Você está na página 1de 126

Sistemas de Informação

Apostila de Teoria
1º Bim. – Semestre 5 – SI

SISTEMAS DE INFORMAÇÕES GERENCIAIS


Autor: Lucia Contente Mós 5 SIG 1T 1
Prezado aluno,

Este material compreende apenas o


conteúdo da disciplina, mas não deve
ser a única fonte de consulta em seus
estudos, o conteúdo deve ser
complementado com outras obras,
através de sua pesquisa e ou
indicações do seu professor.

Revisões:

1ª Edição – 4ª Impressão – 1º Semestre de 2006


Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Índice

1. Diferenças entre Usuário Operacional e Usuário Gerencial de Sistemas de Informação ..1


1.1. Informação Gerencial ..........................................................................................................1
1.1.1. O caso da XYZ S.A....................................................................................................2
1.2. Informação Operacional x Informação Gerencial ................................................................3
1.3. A qualidade da Informação Gerencial .................................................................................4
1.4. Eficiência Operacional .........................................................................................................7

2. Fundamentos e Classificação de Sistemas de Informação...................................................9


2.1. CBIS (Sistema de Informação Baseado em Computador) ..................................................9
2.1.1. Introdução ..................................................................................................................9
2.1.2. Componentes e Objetivos .........................................................................................9
2.1.3. Diferentes Níveis em uma Organização ..................................................................10
2.1.4. Organização - Principais Funções Organizacionais ...............................................10
2.2. Fundamentos Organizacionais de Sistemas de Informação .............................................10
2.2.1. Mudanças no Processo de Gerenciamento: Organizações e SI .............................11
2.2.2. A Interdependência entre a Organização e o Sistema de Informação ....................11
2.3. Mudanças no Processo de Gerenciamento: Questões-Chave ..........................................11
2.3.1. Sistemas de Informação: Evolução de seu papel na vida das organizações .........12
2.3.2. Sistemas de Informação: Evolução das tecnologias ..............................................12
2.4. A Necessidade de Planejar a Arquitetura de Informação de uma Organização ...............13

3. O Desafio de Sistemas de Informação: Questões-Chave ....................................................13


3.1. O Desafio dos Negócios Estratégicos ................................................................................14
3.2. O Desafio da Globalização .................................................................................................14
3.3. O Desafio da Arquitetura de Informação ............................................................................14
3.4. O Desafio do Investimento em Sistemas de Informação....................................................14
3.5. O Desafio do Controle e da Responsabilidade...................................................................14

4. Diferentes Tipos de Sistemas de Informação .......................................................................15


4.1. Gerenciamento - Tipos de Gerentes em diferentes níveis ................................................15
4.2. Tipos de Sistemas .............................................................................................................16
4.2.1. Sistemas Nível Operacional ....................................................................................16
4.2.2. Sistemas Nível Conhecimento.................................................................................16
4.2.3. Sistemas Nível Gerencial ........................................................................................17
4.2.4. Exemplo: Área de Vendas .......................................................................................18

3
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

5. Aplicações-Chaves na Organização .......................................................................................18


5.1. Seis Principais Tipos de Sistemas de Informação.............................................................18
5.2. Seis Principais Tipos de SIs do Ponto de Vista Organizacional ........................................19

6. Detalhamento de Cada Tipo de Sistemas .............................................................................19


6.1. TPS - Sistemas de Processamento de Transações (OLTP - Online Trasaction .
Processing)................................................................................................................................19
6.1.1. Exemplos .................................................................................................................19
6.1.2. Características .........................................................................................................20
6.2. KWS - Sistemas de Conhecimento do Trabalho e OAS - Sistemas de Automação de
Escritório ...................................................................................................................................20
6.2.1. KWS - Sistemas de Trabalho de Conhecimento .....................................................20
6.2.2. OAS - Sistemas de Automação de Escritório ..........................................................21
6.3. MIS - Sistemas de Informações Gerenciais .......................................................................21
6.3.1. Exemplo ...................................................................................................................22
6.3.2. Características .........................................................................................................22
6.4. DSS - Sistemas de Suporte à Decisão ...............................................................................22
6.4.1. Características .........................................................................................................23
6.5. ESS - Sistema de Suporte Executivo .................................................................................23
6.6. Integração e Relacionamento dos Sistemas .....................................................................24
6.6.1. Tipos de Sistema de Informação - Tabela Comparativa..........................................25

7. Sistemas de Apoio a Decisão ..................................................................................................25


