach. For instance, here are six BI 1.0 fallacies that fall by the wayside in the BI 2.0 era:

Prepare for the Inevitable

BI 2.0 is a natural evolution, but it isn't happening in a smooth, continuous fashion. It's more tectonic; forces build and changes happen abruptly. Enterprise technologies tend to be sticky because of their cost -- not just to implement but also to replace. However, all enterprise applications are following the lead of the Web, especially Web 2.0. With billions of daily users, the Web is the cohort for a massive longitudinal study. The results are in. People love collaboration, social networks, mash-up's, no-cost software, versionless software and the ability to get

what they need without a lot of ceremony. BI 2.0 is inevitable.

What should you do to prepare? Mostly, readjust your thinking so you are open to the best offers. Here are six ideas that will give you to start: 1. Recognize the situation " People and technology

have shifted to a new plane 2. Rethink analytics " Informing people to make

better decisions is out; changing the nature of work is in

3. Think out of the BI box " Is compartmentalized security logical? Is role-based BI provisioning useful?

4. Shift your focus from data to people " Pretend data is like water. Now what do you do?

5. Think less about process and more about experience " Reactions to internal software are now flavored by the Web.

6. Think less about features and more about how people work effectively " MOLAP vs. ROLAP is history; social networking and collaboration are the future.

7. BI is not a failure and it's not dead, either. BI 1.0 provided a great deal of utility, but the next wave will be hoisted up, as Issac Newton described his superhuman accomplishments, like "standing on the shoulders of giants." So climb on. The view is great.

BI 1.0 Fallacies BI 2.0 Realities

Most users want to be spoon-fed information and will never take the initiative to create their own environment or investigate the best way to get the answers they need.

The Consumer Web invalidates this idea. When given simple tools to do something that is important and/or useful to them, people find a way to "mash up" what they need.

Vendors will obfuscate and slow down the drive for simpler and more affordable tools to preserve their bases

They will, but demographics will pressure them. Most BI "users" will be members of a generation that lives in technology and will reject the functionality of current BI

Only air traffic controllers and credit card approval applications need real-time data

The availability of fresh data, from ever-widening sources, generates its own demand

Analytics cannot be supported until there is an enterprise data warehouse, with a metadata repository, data stewards and a comprehensive data model that represents the "single version of the truth."

Data comprehension will displace data warehousing, to some extent. The single version of the truth will give way to context, contingency and the need to relate information quickly from many sources

Operational systems cannot be queried for analytics There is no longer a good reason for this prohibition. In fact, with SOA, it doesn't even make sense.

Data must exist in a persistent data store for analytics Message queues, logs, sensors " transient data and caches, temporary aggregates, lingering partial results files " all of these can be leveraged now with the resources at hand.


74

LITERATURA COMPLEMENTAR

TEORIA DA DECISÃO - UM RESUMO 76

Quase tudo o que o Homem faz envolve tomada de Decisões. Aí reside a grande dificuldade de reflectir teoricamente sobre Decisões. Quando se aborda este tema, abordam-se pessoas, actividades humanas, decisões e a forma como as decisões são tomadas. É um assunto multidisciplinar, que tem atraído o interesse de economistas, estaticistas, psicólogos, políticos e filósofos.

Inúmeras teorias têm vindo a ser desenvolvidas, ficando aqui um breve resumo das principais correntes sobre esta temática.

Condorcet (filósofo francês, 1743- 1794) – está na origem da primeira teoria geral faseada do processo de decisão, dividindo-o em 3 fases (First Discussion, Second Discussion, Resolution). Modelos sequenciais Na primeira fileira da discussão moderna sobre teoria da decisão está John Dewey, que estende as 3 fases identificas por Condorcet a 5 fases que acontecem de forma sequencial. Este tipo de modelos é designado sequencial por dividir o processo de decisão em partes que seguem uma determinada sequência.

Herbert Simon (1916 – 2001, Nobel da Economia em 1998) modificou esta listagem de 5 fases, de modo a torná-la adequada ao contexto da tomada de decisões nas organizações. De acordo com Simon, o processo de tomada de decisão consiste em 3 fases principais:

Fase 1 – Intelligence: ocasiões que despoletam uma tomada de decisão; Fase 2 – Design: encontrar possíveis formas de acção; Fase 3 – Choice: escolher entre diferentes formas de acção

Brins et al. propõem também outra sub-divisão do processo de decisão.

