SAD ESTA Business Intelligence Sistemas de Apoio A Decisao PDF

Business Intelligence
&
Sistemas de Apoio Deciso

Curso de Licenciatura em Tecnologias da Informao e Comunicao

COLIGIDO POR
13286 Natrcia Oliveira, natercialuzia@hotmail.com
13310 Mrio Mineiro, mineiro.mario@gmail.com

DOCENTE
Sandra Jardim

28 Maio 2010

2

Toda a deciso certa proveniente de
experincia. E toda a experincia
proveniente de uma deciso errada.
Albert Einstein

3

LISTA DE FIGURAS

Figura 1 - O Custo de Cometer Erros _________________________________________________ 12
Figura 2 - Abstracto/Tomar Decises ________________________________________________ 13
Figura 3 - Abstracto / Perguntas deciso ____________________________________________ 16
Figura 4 - Abstracto / Chegar ao fim do processo de deciso ______________________________ 17
Figura 5 - Abstracto/Solues alternativas ____________________________________________ 19
Figura 6 - Pirmide de Kukulcn (Mrio 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 informao armazenada (Fonte: Google Images) ___ 59
Figura 14 - Informao por meio electrnico __________________________________________ 60
Figura 15 Abstracto / Benefcios dos SAD ___________________________________________ 61
Figura 16 - Abstracto/Tratamento de Informao relevante. _____________________________ 62
Figura 17 - Abstracto/Decises Globais e em Grupo (Fonte: Google Images) _________________ 64
Figura 18 - Abstracto/Informao Global) ____________________________________________ 65
Figura 19 - O Mundo da Informao _________________________________________________ 66

4

LISTA DE ILUSTRAES

ESQUEMAS
Esquema 1 - Informao necessria a diferentes nveis de gesto versus tipos de Deciso ______ 14
Esquema 2 Hierarquia e niveis de Deciso ___________________________________________ 15
Esquema 3 - Modelo Processo de Deciso em 6 Fases (extenso ao modelo bsico de Simon)____ 18
Esquema 4- Modelo BI (Cavin Griffiths/Maio 2007) _____________________________________ 21
Esquema 5 - Evoluo das TI versus BI _______________________________________________ 25
Esquema 6 - Cinco Etapas Chave do Processo de BI _____________________________________ 26
Esquema 7 - Arquitectura e Componentes de um Sistema BI Tpico_________________________ 29
Esquema 8- Relao entre os Sistemas de Informao e os Nveis de Gesto _________________ 35
Esquema 9 - Os SAD versus outros Sistemas de Gesto __________________________________ 35
Esquema 10 - Os Sistemas de Apoio Deciso versus outros Sistemas de Gesto _____________ 35
Esquema 11 - Evoluo Histrica dos SAD e Tecnologias Associadas ________________________ 37
Esquema 12 - Caractersticas Tpicas dos SAD/SSD______________________________________ 38
Esquema 13 - Classificao dos SAD/SSD segundo Steven Alter (1986) ______________________ 43
Esquema 14 Arquitectura e Componentes do SAD/SSD (adaptado de vrias fontes) __________ 48
Esquema 15 - O Ciclo do CBR em 6 fases (Reinartz et al. 2001) ____________________________ 53
Esquema 16 - Exemplo de rvore de Deciso - Optimizao 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 Deciso versus Tipo de Problemas ___________________________________ 13
Tabela 2 - The Forrester WaveTM: Enterprise BI Plataforms, Q2'08 ________________________ 30
Tabela 3 - Comparao entre BI e BI 2.0 ______________________________________________ 33
Tabela 4 - Tabela resumo de alguns problemas inerentes ao SGD (Romo, 2006/07) __________ 45
Tabela 5 - Resumo da Teoria da Deciso por autor _____________________________________ 75
Tabela 6 - Comparao entre SAD/SSD e SADG (GDSS) __________________________________ 80

5

NDICE
Lista de Siglas e Abreviaturas ................................................................................................................................ 8
Resumo ........................................................................................................................................................................ 10
Introduo .................................................................................................................................................................. 12

I Processo de Deciso ......................................................................................................................................... 13
Deciso e Decisores ................................................................................................................................ 13
Processo de Deciso ............................................................................................................................... 16
Processo de Deciso nas Empresas ............................................................................................. 18
Factores que Afectam a Deciso ........................................................................................................ 19

II - Business Intelligenge....................................................................................................................................... 20
Conceito ....................................................................................................................................................... 20
Histria e Evoluo ................................................................................................................................. 23
Arquitectura e Componentes .............................................................................................................. 26
Componentes dum Sistema de BI ................................................................................................. 27
Ferramentas Comerciais ....................................................................................................................... 29
Limitaes dos Sistemas de BI ........................................................................................................... 31
Impacto e Futuro ..................................................................................................................................... 32

III Sistemas de Apoio Deciso ...................................................................................................................... 34
Conceito ....................................................................................................................................................... 34
Histria e Evoluo ................................................................................................................................. 36
Caractersticas e Funcionalidades..................................................................................................... 38
Classificao............................................................................................................................................... 40
Orientados a Modelos ....................................................................................................................... 40
Orientados Comunicao e Grupo ............................................................................................ 40
Orientados a Dados ............................................................................................................................ 41
Orientados a Documentos ............................................................................................................... 41
Orientados ao Conhecimento ......................................................................................................... 41
Baseados em folhas de clculo ...................................................................................................... 41
Baseados na Web ................................................................................................................................ 42
Outras Classificaes ......................................................................................................................... 42

6

Arquitectura e Componentes .............................................................................................................. 44
Gesto de Dados (SGBD) .................................................................................................................. 45
Gesto de Modelos (SGM) ................................................................................................................ 46
Gesto do Conhecimento (SGC) ..................................................................................................... 47
Gesto de Comunicao e Rede (SGCR) ..................................................................................... 47
Interface com o Utilizador (SIU) ................................................................................................... 47
O Utilizador ........................................................................................................................................... 48
Tcnicas e Ferramentas ........................................................................................................................ 49
Tcnicas de Apoio Deciso ........................................................................................................... 49
Ferramentas .......................................................................................................................................... 54
Impacto dos SAD/SSD ............................................................................................................................ 59
Vantagens .............................................................................................................................................. 62
Desvantagens/Problemas ............................................................................................................... 62
Novas Tcnicas e o Futuro ................................................................................................................... 63
Sistemas Orientados ao Individuo ............................................................................................... 63
Sistemas de Grupo (SADG),Organizacionais e a World Wide Web ................................... 64
Concluso .................................................................................................................................................................... 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 Deciso - um resumo ........................................................................................................ 74
Linha de Tempo (Histria dos SAD) ................................................................................................. 77
Sistemas de Apoio a Deciso em Grupo (SADG) .......................................................................... 78
Componentes de um SADG e o Software SSDG ....................................................................... 79
Opes para um SADG ...................................................................................................................... 79

Referncias Bibliogrficas .................................................................................................................................... 81

Recursos na Internet .............................................................................................................................................. 83
Processo de Deciso ............................................................................................................................... 83
Business Intelligence.............................................................................................................................. 83
Sistemas de Apoio Deciso ............................................................................................................... 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 (Inteligncia Organizacional)
BPM Business Performance Management
BSC Balanced Scorecard
CBR Case-Base Reasoning(Raciocinio Baseado em Casos)
CI Centro de Informao (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 Inteligncia 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 Gesto de Informao)
MIT Massachusetts Institute of Technology
MODM Multi-Objective Decision-Making
MS Management Systems (Sistemas de Gesto)
MSS Management Support Systems (Sistemas de Suporte Gesto)

9
NN Neural Network (Redes Neurais)

OAS Office Automation System
OIS Office Information System (Sistema de Informao de Escritrio)
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 Deciso (ver SDD e DSS)
SADD Sistema de Apoio Deciso Distribudo (ver DDMS)
SAS Statistical Analysis System (http://www.sas.com/)
SGBD Sistema de Gesto de Dados (ver DBMS)
SGC Sistema de Gesto de Conhecimento (ver KMS)
SGCR Sistema de Gesto de Comunicao e Rede
SGM Sistema de Gesto de Modelos (ver DBMS)
SI Sistemas de Informao
SIAD Sistemas Inteligentes de Apoio Deciso
SIE Sistema de Informao Executivo (ver EIS)
SIU Sistema de Interface com o utilizador
SQL Structured Query Language
SSD Sistemas de Suporte Deciso (ver DSS e SAD)
SSDG Software de Suporte deciso de Grupo
TI Tecnologias de Informao
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 mbito da disciplina de Sistemas de Apoio Deciso da
licenciatura de Tecnologias de Informao e Comunicao (TIC) da Escola Superior de
Tecnologia de Abrantes (ESTA), e rene diversa informao coligida (identificada pelos
respectivos autores e/ou fontes) com o objectivo de apresentar os conceitos e a evoluo dos
sistemas de Business Intelligence
1
e uma das sua plataformas tecnolgicas de apoio deciso
ou tipo conforme referido por alguns autores: Decision Support Systems
2
.
Para poder falar sobre Business Intelligence (BI) e Sistemas de Apoio Deciso
(SAD/SSD), necessrio contextualizar os dois assuntos no mbito do processo de deciso.
Assim, este documento est dividido em trs captulos: o primeiro dedicado ao Processo de
Deciso; o segundo sobre os Sistemas de Business Intelligence; e o terceiro dedicado aos
Sistemas de Apoios Deciso. Sobre o Processo de Deciso, este documento aborda os
factores que o influenciam, assim como o modo como encarado nas empresas. No segundo
captulo, abordado o conceito de Business Intelligence, por ser o mais abrangente,
considerado por muitos como o guarda-chuva de todos os sistemas de informa~o
organizacionais. O conceito de Business Intelligence muitas vezes confundido com o de
Decision Support Systems (DSS) e em outros casos at usado erradamente, como o caso
quando referido em exemplos especficos de tecnologias de BI usadas, como "Business
Intelligence using SQL", "Business Intelligence using Silverlight" ou SAS BI ou ainda Microsoft BI.
No terceiro captulo sobre os Sistemas de Apoio Deciso, aborda-se o seu conceito bem
como a sua evoluo histrica, assim como uma viso do futuro e impacto nas organizaes.
Este documento pretende ainda explicar que, tomar decises uma atitude de rotina e
comum para qualquer ser vivo. Com maior ou menor relevncia, cada um de ns toma
decises praticamente do momento em que acorda at o fim do dia. No entanto, na ctualidade,
o que diferente o nvel de complexidade e velocidade das decises a serem tomadas. No
caso das organizaes
3
, os volumes de dados e informaes tm vindo a crescer de forma
exponencial e isso, em vez de facilitar a tomada de decises, muitas vezes torna-a mais
complexa e incerta. A evoluo dos Sistemas de Informao (SI) e dos recursos de informtica,
especificamente com relao aos BI a aos SAD/SSD, tem permitido a intensificao do seu uso
nas mais diversas reas de trabalho e nveis de gesto, e fazem com que esses sistemas sejam
desenvolvidos para praticamente todo o tipo de actividade, das mais rotineiras at s mais
complexas. A procura de melhores resultados e a rapidez e segurana na tomada de decises
tm feito com que, todas as organizaes que utilizam dados e informaes para auxiliar esse
processo, procurem utilizar os recursos tecnolgicos mais modernos.
Palavras-Chave

1
O uso de alguns termos, feito em ingls, no s por ser a sua designao formal e original, como tambm porque a sua traduo
para Portugus no faria justia ao seu significado.
2
O termo Bussiness Intelligence (BI) referido em Ingls ao longo de todo o documento, no caso de Decision Support Systems (DSS)
ser referido como Sistemas de Apoio Deciso (SAD), apesar de alguns autores lusfonos referirem DSS na sua forma de traduo directa
Sistemas de Suporte Deciso (SSD). As abreviaturas BI e SAD/SSD identificam os dois assuntos.
3
Para que no ocorram ms interpretaes entre a forma como tratado o conceito de Organizao e o de Organizao Empresarial,
neste documento o conceito de organizao tratado ser 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 Deciso, Business Intelligence, BI, Decision Support Systems, DSS, Sistemas de
Apoio Deciso, SAD, Sistemas de Suporte Deciso, SSD.

12

INTRODUO
Nas organizaes, durante anos, consideraram a capacidade de decidir como uma arte
um talento inato conferido nascena aos gestores ou adquirido atravs de um longo perodo
de experincia (onde os erros fazem parte). As actividades de gesto so consideradas quase
como uma manifestao artstica pois uma grande variedade de estilos pessoais pode ser
utilizada na abordagem e tratamento do mesmo tipo de problemas prticos de gesto. Estes
estilos so na maior parte baseados em criatividade, intuio, pareceres e experincia, pondo
de lado mtodos sistemticos baseados em abordagens cientficas.
No entanto, actualmente o ambiente em que os gestores tm de trabalhar est mudar
muito rapidamente. A actividade organizacional e o ambiente em que se desenvolve hoje
mais complexo do que nunca e a tendncia a do aumento de complexidade. Hoje mais
difcil tomar decises por duas grandes razes. Primeiro, o nmero de alternativas
disponveis muito superior do que as no passado.
Segundo, o custo de cometer erros
4
(mesmo nos
pequenos pormenores) pode ser muito elevado, dada
a complexidade e magnitude das operaes e a
reaco em cadeia que um erro pode originar em
muitos sectores da organizao.
Assim, com estas tendncias torna-se difcil
depender apenas de estilos de gesto e abordagens
artsticas. Os gestores acabam por ser obrigados a
uma maior sofisticao, aprendendo a utilizar novas
metodologias, tecnologias e tcnicas desenvolvidas
para as suas reas especficas e apoiadas
habitualmente por sistemas de informao como
Business Intelligence e ainda pelos Sistemas de Apoio
Deciso.

Existem diversas definies acadmicas e
formais para Business Intelligence e para os Sistemas
de Apoio Deciso. Muitas delas encontram-se
atravs de procuras na Internet. Se usarmos um
motor de procura como por exemplo o Google e
procurarmos Business Intelligence como palavra-chave, mesmo que atravs duma procura
refinada o nmero 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 portugus Sistemas de Apoio Deciso foram
266.000 e para Sistemas de Suporte Deciso apenas 102 eventos. Obviamente existe muito
para dizer ou apresentar sobre BI e sobre SAD/SSD.
Aqui fica a minha contribui~o

"Se escolheres no decidir, j tomastes uma deciso."
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 DECISO
DECISO E DECISORES
O sucesso da gesto numa organizao, depende do desempenho eficaz das funes
tpicas de gesto, tais como planear, organizar, dirigir e controlar
5
. Para exercerem estas
funes, os gestores esto envolvidos num processo contnuo de tomada de decises, tais
como a elaborar planos, a seleco de um fornecedor, determinar o preo de um produto
entre outras mais. Nestas situaes, os gestores so os tomadores de deciso ou decisores.
Desde sempre, quase tudo o que o Homem faz, envolve tomar decises. A reside a
grande dificuldade de reflectir teoricamente sobre o tema. Quando se aborda este tema,
abordam-se pessoas, actividades humanas, decises e a forma como as decises so tomadas.
um assunto multidisciplinar, que tem atrado o interesse
de economistas, analistas, estaticistas, psiclogos, polticos
e filsofos.
Os decisores podem lidar com vrios tipos de
problemas de deciso, desde a operao diria at
estratgias de longo prazo da organizao. Os decisores
numa organizao actuam em diversos nveis, desde um
gestor de um projecto de desenvolvimento de software at
um presidente executivo de uma grande empresa. Portanto,
a deciso tomada sobre tarefas diferentes e a nveis
diferentes, tm caractersticas diferentes e requerem
diferentes tcnicas de apoio deciso. Os tipos de deciso
esto directamente relacionados com os tipos de problema
conforme se resume na tabela seguinte.

Deciso Tipo Problemas
Objectivos a curto prazo;
Controlo dirio de tarefas e projectos;
Problemas estruturados (embora
possam ser complexos);
Dados histricos precisos, detalhados
e internos.
Nvel Operacional

Estruturada/o

Problemas rotineiros ou repetitivos para os quais
existem solues estudadas (standard). So
conhecidos processos para obter uma soluo
ptima ou pelo menos boa para o problema. Os
objectivos esto claramente definidos e,
normalmente envolvem a minimizao dos
custos ou a maximizao dos lucros.
Objectivos a mdio prazo;
Alocao de recursos de acordo a
estratgia definida
Nvel de Gesto
Intermdia/Tctico
Semi-estruturada/o
Possuem elementos estruturados e elementos
no estruturados. A resoluo destes problemas
envolve a combinao entre processos de
resoluo standard e o julgamento humano.
Objectivos a longo prazo;
Definio das polticas
organizacionais;
Informao agregada proveniente de
fontes externas.
Nvel Estratgico

No estruturada/o
Problemas complexos para os quais no existe
nenhuma receita para aplicar. A intuio humana
serve frequentemente de base para a tomada de
deciso (exemplo: planeamento de novos
servios).
Tabela 1- Tipos de Deciso versus Tipo de Problemas

As decises podem ser feitas por indivduos ou grupos. As decises individuais so com
frequncia e normalmente feitas aos nveis baixos de gesto e em organizaes pequenas,

5
As quatro funes tpicas de um Gestor
Figura 2 - Abstracto/Tomar Decises
(Fonte: Google Imagens)

14
enquanto as decises de grupo geralmente so feitas aos nveis elevados de gesto e em
grandes organizaes. Na tomada de deciso em grupo, cada membro do grupo tem sua
prpria compreenso do problema e da soluo. Os membros do grupo participam na tomada
de decises com diferentes capacidades e recursos de aco. A tomada de deciso do grupo,
mais complexa do que decises individuais, devido aos conflitos entre si os diferentes
decisores "os interesses prprios e preferncias. Portanto, a comunicao e a interaco entre
os membros do grupo so muito importantes na tomada de deciso em grupo.
Como j foi referido anteriormente, decidir est nos dias de hoje, cada vez mais, a
crescer em complicao e dificuldade, devido sobrecarga de informaes e ambientes de
decis~o flutuantes. Com as Tecnologias de Informao e Sistemas de Comunicao, podemos
encontrar rapidamente e com facilidade grandes quantidades de informaes e assim gerar
mais alternativas. No entanto, a mudana do ambiente impe incertezas, que exigem decises
dinmicas e rpidas. O custo do erro pode ser elevado devido complexidade das operaes,
automao e a reaco em cadeia que o erro possa causar aos vrios nveis de actividade da
Organizao e externa a ela. Por estas razes, os decisores necessitam de suporte tcnico para
os apoiar na qualidade das decises e num curto espao de tempo.
bem entendido que o gestor no uma pea isolada na estrutura das organizaes,
sendo sim parte integrante do sistema de influncias que lhe est inerente.

Na diversa literatura
6
sobre o assunto, encontra-se entre outras, a seguinte classificao
para os diversos nveis da gesto:
Gestores de 1 linha - correspondem ao nvel mais baixo da organizao em que existe um
responsvel afecto a determinada equipa de trabalho. Neste nvel, e para alm das 4 funes tipo
(ver pgina 11) que o gestor desempenha, frequente que ele desempenhe ainda outra funo: o
Executar. Estes gestores enquadram-se sobretudo no nvel Operacional das organizaes.
Estabelecesse a associao entre este nvel de gesto e a pergunta (formulada do ponto de vista da
organizao): Onde Estou?
Gestores intermdios - dirigem as actividades dos gestores de 1 linha, sendo tambm frequente
coordenarem o trabalho dos operacionais. Reportam a outros gestores e dirigem as actividades
que visam implementar as directrizes da empresa. Tm um enquadramento sobretudo Tctico. A
pergunta central que ocupa as pessoas neste nvel de gesto : Como l chegar?