7.1. Introdução...........................................................................................................................25
7.2. O que é um Data Warehouse ? .........................................................................................26
7.3. Data Warehouse versus Banco de Dados Transacional ...................................................28
7.4. Características de um Data Warehouse ............................................................................29
7.4.1. Organizado por assunto ..........................................................................................30
7.4.2. Integrado..................................................................................................................31
7.4.3. Variante de tempo ...................................................................................................32
7.4.4. Não-volátil ................................................................................................................33
7.4.5. Localização ..............................................................................................................34
7.4.6. Credibilidade dos Dados..........................................................................................35
7.4.7. Granularidade ..........................................................................................................35
7.5. Arquitetura de um Data Warehouse ..................................................................................35
7.5.1. Visão Conceitual ......................................................................................................36
7.6. Projeto e Desenvolvimento de Sistemas de Data Warehouse ..........................................41
7.6.1. Funções dos Componentes da Equipe....................................................................42

4
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

7.6.2. Desenvolvimento e Implementação de Projeto de Data Warehouse ......................42


7.7. O que é Data Mining? ........................................................................................................48
7.8. Algumas razões pelas quais o Data Mining tem se tornado parte das ferramentas de
Sistemas de Apoio à Decisão....................................................................................................49
7.9. Fatores Críticos de Sucesso em Data Mining ...................................................................49
7.10. Processos de um Data Mining..........................................................................................50
7.10.1. Preparação ............................................................................................................50
7.10.2. Mineração ..............................................................................................................51
7.10.3. Análise ...................................................................................................................51
7.10.4. Aplicação ...............................................................................................................52
7.11. Técnicas Estatísticas empregadas em Processos de Data Mining ..................................52
7.11.1. Rede Neurais .........................................................................................................52
7.11.2. Indução de Regras ................................................................................................53
7.11.3. Árvores de Decisão ...............................................................................................53
7.11.4. Análise estatística de séries temporais .................................................................54
7.11.5. Visualização...........................................................................................................54
7.12. Padrões Metodológicos de Data Mining ...........................................................................54
7.12.1. Entendimento do Negócio .....................................................................................54
7.13. Padrões Metodológicos de Data Mining (Cont.) ...............................................................56
7.13.1. Entendimento dos Dados ......................................................................................56
7.13.2. Preparação dos Dados ..........................................................................................57
7.13.3. Modelagem ............................................................................................................58
7.13.4. Avaliação ...............................................................................................................59
7.13.5. Implementação ......................................................................................................59
7.14. Algumas barreiras ao uso do Data Mining........................................................................60
7.14.1. Alto Custo ..............................................................................................................60
7.14.2. Necessidade de grande volumes de dados...........................................................60
7.14.3. Complexidade das ferramentas .............................................................................60
7.14.4. O desafio da preparação dos dados para a mineração .........................................60
7.14.5. As dificuldades de realizar uma análise custo / benefício do projeto de Data
Mining. ...............................................................................................................................61
7.14.6. Viabilidade dos fornecedores de ferramentas de Data Mining ..............................61

8. Princípios de Inteligência Artificial ........................................................................................61


8.1. Definição de Inteligência Artificial ......................................................................................61
8.2. Primeiros Trabalhos...........................................................................................................63
8.3. Campos de Aplicação da Inteligência Artificial. .................................................................64

5
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

8.4. A natureza da Inteligência .................................................................................................64


8.5. Sistemas Especialistas ......................................................................................................66
8.6. Características de um Sistema Especialista......................................................................66
8.7. Características da Utilidade: ..............................................................................................67
8.8. Recursos dos SE ...............................................................................................................68
8.9. Pontos de Atuação ............................................................................................................69
8.10. Componentes de um SE...................................................................................................70
8.11. O Desenvolvimento de um SE..........................................................................................71
8.12. Participantes do desenvolvimento e da utilização do SE .................................................71
8.13. Ferramentas e Técnicas de Desenvolvimento de SE.......................................................72
8.14. Vantagens da Shells e Produtos de SE............................................................................72
8.15. Alternativas de Desenvolvimento de SE...........................................................................72
8.16. Aplicações Funcionais de SE ...........................................................................................72

9. Introdução ao Ambiente de Negócios ...................................................................................72