Fase 1 – Identificação do problema Fase 2 – Obtenção da informação necessária Fase 3 – Produção de soluções possíveis Fase 4 – Avaliação dessas soluções Fase 5 – Selecção de uma estratégia de desempenho (Fase 6 – Implementação de uma decisão)

Modelos Não Sequenciais

76 Adaptado de Sven Ove Hansson, "Decision Theory - A Brief Introduction" http://asmarques-siad.blogspot.com/2007/10/teoria-da-deciso-um-resumo.html


75

Alguns autores consideram que, para um modelo mais realista, as várias partes do processo de decisão não devem ter uma ordenação pré-definida, sendo esta inerente ao problema a que se refere. Mintzberg, Raisinghani and Théorêt identificam fases distintas mas sem uma relação sequencial, tendo como base as 3 fases identificadas por Simon. Os autores consideram que o decisor pode alternar entre rotinas (designação dada às sub-fases) durante o processo de decisão e, não encontrando nenhuma solução aceitável, regressar à fase de Design (desenvolvimento de alternativas).

Uma das discussões que se levanta é o tempo afecto a cada uma das fases identificadas pelos diversos autores. Simon defende que os executivos passam a maior parte do seu tempo na chamada fase de “Design”, dedicando muito pouco tempo { fase de Escolha. Outros estudos suportam essa convicção, revelando que é a fase de levantamento de soluções domina as restantes.

Isto contrasta com o facto de que a Teoria da Decisão focar-se sobretudo com a parte da escolha entre alternativas, que é na perspectiva de muitos autores menos significativa do que as fases de diagnóstico e design. A defesa do foco da Teoria da Decisão na rotina de avaliação e escolha de alternativas reside precisamente no facto de essa rotina em si traduzir o processo de decisão. De qualquer forma, importa realçar que não se deve por isso negligenciar as outras fases …

Tabela 5 - Resumo da Teoria da Decisão por autor


76


77

LINHA DE TEMPO (HISTÓRIA DOS SAD)77

Ano Principais Etapas 1945 Bush proposed Memex

1947 Simon book titled Administrative Behavior

1952 Dantzig joined RAND and continued research on linear programming

1955 Semiautomatic Ground Environment (SAGE) project at M.I.T. Lincoln Lab uses first light pen; SAGE completed 1962, first data-driven DSS

1956 Forrester started System Dynamics Group at the M.I.T. Sloan School

1960 Simon book The New Science of Management Decision; Licklider article on “Man-Computer Symbiosis”

1962 Licklider architect of Project MAC program at M.I.T.; Iverson’s book A Programming Language (APL); Engelbart's paper "Augmenting Human Intellect: A Conceptual Framework"

1963 Englebart established Augmentation Research Center at SRI

1965 Stanford team led by Feigenbaum created DENDRAL expert system; Problem Statement Language/Problem Statement Analyzer (PSL/PSA) developed at Case Institute of Technology

1966 UNIVAC 494 introduced; Tymshare founded and Raymond article on computer time-sharing for business planning and budgeting

1967 Scott Morton’s dissertation completed on impact of computer-driven visual display devices on management decision-making process; Turban reports national survey on use of mathematical models in plant maintenance decision making

1968 Scott Morton and McCosh article; Scott Morton and Stephens article; Englebart demonstrated hypermedia—Groupware system NLS (oNLine System) at Fall Joint Computer Conference in San Francisco

1969 Ferguson and Jones article on lab study of a production scheduling computer-aided decision system running on an IBM 7094; Little and Lodish MEDIAC, media planning model; Urban new product model-based system called SPRINTER

1970 Little article on decision calculus support system; Joyner and Tunstall article on Conference Coordinator computer software; IRI Express, a multidimensional analytic tool for time-sharing systems, becomes available; Turoff conferencing system

1971 Gorry and Scott Morton SMR article first published use of term Decision Support System; Scott Morton book Management Decision Systems; Gerrity article Man-Machine decision systems; Klein and Tixier article on SCARABEE

1973 PLATO Notes, written at the Computer-based Education Research Laboratory (CERL) at the University of Illinois by David R. Woolley

1974 Davis’s book Management Information Systems; Meador and Ness article DSS application to corporate planning

1975 Alter completed M.I.T. Ph.D. dissertation "A Study of Computer Aided Decision Making in Organizations"; Keen SMR article on evaluating computer-based decision aids; Boulden book on computer-assisted planning systems