6
Referncias:
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 - Informao necessria a diferentes nveis de gesto versus tipos de Deciso
GESTO
ESTRATGICA

Para onde
Queremos ir?
Gestores Executivos
GESTO TCTICA

Como L Chegar?

Gestores Intermdios
GESTO OPERACIONAL

Onde Estou?

Gestores de 1Linha ou Operacionais
Pr-especificada
Programada
Detalhada
Frequente
Histrica
Interna
mbito restrito
ou
Operacionais
Ad Hoc
No Programada
Resumida
Pouco Frequente
Prevesiva
Externa
mbito Lato
ou
Operacionais
Estruturada
ou
Operacionais
No-Estruturada
Semi-Estruturadau
Operacionais

15
Gestores Executivos ou de topo - ocupam os lugares mais elevados da hierarquia organizacional,
sendo responsveis pela gesto global da organizao. Estes gestores preocupam-se com a
definio das linhas Estratgicas que traam o rumo da organizao: Para onde queremos ir?
A associao das tarefas de gesto aos diferentes nveis de gesto definidos na pgina
anterior no pode ser feita com base em regras de classificao rgidas, uma vez que existe
uma partilha dessas tarefas, que poder ser distinguida com base no tempo afecto por cada
um dos nveis a essas mesmas tarefas. Estes nveis de gesto tm latente um determinado
grau de autoridade
7
que est na base da modelao da estrutura formal da organizao. Ou
seja, pode traduzir-se numa hierarquia. Esta hierarquia inerente aos nveis da gesto parece
estar fortemente correlacionada com a hierarquia de decises. O comportamento dos
indivduos que desempenham determinado papel ou funo de gesto e/ou operacional
orientado por objectivos.
O foco do processo de deciso pode ser:
A seleco dos objectivos de negcio transversais organizao tipicamente
os objectivos estratgicos, que se propem 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 deciso tomada);
A implementao desses objectivos tipicamente de carcter operacional, que
do resposta a problemas altamente estruturados, na medida em que so facilmente
determinados e em que as alternativas de aco so claras e bem definidas.

Tem que se falar em hierarquia porque o estabelecimento de objectivos pelos nveis de
gesto mais altos da hierarquia tem forosamente impacto na implementao dos objectivos
dos nveis de gesto seguintes. Retomo aqui as funes e actos de Decidir e Executar. A tarefa
de atingir os objectivos de uma organizao recai quase sempre sobre as pessoas nos nveis
mais baixos da hierarquia, que dedicam a maior parte do seu tempo ao Executar. Mas a
correcta definio dos objectivos ter de ser determinada pelos nveis superiores, cuja
principal afectao de actividades se centra no Decidir. Contudo, no se deve inferir que esta
hierarquizao de objectivos claramente definida e aceite as organizaes so complexas,
frequentemente multi-objectivos, que so alvo de ponderaes (ou prioridades) em funo de
nveis de import}ncia ou do grau de influncia dos seus patrocinadores.

7
Entenda-se Autoridade neste contexto como o poder de tomar decises que influenciam as aces de outros. Implica a noo de
superior hier|rquico e, consequentemente, de subordinado.
Viso
Misso
Valores
Objectivos
Tomada de deciso de Nvel
Estratgico
Para onde quero ir?
Tomada de deciso de Nvel Tctico

Como l chegar?
Tomada de deciso de Nvel Operacional

Onde estou?
Inteligncia
Regras e
Cultura
Conhecimento
Informao
e Modelos
Dados
N de Decises
Decises
No Estruturadas
Problemas
Pouco
estruturados
Impacto elevado
Demoradas
Risco elevado
Rotineiras
Rpidas
Baixo nvel de
conscincia
Altamente
estruturados
Esquema 2 Hierarquia e niveis de Deciso
Estruturadas
Semi-Estruturadas

16
O acesso a informao de apoio deciso ganhou o devido relevo e a extraco de
conhecimento e sabedoria da imensa quantidade de dados gerada pelos sistemas operacionais
atravs da aplicao de modelos tem hoje uma dimenso claramente estratgica. Os decisores
so encorajados a justificar as suas aces com base no conhecimento extrado dos dados,
pelo que fundamental representar a importncia do conjunto:

Dados - Modelos Conhecimento - Inteligncia.

Com o objectivo de apoiar o gestor a utilizar os dados e modelos inerentes ao seu
negcio de forma a dar resposta s 3 questes fundamentais que determinam o seu sucesso:

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

Figura 3 - Abstracto / Perguntas deciso
PROCESSO DE DECISO
Como j referido antes, a decidir, basicamente, a escolha de uma opo entre diversas
alternativas existentes, seguindo determinados passos previamente estabelecidos e
culminando na resoluo de um problema de modo correcto ou no.
Na diversa literatura e fontes investigadas, alguns dos modelos de tomada de deciso
pressupem que a tomada de deciso sempre a soluo um problema. Frequentemente, a
primeira etapa na deciso de processo identificar o problema.
Pessoalmente no sou da opinio que o objectivo de cada deciso resolver um
problema no sentido literal da palavra. Por exemplo, decidir sobre o desejo entre chocolate
escuro ou chocolate de leite no por si mesmo, um quadro de problema mas sim a
necessidade de decidir entre alternativas. Compreendo tambm que, para algumas pessoas, a
tomada de decises pode ser um problema! Mas isso no significa que eles so a mesma coisa.
No entanto, apesar da possvel discusso de conceito relativamente ao objectivo do
processo de deciso, relativamente ao processo em si no existem muitas dvidas.
Na generalidade dos casos, o Processo de Deciso comea com o reconhecimento e
assimilao de um problema de deciso, e termina com a escolha da soluo final no meio de

17
finitas ou infinitas alternativas. O processo de deciso proposto por Herbert Simon
8
(1977)
envolve trs fases: Inteligncia, Concepo e Escolha. Mais tarde, foi acrescentada uma quarta
fase: Implementao.
9

O modelo em quatro fases, pode ser usado como guia para o desenvolvimento especfico
de tomada de deciso. Diferentes decisores podem dar mais nfase a uma fase em detrimento
de outra(s). Assim, como diferentes problemas de deciso podem necessitar de mais detalhes
ou sub-fases numa ou mais fases.
Actualmente existem tantos modelos a ilustrar o Processo de Deciso que obriga at a
que seja preciso decidir qual o modelo adequado situao. Existem modelos racionais,
intuitivos, racional-iteractivos, irracionais assim como modelos com 5, 6, 7 e at com 9 fases
10
.
(McDermott, 2010)
O modelo abordado neste trabalho um modelo tpico com uma extenso ao Processo
de Deciso baseado no modelo bsico de Simon (1997). O modelo envolve 6 fases tal como
ilustrado no esquema da pgina seguinte:

Inteligncia: Anlise e identificao do problema;
o Determinar requisitos/necessidades

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

Comparao entre as alternativas;
o Determinar critrios
o Determinar riscos

Classificao dos riscos de cada alternativa;
o Seleccionar um mtodo
o Estabelecer prioridades e entre risco e soluo

Escolha: Escolher e avaliara melhor alternativa;
o Validar solues

Implementao: Execuo e avaliao

8
http://en.wikipedia.org/wiki/Herbert_Simon
9
Ver resumo sobre a Teoria da Deciso e Modelos de Deciso, 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 deciso
(Fonte: http://www.selfempoweringtips.com/)

18

PROCESSO DE DECISO NAS EMPRESAS
A funo dos gestores de empresas fundamentalmente uma funo de deciso. Os
processos administrativos so basicamente processos de deciso. As decises de gesto
afectam directamente a sobrevivncia da empresa e a vida das pessoas que giram em torno
dela, sejam elas empregados, accionistas, fornecedores ou clientes. Por isso, quem decide
exposto a inmeros factores de influncia. Todas as pessoas exigem dele um resultado
satisfatrio. Muitas vezes, clientes, accionistas e empregados solicitam solues diferentes e
at antagnicas para solucionar um mesmo problema. O cliente exige: qualidade, preo,
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 condies de trabalho,
incluindo melhores salrios, garantia de emprego, assistncia mdica e odontolgica, e outras
reivindicaes mais especficas.
necessrio estabelecer prioridades, quando existem objectivos e posies antagnicas,
carncias ou disputas de recursos e de informaes; transformar os objectivos empresariais
em objectivos colectivos, por meio da participao e da viso do futuro que deve ser
partilhada com todos os membros da empresa. E necessrio, tambm, satisfazer os clientes
ou utilizadores, sem se descuidar dos interesses dos accionistas e das necessidades dos
empregados. As decises so actos de poder, no momento em que renem recursos, definem
estratgias, conduzem o destino de empresas e de pessoas, os gestores assumem uma
dimenso poltica muito semelhante de um governo. No quotidiano, a viabilizao desse
processo, que, na maioria das vezes, cheio de conflitos de interesses, exige objectivos
partilhados, liderana, comunicao efectiva e habilidade de negociao constante.
Esquema 3 - Modelo Processo de Deciso em 6 Fases (extenso ao modelo bsico de Simon)
Descoberta do problema:
Qual o problema?
Descoberta das Alternativas
Quais so as solues possveis?
Escolha da Soluo:
Qual a melhor soluo?
Implementao e teste da Soluo:
A soluo est a funcionar?
O que podemos fazer para melhor-la?
INTELIGNCIA
CONCEPO
COMPARAO
ALTERNATIVAS
CLASSIFICAO
RISCOS
Problema
ESCOLHA
IMPLEMENTAO
Riscos
Alternativa
Soluo
RESULTADO
SUCESSO
FALHA
REALIDADE
DA
SITUAO
Verificao e teste
da Soluo proposta
Validao
do Modelo
Simplificao e
Pressupostos

19
A informao algo que algum deseja obter e est disposto a pagar por ela; no
tangvel nem mensurvel, mas um produto valioso no mundo contemporneo, porque
proporciona poder. O controle da informao alvo de governos, empresas e pessoas. (Gates
1997). Tal como disse Bill Gates, a procura de informaes actualmente o maior alvo dos
governos e das empresas. atravs da informao que possvel ter um melhor suporte ao
processo de deciso. funo das ferramentas, que vo dar suporte a este processo, levantar
as informaes necessrias de uma forma rpida, confivel e exibi-las de uma forma
facilmente compreensvel.
FACTORES QUE AFECTAM A DECISO
A necessidade de tomar uma deciso, aparece sempre que estamos perante um
problema que possui mais do que uma alternativa para a
sua resoluo.
Todas as decises tm consequncias e envolvem
riscos. A situao de decidir geralmente, dependendo
do tipo de problema, fonte de stress para quem decide e,
geralmente, aps as tomadas de deciso 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 marcado por claras manifestaes
psicossomticas, tais como dores de cabea, perturbaes
gstricas, manifestaes de euforia, depresso ou outros
sintomas fsicos.
Existem alguns factores que exercem influncia
directa no processo de deciso. Antes de existir o
problema, j existem estes factores e, quando o problema surge, o mesmo inserido num
cenrio onde estes factores esto embutidos. Normalmente, estes factores no fazem parte
das variveis que compem o problema, ou mesmo das alternativas propostas para a soluo
do mesmo, porm, estes factores esto sempre presentes e exercem influncia na soluo do
problema.

Factores que exercem influncia individual
ou colectiva
Factores de influncia nas empresas
a inteligncia e a cultura;
o nvel social;
o sexo;
a religio;
os costumes e as crenas;
a tica moral e a tica profissional;
a sade fsica e mental;
a influencia familiar , factor emocional, na
hora exacta da tomada de deciso.

a necessidade de produtos ou servios com qualidade;
a necessidade de atendimento rpido e personalizado;
a necessidade de preos competitivos;
as condies impostas por clientes e/ou fornecedores;
as exigncias dos governos e da sociedade;
a concorrncia;
as notcias dos media;
as tecnologias utilizadas
o melhor emprego dos recursos existentes;
as normas existentes na empresa;
a legislao em vigor;
o meio ambiente.
Como se pode confirmar, tomar decises no contexto actual algo complexo. Administrar
esta complexidade o desafio do gestor moderno. Boas ferramentas de suporte ao actual e moderno
processo de deciso so imprescindveis.
Figura 5 - Abstracto/Solues alternativas
( Fonte: http://www.mcmullin.ca)

20

II - BUSINESS INTELLIGENGE
CONCEITO
A descrio do conceito de Business Intelligence (BI) exige uma complexidade e uma
sensibilidade que ainda no tenho a 100% no entanto apoiado na diversa documentao
investigada aqui fica a minha contribuio.
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 Informao (TI)
que permitem tratar toda a informao, e ajudar os gestores na anlise de decises sobre os
negcios da empresa ou da organizao, algo recente? O BI pode ser meramente entendido
apenas no enquadramento de solues TI? Eu humildemente no concordo!
Dou um exemplo concreto e real. Na construo da pirmide de Kukulcn em Chichen
Itz/Mxico
11
, pela civilizao Maya, por
volta de 800 d.C, no foi necessrio estudar
e analisar o espao fsico, a posio dos
astros, principalmente do sistema solar, e
outros tantos pormenores? No foi
necessrio cruzar todas estas informaes
de modo a decidirem da melhor forma no
que respeita arquitectura? Claro que sim
e no devemos chamar a isso Business
Intelligence?
A cultura Maya apenas um exemplo. A histria de Portugal foi feita a partir da recolha e
cruzamento de informaes, anlises efectuadas e muitas decises tomadas!
Assim, Business Intelligence traduz-se na obteno de Conhecimento e Sabedoria sobre a
actividade da organizao 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 explorao dos
Sistemas de Informao (SI) de que a organizao dispe, com o objectivo de optimizar os
diversos problemas de tomada de deciso inerentes Organizao. Esse Conhecimento
dever ser estruturado com base em critrios chave, que permitam avaliar o estado actual da
actividade e fundamentar os planos de aco desenhados pela gesto de topo.
Segundo a maioria dos autores, o processo de obteno de conhecimento em Business
Intelligence, dividido em dois tipos tecnolgicos
12
:
Os Executive Information Systems (EIS) - gesto de SI com o objectivo de facilitar
e suportar a informao e as necessidades de tomada de deciso, fornecendo,
atravs de uma interface grfica amig|vel, o acesso integrado informao
externa e interna relevante estratgia da organizao. Os EIS auxiliam os gestores,
analistas e executivos nas suas anlises, comparaes 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 - Pirmide de Kukulcn (Mrio 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))
organizao, bem como identificar oportunidades e problemas. Um exemplo recente
dos EIS, so os dashboards digitais
13
.
Os Sistemas de Suporte Deciso (SAD/SSD) que vo ser explicados em detalhe
no segundo captulo deste documento.

Os Sistemas de BI podem ajudar as organizaes a tornar-se inteligentes, mas o seu
papel no substituir os seus gestores, mas sim apoiar melhor o processo de deciso das
organizaes. A inteligncia reside na correcta definio dos problemas das organizaes.
Mas, para os resolver, torna-se necessrio dar mais um passo alcanar a sabedoria. A
definio das solues, dos caminhos para a resoluo dos problemas. O BI torna as
organizaes inteligentes. Cabe aos gestores torn-las sbias. (Nunes, 2007)

Os Sistemas de BI providenciam pontos de vista histricos, correntes e de previso das
operaes organizacionais, na sua maioria atravs de dados recolhidos via sistemas de Data
Warehouse
14
e ocasionalmente directamente atravs de dados operacionais.
Os BI, assumem assim uma importncia
de relevo no processo de deciso duma
organizao porque:
De forma pr-activa identificam
tendncias de mercado e oportunidades
Ajudam a prioritizar actividades para
assegurar o uso mais eficiente dos recursos
disponveis e tomar decises efectivas
Ajudam a tomar decises inteligentes,
informadas e assim contribuir para o sucesso
da organizao
Permitem ainda actuar nos resultados
de anlises numa verso completa e
consistente de todos os dados da
organizao.

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
Analticas
Planos, Processos,
Mudanas de sistema
Aplicaes de
Relatrios
Tendncias e
Padres
Implementao
e Uso
EXPERINCIA 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)
HISTRIA E EVOLUO
A histria dos Sistemas de Business Inteligence recente e comeou em 1958, quando o
investigador da IBM Hans Peter Luhn
15
num artigo
16
usou pela primeira vez o termo Business
Intelligence. Nesse artigo, definiu inteligncia
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 dcada de 60,
quando os computadores diminuram de
tamanho e as empresas comearam a usar os
dados como fonte de informaes decisivas e
que atravs deles, poderiam obter potenciais
lucros, surge uma fase no fim dos anos 60que
se pode designar por Pr-BI, perodo em que a
linguagem COBOL
17
, transstores e cartes
perfurados, eram a realidade da Informtica 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 dcadas seguintes foram marcadas
pela uma evoluo contnua das Tecnologias
de Informao (TI) e a necessidade cada vez
maior de guardar dados, gerar relatrios e a
utilizao de ferramentas cada vez mais actuais e modernas. Na dcada de 70, o panorama
comeou a mudar com o aparecimento de novas tecnologias de armazenamento e acesso a
dados Direct Access Storage Device
18
(DASD) e Data Management System
19
(DBMS), duas
siglas cujo principal significado era o de estabelecer uma nica fonte de dados para todo o
processamento. Assim, o computador passou a ser visto como um elemento de coordenao
central para actividades organizacionais e as bases de dados foram consideradas um recurso
bsico para assegurar a vantagem competitiva no mercado.
No inicio dos anos 80, nasceu o conceito de Information Center (IC) ou Centro de
Informao (CI). A ideia de que utilizadores finais poderiam fazer as suas recolhas e anlises
foi lentamente difundida. A pea que faltava era ter alguma orientao da ordem por trs da
seleco de ferramentas e as habilidades necessrias para us-las. O nmero de utilizadores
capazes de realizar magia com dados com pouca assistncia era bastante pequeno. A ideia
era que se podia ir a um local central: os CI e obter assistncia daqueles cujo trabalho era
especializado nas Tecnologias de Informao e assim encurtar a curva de aprendizagem.
Os Centros de Informao (CI) tradicionalmente, foram criados como uma organizao
de apoio central projectada para fornecer um conjunto de servios para os utilizadores finais
e actuarem como elo de ligao entre as TI e os utilizadores inexperientes. Era um centro de
competncia que prestava assistncia inestimvel 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 organizao. 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 contnuo.
Apesar dos seus cerca de 30 anos de histria, s em 1989, Howard Dresner
20
, um
analista da empresa americana de consultadoria Gartner Group
21
, 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 referncia ao processo inteligente da recolha, organizao, anlise, partilha
e monitorizao de dados, de forma a gerar informaes para o suporte de tomada de
decises no ambiente de negcios. S a partir de meados da dcada de 90 que o termo foi
largamente difundido e usado.
No inicio dos anos 90, a maioria das grandes empresas contava somente com os Centros
de Informao (CI), que embora mantivessem as suas bases de dados, ofereciam pouca
disponibilidade de informao. Mesmo assim, os CI satisfizeram, de certa forma, as
necessidades dos executivos e detentores das tomadas de deciso, fornecendo relatrios e
informaes sua gesto. Neste perodo, o mercado passou a comportar-se dum modo mais
complexo e as Tecnologias da Informao progrediram rumo ao desenvolvimento e
melhoramento de ferramentas de software, as quais ofereciam informaes precisas e no
momento oportuno para definir aces que tinham como foco a melhoria do desempenho das
organizaes no mundo dos negcios.
Em 1992/93 surge o primeiro Data Warehouse
22
que uma grande base de dados
informativos, ou seja, um repositrio nico de dados (os quais foram consolidados, limpos e
uniformizados) considerado pelos especialistas no assunto como a pea essencial para a
execuo prtica de um projecto de BI e os processos de tratamento de informao: extraco,
integrao, filtragem e modelao que traduzem a evoluo tecnolgica no BI.
Com o passar dos anos, o BI ganhou uma maior abrangncia, e num processo de
evoluo natural, paralelamente foram criadas um conjuntos de ferramentas tecnolgicas
EIS, SAD/SSD, entre tantas outras, com o objectivo de dinamizar a tomada de decises e
refinar estratgias que melhor consigam responder aos objectivos delineados e de satisfazer
as necessidades dos clientes.
Chegamos nossa poca em que sistemas de BI, tm o poder de determinar a dianteira
frente concorrncia. Afinal, no basta saber o que o cliente deseja hoje, preciso antecipar e
saber o que ele vai ambicionar daqui a cinco minutos. Esta a diferena do sucesso.
Tradicionalmente, os sistemas de Business Intelligence pertenceram ao domnio do
pessoal de TI e dos especialistas em pesquisa de mercado, responsveis pela extraco de
dados, pela implementao de processos e pela divulgao dos resultados aos executivos
responsveis pela tomada de decises. Mas o crescimento da Internet mudou tudo. Se at
ento a aplicao desse conceito era a de levar informao a poucos empregados
seleccionados de uma empresa, para que fizessem uso em suas decises, a Internet
transformou esse cenrio. Hoje, a Internet permite disponibilizar solues de BI para um
nmero maior de pessoas.
Performance Management ou Gesto de Performance/Desempenho a nova gerao de
BI, um conjunto de processos que ajudam as organizaes a optimizar a sua performance de
negcio. Obter respostas e actuar sobre elas, significa integrar, analisar, planear, e mensurar e
monitorizar a todos os nveis da organizao. Performance Management actua sobre

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

25
medidas, planos e relatrios em cada rea funcional para que sejam tomadas a melhores
decises possveis em todo o espectro de actividade e actuao da organizao.