9.1. Business Intelligence (BI) ..................................................................................................74
9.1.1. Características dos Sistemas de BI .........................................................................74
9.1.2. Modelagem de Dados e Anatomia das Informações ...............................................76
9.1.3. Modelagem Dimensional de Dados .........................................................................76
9.1.4. Comparação entre Modelo Relacional E-R e o Modelo Dimensional......................78
9.1.5. Operadores Dimensionais .......................................................................................78
9.1.6. Produtos de Business Intelligence...........................................................................81

Exercícios......................................................................................................................................96

6
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

1. Diferenças entre Usuário Operacional e Usuário Gerencial


de Sistemas de Informação

1.1. Informação Gerencial

O constante crescimento das empresas, ao mesmo tempo e na mesma proporção em que afasta
os administradores de alto nível da supervisão mais direta das operações, tende a tornar cada vez
mais crítico o recurso informação. O crescimento da empresa produz impactos nas necessidades
de informação que se somam negativamente: as decisões tornam-se mais complexas e delicadas,
os volumes de dados crescem e os administradores afastam-se do ponto onde os acontecimentos
ocorrem dentro da estrutura de organização. Num primeiro estágio, algumas pessoas (que
dispõem das informações a partir da própria observação dos fatos) intervêm na tomada de
decisões mais importantes. À medida que a empresa cresce, essas pessoas vão sendo
“estruturalmente afastadas” das operações, conforme ilustrado na Figura abaixo.

Estágio
I Diretor

Nível de Execução

Estágio
II Diretor

Gerência de Gerência de Gerência de


Vendas Produção Finanças

Nível de Execução

Estágio
III Diretor

Gerência de Gerência de Gerência de


Vendas Produção Finanças

PCP Produção Engenharia

Fundição Usinagem C. Qualidade Manutanção

Nível de Execução

O afastamento do administrador do nível de execução.

Figura 1

1
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Na maioria dos casos onde tal processo ocorre, as pessoas envolvidas por milhares de questões
do dia-a-dia ou não têm tempo ou sequer se conscientizam do processo que estão vivendo. O
fato é que a falta total de informações ou a inadequação das mesmas acaba por ser reconhecida
por força de “crises administrativas”, pela necessidade urgente de adotar determinadas medidas
para a resolução deste ou daquele problema.
Outro aspecto curioso é que certos empresários e administradores tendem a imaginar que seus
problemas são aqueles da “área de negócios”. Assim, voltam suas atenções para a área externa
à empresa (o que nada tem de errado), mas estabelecem uma absoluta separação dos problemas
internos de organização, sistemas etc., interessando-se muito pouco por esses tipos de questões.
Tal enfoque é inconsistente, visto que, em larga escala, a eficácia da empresa depende da sua
capacidade de resposta às pressões do ambiente externo; por sua vez, a capacidade de resposta
é limitada pelas condições internas: organizacionais, de sistemas de informação etc.

1.1.1. O caso da XYZ S.A.

A XYZ S.A. é uma empresa metalúrgica brasileira dedicada à produção de chapas, tiras, fitas,
fios, tubos, discos das mais diversas ligas metálicas e nas mais variadas dimensões. A empresa
vinha alcançando volumes de vendas (e lucros) crescentes até 1974, quando, em face das
condições econômicas e de mercado menos favoráveis, teve de reduzir seus volumes de
produção. Essa redução de cerca de 25% do volume foi acompanhada, imediatamente, por
medidas da Administração para reduzir custos de materiais, mão-de-obra etc., na expectativa de
que as margens de lucros se mantivessem. No entanto, em poucos meses chegou-se a uma
situação de prejuízo, o que passou a intrigar a Administração. Embora estivessem operando com
menor volume total, com custos proporcionalmente reduzidos, por que estavam perdendo?
Uma explicação mais ou menos evidente é que se estava contando com menor volume relativo
dos produtos mais rentáveis. No entanto, para que qualquer decisão pudesse ser tomada
(redução de alguma linha, mudança do mix de venda etc.), uma série de questões começava a
surgir: Quais as margens de rentabilidade por linha de produtos? Quais as linhas com maior
declínio de vendas? De quais linhas se pode aumentar a participação relativa? O
Diretor-Presidente reuniu a Diretoria e começou o interrogatório:
— Sr. Diretor de Vendas, em que linhas de produtos estamos com redução do volume nos
últimos seis meses? Em que proporções em cada caso?
— Hum... Bem... Como o Senhor sabe, a nossa linha de produtos envolve mais de 1000
especificações diferentes de produtos e...
— Logicamente não quero saber o comportamento das vendas para cada especificação
diferente. O que precisamos saber está ao nível de linha, ou seja, cada tipo de formato dentro
de uma mesma liga metálica.
— Hum... Bem... Eu não disponho dessa informação de imediato.
— O que é necessário para obtê-la o mais rápido possível?
— Teríamos de fazer um levantamento a partir das notas fiscais... são cerca de 25.000 notas
emitidas nos últimos seis meses, que precisaríamos classificar por linhas e...
— Chega, chega! Vejamos o aspecto de custos. Sr. Diretor Financeiro, quais as margens de
rentabilidade por linhas de produtos?
— Hum... Bem... Como o Senhor sabe, nosso sistema de custos é muito antigo e...
O que se depreende desse caso? Decidir sobre a linha de produtos em face das condições de
mercado e de competição é um problema da área de negócios exclusivamente? Até que ponto tal
decisão é possível sem informações adequadas e confiáveis sobre vendas, custos etc.,