1976 Sprague and Watson article "A Decision Support System for Banks"; Grace paper on Geodata Analysis and Display System

1977 Alter article "A Taxonomy of Decision Support Systems", Klein article on Finsim; Carlson and Scott Morton chair ACM SIGBDP Conference DSS Conference

1978 Development began on Management Information and Decision Support (MIDS) at Lockheed-Georgia; Keen and Scott Morton book; McCosh and Scott Morton book; Holsapple dissertation completed; Wagner founded Execucom to market IFPS; Bricklin and Frankston created Visicalc (Visible Calculator) microcomputer spreadsheet; Carlson from IBM, San Jose plenary speaker at HICSS-11; Swanson and Culnan article document-based systems for management planning

1979 Rockart HBR article on CEO data needs

1980 Sprague MISQ article on a DSS Framework; Alter book; Hackathorn founded MicroDecisionware

1981 First International Conference on DSS, Atlanta, Georgia; Bonczek, Holsapple, and Whinston book; Gray paper on SMU decision rooms and GDSS

1982 Computer named the “Man” of the Year by Time Magazine; Rockart and Treacy article “The CEO Goes On-Line” HBR; Sprague and Carlson book; Metaphor Computer Systems founded by Kimball and others from Xerox PARC; ESRI launched its first commercial GIS software called ARC/INFO; IFIP Working Group 8.3 on Decision Support Systems established

1983 Inmon Computerworld article on relational DBMS; IBM DB2 Decision Support database released; Student Guide to IFPS by Gray; Huntington established Exsys; Expert Choice software released

1984 PLEXSYS, Mindsight and SAMM GDSS; first Teradata computer with relational database management system shipped to customers Wells Fargo and AT&T; MYCIN expert system shell explained

1985 Procter & Gamble use first data mart from Metaphor to analyze data from checkout-counter scanners; Whinston founded Decision Support Systems journal; Kersten developed NEGO

1987 Houdeshel and Watson article on MIDS; DeSanctis and Gallupe article on GDSS; Frontline Systems founded by Fylstra, marketed solver add-in for Excel

1988 Turban DSS textbook; Pilot Software EIS for Balanced Scorecard deployed at Analog Devices

1989 Gartner analyst Dresner coins term business intelligence; release of Lotus Notes; International Society for Decision Support Systems (ISDSS) founded by Holsapple and Whinston

1990 Inmon book Using Oracle to Build Decision Support Systems; Eom and Lee co-citation analysis of DSS research 1971–1988

1991 Inmon books Building the Data Warehouse and Database Machines and Decision Support Systems; Berners-Lee’s World Wide Web server and browser, become publicly available

1993 Codd et al. paper defines online analytical processing (OLAP)

1994 HTML 2.0 with form tags and tables; Pendse’s OLAP Report project began

1995 The Data Warehousing Institute (TDWI) established; DSS journal issue on Next Generation of Decision Support; Crossland, Wynne, and Perkins article on Spatial DSS; ISWorld DSS Research pages and DSS Research Resources

1996 InterNeg negotiation software renamed Inspire; OLAPReport.com established;

1997 Wal-Mart and Teradata created then world’s largest production data warehouse at 24 Terabytes (TB)

1998 ACM First International Workshop on Data Warehousing and OLAP

1999 DSSResources.com domain name registered

2000 First AIS Americas Conference mini-track on Decision Support Systems

2001 Association for Information Systems (AIS) Special Interest Group on Decision Support, Knowledge and Data Management Systems (SIG DSS) founded

2003 International Society for Decision Support Systems (ISDSS) merged with AIS SIG DSS

77 Power, D.J. A Brief History of Decision Support Systems. DSSResources.COM, World Wide Web,

http://DSSResources.COM/history/dsshistory.html, version 4.0, March 10, 2007.

http://dssresources.com/history/dsshistory.html,


78

SISTEMAS DE APOIO A DECISÃO EM GRUPO (SADG)

Extraído e adaptado de um documento sem referência bibliográfica no Scribd78 Os Sistemas de Apoio à Decisão em Grupo (SADG) ou Group Decision Support System

(GDSS) resultaram a partir da necessidade de melhoria do processo de decisão em grupo, embora nem todos os empregados e gestores estejam envolvidos no processo de decisão em grupo, alguns gerentes de nível táctico e estratégico podem despender mais da metade do tempo para a tomada de decisão na configuração do grupo, esse grupo necessita de uma ferramenta que os auxilie nesse processo, e os SAD acrescido do software SADG oferece um suporte efectivo aos ambientes de tomada de decisão em grupo. Os SADG estão a tornar-se uma ferramenta vital no processo de decisão para empresas de todos os portes.