Esquema 5 - Evoluo das TI versus BI

Este documento no estaria completo sobre a histria e evoluo dos sistemas de BI,
sem referir-se aos sistemas de Business Intelligence 2.0 (BI 2.0), o termo usado para referir a
nova gerao de sistemas e software BI que mais pr-activo do que reactivo.
A primeira gerao de BI analisa informao envolvida em decises orientadas para o
negcio, enquanto esta nova gerao de BI 2.0 ajuda a tomar decises antes ou no momento
do acontecimento de eventos. Por outro lado, enquanto os sistemas BI (1.0) analisam ou
apoiam decises que j foram tomadas, os sistemas BI 2.0 calculam continuamente dados
(Open Loop), so flexveis, adaptveis e inteligentes (inteligncia artificial) (Rout & Sahoo,
2009). Sobre este assunto est tambm 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 users 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 funes operacionais
- Processamento em larga escala
- Aumento de eficincia
- Registos contabilsticos
- Folhas de pagamentos
- Sistemas centralizados
- Aumento da velocidade
- Reduo de custos
- Relatrios
- Implantao de departamentos intermdios
- Microcomputadores
- Conhecimentos Ti
- Utilizadores e Controlo de acesso
- Altos executivos em TI
- Eficincia e produtividade
- Impactos na competitividade
- Alinhamento com o negcio
- TI integrada s estratgias
- Ampla informao disponvel
- BOOM da Internet

- Importncia da TI
- Evoluo da tecnologia
- Sistemas integrados de SSD
- BUSINESS INTELLIGENCE 2.0

26
BI, considerado por alguns,
tambm como espionagem industrial
com o objectivo de recolha de
informaes (McGuigan, 16Mar2010)
ARQUITECTURA E COMPONENTES
O conceito de Business Intelligence significa coisas diferentes em diferentes domnios. Do
ponto de vista tcnico dos sistemas de informao, BI refere-se ao processo de extrair,
transformar, gerir e analisar dados organizacionais, de forma a apoiar o processo de deciso.
Este processo orientado a grandes volumes de dados
com o objectivo de disseminar inteligncia e
sabedoria ou conhecimento por toda a organiza~o,
desde o nvel estratgico ao tctico e operacional.
Relacionado com o processo de lidar com dados, BI
referem-se ainda a tecnologias, aplicaes e praticas para a recolha, integrao, anlise, e
apresentao da informao, tais como o Data Warehousing (DW), Data Marts
23
(DM), On-line
Analytical Processing
24
(OLAP), Reporting
25
e Data Mining
26
, entre outras, que na pgina
seguinte quando se descrevem os componentes de BI, visvel o seu papel num sistema de BI.
Uma arquitectura BI ideal, consiste num processo em cinco etapas chave
27
(CSIRO 2003):
1. Fonte de Dados (Data Sourcing) Um sistema de BI capaz de extrair dados de
mltiplas fontes de dados, representando diferentes sectores empresariais, tais
como marketing, produo, recursos humanos e finanas. Os dados extrados devem
ser limpos, tranformados e integrados para an|lise.
2. Anlise de Dados (Data Analysis) Nesta etapa, os dados so convertidos em
informao ou conhecimento atravs de diferentes tcnicas de anlise de dados, tais
como Enterprise Reporting
8
, Data Modeling
28
, Visualizao e Data Mining. Os
resultados da anlise de dados ajudam os gestores a terem uma melhor
compreenso do ambiente da organizao e a tomarem melhores decises
3. Situation Awareness (SA) a profunda compreenso da situao envolvente e
actual da deciso, baseada nos resultados da anlise de dados. SA um pr-requisito
chave para tomar decises. Os sistemas BI devem ser capazes em ajudar os
decisores a desenvolverem uma boa SA sobre as suas decises.
4. Anlise de Risco Uma boa SA pode ajudar os gestores a preverem o futuro,
identificar ameaas e oportunidades, em assim responder de acordo. No entanto,
actualmente os negcios so envolvidos num crescente ambiente complexo. O
processo de deciso sofre riscos internos e externos organizao. A anlise desse
risco uma funo importante dos BI.
5. Apoio deciso O objectivo final dos BI ajudar os gestores a tomar decises 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 at o numero dos que o
compem, no a mesma. Apesar de alguma subjectividade
no assunto, encontram-se algumas certezas, e uma delas
que o lado tecnolgico dos sistemas de BI 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 tecnolgica do
sistema. O uso de diversas tecnologias e ferramentas de BI
depender do tipo de estrutura.
Depois de alguma investigao, rapidamente se percebe
que a diferena de termos e conceitos diverge apenas no
tempo em que foram publicados, resultado da rapidez do
desenvolvimento dos sistemas BI. Actualmente, os
componentes
29
numa arquitectura tpica de BI para satisfazer
as 5 etapas chave apontadas antes e directamente relacionadas com nveis organizacionais,
consistem em quatro apontados tipicamente mais um Mdulo de Gesto de Metadados -
Metadata Management Module
30
(ver Esquema 7):

Fontes de dados (Data Sources) - Nvel Sistemas Operacionais
Tipicamente sistemas transaccionais usados para levar a cabo a actividade da
organizao. Estes incluem sistemas Enterprise Resource Planning
31
(ERP), Logs de
servidores Web, Sistemas de Fabrico/Produo, OLTP
32
, 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 nvel dos sistemas operacionais,
tais como Online Transaction Processing (OLTP) que apoiam as operaes dirias da
organizao, tais como processamento de ordens de clientes, sistemas financeiros,
sistemas gesto de recursos humanos.

Movimento de dados (Data Movement) - Nvel Aquisio Dados
o inicio de uma soluo tcnica robusta. Ao mover dados das fontes de dados, est a
isolar e minimizar o impacto no desempenho dos sistemas crticos actividade da
organizao e a fornecer a oportunidade para mais ajustes de performance s consultas
(Queries). Outro ponto a ter em conta: no se est apenas a mover dados, mas tambm a
reorganiz-los duma forma que a sua recolha para o processo de Reporting ser mais fcil
e rpida. O componente Movimento de Dados um componente de pr-processamento
de dados que inclui 3 fases: Extrair, Transformar e Carregar (Extract Transform Load
ETL). Uma organizao normalmente tem diferentes sistemas operacionais e
transaccionais (OLTP) a produzir elevadas quantidades de dados. Estes dados so
primeiro extrados dos sistemas OLTP atravs do processo ETL e depois transformados

29
Os termos para designar os componentes estaro em Portugus e na sua forma original em Ingls.
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 so limpos, unificados, e
agregados e finalmente carregados num sistema central de Data Warehouse. ETL 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 concepo e desenvolvimento do ETL, qualidade de dados, flexibilidade e velocidade
de processamento so as maiores preocupaes.

Armazenamento de dados (Data Storage)
Os dados movidos das fontes de dados atravs do processo ETL, tm que ser
armazenados num Data Warehouse que tradicionalmente implementado pelo uso de
Sistemas de Gesto de Base de Dados Relacionais Relational Database Management
Systems
33
(RDBMS). Um RDBMS concebido para suportar o processamento do processo
ETL. Por contraste, um Data Warehouse orientado a assuntos, variaes-tempo, dados
no volteis e integrados (Inmon 1993)
34
. Os dados, dos sistemas OLTP da organizao
s~o ETL no Data Warehouse baseados em esquemas pr-definidos. O esquema em
Estrela (Star Schema) e o Snowflake Schema so os esquemas mais populares.
Uma base de dados configurada para um sistema transaccional radicalmente
diferente que uma base de dados (ex: Data Warehouse, Data Marts) configurada para BI.
Num sistema transaccional, o objectivo recuperar um registo to rpido quanto possvel.
Entretanto, uma base de dados dum sistema BI ir adquirir milhes de registos, sumariz-
los e depois retornar um resultado conciso. No importa que tipo de esquema se use na
concepo de um Data Warehouse, o DW inclui sempre dois tipos bsicos de tabelas: fact
tables e dimension tables.

Apresentao de Dados (Data Presentation) Nvel Analtico
Este componente o interface do utilizador aos dados, que fornece a capacidade para
recolha de dados dos Sistemas de Armazenamento e process-los para visualizao
(Output). A visualizao aparece em vrias formas que incluem Relatrios, Dashboards
35
,
RSS Feeds, Desktop Widgets
36
, Aplicaes mveis (PDA/WAP), etc. So vrias as aplicaes
analticas desenvolvidas para satisfao das necessidades deste este ltimo componente e
nvel Analtico do sistema de BI: Os sistemas de BI suportam dois tipos bsicos de funes
analticas: Reporting e Online Analytical Processing (OLAP).
Alm de Reporting e OLAP, existem
outros tipos de aplicaes analticas 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 aplicaes no so
necessariamente usadas com base num DW.
No entanto, integr-las em sistemas DW
tornou-se uma prtica comum em muitos
sistemas BI.

33
http://en.wikipedia.org/wiki/Relational_database_management_system
34
Esta a definio original de DW. Os sistemas actuais de DW podem ser do mbito de toda a organizao e os dados podem ser
actualizados por sistemas BI em tempo diferido, instncia 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
Gesto de Metadados (Metadata Management)
Metadados so um tipo especial de dados sobre outros dados (DW, Regras de negcio,
Autorizao de acessos) e duma forma diferente como so extrados e transformados.
Os Metadados so cruciais para produzir informao com exactido, consistncia e
manuteno do sistema. Afecta o processo global de concepo, desenvolvimento, testes,
implementao 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 funes bsicas do sistema: extrair dados dos sistemas operacionais da
organizao, armazenar os dados extrados num DW central, e recuperar os dados
armazenados para vrias aplicaes de anlise.
E aqui vale destacar que informaes a princpio desconexas e sem relao aparente
podem, quando correctamente analisadas, mostrar um padro de comportamento, capaz de
proporcionar um resultado nunca antes imaginado. So informaes preciosas que podem por
exemplo, levar desde a criao de um novo produto ou servio ou adequao de um j
existente at a criao de uma campanha de marketing bem sucedida, de forma a fazer a
diferena entre as demais organizaes.
FERRAMENTAS COMERCIAIS
Actualmente, a variedade de aplicaes de software que se acomodam sob o imenso
guarda-chuva baptizado de Business Intelligence muito elevada e continua em constante
evoluo. 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 configurveis, at ferramentas isoladas e inclusive solues que
permitem s organizaes se aventurarem no desenvolvimento de um sistema totalmente
caseiro e personalizado. Encontramos desde os simples dashboards, geradores de consultas
(queries) e relatrios, Sistemas de Apoio Deciso (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), at solues mais sofisticadas, como as ferramentas de Back End como os ETL,
Esquema 7 - Arquitectura e Componentes de um Sistema BI Tpico
SAD
EIS
BSC
Etc..

Finanas
Gesto de Metadados
RH
Base
Dados
Intermdia
EXTRAIR
OLTP
DW
DM
DM
DM
CARREGAR
OLAP
Consultas
Reporting
TRANSFORMAR
ETL
Multiplas Fontes de Dados
Sistemas Operacionais
Movimento Dados
Aquisio Dados
Armazenamento
de Dados
Apresentao 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 tm em comum a caracterstica de facilitar a transformao dos dados em
informaes amig|veis de forma a auxiliar os diversos nveis de uma empresa na tomada de
decises. A escolha por uma ou outra ferramenta, depende basicamente da necessidade
especfica de cada empresa e da sua capacidade de investimento. O que os especialistas de BI
das organizaes devem ter em mente adoptar ferramentas que permitam aceder a detalhes
pertinente das bases volumosas de dados, com o menor custo e mantendo o desempenho, sem
perder a integrao.
Exemplo de categorias para aplicaes 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 Notificao 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 relatrio
37
onde faz a avaliao de
ferramentas e plataformas comerciais de BI. O Relatrio apresenta ainda uma viso actual do
conceito de BI. Forrester define
BI como um conjunto de
metodologias, processos,
arquitecturas e tecnologias que
transformam dados brutos em
informao representativa e
til, usada para permitir
insights e tomadas de deciso
mais efectivas nos nveis
estratgico, tctico e
operacional. O relatrio,
apresenta ainda uma vasta lista
de ferramentas de BI, que vai
muito alm do ultrapassado
conceito de apenas relatrios 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
LIMITAES 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 informaes e eventualmente ter
sucesso na tomada de decises. No entanto, os sistemas BI como j foi referido anteriormente,
so sistemas orientados a dados e de apoio deciso. Os sistemas BI actuais apenas
parcialmente apoiam o trabalho dos gestores (Singh et al. 2002). A nfase na anlise dada a
manipulao de volumes elevados de dados, ao invs de apoiarem os gestores na tomada de
decises na perspectiva cognitiva.
Um sistema BI capaz de fornecer aos gestores quantidades elevadas de dados internos
e externos organizao, mas mais dados no igual a informao mais valiosa (Endsley et al.
2003). Por um lado, a funo Reporting principalmente uma representao de informao
pr-definida. Isto , os relatrios da organizao so gerados em modelos fixos em tipo e
forma ao serem executadas consultas pr-configuradas e definidas ao DW. Os relatrios pr-
definidos so eficientes e efectivos no caso de eventos de negcios estruturados e repetitivos,
por exemplo relatrios peridicos (dirios, semanais, mensais, trimestrais e anuais) de
vendas dum produto. No entanto, relatrios pr-definidos no so nada flexveis como muitos
eventos mal estruturados ou imprevisveis requerem, como por exemplo, campanhas de
marketing imprevisveis e pontuais. Por outro lado, Anlises ad-hoc baseadas em OLAP
fornecem aos gestores o total controlo dos seus dados. Os gestores podem facilmente obter
qualquer informao ou dado do seu interesse ao seleccionar objectos de anlise e
personalizar a dimenso da anlise. (Li Niu, 2009)
Um estudo realizado em 2006 pelo Economist Intelligence Unit
38
(2006) revela que 73%
dos gestores de topo concordam que importante ter menos mas mais dados atempados para
melhorar a qualidade e velocidade da tomada de decises. Este resultado comprova o
resultado da investigao de Sutcliffe and Weber (2003) sobre a exactido do conhecimento.
A investigao indica que ter muitos factos sobre uma situao de deciso menos
importante que ter uma clara e consistente ideia. Muitos criticam o conceito actual de
dashboards e a sua nfase no melhoramento das funcionalidades de anlise de dados
enquanto ficam muito aqum das consideraes cognitivas das situaes. Em 2007 um
relatrio 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 relatrios sobre a actividade e o desempenho da organizao, para
s ento corrigir decises e estipular novas aces. Hoje inconcebvel que essas correces
de rumo, ou mesmo novas estratgias, se baseiem apenas no "feeling" dos executivos das
organizaes. A demora para tomar de deciso e planeamentos orientados apenas pelas
impresses e intuio dos gestores aos diversos nveis de gesto pode induzir em erros e
condenar a organizao, no mnimo, a perder pontos para a concorrncia e reduzir o seu
poder de competitividade, o que numa economia global pode ser fatal. Se no passado recente
era apenas imprescindvel implementar sistemas transaccionais para automatizar as
operaes e optimizar os processos de trabalho, de forma a integrar a organizao como um
todo, j se comea a perceber que apenas isso no mais suficiente. preciso ir mais alm.
Com base nesse cenrio, organizaes de todos os tipos, porte e ramos de actividade
comeam a direccionar os investimentos em projectos de Business Intelligence (BI).
Com o avano das ferramentas de produtividade individual no trabalho e o maior nvel
de automao e informatizao dos processos de negcios, os gestores tendem a gastar mais
tempo a planear e analisar a actividade da sua organizao.
Assim, ferramentas de extraco e correlao de dados, relatrios pr-formatados e
acompanhamento de ndices de performance tero o seu uso crescente nos prximos anos.
Muitos factores colaboram para o crescimento do sector de BI, entre os quais a globalizao,
ambiente de negcios mais complexo, mais rpido e mutvel, o crescimento das operaes via
Internet e a evoluo da tecnologia Wireless (dispositivos mveis e redes sem fio), que no
conjunto foram as organizaes a no procurar apenas maior eficincia, como tambm, e
principalmente, a serem mais geis nas decises e em aces efectivas. E, em consequncia, a
investir em solues e ferramentas tecnolgicas que as auxiliem nesse sentido.
Pelo muito que actualmente se escreve, pela rapidez de desenvolvimento e procura das
organizaes para implementar sistemas de Business Intelligence, estamos a ir pelo bom
caminho, ou para alguns, na direco certa. E porqu? Porque cada vez mais, as necessidades
empresariais so maiores, no somente da satisfao do cliente, mas tambm dos tempos de
execuo, de um maior retorno do investimento e fundamentalmente, de uma necessidade
cada vez maior de tomar decises correctas.
E de que maneira podemos
garantir o sucesso destes factores? Em
primeiro lugar, por um aumento da
capacidade intrnseca dos gestores,
analistas e tcnicos em BI
Em segundo lugar, por um maior
manuseamento dos
funcionrios/departamentos de uma
empresa, em ferramentas BI,
garantindo no apenas, mais e melhor
informao, mas tambm, uma maior
visibilidade na performance do
segmento do seu negcio. Por fim, no
menos importantes, a credibilidade das
organizaes na informao em tempo
real, a crescente necessidade dos
gestores empresariais efectuarem
anlises em tempo real.