2
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

produzidas rotineiramente pelo sistema de informação da empresa? Por que as informações


necessárias em função da crise de rentabilidade não existiam? Por que a falta de tais informações
nunca tinha sido notada até então? O que poderia ter acontecido no passado se existissem e
fossem constantemente analisadas essas informações? E não é exatamente isso o que deveria
ter acontecido no passado?

1.2. Informação Operacional x Informação Gerencial

É preciso distinguir dois tipos de informação quanto à sua finalidade: informações operacionais e
informações gerenciais.
A informação é, simultaneamente, a base e o resultado da ação executiva; fatos completos e
atuais são essenciais para decisões adequadas.
Uma informação operacional gerada por um sistema qualquer tem por finalidade simplesmente
permitir que determinadas operações continuem acontecendo dentro do ciclo operacional da
empresa. Por exemplo: uma nota fiscal contém informações que permitem o embarque e a
entrega da mercadoria e a cobrança posterior. Uma relação de “salários a creditar” permite o
efetivo pagamento dos empregados.
As informações de natureza gerencial destinam-se a “alimentar” processos de tomada de decisão.
As decisões inerentes ao processo de planejamento, ao controle, à formulação, ao
acompanhamento de políticas e à interpretação de resultados requerem informações adequadas.
Foi visto também que o pessoal da gerência de diferentes níveis necessita de diferentes tipos de
informação. Desde que o interesse da Alta Administração repouse primariamente no
planejamento global e no acompanhamento da sua execução, a informação oferecida deve
possibilitar-lhe a verificação da eficiência e dos resultados das operações da empresa no seu todo
e planejar para o futuro. Os níveis intermediários de gerência querem informações que lhes
permitam controlar suas áreas específicas. Para canalizar seus esforços apropriadamente devem
entender o que a Alta Administração espera deles; para supervisionar eficientemente devem estar
familiarizados com as necessidades de informação dos seus subordinados. Como base para a
ação, os níveis baixos de gerência utilizam informações que refletem condições observáveis.
Uma organização deve conhecer suas necessidades de informações gerenciais de todos os
níveis. Somente então, mediante um sistema adequado, pode começar a atender a essas
necessidades. Por essa razão as informações devem conter certas características de quantidade,
oportunidade, conteúdo e qualidade que somente podem ser obtidas através de um bom sistema
de informação.
Fundamentalmente o sistema será mais valioso quanto maior for a qualidade das informações por
ele geradas, que só pode ser avaliada se a informação atender às necessidades a que se destina.
E essa é uma das questões mais delicadas no campo de sistemas. Quais são as necessidades
de informação? Quem deve defini-las? Certamente a informação só será útil se o usuário quiser
compreendê-la e utilizá-la, o que, do ponto de vista gerencial, coloca a qualidade da informação
condicionada à própria qualidade do esquema de decisão empregado pelo usuário, e ao seu
comportamento diante do uso das informações.
A adequação de uma informação às necessidades requer o preenchimento de três requisitos:
forma, idade e freqüência. A forma diz respeito ao conteúdo, apresentação e confiabilidade. A
idade é determinada pelo tempo de existência da informação em relação aos fatos relatados, que
pode oscilar de segundos a meses ou anos. A freqüência diz respeito à periodicidade com que a
informação é produzida (diariamente, semanalmente, mensalmente etc.). Suponha-se: o
responsável pela unidade de Programação da Produção define como necessidade de informação:

3
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

“Todos os dias, até às 8h30, preciso saber as quantidades produzidas por Ordens de Fabricação,
por produto e por cliente, completadas até às 24h00 do dia anterior.” Esse requisito será
preenchido se a informação atender:
· quanto à forma: quantidades produzidas por produto, por ordem e por cliente;
· quanto à idade: uma informação com uma “idade” de 8h30 (recebida às 8h30 mm, com relato
dos fatos até às 24h00);
· quanto à freqüência: diária.