Os que participam no desenvolvimento dos SADG procuram tirar proveito dos sistemas de suporte individual, tendo em vista que um sistema de tomada de decisão em grupo requer novas e adicionais abordagens. Alguns SADG permitem o intercâmbio da informação e das experiências entre as pessoas sem, contudo, inquirir reuniões ou interacção face-a-face. A abordagem SADG reconhece que procedimentos, dispositivos e abordagens são

necessários nos ambientes de tomada de decisão em grupo. Facilidade de uso. Um SADG deve ser fácil de aprender e usar. Flexibilidade. Um SADG efectivo precisa não só dar suporte às diferentes abordagens que

norteiam as decisões dos gestores, bem como encontrar um meio para integrar as suas diferentes perspectivas numa visão comum em relação à questão em foco.

Suporte à decisão. Um SADG pode dar suporte a diferentes abordagens na tomada de decisão, incluindo a abordagem delphi, na qual os decisores encontram-se em diferentes lugares geográficos do país ou do mundo. Essa abordagem encoraja a diversidade entre os membros do grupo e estimula a criatividade e o pensamento original na tomada da decisão.

A abordagem de consenso do grupo força os membros dum grupo a encontrar uma decisão unânime. A técnica nominal de grupo permite a participação de cada tomador de decisão; com essa técnica, que encoraja o feedback de um indivíduo do grupo, a decisão final resulta de uma votação semelhante à usada nas eleições políticas.

Contribuição anónima. Muitos SADG permitem a participação anónima, onde a identidade do indivíduo que contribui é desconhecida dos outros participantes. Na participação anónima, o grupo de tomadores de decisão concentrar-se-á apenas nos méritos da contribuição, sem considerar quem a forneceu. Alguns estudos têm revelado que quando o grupo opta pela contribuição anónima as decisões são mais certeiras e os resultados são superiores comparados aos dos grupos que ignoram essa abordagem. Redução do comportamento negativo do grupo. Uma característica fundamental de qualquer SADG é a de suprimir ou eliminar o comportamento de grupo que atrapalha ou é danoso á efectiva tomada de decisão. Em alguns grupos, os indivíduos dominantes podem tomar conta da discussão, impedindo que outros membros apresentem alternativas criativas. Hoje, muitos dos que estão na concepção de SADG, estão a desenvolver sistemas de hardware e software direccionados para minimizar esses tipos de problemas. Procedimentos referentes ao planeamento efectivo e à gestão das sessões em grupo podem ser incorporados na abordagem SADG.

Comunicação paralela. Nas reuniões tradicionais, normalmente uma pessoa fala na sua vez sobre vários assuntos. Com um SADG, é possível que, simultaneamente, todos os

78 http://www.scribd.com/


79

membros do grupo façam comentários ou formulem questões por meio de um PC. Esses comentários e assuntos são exibidos imediatamente em cada PC dos membros do grupo.

Manutenção automática dos registos. Cada comentário digitado num PC de um membro do grupo pode ser registado no anonimato.

Factores de custo, controle e de complexidade. Um SADG pode implicar gastos expressivos, exigindo grande quantidade de computadores pessoais, software sofisticado, estruturas de redes, pessoal e suporte. A complexidade dos vários componentes de um SADG, abrange o software e o modo como ele é controlado e usado, também são factores a ser levados em conta antes de sua aquisição e implementação.

COMPONENTES DE UM SADG E O SOFTWARE SSDG

Os componentes dos SADGs e sua interacção variam de acordo com o seu uso. Muitos desses sistemas possibilitam o acesso simultâneo de múltiplos utilizadores a arquivos comuns, bancos de dados e á Internet, permitindo que os membros do grupo trabalhem sobre a mesma tarefa enquanto estão no ambiente de grupo.

O software SADG constitui o coração do SADG, proporcionando muitas ferramentas úteis para o trabalho de grupo. Por exemplo, os documentos compostos podem conter informações provenientes de dashboards, pacotes de banco de dados, processadores de texto e outros aplicativos que podem ser criados, usados e partilhados pelo grupo.