33
Investimentos crescentes em Business Intelligence indicam que podem trazer valor para
as organizaes. Benefcios tais como a capacidade de tomar decises pertinentes e oportunas
podem ser de enorme valor quando o uso das informaes existentes tornou-se mais uma
questo de sobrevivncia ou falncia de uma organizao, de lucros ou perdas.
Na contnua evoluo dos sistemas de BI, actualmente fala-se muito em Business
Intelligence 2.0. O termo BI 2.0 tal como j descrito na parte da histria e evoluo de BI,
refere-se de forma geral prxima gerao de BI, da mesma forma que Web 2.0 refere-se
prxima gerao da Web. Relatrios estticos criados por equipas de TI sobrecarregadas e
apresentados sob a forma de pginas e pginas de dados tabulares esto certamente com os
seus dias contados. Actualmente, os utilizadores querem outras opes quando precisam de
informaes sobre negcios; eles querem informaes precisas e em tempo real; desejam
tocar e visualizar interactivamente as informaes; querem ter a possibilidade de fazer
alteraes nos relatrios imediatamente; precisam do acesso a qualquer hora e em qualquer
lugar s informaes; e querem partilhar facilmente as informaes com outros utilizadores.
Da mesma forma que a Web 2.0 enfatiza a colaborao on-line, e adopta tecnologias tais
como XML, RSS e AJAX, tudo isto faz parte do BI 2.0. O termo BI 2.0 reservado para se referir
prxima gerao de BI e s tecnologias e recursos especficos de BI que isto engloba.
Os sistemas de BI assumem um papel cada vez mais crtico no amanh cada vez mais
rpido, cada vez mais global, cada vez mais competitivo de uma organizao. Para atender a
essas necessidades, os futuros sistemas de BI devem ser em tempo-real ou quase em tempo-
real, pr-activos e partilhveis. Os utilizadores esto cada vez mais a exigir essas capacidades
e fornecedores de software comeam a responder. Antev-se um futuro brilhante e emergente
para business intelligence.

BI BI 2.0
Consumo esttico de relatrios
Comunidades de utilizadores dinmicas, colaborao activa e partilha
imediata das informaes
Envio e apresentao de relatrios estticos para os utilizadors
Fornecimento de informaes dinmicas e interactivas, com
utilizadores que elaboram os seus prprios relatrios ou assinando
as informaes que necessitam
Funo de alto custo e considerada um luxo dentro da organizao
Solues econmicas e rentveis disponibilizadas para a organizao
como um todo
BI para uns poucos utilizadores especializados
BI para todos dentro da organizao, na medida em que for
necessrio
Relatrios orientados para impresso Aplicaes de gerao de relatrios interativas e baseadas na Web
Grficos com barras estticas e grficos circulares segmentados Visualizao de dados intuitiva, dinmica e interactiva
OLAP para anlise
OLAP com outras alternativas inovadoras, menos complexas e de alto
desempenho e gerao ad hoc de relatrios
Instalao, upgrade e uso complexo e de alto consumo de tempo Instalao, upgrade e uso simplificados
Relatrios baseados no desktop ou em HTML esttico
Relatrios integrados com eventos e processos automatizados;
relatrios como servios da Web (via XML)
Aplicaes de gerao de relatrios para desktop, com Active-X e
smart client
Aplicaes baseadas na Web com ambientes e interfaces altamente
interactivos
Parmetros de pesquisa pr-definidos Pesquisas dinmicas ou de estilo livre e explorao de dados
Dados estruturados
Conjunto ampliado de tipos de dados suportados, inclusive dados no
estruturados e Servios XML da Web, assim como misturas de
contedo
Anlise ps-facto devido latncia dos dados
Relatrios em tempo real e quase em tempo real, assim como anlise
para a resoluo de problemas crticos ou operacionais
Licenciamento de software por utilizador
Licenciamento de software por servidor para um nmero 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 - Comparao entre BI e BI 2.0

34

III SISTEMAS DE APOIO DECISO
O processo de deciso, pela sua natureza, um processo cognitivo, envolvendo
diferentes tarefas cognitivas, como recolher informaes, avaliar a situao, gerar e
seleccionar alternativas e implement-las. O acto de decidir nunca prova de erros, os
decisores como seres humanos, so propensos s suas facetas cognitivas. Portanto, os
Sistemas de Apoio deciso so usados pelos decisores para minimizarem os seus erros
cognitivos e maximizarem o desempenho das suas aces.
CONCEITO
Os Sistemas de Apoio a Deciso (SAD) tm como funo a de auxiliarem no processo de
tomada de deciso oferecendo informaes nas reas de planeamento estratgico, controle
tctico ou de gesto e controle operacional para os utilizadores finais. O facto de um Sistema
de Apoio Deciso fornecer informaes e subsdios que contribuem para o processo de
tomada de deciso, diferencia-o dos demais tipos de Sistemas de Informao.
Os SAD/SSD inserem-se no contexto bastante amplo dos Sistemas de Informao (SI) e
das cincias de gesto (MS - Management Sciences). Os SI evoluram a par da tecnologia
adoptando grande variedade de nomes. Os meios de processamento electrnico de dados
(EDP - Electronic Data Processing) foram melhorados atravs dos sistemas de informao
aplicados gesto (MIS Management Information Systems), da burtica (office automation) e
finalmente atravs dos sistemas de apoio deciso (Decision Support Systems). Ao mesmo
tempo, muito do esforo de anlise inicialmente desenvolvido sob ttulos como cincias de
gesto, investigao operacional, simulao, tcnicas quantitativas e anlise estatstica,
convergiu para os SI, pois tal anlise , agora, impensvel sem recurso a meios de clculo
automtico. Vendo os SAD/SSD, por um lado, como instncia evolutiva dos SI, por outro como
ponto de convergncia de utilizao de diversas tcnicas de anlise, e por outro como umas
das plataformas tecnolgicas do sistemas BI, compreende-se a dificuldade de os definir
completa e rigorosamente.
Assim, uma das possveis definies a de que os Sistemas de Apoio Deciso
39
so
sistemas de informao computacionais complexos que permitem acesso total base de
dados da organizao, modelao de problemas, simulaes, possuem um interface amigvel,
e alm disso, auxiliam os gestores em todas as fases do processo de tomada de deciso,
principalmente, nas etapas de concepo, comparao e classificao dos riscos, alm de
fornecer subsdios para a escolha de uma boa alternativa.
O conceito dos Sistemas de Apoio deciso, tambm conhecidos como Sistemas de
Suporte Deciso que deriva da traduo directa do termo original em ingls Decision Support
System (DSS), surgiu por necessidade no inicio dos anos 70, devido a factores como, a
crescente competio entre as organizaes, a necessidade de informaes mais rpidas para
tomar decises, entre outros. O conceito estimulou grande interesse na investigao e nas
suas aplicaes. 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 mbito dos sistemas de informao e que surgiram a partir dos sistemas transaccionais e utilizam
modelos para solucionar problemas no estruturados

35
structured problems. Uma definio subsequente de Keen e Scott-Morton (1978), diz que os
sistemas SAD/SSD juntam os recursos intelectuais do indivduo com as capacidades do
computador para melhorar a qualidade das suas decises.
Inicialmente estes sistemas eram executados em grande parte em mainframes, eram
vistos como uma nova gerao nos Sistemas de Gesto de Informao, que na altura, eram
relativamente armazns de dados organizacionais inflexveis.
Os SAD/SSD, so destinados a apoiar, ao invs de substituir, o papel de deciso dos
gestores na resoluo de problemas. As capacidades dos decisores so estendidas atravs do
uso de sistemas SAD/SSD particularmente em situaes de decises mal estruturadas. Neste
caso uma soluo satisfatria em detrimento de uma ptima, pode ser a meta do processo de
deciso. Resolver e solucionar problemas mal estruturados, com frequncia depende da
interaco repetida entre o decisor e o SAD/SSD.
O processo de deciso num SAD/SSD desenrola-se atravs da interaco do utilizador
com um ambiente de apoio deciso especialmente criado para dar subsdio s decises a
serem tomadas. Os gestores criam as informaes que necessitam para vrios tipos de
decises num sistema interactivo de informao computadorizado que utiliza modelos de
deciso e bases de dados especializadas para auxiliar os processos de tomada de deciso. Um
SAD/SSD tambm serve para auxiliar a resoluo de problemas estruturados
Outro conceito relacionado com os SAD/SSD, o dos sistemas interactivos, que auxiliam
na resoluo de problemas no-estruturados por um conjunto de decisores que trabalham
juntos como um grupo. Este tipo de SAD, denomina-se Sistemas de Apoio Deciso a Grupos
40

(SADG). Este sistema auxilia grupos, especialmente grupos de gestores, na anlise de
situaes problemticas e na realizao de tarefas de tomada de deciso do grupo.
Tambm, se falarmos em SAD/SSD com a capacidade de classificao cognitiva nas
funes de decidir e baseados em inteligncia artificial (AI) ou tecnologias agentes de
inteligncia estamos a falar de Sistemas Inteligentes de Apoio Deciso (SIAD)
41
.

.

40
Mais explicao sobre este conceito est| disponvel no fim deste documento em Literatura Complementar
41
Referncia: Sistemas Inteligentes de Apoio Deciso de Marley Maria B. Rebuzzi Vellasco, Marco Aurlio Cavalcanti Pacheco
OIS Office Information System - Sistema de Informao de Escritrio - Suporta os restantes sistemas de informao, fornecendo-lhes
uma infra-estrutura para o fluxo de dados e informao por toda a organizao e no apenas no escritrio. Actualmente, este sistema
abrange diversos componentes electrnicos e computadorizados, interligados por redes locais ou alargadas
Sistemas
Hibridos
Sistemas
Inteligentes
(ES)
Redes
Neurais
(NN)
Sistemas
Fuzzy Logic
Sistemas
Processamento
Transacionais
(TPS)
Sistemas
Gesto
Informao
(MIS)
Sistemas
Informao
Executivos
(EIS)
Sistemas
Apoio
Deciso
(SAD &
SADG)
Sistemas de Apoio
Gesto (MSS)

Esquema 8- Relao entre os Sistemas de Informao e os Nveis de Gesto
Esquema 9 - Os SAD versus outros Sistemas de Gesto Operacional
Estratgico

OIS
EIS
SAD
SADG
MIS
TPS
Tctico

36
HISTRIA E EVOLUO
No final dos anos 60, iniciam-se experincias da utilizao de modelos sistemticos
quantitativos computadorizados, no apoio ao processo de deciso e planeamento. Os Sistemas
de Informao disponibilizavam relatrios estruturados e peridicos. O primeiro SAD/SSD foi
desenvolvido usando sistemas computacionais interactivos (Scott Morton)
No incio da dcada de 70 os SAD/SSD eram descritos como sistemas computacionais
complexos de auxlio ao processo de deciso. Little (1970), definiu os Sistema de Apoio
deciso como sendo um conjunto de procedimentos computacionais, baseado em modelos,
para processar dados e julgamentos e para assistir um gestor nas suas decises. Little
argumenta que para que um sistema deste gnero tenha sucesso necessrio que possua as
seguintes caractersticas: simplicidade, robustez, facilidade de controlo, adaptabilidade e
comunicao fcil. O ponto de partida, ainda que no mencionado explicitamente na literatura
da poca, foi a aplicao de tcnicas de computacionais interactivas s tarefas de gesto, com
o objectivo de melhorar as decises. Em meados da mesma dcada, o movimento dos
SAD/SSD enfatiza os sistemas informticos interactivos que auxiliavam os agentes de deciso
atravs de bases de dados e bases de modelos.
Em 1975-1980 surgiram SADs financeiros com modelos de anlise. Steve Alter defendeu
sua dissertao no MIT e teorizou uma classificao dos SAD/SSD em sete tipos distintos.
No incio dos anos 80, empresas e universidades realizam actividades associadas ao
desenvolvimento e estudo dos SAD, o resultado foi a proliferao do conceito e das aplicaes
associadas, que emergiram para alm do domnio tradicional da aplicao. Surgem os
Sistemas de Informao Executivos (EIS) e SAD/SSD orientados a grupos (SADG) e o conceito
de interactividade j se encontrava firmemente estabelecido na comunidade dos SAD/SSD.
Bonczek (1980) define o SAD/SSD como sendo um sistema computacional constitudo por
trs componentes que interagem: um subsistema de comunicao entre o utilizador e os
outros componentes do sistema, um subsistema de conhecimento do domnio de aplicao do
SAD/SSD e um subsistema de processamento de problemas. O conceito de interactividade
aparece com tal fora que se isola o subsistema de interface homem/mquina. Quase sem
excepo todos os programas de fcil utilizao foram produzidos nesta poca com o rtulo
de SAD. Disciplinas como a investigao operacional e a psicologia cognitiva passaram a fazer
parte da rea dos SAD/SSD.
Aparecem pela primeira vez, ainda que por vezes no explicitamente, os conceitos de
problema no estruturado ou semi-estruturado e de apoio extensivo. Moore e Chang (1980)
definem um sistema de apoio deciso como um sistema extensivo, capaz de suportar
processos ad hoc de anlise de dados e modelao de problemas, orientado para o
planeamento (do futuro) e utilizado em intervalos de tempo irregulares e no planeveis.
Watson e Hill (1983) utilizam explicitamente a questo da estrutura de um problema,
definindo um SAD como sendo um sistema interactivo que permite ao utilizador fcil acesso
a modelos de deciso de dados, com o objectivo de apoiar tarefas de deciso semi-
estruturadas ou mesmo no-estruturadas (rever pgina 9).
Neste perodo, os SAD/SSD era consideradas aplicaes computacionais high-end as
reservadas para decises estratgicas ocasionais, no recorrentes pelos gestores de topo.
No final da dcada de 80 a nfase das tentativas de definio foi desviado: Keen (1987),
por exemplo, prefere definir apoio deciso em detrimento de sistema de apoio deciso.
Uma das razes que aponta para o facto de os SAD/SSD no terem definio assente reside no
facto da tecnologia estar em constante evoluo, no havendo nenhuma tcnica base ou
caracterstica dos SAD/SSD que perdure. medida que novos mtodos e/ou tcnicas mais
adequadas se tornem disponveis, novos tipos de SAD/SSD sero construdos. Qualquer

37
definio baseada na tecnologia utilizada ter uma vida to curta, que provavelmente no
sobreviver o tempo necessrio para aparecer na literatura cientfica.
Segundo Keen (1987), os SAD/SSD juntam trs perspectivas diferentes de esforo,
necessidade de conhecimento e critrios de aco:
Sistema enfatiza directamente caractersticas tecnolgicas como projecto (design),
arquitectura, hardware, etc;
Apoio foca a percepo e implementao da forma como os seres humanos agem e
da forma de os ajudar;
Deciso relaciona-se com os aspectos no tecnolgicos, funcionais e analticos dos
SAD/SSD e ainda com os critrios para seleccionar aces.

No incio dos anos 90 surgem os SAD/SSD cliente/servidor, a exploso 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
avaliao de desempenho em empresas e o BSC (Balanced Scorecard)
Ainda nos anos 90, observa-se o aparecimento de novas tcnicas para os SAD/SSD: as
estaes de trabalho inteligentes. (Inteligentes no sentido de habitualmente atribudo pela
disciplina de inteligncia artificial). So feitas diversas tentativas de integrao de tcnicas de
inteligncia artificial nos Sistemas de Apoio Deciso. Alguns autores chegam a propor a
linguagem Prolog e a lgica como ferramentas para implementar SAD/SSD. Biaswas (1988)
props a conceptualizao de um Expert Decision Support System (XDSS) para estender as
capacidades do SAD/SSD tradicional. Estas capacidades so obtidas integrando nos
SAD/SSD bases de conhecimento e a modelao semntica de dados. Esta integrao 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 complexos
42
.
No inicio do novo milnio, faz-se uso da tecnologia para o desenvolvimento de sistemas
onde possvel obter todas as informaes on-line, com rapidez e com a capacidade para
realizar a sua anlise e formatao da informao de acordo com as necessidades. Surgem os
ASP (Application Service Providers) e os portais web.

Esquema 11 - Evoluo Histrica dos SAD e Tecnologias Associadas

42
Decision Support and Expert Systems: Management Support Systems (4th Edition), E. Turban, Prentice-Hall, 1995
Estudos
Tericos
Vertente
Prctica
SAD/SSD
EIS
SADG
SADO
(ODSS)
DW
OLAP
SAD (Web)
ASP

38
CARACTERSTICAS E FUNCIONALIDADES
As funes e caractersticas dos SAD/SSD variam significativamente e com diferenas
dependendo do domnio a onde o sistema aplicado. Turban e Aronson (1998) resumiram a
dez as caractersticas comuns dos sistemas SAD/SSD. Spangue e Carlson limitaram a quatro
identificadas com (*):

Lidam com problemas de deciso no estruturados e subespecificados pois
conseguem juntar o pensamento humano e a informao computadorizada. *
Apoiarem os gestores em nveis diferentes.
Apoiarem indivduos (decisores) e grupos de deciso. Certos problemas menos
estruturados podem necessitar do envolvimento de vrias pessoas ou
departamentos.
Suportarem uma variedade de estilos de deciso e processos.
Adaptabilidade e flexibilidade para levarem a cabo as tarefas de apoio deciso, a
aproximao com os utilizadores e acompanharem as mudanas do domnio de
aplicao e dos processos de deciso. *
Interactividade e utilizao amigvel para permitirem a interaco fcil por
decisores no familiarizados com informtica. *
Combinarem o uso de tcnicas analticas e modelos com funes de acesso a dados. *
Combinarem o uso de Bases de Conhecimento e Inteligncia Artificial.
Acederem a uma larga variedade de Bases de Dados. Devem permitir o acesso a
vrias fontes, tipos e formatos de dados.
Integra~o e liga~o Web.

Esquema 12 - Caractersticas Tpicas dos SAD/SSD

SAD/SSD
Interactividade
Flexiilidade
Acessibilidade
Modelos e
Analitico
Adaptabilidade
Recolha de
Dados (multiplas
fontes)
Uso de
Inteligncia
artificial e Base
de
Conhecimento

39

s caractersticas tpicas da pgina anterior, juntam-se outras mencionadas na literatura
investigada, consideradas tambm fundamentais e desejveis para caracterizar os SAD/SSD:

O decisor deve ter o controlo absoluto sobre todos os passos do processo de tomada
de deciso quando est a resolver um problema. O objectivo do SAD apoiar e no
substituir o decisor.
Construo de Modelos e resoluo e optimizao de problemas.
Devem permitir vrias decises independentes ou sequenciais.
Devem abranger todas as fases do processo de deciso: identificao, desenho,
seleco e implementao.
Possibilidade de desenvolvimento rpido, com a participao activa do utilizador em
todo o processo;
Facilidade para incorporarem novas ferramentas de apoio deciso, novas
aplicaes e novas informaes;
Flexibilidade na recolha, procura, visualizao e manipulao das informaes;
Individualizao e orientao para o individuo que toma as decises, com
flexibilidade de adaptao ao estilo pessoal de tomada de deciso do utilizador;
Pertinncia real ao processo de tomada de deciso, ajudando o utilizador a decidir
atravs de subsdios relevantes;
Facilidade para que o utilizador o utiliza e entenda, use e modifique de forma
interactiva com fortes capacidades grficas e com um interface utilizador-mquina
amigvel e que possa aumentar a sua eficincia
Devem tentar melhorar a eficincia das suas decises (ao nvel da qualidade, tempo,
exactido) em vez de se preocupar com o custo dessas decises
Tentam combinar modelos ou tcnicas analticas com as funes tradicionais de
processamento de dados, como acesso e a recuperao de informaes;
Os sistemas de apoio deciso devem acompanhar as tendncias, evolutivos, sendo
mais flexveis e adaptveis a mudanas;
Devem fornecer subsdios para um rpido encaminhamento e implementao dos
resultados obtidos a partir da tomada de deciso.
O Apoio deciso necessrio em todos os nveis de gesto da empresa.