Muitas informações para gerência, manipuladas no dia-a-dia das empresas, não correspondem
integralmente às necessidades, sendo, portanto, de qualidade insatisfatória, total ou parcialmente.
A forma pode não ser satisfatória (não indicação, no exemplo, das ordens por clientes), ou a
idade ser excessiva (apresentação do relatório às 12h00 e não às 8h30 mm), ou a freqüência ser
exagerada ou muito espaçada.

1.3. A qualidade da informação gerencial

As informações gerenciais de qualidade caracterizam-se por ser:


· Comparativas: especialmente quando as informações refletem a comparação dos planos com
a execução. No entanto, quando não é viável tal tipo de comparação (planejado x real), é
melhor alguma forma de comparação que possa ao menos refletir tendências: por exemplo,
comparações com períodos anteriores (mês, ano etc.).
· Confiáveis: informações completamente distorcidas podem ser mais prejudiciais do que a falta
completa de informações. O usuário precisa acreditar na informação para se sentir seguro ao
decidir.
· Geradas em tempo hábil: de nada adianta, do ponto de vista de controle, que, por exemplo, o
Gerente de Marketing seja informado em março ou abril de que o plano de vendas de janeiro
não foi atingido. Nada mais pode ser feito. Uma informação, especialmente se voltada para o
controle, deve estar tão próxima do acontecimento quanto for possível, para que haja tempo
para efetuar as correções cabíveis no planejamento ou na execução.
· De nível de detalhe adequado: não interessa ao Presidente de um banco relatório que
demonstre a existência física de cada item do estoque materiais de expediente
comparativamente com o nível mínimo do estabelecido, em função da política de estoques.
Essa informação é útil para o responsável pela administração desses materiais. Por lado, o
Presidente estará interessado em informações que retratem performance global do banco em
relação ao orçamento. Isso significa que as informações devem aparecer num nível de
pormenores adequado ao nível do usuário, sem apresentar nada de irrelevante para o
usuário e tampouco num grau de síntese excessivo com relação ao seu interesse.
· Por exceção: informar “por exceção” significa ressaltar o que é relevante destacar nas
exceções. Em vez de trinta Iistagens do computador com 900 linhas para serem lidas, com o
objetivo de “descobrir” 50 exceções importantes, destacam-se essas 50 exceções.
Em suma, a produção de informações de qualidade é hoje reconhecida como um benefício básico
que se pode obter pelo planejamento de sistemas. Apesar disso, uma das deficiências mais
comuns nos sistemas é que os mesmos se limitam a gerar informações de nível operacional. Por
outro lado, o desenvolvimento dos sistemas com base numa abordagem pouco criteriosa pode

4
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

levar o problema de um extremo a outro: da falta total de informações a uma superabundância de