Os documentos compostos – capacitados a, inclusive, conter arquivos de multimédia, como áudio e vídeo – são armazenados num único arquivo, enquanto os aplicativos tradicionais exigem arquivos separados para cada aplicação (um para documentos de texto, um para gráficos e assim por diante). Alguns programas de SADG também permitem que documentos compostos incluam aplicativos de diferentes empresas de software.

O software SADG, também conhecido como Groupware ou software de Workgroup, permite o suporte ao agendamento, á comunicação e a gestão num ambiente de grupo. Um pacote popular, como o Lótus Notes, pode capturar, armazenar, manipular e distribuir memorandos e comunicações criadas durante os projectos em grupo. O Notes da Microsoft suporta a partilha de aplicações permitindo ligações de varias partes e partilha uma tarefa de cada vez. O utilizador designado para actuar como “operador” selecciona uma aplicação anteriormente accionada e cada participante escolhe se colabora ou não. Qualquer participante colaborador pode assumir o controlo do “rato” e trabalhar na aplicação partilhada enquanto os outros observam? O Exchange da Microsoft, outro exemplo de Groupware, é um software que permite aos utilizadores montar quadros de avisos electrónicos, programar reuniões de grupo e usar o correio electrónico num ambiente de grupo.

OPÇÕES PARA UM SADG

Os SADG, podem aceitar várias alternativas de configuração de rede, dependendo da necessidade do grupo, da decisão a ser suportada e da localização geográfica dos membros do grupo. A frequência do uso do SADG e a localização dos tomadores de decisão são dois factores importantes. Sala de decisão. É ideal para situações nas quais os decisores estão localizados no mesmo

edifício ou área geográfica e, também, quando são utilizadores esporádicos da abordagem SADG. Nesses casos, uma ou mais salas de decisão ou instalações podem ser montadas para acomodar a abordagem SADG. Podem usar as salas de decisão, grupos de pesquisa de marketing, grupos de gestão da produção, equipas de controlo financeiro ou comités de controlo da qualidade.


80

A rede local. Pode ser utilizada quando os membros de um grupo estão localizados no mesmo edifício ou região geográfica e sob condições em que sejam frequentes as decisões em grupo.

A alternativa de teleconferência. É utilizada em situações em que a frequência de decisões é baixa e os membros do grupo estão distantes entre si. Os encontros, ocasionais e a distância, podem reunir múltiplas salas de tomadas de decisões, espalhadas pelo país ou pelo mundo, utilizando um SADG. Usando a tecnologia de comunicação a longa distancia, as salas de decisão estão ligadas electronicamente e possuem mecanismos de teleconferência e videoconferência. Esta alternativa pode oferecer um alto grau de flexibilidade.

A rede de longa distância. É usada em situações em que a frequência de decisões é alta e os membros do grupo estão distantes entre si. Neste caso, os decisores requerem o uso frequente ou constante da abordagem do SADG. Essa situação requer que os tomadores de decisão situados por todo o país ou pelo mundo, sejam interligados por meio de uma rede de longe distância (WAN). Esta alternativa do SADG permite aos profissionais trabalhar em grupos de trabalhos virtuais, onde as pessoas localizadas pelo mundo podem trabalhar em problemas comuns.

SAD SADG

Característica Flexibilidade na procura e no uso das informações

Acesso a informação externa, Ferramentas de Software, Pessoas

Objectivo Facilidade de incorporar novas informações

Reunir opiniões, aumentar eficácia nas reuniões, decisão mais eficiente,

Quem utiliza Utilizadores finais: gerente, administrador

Pessoas que trabalham em grupo cooperativo.

O que faz Gera informações necessárias para a tomada de decisões.

Sistema baseado em computador que facilita a solução de problemas

Distinção 1 Desenvolvimento rápido Fácil entendimento

Procura tirar proveito dos sistemas de suporte individual, sendo que um SADG requer novas abordagens. Permitem o intercâmbio da informação e das experiências entre as pessoas.

Distinção 2 Facilidade para incorporar ferramentas novas.

Facilidade de uso. Um SADG deve ser fácil de aprender e usar.

Especialidade Facilidade de modificar as ferramentas. Precisa encontrar um meio para integrar as suas diferentes perspectivas numa visão comum em relação à questão em foco.

Custo

Utilização de modelos é mais rápida que a implementação de sistemas reais, além da diminuição dos riscos e um custo mais baixo, e exigência de grande números de profissionais

Custos expressivos, exigindo grande quantidade de computadores pessoais, software sofisticado, redes, pessoal e suporte.