A seleco das funcionalidades e caractersticas acima identificadas, depende dos
requisitos do utilizador. Um SAD/SSD pode ser to simples como uma folha de clculo em
Excel, ou extremamente complexo como um sistema com base num Data Warehouse.

40
CLASSIFICAO
De acordo com diferentes critrios, e diferentes autores, os SAD/SSD podem ser
classificados em vrios tipos, tais como SAD/SSD Pessoais, de Grupo (SADG), Institucionais,
Ad-hoc, Sistemas de Suporte Executivo (ESS), SAD/SSD Web, Desktop DSS, SAD/SSD
Estratgicos e de Planeamento e Finanas (Arnott & Pervan 2005), entre outros
Golden, Hevner and D.J. Power (1986) diferenciam os SAD/SSD pela forma como
fornecem e recolhem a informao:
Orientados a Modelos (model-driven DSS - MDSS),
Orientados Comunicao 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 clculo (spreadsheet-driven DSS)
Baseados na Web (Web-based DSS) .
ORIENTADOS A MODELOS
43

Model-driven DSS - MDSS
Os SAD/SSD orientados a modelos, enfatizam a
criao e manipulao da optimizao estatstica,
financeira, ou modelos de simulao (Power 2002). O
modelo de optimizao com base em programao
linear um dos modelos mais utilizados pelos
SAD/SSD. Este tipo de SAD/SSD exige que os
utilizadores (decisores) especifiquem os parmetros
do modelo de acordo com seus problemas de deciso.
As sadas (outputs) do modelo so usadas para ajudar
a avaliar as suas alternativas de deciso. Sistemas
Multi-objectivo (MODSS) so um caso tpico deste tipo
de SAD/SSD, onde modelos de deciso multi-critrio
so adoptados (Lu et al. 2007).
ORIENTADOS COMUNICAO E GRUPO
44

Communication-driven and Group DSS
Este tipo de SAD/SSD orientados por
comunicao oferecem suporte tomada de deciso
dentro de um grupo de decisores, atravs da troca
eficiente de informaes (Power 2002). Tambm so
chamados SAD de Grupo (SADG/GDSS). A troca de
informaes estimula o desenvolvimento de
inteligncia e de integrao, que promove decises
baseadas no consenso entre diferentes decisores..
Exemplos deste tipo, so sistemas de e-mail e sistemas
de reunio electrnicos, 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 DADOS
45

Data-driven DSS
Um SAD/SSD orientado a dados, concentra-se no
acesso e manipulao de uma grande quantidade de
dados da organizao a partir de fontes internas e
externas (Power 2002). A tomada de deciso baseia-se
em perceber e compreender a sada (output) de
informaes integradas pelo sistema. Exemplos deste
tipo de DSS so ferramentas estatsticas, sistemas de
gesto de informaes (MIS) e sistemas de BI.
ORIENTADOS A DOCUMENTOS
46

Document-driven DSS
Este tipo de SAD/SSD, est preocupado com a gesto e manipulao de informaes no-
-estruturadas numa variedade de ficheiros electrnicos, tais como e-mails e relatrios.
Exemplos deste tipo de SAD/SSD so sistemas de gesto de bibliotecas, motores de busca e
sistemas de recuperao de documentos.
ORIENTADOS AO CONHECIMENTO
47

Knowledge-driven DSS
Os SAD/SSD orientados no conhecimento geram
sugestes de deciso com base na experincia humana
(conhecimentos). As formas comuns de conhecimento
so processos de negcios, regras e factos.
Normalmente, estes sistemas baseados no
conhecimento so projectados para verificar grandes
volumes de dados e identificar padres ocultos nesses
dados e apresentar recomendaes com base nos
padres encontrados. Exemplos deste tipo, so os
sistemas de Data-Mining, sistemas inteligentes e
sistemas de pergunta-resposta.
BASEADOS EM FOLHAS DE CLCULO
48

Spreadsheet-based DSS
Os SAD/SSD que foram ou sero implementados com o uso de sistemas folhas de clculo
podem ser definidos como SAD/SSD baseados em folhas de clculo (Power 2002). Ou seja, por
exemplo os SAD/SSD orientados a Modelos e/ou de Dados podem ser construdos com o uso
de Folhas de Clculo. As Folhas de Clculo oferecem aos decisores, representaes de grandes
quantidades de dados fceis de interpretar e entender. Alm disso, os dados nas folhas de
clculo so organizados de modo a tornar mais fcil a converso entre os dados e a
visualizao da informao 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 WEB
49

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 deciso, em que o seu acesso feito
atravs do interface de um navegador Web (ex:
Firefox), mesmo que os dados usados para
suporte deciso permaneam confinados a um
sistema como um Data Warehouse.

Um SAD/SSD especfico geralmente a
combinao de alguns dos sete tipos diferentes de sistemas referidos em cima. No entanto, o
SAD/SSD orientado a Modelos (model-driven DSS) domina a investigao e a aplicao
tradicional (Arnott & Pervan 2005). Como resultado, na prtica muitos SAD/SSD so
desenvolvidos com a incluso de um componente de Gesto de Modelos, apesar de tambm
suportarem outras funes, ex. Comunicao em grupo e anlise analtica intensiva de dados
OUTRAS CLASSIFICAES
Alm da classificao mais comum de Daniel J. Power, outros autores deram o seu
contributo para classificarem os Sistemas de Apoio deciso.
Donovan e Madnick (1977) classificaram os SAD/SSD como:
Institucionais Os que apoiam as decises que so recorrentes
Ad Hoc Os que oferecem suporte a problemas que imprevisveis e que no devero
ocorrer novamente.
Hackathorn e Keen (1981) classificaram os SAD/SSD em trs 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 sada de resultados
(Output) dos sistemas. A ideia de Alter era de que os SAD/SSD devem ser classificados em
termos da operao geral que efectuam, independentemente do problema, rea funcional ou
perspective da deciso. 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. So basicamente verses mecanizadas de
sistemas de arquivo manuais. Exemplos incluem equipamento de monitorizao em
tempo real, sistemas de monitorizao. As Ferramentas de consulta (query) e
relatrios que acedem ao OLTP fazem parte deste tipo.
Sistemas de Anlise de Dados
Permitem a manipulao de dados por utilizadores especializados nessa tarefa. So
sistemas tipicamente usados por utilizadores no suporte da anlise de ficheiros de
dados, sendo estes tanto histricos como actuais. A maioria das aplicaes de Data
Warehouse enquadram-se neste tipo.
Sistemas de Anlise de Informao
Providenciam acesso a uma srie de bases de dados orientadas deciso e modelos
pequenos para fornecerem informaes e gesto. Os sistemas OLAP so 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 Finanas
Calculam as consequncias de aces planeadas com base em definies
contabilsticas e financeiras e de formulas mensurveis. Estes tipos de modelos
devem ser usados perante E se? ou an|lise sensitiva.
Orientados a Modelos Representativos ou Simulao
Estimam as consequncias de aces com base em modelos de simulao que
incluem relaes casuais e parcialmente no definidas (representativas) assim como
definies mensurveis. Exemplos deste tipo so modelos de resposta de mercado,
modelos de anlise de risco e simulaes de produo.
Optimization model-based DSS
Providenciam linhas-guia para aco, gerando uma soluo ptima consistente com
uma srie de problemas.
Suggestion DSS based on logic models
Realizam um trabalho lgico conduzindo a uma deciso especfica sugerida para
uma tarefa razoavelmente estruturada. Geram aces sugeridas com base em
frmulas ou procedimentos matemticos.

Esquema 13 - Classificao 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 Clculo
Orientados Soluo
Orientados a Regras
Composto/Complexo

.
Sistemas File
Drawer
Sistemas de Anlise
de Dados
Sistemas de
Anlise de
Informao
Orientados a
Modelos de
Contabilidade e
Finanas
Orientados a
Modelos
representativos
ou Simulao
Orientados a
Modelos de
Optimizao
Sistemas de
Sugesto baseados
em Modelos
Lgicos.
Sistema Orientados a Dados
Sistema Orientados a Modelos

44
ARQUITECTURA E COMPONENTES
Tal como para a definio de SAD/SSD, tambm para o conceito da arquitectura existem
algumas perspectivas por parte de investigadores temporalmente diferentes mas
conceptualmente semelhantes. Ou seja, apesar das diferenas significativas, criadas pela
tarefa especfica e o mbito de aplicao, todos os Sistemas de Apoio Deciso possuem
componentes tcnicos e conceptuais semelhantes e partilham um propsito comum: apoiar a
tomada de decises. Na prtica, a arquitectura
dos SAD/SSD baseada na diferente nfase dada
aos componentes quando os sistemas so
desenvolvidos e que devido diversidade de
aplicaes reais, no h uma arquitectura nica,
mas sim uma arquitectura vlida em domnios
diferentes.
Daniel J. Power (2002), considera que os
investigadores e estudiosos na rea dos
SAD/SSD, tipicamente desenvolvem os sistemas
com base nos quatro componentes seguintes:
Interface do Utilizador
Base de Dados
Modelo e as Ferramentas de anlise
Arquitectura e Rede dos SAD/SSD

No entanto, outros autores, entre eles George M Marakas (1999), Turban e Aronson
(2001), Serrano (2004) propem uma arquitectura comum semelhante, tambm composta
por quatro componentes 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 composio 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
exigncias e possibilidades da organizao e com a sua cultura. Os sistemas de apoio
deciso, para concretizarem o seu objectivo principal (Apoiar a Deciso), devem por isso, ser
constitudos por um conjunto de componentes ou subsistemas, com a finalidade de garantir a
sua aplicabilidade, desenvolvimento e funcionalidade.
Depois da anlise das arquitecturas consideradas, com base nas suas semelhanas e dos
componentes que as distinguem, e do que foi dito no pargrafo anterior, pode-se considerar
que a arquitectura mais adequada dos SAD/SSD, a que resulta da unio das mencionadas
anteriormente e assim composta pelos seguintes componentes:
Gesto de Dados (SGBD
50
);
Gesto de Modelos (SGM)
Gesto de Conhecimento (SGC)
Gesto de Comunicao e Rede (SGCR)
Interface com o Utilizador (SIU)
O Utilizador

50
SGBD Sistema de Gesto 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).
Httenschwiler (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.
(Httenschwiler, 1999)

45
GESTO DE DADOS (SGBD)
Este componente ou subsistema engloba um conjunto de dados provenientes de vrias
fontes internas (dados transaccionais
51
), externas e pessoais
52
, onde est a informao
relevante para a situao Tem como funo, a de garantir a integridade e a coerncia desses
dados e proporcionar uma fcil introduo dos dados, bem como a sua actualizao,
manuteno e segurana. Este subsistema, normalmente gerido por uma plataforma
tecnolgica a que se d o nome de Data Management System (DBMS).
Uma base de dados no SAD/SSD, uma coleco de dados estruturados, actuais e
histricos, que foram organizadas para o acesso e anlise fceis. Existem diversas
preocupaes relacionadas com a anlise, extraco e armazenamento da base de dados, bem
como o formato como essas informaes sero disponibilizadas de forma que o utilizador
possa aproveitar ao mximo as informaes ali contidas.

Problema Causa tpica Possveis solues
Incorreco
Erros na insero dos dados
Erros na gerao ou recolha de dados
Desenvolvimento de um mtodo sistemtico para
garantir a correco dos dados
Examinar cuidadosamente os dados e o processo
de gerao dos mesmos
Atrasos
O mtodo de gerao ou recolha de dados
no suficientemente rpido para as
necessidades
Modificar o sistema de gerao de dados
Medio ou
indexao
incorrecta
dos dados
Recolha dos dados feita com uma lgica ou
periodicidade inconsistente com as
necessidades da anlise
Dificuldade de gerao e manuteno dos
coeficientes em modelos muito detalhados
Desenvolver um sistema que recalcule ou
recombine os dados
Desenvolver modelos mais simples e mais
agregados
Inexistncia
Nunca foram recolhidos e armazenados
dados que agora so necessrios
Os dados no existem
Guardar os dados, quer seja necessrio ou no,
para utilizao futura (os custos de
armazenamento e manuteno podem ser
impraticveis)
Tentar gerar ou estimar os dados
Tabela 4 - Tabela resumo de alguns problemas inerentes ao SGD (Romo, 2006/07)

Diversas tecnologias informticas e tcnicas tais como Data Warehousing, Data Mining
53
,
On-Line Analytical Processing (OLAP)
54
e Data Visualization Systems (DVS) esto relacionadas
com o componente de gesto de dados para a recolha, tratamento e atribuir sentido aos dados
estruturados ou documentos da base de dados. Algumas dessas tcnicas so descritas no
Titulo a seguir em Tcnicas Tradicionais do SAD/SSD (ver pgina 43).

51
Dados tratados pelo TPS Transaction Processing System
52
Alguns utilizadores podem contribuir com a sua experincia e sabedoria.
53
Tcnica que revela dados escondidos, encobertos, e no bvios.
54
O OLAP inclui actividades como gerao de consultas (queries), pedidos de relatrios e execuo de anlise estatstica, que so
desenvolvidos pelo utilizador final.
Data Warehouse
Algumas organizaes em virtude do grande movimento de dados existente nas suas base de dados tm
sistemas de dados complexos, muitas vezes distribudos em locais distantes (como filiais por exemplo). Neste caso
mais difcil a recolha e compilao das informaes. Um Data Warehouse um arquivo de informaes recolhidas em
diversas fontes que possibilita gerar consultas de apoio deciso atravs de um interface nico e acesso a dados
histricos, uma vez que armazena informaes por um longo perodo de tempo.

46
GESTO DE MODELOS (SGM)
Ferramenta de software com base em modelos matemticos e analticos normalmente
quantitativos, que disponibilizam aos SAD/SSD capacidades analticas atravs de ferramentas
de anlise e de gesto. Tem como funo, a de garantir a manuteno de um conjunto de
modelos de deciso, que se baseiam em modelos de investigao operacional, entre outros.
Estes modelos precisam de ser validados e actualizados constantemente, para o bom
funcionamento dos mesmos. Este Subsistema, faz a representao de eventos, factos ou
situaes e gera simulaes. Este subsistema, normalmente gerido por uma plataforma
tecnolgica a que se d o nome de Model Base Management System (MBMS).
Os modelos matemticos e analticos so os componentes principais do Subsistema de
Gesto de Modelos. Estes incluem modelos com finalidades especficas tais como:

Modelos de Processo
Modelos de Escolha
Modelos Financeiros
Modelos de Anlise Estatstica resumos estatsticos, projeces e tendncias,
testes de hipteses;
Modelos Grficos apoiam o decisor a projector, desenvolver e utilizar
apresentaes grficas;
Modelos de Gesto de Projectos - manipulam e coordenam grandes projectos para
descobrir tarefas crticas que podem atrasar ou colocar o projecto em risco.
Modelos Fuzzy Logic
55
- simula o processo de raciocnio humano, permitindo ao
computador comportar-se de forma menos precisa e lgica que convencionalmente.

Um subsistema de Gesto de Modelos (SGM) tem um conjunto especfico de finalidades e
daqui modelos diferentes so necessrios e usados. Escolher os modelos apropriados
primordial para a concretizao dos resultados pretendidos. Tambm, o software usado para
criar modelos especficos, necessita de gerir e controlar os dados relevantes assim como o
interface do utilizador. No SGM, os valores das variveis ou dos parmetros chaves so
mudados frequentemente e repetidamente, para reflectir as mudanas potenciais nos factores
ambientais e internos da organizao.
Um sistema eficiente de gesto de modelos faz com que os aspectos estruturais e
algortmicos da organizao de modelos e do processamento de dados a eles associados se
tornem invisveis para o utilizador (ex: a especificao das relaes explcitas entre os
modelos e a determinao de que resultados de um modelo so as entradas de outro modelo
devem ser feitas pelo sistema e no pelo utilizador). Um SGM dever possuir capacidades
similares aos SGBD. (Romo, 2006/07)
O uso de modelos tem como vantagens as de permitirem a manipulao e
desenvolvimento a baixo custo e ainda agilizarem o processo de deciso por serem um
procedimento rpido. No entanto, apresentam algumas desvantagens tais como a do
desperdcio de tempo na escolha do modelo apropriado e a de que alguns modelos no
simulam sistemas reais e efectuam concluses falsas e at conduzem a erros.

55
Tutorial Fuzzy Logic (http://www.fuzzy-logic.com/)
http://en.wikipedia.org/wiki/Fuzzy_logic

47
GESTO DO CONHECIMENTO (SGC)
Este componente pode realizar as suas tarefas em conjunto com qualquer um dos outros
subsistemas ou agir de forma independente. responsvel por fazer aumentar a "inteligncia"
do prprio decisor. Permite ao utilizador adquirir conhecimentos, e procura dar uma
perspectiva transversal do processo de gesto da organizao, melhorando assim a tomada de
deciso. O Subsistema de Gesto do Conhecimento
56
(SGC) pode melhorar e ampliar as
capacidades do SAD, quer fornecendo sabedoria acerca do assunto em estudo, quer
fornecendo conhecimento acerca da gesto e modelao de dados (Romo, 2006/07).
Todo o conhecimento relacionado com um determinado problema que usado num
sistema de inteligncia artificial (IA) organizado numa base de conhecimento. Uma vez
construda a base de conhecimento (KB), as tcnicas de IA so usadas para dar ao computador
capacidade de inferncia baseada nos factos e relaes da base de conhecimento.
Funes do SGC (Romo, 2006/07):
Apoia as etapas do processo de deciso que no podem ser desempenhados por
processos matemticos. Ex: a seleco apropriada dos dados de entrada dos modelos
requer sabedoria;
Apoia a construo, gesto e armazenamento de modelos num SAD/SSD com mltiplos
modelos, melhorando as capacidades do SGM;
Apoia a anlise de incerteza, onde necessrio saber seleccionar e aplicar as
ferramentas apropriadas, desde o fuzzy logic at 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.
GESTO DE COMUNICAO E REDE (SGCR)
Este componente dos SAD/SSD refere-se como que o hardware organizado, e como
que o software e dados so distribudos pelo sistema, e ainda como que os componentes da
arquitectura do SAD/SSD so integrados e interligados. Um dos assuntos importantes e
actuais o da disponibilidade dos SAD/SSDS atravs de um web browser na intranet da
organizao e tambm disponvel na Internet global. Os gestores e o pessoal especializado dos
precisam de desenvolver uma compreenso das restries tcnicas e das questes de
segurana relativas comunicao dos SAD/SSD, estrutura de rede e Internet.
Comunicao, integrao e interligao so os factores chave dos SAD/SSD, especialmente dos
orientados por comunicaes (ver pgina 34)
INTERFACE COM O UTILIZADOR (SIU)
Tanto os analistas de SAD/SSD como os gestores precisam de dar mais nfase a este
componente. Em muitas formas, este componente o mais importante da arquitectura dos
SAD/SSD. Um bom interface com o utilizador um requisito bsico para a implementao de
SAD/SSD, pois por melhor que seja a estrutura dos restantes componentes, da recolha de
informaes e a riqueza dos relacionamentos, ainda assim o sistema poder apresentar-se
como de pouca importncia se subaproveitado pelo utilizador.
O SIU, o subsistema que permite ao utilizador a interaco com o SAD/SSD, contacto
esse que feito atravs de comandos. Neste componente, exigem-se cuidados na apresentao

56
Tambm conhecido como Knowledge Management System (KMS)
http://en.wikipedia.org/wiki/Knowledge_management_system
http://www.allkm.com/

48
e disposio dos dados, permitindo assim uma clara comunicao entre os mesmos, bem
como a eficcia de todo o processo de interaco. Deve-se utilizar uma linguagem simples,
natural e de fcil percepo, variando-as de acordo com a familiaridade dos utilizadores finais
com a informtica. Que melhora a interactividade do utilizador com o sistema.
Muito do esforo de concepo e desenvolvimento deve focar-se no interface com o
utilizador, pois o que o decisor visualiza e a forma como lhe so apresentados os dados,
influncia fortemente a percep~o do decisor. O SAD/SSD que se v. Por esse motivo, o
sistema deve ser fcil e aprender e amigvel de usar, e as informaes devem estar dispostas
de forma que a pessoa aproveite ao mximo o potencial intrnseco das informaes ali
contidas.
As ferramentas para concepo do interface com o utilizador so muitas vezes,
ferramentas de relatrios e consultas, e pacotes de desenvolvimento front-end.
O UTILIZADOR
O utilizador tambm normalmente referido como parte do sistema e por isso um
componente do SAD/SSD. H investigadores que defendem que muitas das contribuies
dadas pelos SAD/SSD so derivadas da interaco intensa que existe entre o computador e o
decisor. Alguns sistemas mais recentes, tm preocupao, inclusive, em dispor ao utilizador
informaes complementares, que podem ser do seu interesse, apesar de no terem sido
solicitadas.

Mltiplas Fontes de
Dados
Esquema 14 Arquitectura e Componentes do SAD/SSD (adaptado de vrias fontes)
Utilizador
Arquitectura e Rede
Outros Sistemas de
Informao
Gesto Modelos
SGM/MBMS
Gesto Dados
SGBD/DBMS

DW
Data Marts
OLAP
Data Mining
Data Visualization
Gesto
Conhecimento
(KMS)
Gesto Interface com o
Utilizador
Dados
Externos
Dados
Internos
Decisor
Internet Intranets
Extranets
Modelos
Externos
Base de Conhecimento
(KB) da Organizao
TPS
Comunicao e Rede
(SGCR)

49
TCNICAS E FERRAMENTAS
Nesta parte do documento so apresentadas as tcnicas e ferramentas tpicas usadas
pelos SAD/SSD que esto disponveis s organizaes. Algumas existem ainda antes dos
Sistemas de Apoio Deciso, outras destinam-se exclusivamente ao apoio deciso, e outras
tm objectivos mais amplos. De algumas ainda no se conhecem todas as suas potencialidades
uma vez que so relativamente recentes.
TCNICAS DE APOIO DECISO
Os Sistemas de Apoio deciso baseiam-se em diversas tcnicas de apoio de deciso,
incluindo modelos, mtodos, algoritmos e ferramentas. Wayne (Zachary, 1986)
57
props uma
taxonomia baseada em cognio para tcnicas de suporte de deciso, incluindo seis classes
bsicas:

1. Modelos de Processo - So modelos computacionais que auxiliam a projeco de
processos complexos reais e fornecem hipteses sobre o processo e uma deciso
hipottica. Um modelo de processo tpico o caso dos Modelos Probabilsticos que
calculam a distribuio probabilstica dos resultados de uma probabilidade das condies
de entrada atravs de um tratamento analtico de inputs e o comportamento do processo.
Cadeias de Markov
58
so um exemplo comum de um modelo de processo probabilstico.
2. Modelos de Escolha - Modelos que apoiam a integrao dos critrios de deciso entre
alternativas para seleccionar a melhor alternativa de um conjunto discreto ou espao de
descrio contnua das alternativas de deciso. Um modelo de escolha tpico o modelo
multi-critrio de tomada de deciso.
3. Tcnicas de Controlo de Informao - Fornece funes de representao, manipulao,
acesso e monitorizao de dados e conhecimento. As tcnicas tpicas incluem ferramentas
de gesto de base de dados, e tcnicas de recuperao de dados e de conhecimento, Data
Warehouse, Data Mining e Agregao Automtica.
4. Tcnicas de Anlise e Raciocnio Aplicaes que suportam procedimentos de
raciocnio peritos em problemas especficos, tais como programao matemtica,
inferncia orientada a objectivos, inferncia orientada a processos e inferncia orientada
a dados. Programao de objectivos, raciocnio de provas, raciocnio baseado em casos
(CBR)
59
e anlise de sensibilidade.
5. Ajudas de Representao - Suportam a expresso e a manipulao de uma
representao especfica de um problema de deciso. Tcnicas tpicas desse tipo incluem
processamento de linguagem natural, interface grfico do utilizador e tcnicas de
processamento cognitivo humano. Alguns exemplos so rvores de deciso, tabelas de
deciso e mapeamento cognitivo.
6. Tcnicas para Amplificar/Refinar a Capacidade de Julgamento Humano Auxiliam
os decisores na quantificao de julgamentos heursticos. Os decisores so capazes de
resolver problemas heuristicamente ou intuitivamente com resultados que geralmente
so muito bons, mas quase nunca verdadeiramente ideais" (Zachary, 1986). Tcnicas

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
tpicas nesta classe incluem a optimizao de ajuda humana (Human-aided Optimization),
modelagem do utilizador adaptvel e previso, bem como actualizao Bayesiana
60
.
A classificao das tcnicas de apoio deciso, baseadas na cognio, fornece uma
orientao para a seleco das tcnicas para a resoluo de problemas de deciso e para o
desenvolvimento dos SAD/SSD. Na prtica, um SAD/SSD frequentemente usa duas ou mais
das tcnicas mencionadas na pgina anterior, para resolver um problema de deciso.
Qualquer que seja a tcnica de deciso, uma questo crtica que necessrio lidar a
incerteza. As fontes de dados e os ambientes de deciso possuem vrios factores incertos,
que resultam em incertas relaes entre os objectivos de deciso e entidades. Entretanto, os
dados em si possuem incertezas. Por exemplo, as preferncias de um indivduo por solues
alternativas e o julgamento de critrio so muitas vezes expressas por termos lingusticos, tais
como 'baixa' e 'alta', o que implica uma espcie de incerteza. Abordagens matemticas e
inferncia precisas no so eficientes para combater tais variveis incertas.
Foram desenvolvidas, diversas tcnicas de processamento de informaes incertas. A
teoria de deciso de lgica difusa ou Fuzzy Logic, ou seja, a aplicao de conjuntos fuzzy em
actividades de deciso, uma dessas tcnicas bem desenvolvidas. Resultados de investigao
incluem modelos de deciso fuzzy, fuzzy multi-objectivo, fuzzy multi-critrio, fuzzy do
raciocnio baseado em casos, rvore de deciso fuzzy, recuperao de dados fuzzy, Regras
fuzzy associadas a Data Mining e aplicaes relacionadas. Devido extenso do conceito e
abrangncia de aplicaes, neste documento fica apenas a referncia a estas tcnicas, sendo
possvel em rodap encontrar diversas referncias de estudo a este assunto
61
.

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

Na pgina a seguir, apresentam-se quatro tcnicas de suporte de deciso popular sob a
taxonomia referida por Zachary e em ttulo prprio, algumas das ferramentas mencionadas
nas Tcnica de Controlo de Informao (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-Critrios
[Modelo de Escolha (2)]
A tcnica de tomada de deciso multi-critrio (MCDM
62
), est associada tambm aos
conceitos de multi-atributo (MADM
63
), multi-dimenso (MDDM
64
) e multi-objectivo (MODM)
e refere-se tomada de decises de preferncia (por exemplo, avaliao, prioritizao e
seleco) na presena de mltiplos e contraditrios
critrios sobre alternativas disponveis. Um modelo de
utilidade MCDM combina simultaneamente todos os
critrios de uma alternativa dada atravs de uma
frmula utilitria especfica ou de uma funo
utilitria usada. Os problemas para MCDM podem
variar desde os da nossa vida diria, tais como a
compra de um carro, at aqueles que afectam naes inteiras, como a utilizao sensata de
dinheiro para a preservao da segurana nacional. No entanto, mesmo com essa diversidade,
todos os problemas MCDM partilham as seguintes caractersticas comuns (Huang & Yoon
1981):
Um conjunto de alternativas: geralmente h um nmero limitado de alternativas
pr-determinadas.
Mltiplos critrios: cada problema tem vrios critrios. Por exemplo, o custo de
desenvolvimento, a qualidade do interface e qualidade da segurana so critrios
para a seleco de um software.
Critrios em conflito: existem vrios critrios conflituantes entre si, por exemplo, o
critrio de "baixo custo" e o conflito de "alta qualidade da funo de segurana.
Unidade incomensurveis: os critrios podem ter diferentes unidades de medida.
Por exemplo, a unidade de custo o euro, enquanto a do design de interface o grau
de satisfao.
Seleco: a soluo para um problema MCDM para seleccionar a melhor entre
alternativas finitas especificadas anteriormente. A seleco, aqui baseada
normalmente na maximizao do um
valor da funo multi-critrio (ou
utilitria) eleita pelos decisores.
Mapeando as alternativas para uma
escala cardinal de valor, a alternativa
com a cardinalidade mais elevada
implicitamente o melhor.

Os mtodos e tcnicas multi-critrio de
tomada de deciso foram e continuam a ser
amplamente desenvolvidos. Alguns MCDM
populares incluem o mtodo TOPSIS
65
(Huang &
Yoon 1981) e o mtodo Analytical Hierarchy
Process
66
(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
Optimizao
[Tcnica de Anlise e Raciocnio (4)]
A Optimizao, tambm chamada de programao matemtica, refere-se ao estudo dos
problemas de deciso em que procura minimizar ou maximizar uma funo escolhendo
sistematicamente os valores das variveis de um conjunto de permitidos. Um modelo de
programao matemtico (quantitativo) inclui trs conjuntos de elementos: variveis de
deciso, objectivos da funo(es), e restrio(es) (funcionais, e de no negatividade), onde
as variveis incontrolveis ou parmetros esto no mbito dos objectivos das funes e
restries. Muitos problemas reais de deciso podem ser modelados por um modelo de
programao matemtico. Existem muitos tipos de modelos matemticos de programao tais
como:
Programao linear (Benayoun et al. 1971),
Programao multi-objectivo (Huang & Masud 1979),
Bi-niveis/Multi- nveis de programao (Anandalingam & Friesz 1992).

A Programao linear
67
um tipo importante de modelo matemtico de optimizao no
qual a funo do objectivo e todas as restries so lineares. Existem problemas de
programao lineares puros correspondentes a algoritmos especializados em solues.
Existem tambm outros tipos de problemas de optimizao, incluindo um problema de
programao linear como um sub-problema. Programao linear fortemente usada em
vrias actividades de gesto, quer para maximizar o lucro ou minimizar o custo.
Raciocnio baseado em casos (CBR
68
)
[Tcnica de Anlise e Raciocnio (4)]
Os sistemas especialistas (ES) totalmente automatizados foram utilizados como um tipo
de sistema de apoio deciso para produzir uma soluo para um determinado problema.
Tais sistemas foram altamente bem sucedidos na resoluo dos problemas em muitos
domnios bem circunscritos. No entanto, eles no foram bem sucedidos no apoio tomada de
decises que exigem criatividade, conhecimento amplo de bom senso ou julgamento esttico
(Kolodner, 1991)
O Raciocnio Baseado em Casos (CBR) fornece uma metodologia para SAD/SSD na
resoluo de problemas novos, com base na soluo de problemas semelhantes do passado.
A tcnica ncleo do CBR ter uma capacidade de aprendizagem poderosa que pode usar
experincias do passado como base para lidar com problemas emergentes. O CBR, portanto,
pode facilitar o processo de aquisio de conhecimento, eliminando o tempo necessrio para
extrair solues especialistas. CBR parece ser o mtodo preferido de raciocnio ao alterar
dinamicamente situaes onde muito desconhecido e as solues nada claras.
O CBR representado por um ciclo de quatro fases (4Rs): recuperar, reutilizar, rever e
reter (1994 Aamodt & Plaza).

1. Recuperar - quando d entrada um novo problema, o CBR recupera o caso mais
semelhante do caso base.
2. Reutilizar - a soluo do caso recuperado reutilizada.
3. Rever - a soluo revista para se adequar ao novo problema.
4. Reter - a soluo revista e os problemas, so retidos para reutilizao 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 naturalmente, adequado para a tomada de decises baseadas no
conhecimento. O sucesso de um sistema CBR est sujeita adequao dos conhecimentos e ao
grau de raciocnio correctos.
Reinartz et al. (2001) estendeu o ciclo tpico do CBR de quatro fases com duas fases
(mais 2 Rs) adicionais: reviso e restauro. Na fase de reviso, o estado actual de um sistema
CBR e os seus contedos de conhecimento so monitorizados e avaliados; o sistema, incluindo
a sua base de conhecimento, adaptado na fase de restaurao para melhorar o desempenho
do sistema
69
.

Os SAD/SSD baseados em CBR podem ser passivos ou activos. Podem ser usados para
ajudar e apoiar a deciso a decisores com pouca experincia ou os mais experientes e podem
ser usados para ajudar numa grande variedade de actividades de deciso.
A maior vantagem dos mtodos CBR que considerado como um processo de raciocnio
natural dos seres humanos. Normalmente, os decisores so bons no uso de casos, mas no to
bons, em recordar os correctos. Assim, o CBR pode estender a memria dos decisores,
fornecendo os casos adequados.
A grande desvantagem do mtodo CBR que o espao de soluo no pode ser
plenamente explorado. Como resultado, no h nenhuma garantia de uma soluo ideal para
um problema de deciso.

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/
Contudos de
Conhecimento
Recuperar
Reutilizar
Rever Reter
Reviso
Restauro
Esquema 15 - O Ciclo do CBR em 6 fases (Reinartz et al. 2001)
Fase Manuteno
Fase Aplicao

Contedos de
Conhecimento

54
rvores de deciso
70

[Ajudas de Representao (5)]
Uma rvore de deciso um grfico de decises e suas possveis consequncias bem
como os eventos aleatrios relacionados, usado para criar um plano para alcanar o objectivo
de uma deciso. Uma rvore de deciso um modelo de previso para mapear as observaes
sobre um item com as concluses sobre o valor de destino do item e permite a
conceptualizao e o controle de um bom nmero de problemas de deciso sujeitas a riscos
Cada n (de deciso e de escolha) interior corresponde a uma varivel; um arco para uma
ramo representa um valor possvel dessa varivel. As folhas representam o valor previsto da
varivel alvo, dando os valores das variveis representadas pelo caminho desde a raiz. Os
ramos terminam em ns de finais.
O esquema seguir mostra um exemplo de uma rvore de deciso utilizado para
optimizar um portflio de Investimento.
71

Esquema 16 - Exemplo de rvore de Deciso - Optimizao de portofolio Investimento (Wikipedia)
FERRAMENTAS
Neste ttulo, pretende mencionar-se algumas das ferramentas de gesto de base de
dados, usadas segundo a taxonomia de Zachary pelas Tcnicas de Controlo de Informao. Os
SAD/SSD tm sido um auxiliar precioso a processos de deciso muito complexos e ambiciosos.
No entanto, o apoio deciso evoluiu dos sistemas de pergunta/resposta para um conjunto
muito variado de tcnicas de anlise de dados. Este conjunto de ferramentas pretende utilizar
toda a informao disponvel para melhorar a forma de gerir as organizaes. Os DW so o
ncleo de todas estas ferramentas ou plataformas tecnolgicas:
Data Warehouses
Um Data Warehouse ou armazm de dados um sistema informtico que tem como
funo armazenar informaes relativas s actividades de uma organizao em bases de
dados, de forma segura. O Data Warehouse tem um desenho especfico que possibilita a
anlise de grandes volumes de dados, recolhidos dos sistemas transaccionais OLTP. So
chamadas de sries histricas, ou seja facilitam a anlise de eventos passados, oferecendo
suporte s tomadas de decises presentes e a previso 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 definio, os dados de um Data Warehouse esto disponveis somente para leitura
pelo que, no podem ser alterados, esta situao s alterada em caso de ser necessrio fazer
correces em dados previamente carregados.
Os Data Warehouse surgiram como conceito acadmico na dcada de 80, mas com a
evoluo das tecnologias e a necessidade de uma melhor anlise de dados por parte das
empresas, j que os sistemas OLTP no permitiam a anlise mas apenas uma simples gerao
de relatrios, a implementao do Data Warehouse passou a ser uma realidade nas grandes
organizaes.
Nesse contexto, o universo de ferramentas utilizadas pelo Data Warehouse tambm
cresceu, sendo cada vez mais desenvolvidas e sofisticadas de maneira a apoiar uma utilizao
estruturada.
Concluindo os Data Warehouse so sistemas de armazenamento de dados que vieram
revolucionar as organizaes em avanos to simples como a melhoria do tempo de resposta
a solicitao de dados ou mais complexos como a melhoria da previso de comportamentos.
Os DW so sistemas integrados, no volteis, variantes no tempo, constitudas por um
conjunto de bases de dados relacionais e multidimensionais (MDDB) que so optimizadas
para suportar processos de tomada de deciso, sendo separadas das bases de dados
operacionais. As bases de dados multidimensionais organizam os dados em n-dimenses para
que os utilizadores possam visualizar todo um conjunto de dados referentes mesma rea de
negcio, tal como por exemplo produtos, regies de aco, variao das vendas, critrios
temporais, etc.
Actualmente, pela sua capacidade de resumir e analisar grandes volumes de dados, o
Data Warehouse o ncleo dos sistemas de informaes de apoio deciso.