Tabela 6 - Comparação entre SAD/SSD e SADG (GDSS)

Mais referências: Group Decision Support System - GDSS

http://ksi.cpsc.ucalgary.ca/courses/547-95/kooy/gdss.html http://www.toodoc.com/GDSS-ppt.html

GDSS: Possibilities, Applications and Benefits (TBRC_200245112011.pdf) http://www.tbrc.fi/publication.php?PUBID=91

GDSS: Limitações e Oportunidades (R020.pdf ): www.di.fc.ul.pt/~paa/reports/R020.pdf


81

REFERÊNCIAS BIBLIOGRÁFICAS

Charles Nicholls. (2006, Novembro). BI 2.0: The Next Generation. Obtido em Março 19, 2010, de Information Management Magazine: http://www.information-management.com/issues/20061101/1066763-1.html Dresner, H. (1989). Hättenschwiler, P. (1999). Decision Support Systems. Obtido em 30 de Março de 2010, de Switzerland - University of Fribourg - Department of Informatics - DS Group: http://diuf.unifr.ch/ds/courses/dss2002/ IBM Centers, I. C. (2010). IBM Centers for Advanced Studies: CAS Sites - CAS Canada - CAS Canada Research. Obtido em 21 de Março de 2010, de IBM CAS Canada Research: https://www-927.ibm.com/ibm/cas/canada/research/index.shtml#busintel Kolodner, J. L. (1991). Improving Human Decision Making through Case-Based Decision Aiding. Obtido em 10 de Abril de 2010, de AI Magazine Volume 12 Number 2 (1991) (© AAAI): http://www.aaai.org/ojs/index.php/aimagazine/article/view/895/813 Li Niu, J. L. (2009). Studies in Computational Intelligence,Volume 238 - Cognition-Driven Decision Support for Business Intelligence. Polónia: Springer. Luhn, H. P. (1958). IBM Journal . Marakas, G. M. (2003). Decision Support Systems in the 21st Century. Indiana: Prentice Hall. McDermott, D. D. (2010). Decision Making Models Overview. Obtido em Março 27, 2010, de Decision Making Confidence: http://www.decision-making-confidence.com/decision-making-models.html McGuigan, B. (16Mar2010). What is Business Intelligence? Obtido em Março 22, 2010, de wiseGEEK: http://www.wisegeek.com/what-is-business-intelligence.htm Nunes, F. (27 de Dezembro de 2007).Obtido em 15 de Março de 2010, de Integraded Decision Support Systems: http://nunesf.blogspot.coml Power, D. J. (2002). Communications-Driven DSS. Obtido em Março 28, 2010, de DSS Resources.com: http://dssresources.com/dsstypes/cdss.html Power, D. J. (2002). Data-Driven DSS. Obtido em 28 de Março de 2010, de DSS Resources.com: http://dssresources.com/dsstypes/ddss.html Power, D. J. (2002). Knowledge-Driven DSS. Obtido em 28 de Março de 2010, de DSS Resources.com: http://dssresources.com/dsstypes/kddss.html

Power, D. J. (2002). Model-Driven DSS. Obtido em 28 de Março de 2010, de DSS Resources.com: http://dssresources.com/dsstypes/mddss.html