Esquema 17- Arquitectura tpica de um Data Warehouse

OLAP
Bases de
Dados
ETL
Extraco
Transformao
Limpeza

Data
Warehouse
Relatrios
Estratgicos
Relatrios
Operacionais

56
Data Marts

Data Mart ou armazm de dados, subconjunto de dados de um Data Warehouse.
Geralmente so dados referentes a um assunto em especfico (ex: vendas, stock) ou mais de
uma rea especfica sob diferentes tipos de sumrio (ex: vendas anuais, vendas mensais,
vendas a 5 anos).
Os dados para o Data Mart so 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 especficos de grupos ou departamentos.
A nvel de implementao, planeamento e projecto o Data Mart funciona como o Data
Warehouse, Criado posteriori utiliza dados extrados do Data Warehouse de forma a atender
a necessidades de um sector dentro da empresa.
O Data Warehouse e o Data Mart, so dois sistemas na realidade muito semelhantes,
onde a maioria dos requisitos so similares (integrao, tempo, agregao, anlise e dados
vol|teis), tendo unicamente o objectivo como requisito dispare.
Sendo assim o Data Warehouse tem como objectivo atender 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 no reunir vrios sectores.
Concluindo os Data Mart so um sistema de armazenamento dependente dos DW
orientados para uma rea especfica da Organizao e dos conjuntos de dados.

Esquema 18- Representao tpica de Data Mart

Data Warehouse
Data Mart

57
On-line Analytical Processing (OLAP)
O processamento analtico online (Online Analytical Processing, OLAP) uma tecnologia
utilizada para manipular, analisar e organizar um grande volume de dados sob mltiplas
perspectivas.
As ferramentas OLAP so capazes de navegar pelos dados de um Data Warehouse,
possuindo uma estrutura adequada tanto para a realizao de pesquisas como para a
apresentao de informaes.
As bases de dados OLAP so divididas num ou mais cubos,
e cada cubo organizado e estruturado por um administrador
do cubo de forma a ajustar-se forma que utilizada para obter e
analisar dados, para que seja mais fcil criar e utilizar os
relatrios de Tabela Dinmica e de Grfico Dinmica de que
necessita.
Nas ferramentas de navegao OLAP, possvel navegar
entre diferentes nveis de detalhe de um cubo de dados. Atravs
de um processo chamado Drill o utilizador pode aumentar ou
diminuir o nvel de detalhe dos dados. Outra possibilidade
apresentada pela maioria das ferramentas de navegao OLAP
o recurso chamado Slice and dice. Esse recurso usado para
criar vises dos dados por meio da sua reorganizao, de forma que eles possam ser
examinados sob diferentes perspectivas.
O OLAP inclui actividades como gerao de querys, pedidos de relatrios e execuo de
anlise estatstica, que so desenvolvidos pelo utilizador final. Para facilitar as operaes
OLAP necessrio trabalhar com o Data Warehouse e um conjunto de ferramentas com
capacidades multidimensionais, que incluem ferramentas de query, folhas de clculo,
ferramentas de Data Mining e de visualizao.
O OLAP faz uso das tcnicas de cruzamento e consolidao de dados sobre eixos
mltiplos, permitindo a anlise de tendncias e projeces de mercado de uma forma
heurstica e interactiva.

Esquema 19 - OLAP Online Analytical Processing

Figura 11 - Cubo OLAP
(http://www.relativitycorp.com)
Internas
Externas
Aquisio
extraco,
distribuio e
transporte de
dados
Data
warehouse
Comunicao
Querying
Gerao de
relatrios
Anlise,
modelao,
previso
Apresentao
e visualizao
de dados
Fontes de
Dados
Multimdia

58
DataMining
Desde que a informtica passou a fazer parte das nossas vidas, imensos volumes de
informao tm sido recolhidos e armazenados. Isso trs um enorme benefcio, pois j no
necessrio procurar informao em volumosos arquivos de papel. Apesar disso, apenas
recolher e arquivar informao no suficiente, e nesse sentido que o Data Mining se insere.
O processo de Data Mining permite que se investigue dados procura de padres que
tenham valor para a empresa.
Um ser humano capaz de fazer at 8 comparaes ao mesmo tempo. A funo do Data
Mining precisamente ampliar esta compara~o at ao infinito e tornar isso visvel ao olho
humano.
O ser humano sempre aprende com a observao de padres, formulando hipteses que
testa e para as quais vai descobrindo regras. A informtica uma tecnologia que armazena um
enorme volume de dados, os quais no conseguem ser avaliados procura de padres num
prazo de tempo razovel. A soluo foi criar uma ferramenta capaz de detectar padres que
sejam novos e teis. O Data Mining surge ento com essa finalidade podendo ser aplicado
tanto em pesquisa cientfica como para impulsionar os lucros de uma empresa
O Data Mining basicamente a aplicao de tcnicas estatsticas complexas que so
analisadas por tcnicos especializados.
Trata-se de um processo que utiliza
diversos algoritmos que processam os
dados e encontram "padres vlidos,
novos e valiosos". no entanto
necessrio perceber que embora os
algoritmos actuais sejam capazes de
descobrir padres "vlidos e novos",
ainda no existe uma soluo eficaz para
determinar padres valiosos. Por essa
razo, Data Mining ainda requer uma
interaco muito forte com analistas
humanos, que so, em ltima instncia,
os principais responsveis pela
determinao do valor dos padres
encontrados.
Resumindo o Data Mining pode ser
descrito como um conjunto de tcnicas
de anlise e processamento de grandes
quantidades de dados permitindo extrair
padres ocultos de dados relevantes e a
sua classificao de acordo com
comportamentos ou relaes semelhantes, a modelao explcita de dependncias entre
variveis e a deteco de desvios em variveis chave, permitindo utilizar o passado para
prever tendncias futuras a fim de fornecer aos decisores 'conhecimento' para auxiliar a
tomada de deciso. O processo de Data Mining assenta na descoberta de dados que devido
sua natureza no so to visveis (ou directos) como os dados armazenados em DW. O
objectivo baseia-se em tentativas de extraco automtica de conhecimento das bases de
dados de maior dimenso, 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 deciso bem concebido, desempenha um papel muito importante
ao compilar informao til a partir de dados brutos, documentos, conhecimento pessoal, e
modelos com o objectivo de auxiliar na resoluo de problemas. Permite aos decisores
efectuar um nmero elevado de processamento rapidamente. Assim, a implementao de
SAD/SSD nas organizaes, que se deparam com muitos problemas de deciso e complexos,
cada vez maior e o seu uso do SAD muito vantajoso.
As organizaes que no fazem uso de SAD/SSD, o processo de tomada de decises
feita apenas com base em dados histricos e em experincias individuais. No entanto, quando
se usa um SAD/SSD para apoiar o(s) decisor(es) no processo de tomada de deciso, as
informaes fornecidas pelo sistema so incorporadas nos dados histricos e nas experincias
individuais, e com este processo, disponibiliza melhores condies para a tomada de deciso.
Sendo que a sada ou a mudana do decisor pode causar grande impacto na organizao,
devido perda da histria de como as decises foram tomadas.
Apesar da reconhecida vantagem no uso dos SAD/SSD nas organizaes, o impacto nas
organizaes da sua implementao e dos sistemas de informao associados e tecnologias
associadas, alvo de muitos estudos. De acordo com Rockart e De Long (1988)
72
a utilizao
de sistemas computacionais por parte de gestores no mnimo controversa. Esta controvrsia
tanto maior quanto mais elevada for a posio hierrquica dentro da organizao. O
principal argumentado apontado o seguinte. Os executivos debatem-se com mltiplas
questes, normalmente estratgicas, num ambiente no estruturado, complexo e em
constante mutao. Para lidar com este ambiente necessitam de informao actualizada e
orientada para o exterior, na sua maior parte informao no quantitativa e genrica (soft
information). A melhor forma de obter este tipo de informao atravs de subordinados, ou
outros, quer pessoalmente quer atravs do telefone (leia-se meios de comunicao sem
impacto da palavra escrita o correio electrnico possui por vezes esta caracterstica). Os
sistemas computacionais fornecem tipicamente dados quantitativos e detalhados (hard
information), histricos e orientados para o interior da organizao. Parecem portanto pouco
plausveis como substitutos de fontes de informao humanas.
No entanto, apesar das crticas, a utilizao de
ferramentas informticas no apoio gesto 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 aplicaes de
fcil utilizao. Algumas aplicaes que eram
tecnicamente impossveis h algum tempo atrs so
agora muito fceis de implementar. Para alm disso,
cada vez mais, h gestores com formao na rea 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 h
tambm os que consideram a questo estratgica em
termos organizacionais. Tambm no se pode por de
parte o resultado da passagem do tempo implicando a promoo a lugares de gesto
indivduos cujas tarefas dependiam primordialmente da utilizao de computadores.

72
http://en.scientificcommons.org/john_f_rockart
Figura 13- Abstracto/ O Cerebro humano e
informao armazenada (Fonte: Google Images)

60
A informao ao dispor de uma organizao est hoje em dia armazenada numa
combinao dos seguintes meios:
Na cabea de algum,
Em papel,
Em microfilme ou outro suporte substituto directo do papel
Num computador em suporte digital.

Os gestores utilizam muito frequentemente a informao que possuem na cabea ou a
sua intuio, no entanto a proporo das decises baseadas unicamente neste tipo de
informao est a decrescer rapidamente. H medida que as situaes envolventes se tornam
mais complexas mais se torna necessrio informar as decises.
Com o aumento da quantidade de
informao 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 no
s necessrio determinar o custo do
armazenamento mas tambm da recuperao e
utilizao da informao. Embora os registos
possam ser utilizados para informar decises,
verifica-se que uma organizao tenta
primordialmente manter a informao com o
propsito de arquivar historicamente o
passado. Estes arquivos podem crescer
desmesuradamente e colocar alguns problemas
aos processos de deciso, pois para informar
uma deciso no s necessrio recolher,
armazenar, recuperar e eventualmente
eliminar informao, principalmente
necessrio utiliz-la. A qualidade de uma deciso pode ser prejudicada tanto por falta de
informao, como por demasiada informao. A ignorncia pode ser comum s duas situaes:
se h demasiada informao um gestor pode falhar os factos essenciais, ou mesmo desistir de
usar to grande quantidade de informao e refugiar-se em apenas alguns pontos que julga
essenciais, regressando ao ponto de partida.
Em resumo, os SAD/SSD e ferramentas computacionais so hoje em dia incontornveis
para gerir a informao que se destaca como um importante recurso organizacional, mas
levantam duas grandes questes investigao nestas reas: Quais as tarefas mais
apropriadas para serem apoiadas computacionalmente? E como construir sistemas tentando
minimizar os aspectos negativos? reconhecido pela generalidade da literatura actual que o
sucesso de um sistema depende de quo aceitvel para os utilizadores alvo, para os
potenciais compradores (nem sempre utilizadores) e para todos aqueles que so afectados
pela sua introduo e utilizao, numa organizao.
A utilidade e a facilidade de utilizao no caso de plataformas tecnolgicas so
consideradas factores primordiais na aceitao e utilizao de um sistema de SAD/SSD.
Gerou-se no entanto, bastante confuso entre estes dois conceitos e com a sua importncia
relativa para a utilizao efectiva de um sistema. Por utilidade entende-se normalmente o
grau segundo o qual uma pessoa acredita que a utilizao de um determinado sistema vai
melhorar a prestao do seu trabalho. Por facilidade de utilizao, entende-se normalmente o
Figura 14 - Informao por meio electrnico

61
grau segundo o qual uma pessoa acredita que a utilizao de um determinado sistema ser
livre de esforo. As definies apresentadas evidenciam claramente o carcter subjectivo dos
termos. Mas, mais importante, a constatao que por muito que se melhore o interface de
um sistema se a sua utilidade for baixa, ele continuar a no ser utilizado. E mais, os
potenciais utilizadores continuaro a afirmar que o sistema no de fcil utilizao. O que
leva a crer que, ao contrrio do que normalmente se considera, a facilidade de utilizao no
uma caracterstica intrnseca do interface de um sistema, no podendo, portanto, ser
optimizada em separado.
Ewusi-Mensah (1997)
73
investigou quais os factores que levam ao abandono de
projectos de desenvolvimento de sistemas de informao. Os seus resultados indicam que o
cancelamento de projectos pode ser atribudo a mistura de factores, por ordem de frequncia:
Objectivos do projecto Falta de um acordo global sobre um conjunto bem articulado de
objectivos do projecto e da organizao.
Constituio da equipa do projecto Equipas onde os elementos so problemticos e
difceis de gerir em conjunto, ou de provenincias to dspares que no conseguem
comunicar entre si.
Gesto e controlo do projecto M liderana e falta de sistemas de medida de progresso e
de identificao atempada de problemas potenciais.
Conhecimento tcnico O nvel de conhecimentos da equipa, quer no domnio da
aplicao quer no plano tcnico, insuficiente para os desafios colocados pelo projecto.
Infra-estrutura tcnica O nvel organizacional de tecnologia informtica de base no
adequada ao projecto.
Envolvimento da administrao Decises politicas em momentos cruciais do desenrolar
do projecto so delegadas em especialistas tcnicos.
Como concluso, para que o SAD funcione bem ele depende dos seguintes factores:
O modelo construdo deve atender s necessidades gerais da organizao e no somente s
necessidades especficas de um utilizador/decisor;
Mudanas no sistema devem ser feitas rapidamente pelo analista de sistemas para atender a
novas necessidades de informao para apoio deciso;
Informaes sobre as decises tomadas devem ser armazenadas e estar disponveis para
que outras pessoas as utilizem em novos processos de tomada de deciso;
O interface com o utilizador deve ser o mais amigvel possvel;
A obteno de informaes, internas e externas organizao, deve ser imediata;
Os benefcios da utilizao de SAD devem ser disseminados na organizao atravs de
formao.

73
Software Development Failures - Anatomy of abandoned projects. Kweku Ewusi-Mensah (Set2003) ISBN-10: 0-262-05072-2
Figura 15 Abstracto / Benefcios dos SAD

62
VANTAGENS
Rapidez
Ultrapassa limites cognitivos (atravs do computador)
Qualidade (obteno do valor ptimo mais prximo dos nossos objectivos)
Decises mais eficazes e mais eficientes
Melhor comunicao entre os decisores
Melhor utilizao do processo de aprendizagem
Diminuio de custos com software: administrao e suporte
Retorno sobre investimento mais rpido para projectos implantados com BI;
Maior controlo das informaes e reduo das taxas de dados incorrectos;
Maior segurana das informaes;
Alinhamento de informaes estratgicas e operacionais;
Facilidade de controlo de acesso, com definio de nveis;
Rapidez na recolha de informao para tomada de decises estratgicas;
Informao consistente em vrios locais dispersos;
Vantagem competitiva.
Exactido nas informaes necessrias tomada de deciso
Obteno de informaes precisas e actualizadas a respeito de comportamentos
Obteno de informaes (ex: lucro e produtividade) como um todo, permitindo
detalhes por critrios especficos
Anlise comparativa por perodos de tempo;
Satisfao da administrao de topo no que diz
respeito ao pronto atendimento na procura de
informaes;
Conferncia e acertos de dados, devido maior
visibilidade das informaes, permitindo correces
dos sistemas OLTP.
DESVANTAGENS/PROBLEMAS
Custo elevado das solues
Pouca flexibilidade (ex: relatrios)
Limitao de recursos
Os relatrios so apenas informao resumida da
actividade operacional
H falta de viso da evoluo temporal
H dvidas sobre quem proprietrio ou autor da informao
Problema de aco
Orientao para a escolha de alternativas/solues
Suposio da relevncia da resposta do sistema
Transferncia de poder ao sistema que no intencional
mais difcil atribuir responsabilidades

Como grande desvantagem h a registar que, acompanhando os modelos, ferramentas e
tcnicas mais avanadas, surgiu tambm, na rea dos SAD/SSD uma abordagem tcnico-
racional resoluo de problemas e aos processos de deciso, que, ao enfatizar a anlise
quantitativa e a eficincia computacional, subestima ou mesmo despreza factores qualitativos
e psico-scio-culturais dos decisores.

Figura 16 - Abstracto/Tratamento
de Informao relevante.
(Fonte: Google Images)

63
NOVAS TCNICAS E O FUTURO
Uma quantidade considervel de ferramentas e tecnologias esto a ser dotadas de novas
capacidades no domnio dos Sistemas de Apoio Deciso. Tal facto obriga a mudanas e
actualizaes ao nvel das empresas cujo principal objectivo o desenvolvimento deste tipo
de sistemas. As mudanas referidas acontecem principalmente ao nvel do hardware, do
software baseado em critrios matemticos (software matemtico), das tcnicas de
inteligncia artificial, agentes inteligentes, tcnicas de Data Mining, bases de dados
multidimensionais (MDDB) e Data Warehouses, sistemas de Enterprise Resourse Planning
(ERP), processos de anlise on-line (OLAP), tecnologias de comunicao bem como todo um
conjunto de ferramentas baseadas em tecnologias World Wide Web e internet.
SISTEMAS ORIENTADOS AO INDIVIDUO
Actualmente a dimenso de um problema a solucionar por um determinado software
comercial poder ser virtualmente ilimitado, dependendo apenas do tamanho da memria
disponvel no computador ao dispor do utilizador (no podemos tambm ignorar o factor
pacincia, por parte desse utilizador). Muitos destes sistemas so implementados em
aplicaes comerciais tais como, por exemplo folhas de clculo no Excel do Microsoft. Office ou
o Quattro-Pro da Borland, aplicaes que a maioria de ns reconhece que possuem uma
interface grfica intuitiva aliada ao facto de proporcionarem uma ligao a uma qualquer base
de dados.
Com a constante evoluo das redes e comunicaes a nvel global, os sistemas do tipo
Single User foram alterando a sua natureza passando cada vez mais a sistemas distribudos e
integrados, ou seja, vo surgindo os Sistemas de Apoio Deciso Distribudos (SADD / DDM
Distributed Decision-making Systems). Os SADD so constitudos por um agrupamento de
vrios sistemas Single-User, sendo possvel a estes sistemas realizarem as suas tarefas quer
em conjunto, quer de uma forma independente entre si, obtendo assim decises de um modo
sequencial. Os SADD no se podem considerar sistemas independentes e autnomos, 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 avanos no
desenvolvimento de um conjunto alargado de outras tecnologias, onde se podem destacar a
ttulo de exemplo as Data Warehouse, tcnicas de Data Mining e agentes inteligentes.
Os agentes inteligentes (tambm conhecidos como interfaces inteligentes ou
adaptativos) so entidades emergentes interdisciplinares de pesquisa onde se envolvem
algumas reas intervenientes nos processos de sistemas de apoio deciso, tais como:
conhecimento cognitivo, psicologia, bases de dados, etc. A pesquisa em tecnologias ligadas aos
agentes inteligentes tem contribudo para as novas geraes de sistemas inteligentes de apoio
deciso e Executive Information System (EIS).
Os sistemas de apoio deciso agora e para o futuro, esto equipados com ferramentas
que agem como conselheiros ou mentores para a deciso do momento e do modo como so
fornecidos aos utilizadores conselhos e poder de crtica. Utilizadores constantemente
sujeitos a estmulos de agentes electrnicos, que formulam problemas e inquerem o sistema
sobre os problemas formulados. A essncia da deciso activa ser o suporte a actividades que
tem como base a monitorizao do processo de tomada de deciso, estimulando as ideias e a
criatividade dos decisores.
Por outras palavras pode dizer-se que o mtodo de deciso activa funciona como um
decisor, no extremo do conceito pode mesmo afirmar-se que este mtodo um decisor