82

Power, D. J. (2002). Web-Based DSS. Obtido em 29 de Março de 2010, de DSS Resources.com: http://dssresources.com/dsstypes/webdss.html Raden, Neil. (01 de Fevereiro de 2007). Business Intelligence 2.0: Simpler, More Accessible, Inevitable. Obtido em 19 de Março de 2010, de Intelligent Enterprise: http://intelligent-enterprise.informationweek.com/showArticle.jhtml?articleID=197002610 Romão, T. (2006/07). Sistemas de Apoio à Decisão. Aulas de SAD - Departamento de Informática. Évora: Universidade de Évora. Rout, S. P., & Sahoo, S. P. (2009). Business Intelligence 2.0. TECHNOVATION'09 (p. 13). Hyderabad/India: Mechatronics(MCT) dept. of MGIT. Sanjay Mehta (CEO, MAIA Intelligence ). (2010). Business Intelligence. Obtido em Março 23, 2010, de MAIA intelligence: http://www.maia-intelligence.com/Articles/BI-2-Technology.html Wikipedia (EN). (s.d.). Business Intelligence. Obtido em 20 de Março de 2010, de Wikipedia - The Free Enciclopedia: http://en.wikipedia.org/wiki/Business_intelligence Zachary, W. (1986). A cognitively based functional taxonomy of decision support techniques. In W. Zachary, Human-Computer Interaction Volume 2 , Issue 1 (March 1986) (pp. 25-63). Hillsdale, NJ, USA: L. Erlbaum Associates Inc. D. J. POWER (2007-03-10). "A Brief History of Decision Support Systems, v4.1". DSSResources.COM. Obtido em 20 de Março de 2010, de: http://dssresources.com/history/dsshistory.html. "GARTNER Reveals Five Business Intelligence Predictions for 2009 and Beyond", http://www.gartner.com/it/page.jsp?id=856714 INSTRUCTIONAL MATERIALS DECISION SUPPORT SYSTEMS - A Knowledge-Based Approach Obtido em 20 de Março de 2010, de: http://www.uky.edu/BusinessEconomics/dssakba/instmat.htm LI NIU, JIE LU, AND GUANGQUAN ZHANG. Cognition-Driven Decision Support for Business Intelligence. Studies in Computational Intelligence,Volume 238. Springer 2009 ISBN 978-3-642-03207-3 CURSO BUSINESS INTELLIGENCE. NextGenerationCentre. Intel http://www.nextg.com.br SAMBIT ROUT, SOUMENDRA SAHOO. Business Intelligence 2.0. Konark Institute of Science & technology. Technovation’09 (2009) LARISSA T. MOSS; SHAKU ATRE. Business Intelligence Roadmap: The Complete Project Lifecycle for Decision-Support Applications. Addison-Wesley Professional. 2003 ISBN 978-0-201-78420-6


83

RECURSOS NA INTERNET

PROCESSO DE DECISÃO

http://home.ubalt.edu/ntsbarsh/opre640/opre640.htm http://www.decision-making-confidence.com/ http://tutor2u.net/business/organisation/decisionmaking.htm http://en.wikipedia.org/wiki/Decision_making

BUSINESS INTELLIGENCE

http://www.tdwi.org/ http://dssresources.com/ http://www.managementhelp.org/prsn_prd/prb_bsc.htm http://www.infra.kth.se/~soh/ http://www.businessintelligence.com.br/portal/index.php http://www.gartner.com http://www.ralphkimball.com http://www.InmonGif.com http://www.dmreview.com http://blog.maia-intelligence.com/ http://en.wikipedia.org/wiki/Business_Intelligence_2.0 http://pt.wikipedia.org/wiki/Business_intelligence

SISTEMAS DE APOIO À DECISÃO

http://www.dssresources.com/ http://www.cs.bris.ac.uk/~SolEuNet/Education/dss_collection.html http://www.isworld.org/dss/dssteaching.htm http://mis.ucd.ie/students/ecomm9596/lacy/global/links.html http://en.wikipedia.org/wiki/Decision_Support_Systems http://pt.wikipedia.org/wiki/Sistema_de_suporte_%C3%A0_decis%C3%A3o

http://home.ubalt.edu/ntsbarsh/opre640/opre640.htm

http://www.decision-making-confidence.com/

http://tutor2u.net/business/organisation/decisionmaking.htm

http://en.wikipedia.org/wiki/Decision_making

http://www.tdwi.org/

http://dssresources.com/

http://www.managementhelp.org/prsn_prd/prb_bsc.htm

http://www.infra.kth.se/~soh/

http://www.businessintelligence.com.br/portal/index.php

http://www.gartner.com/

http://www.ralphkimball.com/

http://www.inmongif.com/

http://www.dmreview.com/

http://blog.maia-intelligence.com/

http://en.wikipedia.org/wiki/Business_Intelligence_2.0

http://pt.wikipedia.org/wiki/Business_intelligence

http://www.dssresources.com/

http://www.cs.bris.ac.uk/~SolEuNet/Education/dss_collection.html

http://www.isworld.org/dss/dssteaching.htm

http://mis.ucd.ie/students/ecomm9596/lacy/global/links.html

http://en.wikipedia.org/wiki/Decision_Support_Systems

http://pt.wikipedia.org/wiki/Sistema_de_suporte_%C3%A0_decis%C3%A3o

SAD/ESTA - Business Intelligence & Sistemas de Apoio à Decisão

Documents

Transcript of SAD/ESTA - Business Intelligence & Sistemas de Apoio à Decisão