64
SISTEMAS DE GRUPO (SADG),ORGANIZACIONAIS E A WORLD WIDE WEB
A World Wide Web est a ser cada vez mais usada como plataforma cliente-servidor de
muitas organizaes devido rede e independncia da plataforma e aos baixos custos de
software/instalao/manuteno. Mais e mais, o Groupware estar ligado intrinsecamente
internet. A World Wide Web est a tornar-se a infra-estrutura para a prxima gerao de
SAD/SSD e aplicaes Groupware. Muitos produtos de Groupware, como o Lotus Domino
74
e o
Microsoft Exchange
75
esto a integrar cada vez mais protocolos na sua composio. As novas
verses do Office j fazem por eliminar as fronteiras entre a World Wide Web e o Groupware.
Muitas companhias esto a utilizar tecnologia Groupware para aumentar o business-to-
business atravs de intranets e extranets.
Outro desenvolvimento na rea dos sistemas de informao a importncia crescente
dos sistemas ERP (Enterprise Resource Planning). Os sistemas ERP so a nova gerao de
sistemas de informao que integram informao e processos baseados na informao em
reas funcionais da organizao. Os sistemas ERP tm como foco principal o processamento
de dados resultantes da criao de bases de dados organizacionais extensas que consistem em
unidades individuais de negcio atravs do globo. As extensas bases de dados criadas pelo
sistema ERP disponibilizam uma plataforma para apoio deciso, Data Warehousing, Data
Mining e sistemas de apoio a executivos. As solues integradas disponibilizadas pelos
sistemas ERP so atribudas ao uso de uma base de dados comum.
medida que entramos na era da aldeia global onde as fronteiras geogrficas e
temporais se vo desvanecendo rapidamente, os SAD/SSD globais emergem como novas
fronteiras na rea dos sistemas de informao para a gesto. Na prxima dcada, os SAD/SSD
iro focar-se em equipas, grupos de trabalho e distribudas e descentralizadas estruturas
organizacionais. Consequentemente, muitas organizaes aumentam o desenho e a
implementao de SADG e organizacionais.
Os MSS (Management Support Systems) globais imergiro como elemento chave no
processo de deciso na gesto e como uma arma essencial contra os adversrios globais.
Suportar actividades de negcio globais est-se a tornar uma importante e extremamente
complexa tarefa e as SAD/SSD globais no so suficientes. essencial desenvolver e integrar
MSS globais com sistemas de informao para executivos, redes neuronais, e por a 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/Decises Globais e em Grupo
(Fonte: Google Images)

65

CONCLUSO
Este documento no pretende nem pretendeu esgotar o assunto, mas sim ser uma
pequena contribuio ao to complexo mundo da gesto de informao nas empresas com o
objectivo de auxiliarem no processo de tomada de deciso.
Os sistemas de informao tm sido desenvolvidos para optimizar o fluxo de informao
relevante no mbito de uma organizao, desencadeando um processo de conhecimento e de
tomada de deciso e interveno na realidade. De um modo geral, existe um consenso de que
um sistema de informao deve ser estratgico e contribuir para que uma organizao possa
alcanar os seus objectivos.
Para isso, a abordagem metodolgica no seu desenvolvimento deve ser voltada para a
determinao das necessidades, a organizao, a disseminao e a representao da
informao, com o objectivo de aperfeioar o valor do sistema. De notar que os sistemas de
informao e as plataformas tecnolgicas actualmente disponveis so bastante poderosos,
sendo a sua utilizao tanto maior quanto maior a sua facilidade de utilizao.
Com a crescente evoluo das novas tecnologias e a sua efectiva utilizao no mbito
organizacional, os sistemas de informao tornaram-se ferramentas essenciais no quotidiano
organizacional. A crescente importncia destes sistemas e o nascimento da Internet fizeram
com que empresas e particulares tivessem rapidamente acesso s enormes quantidades de
informao.

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

A existncia de ferramentas que alteraram completamente a forma de como realizar as
actividades rotineiras da empresa, que permitiram a automatizao de algumas dessas
tarefas, a constante criao de aplicaes que permitiam cada vez mais uma maior
organizao e estruturao e representao da actividade empresarial fez com que os
investigadores comeassem a estudar formas de modelar a Tomada de Deciso Empresarial.
O crescimento do mercado de BI claramente visvel. Existem dados que comprovam
no se tratar de uma moda passageira. , claro, que ajustes de infra-estrutura e na integrao
dos sistemas so necessrios, mas o retorno do investimento tem sido comprovado por vrias
organizaes que adoptaram sistemas de BI.
medida que as tecnologias de informao evoluem, as ferramentas de BI vo sendo
rebaptizadas e reagrupadas. Solues anteriormente denominadas EIS e SAD como sistemas
independentes acabaram por ser incorporadas com outras ferramentas e, mesmo quando
oferecidas em separado, recebem outras denominaes para ganhar um ar de modernidade.

66

Na histria do BI e dos SAD/SSD, existem muitos relatos de iniciativas de sucesso e
tambm de projectos que no deram certo. Todas essas experincias trouxeram lies
importantes para o mercado, e ajudaram a identificar as melhores prticas, as tendncias de
tecnologias e factores que afectam o sucesso estratgico dos sistemas de BI e SAD/SSD. As
melhores prticas actualmente e por que os sistemas de BI so mais abrangentes que os
SAD/SSD focam, essencialmente, a arquitectura de BI e do Data Warehouse, a limpeza dos
dados histricos, a organizao dos dados e a apresentao da inteligncia e do conhecimento.
Para a implementao efectiva de uma soluo de apoio deciso, a condio essencial,
segundo defende a maioria dos analistas de mercado, a de existir um repositrio nico de
dados que seja slido e confivel. Consultores e especialistas referem a necessidade de
conquistar mais visibilidade sobre as informaes que suportam o processo de tomada de
decises, em todos os nveis da organizao, ou seja: viram a necessidade de implementao
de um Data Warehouse, para unificar a viso, e capacitar a tomada de decises com base em
informaes mais precisas e
que toda a organizao pode
aceder.
A descrio do conceito
de BI e o de SAD/SSD, em que
atravs de um conjunto de
ferramentas TI se pode
transformar os dados em
informao, e por sua vez, em
conhecimento, subsidiando
aos decisores uma mais-valia
na tomada de deciso sobre a
actividade da organizao, 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 apresentao de relatrios, OLAP, Data Mining, etc
Sobre os temas, descrevi o impacto nas organizaes, e como se podiam adaptar a
outras realidades e no apenas empresarial.

Resta dizer que tanto os sistemas de Business Inteligence como os Sistemas de
Apoio Deciso por si s no decidem nada. Estes apenas orientam o agente decisor
para a tomada de deciso.

Figura 19 - O Mundo da Informao

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

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 nraden@hiredbrains.com.

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.

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 DECISO - UM RESUMO
76

Quase tudo o que o Homem faz envolve tomada de Decises. A reside a grande
dificuldade de reflectir teoricamente sobre Decises. Quando se aborda este tema, abordam-
se pessoas, actividades humanas, decises e a forma como as decises so tomadas. um
assunto multidisciplinar, que tem atrado o interesse de economistas, estaticistas, psiclogos,
polticos e filsofos.
Inmeras teorias tm vindo a ser desenvolvidas, ficando aqui um breve resumo das
principais correntes sobre esta temtica.

Condorcet (filsofo francs, 1743- 1794) est na origem da primeira teoria geral faseada do
processo de deciso, dividindo-o em 3 fases (First Discussion, Second Discussion,
Resolution).

Modelos sequenciais
Na primeira fileira da discusso moderna sobre teoria da deciso est John Dewey, que
estende as 3 fases identificas por Condorcet a 5 fases que acontecem de forma sequencial.
Este tipo de modelos designado sequencial por dividir o processo de deciso em partes
que seguem uma determinada sequncia.

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

Fase 1 Intelligence: ocasies que despoletam uma tomada de deciso;
Fase 2 Design: encontrar possveis formas de aco;
Fase 3 Choice: escolher entre diferentes formas de aco

Brins et al. propem tambm outra sub-diviso do processo de deciso.

Fase 1 Identificao do problema
Fase 2 Obteno da informao necessria
Fase 3 Produo de solues possveis
Fase 4 Avaliao dessas solues
Fase 5 Seleco de uma estratgia de desempenho
(Fase 6 Implementao de uma deciso)

Modelos No 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 vrias partes do processo
de deciso no devem ter uma ordenao pr-definida, sendo esta inerente ao problema a que
se refere.

Mintzberg, Raisinghani and Thort identificam fases distintas mas sem uma relao
sequencial, tendo como base as 3 fases identificadas por Simon. Os autores consideram que o
decisor pode alternar entre rotinas (designao dada s sub-fases) durante o processo de
deciso e, no encontrando nenhuma soluo aceitvel, regressar fase de Design
(desenvolvimento de alternativas).
Uma das discusses que se levanta 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 convico, revelando que a fase de levantamento de solues domina as
restantes.
Isto contrasta com o facto de que a Teoria da Deciso focar-se sobretudo com a parte da
escolha entre alternativas, que na perspectiva de muitos autores menos significativa do que
as fases de diagnstico e design. A defesa do foco da Teoria da Deciso na rotina de avaliao e
escolha de alternativas reside precisamente no facto de essa rotina em si traduzir o processo
de deciso. De qualquer forma, importa realar que no se deve por isso negligenciar as
outras fases

Tabela 5 - Resumo da Teoria da Deciso por autor

76

77
LINHA DE TEMPO (HISTRIA 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.; Iversons 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 Mortons 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 hypermediaGroupware 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 Daviss 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 19711988
1991 Inmon books Building the Data Warehouse and Database Machines and Decision Support Systems; Berners-Lees 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; Pendses 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 worlds 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.

78
SISTEMAS DE APOIO A DECISO EM GRUPO (SADG)
Extrado e adaptado de um documento sem referncia bibliogrfica no Scribd
78

Os Sistemas de Apoio Deciso em Grupo (SADG) ou Group Decision Support System
(GDSS) resultaram a partir da necessidade de melhoria do processo de deciso em grupo,
embora nem todos os empregados e gestores estejam envolvidos no processo de deciso em
grupo, alguns gerentes de nvel tctico e estratgico podem despender mais da metade do
tempo para a tomada de deciso na configurao 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 deciso em grupo. Os SADG esto a tornar-se
uma ferramenta vital no processo de deciso 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 deciso em grupo requer
novas e adicionais abordagens. Alguns SADG permitem o intercmbio da informao e das
experincias entre as pessoas sem, contudo, inquirir reunies ou interaco face-a-face.
A abordagem SADG reconhece que procedimentos, dispositivos e abordagens so
necessrios nos ambientes de tomada de deciso em grupo.
Facilidade de uso. Um SADG deve ser fcil de aprender e usar.
Flexibilidade. Um SADG efectivo precisa no s dar suporte s diferentes abordagens que
norteiam as decises dos gestores, bem como encontrar um meio para integrar as suas
diferentes perspectivas numa viso comum em relao questo em foco.
Suporte deciso. Um SADG pode dar suporte a diferentes abordagens na tomada de
deciso, incluindo a abordagem delphi, na qual os decisores encontram-se em diferentes
lugares geogrficos do pas ou do mundo. Essa abordagem encoraja a diversidade entre os
membros do grupo e estimula a criatividade e o pensamento original na tomada da
deciso.
A abordagem de consenso do grupo fora os membros dum grupo a encontrar uma
deciso unnime. A tcnica nominal de grupo permite a participao de cada tomador de
deciso; com essa tcnica, que encoraja o feedback de um indivduo do grupo, a deciso
final resulta de uma votao semelhante usada nas eleies polticas.
Contribuio annima. Muitos SADG permitem a participao annima, onde a identidade
do indivduo que contribui desconhecida dos outros participantes. Na participao
annima, o grupo de tomadores de deciso concentrar-se- apenas nos mritos da
contribuio, sem considerar quem a forneceu. Alguns estudos tm revelado que quando
o grupo opta pela contribuio annima as decises so mais certeiras e os resultados so
superiores comparados aos dos grupos que ignoram essa abordagem.
Reduo do comportamento negativo do grupo. Uma caracterstica fundamental de
qualquer SADG a de suprimir ou eliminar o comportamento de grupo que atrapalha ou
danoso efectiva tomada de deciso. Em alguns grupos, os indivduos dominantes podem
tomar conta da discusso, impedindo que outros membros apresentem alternativas
criativas. Hoje, muitos dos que esto na concepo de SADG, esto a desenvolver sistemas
de hardware e software direccionados para minimizar esses tipos de problemas.
Procedimentos referentes ao planeamento efectivo e gesto das sesses em grupo
podem ser incorporados na abordagem SADG.
Comunicao paralela. Nas reunies tradicionais, normalmente uma pessoa fala na sua
vez sobre vrios assuntos. Com um SADG, possvel que, simultaneamente, todos os

78
http://www.scribd.com/

79
membros do grupo faam comentrios ou formulem questes por meio de um PC. Esses
comentrios e assuntos so exibidos imediatamente em cada PC dos membros do grupo.
Manuteno automtica dos registos. Cada comentrio 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 vrios componentes de um
SADG, abrange o software e o modo como ele controlado e usado, tambm so factores a
ser levados em conta antes de sua aquisio e implementao.
COMPONENTES DE UM SADG E O SOFTWARE SSDG
Os componentes dos SADGs e sua interaco variam de acordo com o seu uso. Muitos
desses sistemas possibilitam o acesso simultneo de mltiplos utilizadores a arquivos
comuns, bancos de dados e Internet, permitindo que os membros do grupo trabalhem sobre
a mesma tarefa enquanto esto no ambiente de grupo.
O software SADG constitui o corao do SADG, proporcionando muitas ferramentas teis
para o trabalho de grupo. Por exemplo, os documentos compostos podem conter informaes
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 multimdia,
como udio e vdeo so armazenados num nico arquivo, enquanto os aplicativos
tradicionais exigem arquivos separados para cada aplicao (um para documentos de texto,
um para grficos e assim por diante). Alguns programas de SADG tambm permitem que
documentos compostos incluam aplicativos de diferentes empresas de software.
O software SADG, tambm conhecido como Groupware ou software de Workgroup,
permite o suporte ao agendamento, comunicao e a gesto num ambiente de grupo. Um
pacote popular, como o Ltus Notes, pode capturar, armazenar, manipular e distribuir
memorandos e comunicaes criadas durante os projectos em grupo. O Notes da Microsoft
suporta a partilha de aplicaes permitindo ligaes de varias partes e partilha uma tarefa de
cada vez. O utilizador designado para actuar como operador selecciona uma aplicao
anteriormente accionada e cada participante escolhe se colabora ou no. Qualquer
participante colaborador pode assumir o controlo do rato e trabalhar na aplicao
partilhada enquanto os outros observam? O Exchange da Microsoft, outro exemplo de
Groupware, um software que permite aos utilizadores montar quadros de avisos
electrnicos, programar reunies de grupo e usar o correio electrnico num ambiente de
grupo.
OPES PARA UM SADG
Os SADG, podem aceitar vrias alternativas de configurao de rede, dependendo da
necessidade do grupo, da deciso a ser suportada e da localizao geogrfica dos membros do
grupo. A frequncia do uso do SADG e a localizao dos tomadores de deciso so dois
factores importantes.
Sala de deciso. ideal para situaes nas quais os decisores esto localizados no mesmo
edifcio ou rea geogrfica e, tambm, quando so utilizadores espordicos da abordagem
SADG. Nesses casos, uma ou mais salas de deciso ou instalaes podem ser montadas
para acomodar a abordagem SADG. Podem usar as salas de deciso, grupos de pesquisa
de marketing, grupos de gesto da produo, equipas de controlo financeiro ou comits
de controlo da qualidade.

80
A rede local. Pode ser utilizada quando os membros de um grupo esto localizados no
mesmo edifcio ou regio geogrfica e sob condies em que sejam frequentes as decises
em grupo.
A alternativa de teleconferncia. utilizada em situaes em que a frequncia de decises
baixa e os membros do grupo esto distantes entre si. Os encontros, ocasionais e a
distncia, podem reunir mltiplas salas de tomadas de decises, espalhadas pelo pas ou
pelo mundo, utilizando um SADG. Usando a tecnologia de comunicao a longa distancia,
as salas de deciso esto ligadas electronicamente e possuem mecanismos de
teleconferncia e videoconferncia. Esta alternativa pode oferecer um alto grau de
flexibilidade.
A rede de longa distncia. usada em situaes em que a frequncia de decises alta e
os membros do grupo esto distantes entre si. Neste caso, os decisores requerem o uso
frequente ou constante da abordagem do SADG. Essa situao requer que os tomadores
de deciso situados por todo o pas ou pelo mundo, sejam interligados por meio de uma
rede de longe distncia (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
Caracterstica
Flexibilidade na procura e no uso das
informaes
Acesso a informao externa, Ferramentas de
Software, Pessoas
Objectivo
Facilidade de incorporar novas
informaes
Reunir opinies, aumentar eficcia nas
reunies, deciso mais eficiente,
Quem utiliza
Utilizadores finais: gerente,
administrador
Pessoas que trabalham em grupo cooperativo.
O que faz
Gera informaes necessrias para a
tomada de decises.
Sistema baseado em computador que facilita a
soluo de problemas
Distino 1
Desenvolvimento rpido
Fcil entendimento
Procura tirar proveito dos sistemas de suporte
individual, sendo que um SADG requer novas
abordagens. Permitem o intercmbio da
informao e das experincias entre as
pessoas.
Distino 2
Facilidade para incorporar ferramentas
novas.
Facilidade de uso. Um SADG deve ser fcil de
aprender e usar.
Especialidade Facilidade de modificar as ferramentas.
Precisa encontrar um meio para integrar as
suas diferentes perspectivas numa viso
comum em relao questo em foco.
Custo
Utilizao de modelos mais rpida que a
implementao de sistemas reais, alm da
diminuio dos riscos e um custo mais
baixo, e exigncia de grande nmeros de
profissionais
Custos expressivos, exigindo grande
quantidade de computadores pessoais,
software sofisticado, redes, pessoal e suporte.
Tabela 6 - Comparao entre SAD/SSD e SADG (GDSS)

Mais referncias:
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: Limitaes e Oportunidades (R020.pdf ):
www.di.fc.ul.pt/~paa/reports/R020.pdf

81

REFERNCIAS BIBLIOGRFICAS
Charles Nicholls. (2006, Novembro). BI 2.0: The Next Generation. Obtido em Maro 19, 2010, de
Information Management Magazine:
http://www.information-management.com/issues/20061101/1066763-1.html

Dresner, H. (1989).

Httenschwiler, P. (1999). Decision Support Systems. Obtido em 30 de Maro 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 Maro 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. Polnia: 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 Maro 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 Maro 22, 2010, de wiseGEEK:
http://www.wisegeek.com/what-is-business-intelligence.htm

Nunes, F. (27 de Dezembro de 2007).Obtido em 15 de Maro de 2010, de Integraded Decision
Support Systems:
http://nunesf.blogspot.coml

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

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

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

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

82

Power, D. J. (2002). Web-Based DSS. Obtido em 29 de Maro 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 Maro de 2010, de Intelligent Enterprise:
http://intelligent-enterprise.informationweek.com/showArticle.jhtml?articleID=197002610

Romo, T. (2006/07). Sistemas de Apoio Deciso. Aulas de SAD - Departamento de Informtica.
vora: Universidade de vora.

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 Maro 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 Maro 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 Maro 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 Maro 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. Technovation09 (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 DECISO
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 DECISO
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 A Decisao PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

SAD ESTA Business Intelligence Sistemas de Apoio A Decisao PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Business Intelligence

Você também pode gostar