informações irrelevantes. Abaixo alguns trechos para serem analisados:
“Forneçam-lhe mais informações: os sistemas de informações são projetados com base na
hipótese de que a principal deficiência das condições de atuação dos administradores é a falta de
informações relevantes. Não nego que muitos administradores se ressentem da falta de uma boa
quantidade de informações que deveriam possuir, mas recuso-me a aceitar que esse seja o mais
importante problema por eles enfrentado em termos de informação. Parece-me que padecem
mais de uma superabundância de informações irrelevantes.
Não se trata apenas de um jogo de palavras. As conseqüências de mudança de ênfase de um
sistema de fornecimento de informações relevantes para a eliminação de informações irrelevantes
são consideráveis. Se estivermos preocupados com o fornecimento de informações relevantes,
nossa atenção se voltará quase exclusivamente à geração, acumulação e recuperação de
informações; portanto, a ênfase residirá na construção de bancos de dados, sistemas de
codificação, indexação, atualização de arquivos, linguagem de acesso, e assim por diante.
O ideal decorrente dessa orientação é a formação de um reservatório infinito de dados ao qual o
administrador pode recorrer para obter qualquer tipo de informação desejado. Se, por outro lado,
entendermos o problema de informações do administrador como sendo principalmente, mas não
exclusiva-mente, resultante de uma superabundância de informações irrelevantes, muitas das
quais nem mesmo solicitou, então as duas principais funções de um sistema serão a filtragem (ou
avaliação) e a condenação...”
“O administrador necessita das informações que deseja: muitos dos indivíduos que projetam
sistemas de informações ‘determinam’ as informações necessárias perguntando aos
administradores que informações gostariam de ter. Isto se baseia na hipótese de que os
administradores sabem que informações exigem e efetivamente desejam.
Para um administrador saber de que informações tem necessidade é preciso que esteja ciente de
cada tipo de decisão que deve tomar (e realmente toma) e ter um modelo adequado de cada tipo.
Raramente essas condições são satisfatórias. Muitos administradores têm algumas noções de
pelo menos alguns dos tipos de decisões que lhes cabe tomar. As suas noções, porém, tendem a
ser fundamentalmente deficientes em decorrência de um princípio importante de economia
científica: quanto menos se sabe a respeito de um fenômeno, maior é o número de variáveis
exigidas para explicá-lo. Portanto, o administrador que não compreende o fenômeno que controla
procura proteger-se e, em relação a informações, ele quer tudo’. O indivíduo que projeta sistemas
de informações procura fornecer até mais do que tudo, aumentando, assim, o que já é uma carga
excessiva de informações irrelevantes.
O executivo, por sua vez, precisa envolver-se na definição do sistema para compreender o que
pode acontecer no sistema quando pedir determinadas informações ou, simplesmente, para “se
algum dia precisar, já as ter”. A única maneira de ambos caracterizarem as necessidades de
informação deriva da compreensão dos processos decisórios adotados na empresa: o modelo de
planejamento e conseqüentemente as necessidades de controle, as bases informativas para a
interpretação de resultados e de performance, a formulação e o acompanhamento de políticas.
Essa caracterização de necessidades de informação e dos sistemas geradores requer:

1. Identificação dos objetivos, do processo de planejamento e das políticas existentes ou


necessárias.
2. Especificação das decisões requeridas em função do tem 1.
3. Determinação das necessidades de informação para auxiliar a tomada de decisões.
4. Identificação dos responsáveis (pessoas) pela tomada de decisões e avaliação dos seus
padrões de reação e decisão. Verificação da possibilidade de “educar” os tomadores de

5
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

decisões (não convém desprezar a hipótese de persuadir e treinar os usuários para reagir de
forma mais conveniente e aceitável).
5. Desenvolver sistemas “sob medida” para as necessidades de informação da empresa em
estudo. Correlacionar as informações com os níveis de decisão, integrando-as aos processos
decisórios de planejamento e controle.

Verifica-se enfim, nessa seqüência de passos, que a discussão das necessidades de informação
se relaciona com os objetivos e planos a serem atingidos (decisões) e não com os fatos, como
freqüentemente se afirma.
“Dê-se a um administrador a informação de que necessita e o seu processo de tomada de
decisões melhorará: freqüentemente, supõe-se que, se a um administrador forem fornecidas as
informações que exige, não terá problema algum para usá-las eficazmente. A história da
Pesquisa Operacional indica o contrário. Por exemplo, dando-se à maioria dos administradores
um quadro inicial de um problema típico ‘real’ de programação matemática, seqüencial ou
caminho crítico, pode-se verificar quão perto chegam de uma solução ótima. Se a sua experiência
e seu julgamento tiverem algum valor, talvez não se saiam mal, mas raramente se sairão muito
bem. Na maioria dos problemas administrativos há muitas possibilidades de a experiência, o bom
senso e a intuição levarem a boas adivinhações, mesmo que se disponha de informações
perfeitas.
Além disso, quando um problema envolve diversas probabilidades, um administrador sem
orientação apropriada dificilmente pode agregá-las de maneira válida. Todos nós conhecemos
muitos problemas simples de probabilidades em que a intuição, sem orientação, normalmente
leva a maus resultados.
Moral: é necessário determinar com que grau de êxito os administradores são capazes de usar as
informações necessárias. Quando não puderem usá-las bem em virtude da complexidade do
processo decisório, deverão dispor de regras de decisão ou informações sobre desempenho para
poderem identificar e aprender a partir de seus próprios erros...”
“Mais comunicação significa melhor desempenho: é característica da maioria dos sistemas de
informações que conheço fornecerem aos administradores melhores informações correntes sobre
o que os outros administradores e seus departamentos e divisões estão fazendo. Implícita nesse
fornecimento está a crença de que a melhor comunicação entre departamentos habilita os
administradores a coordenarem suas divisões mais eficazmente e, portanto, melhora o
desempenho geral da organização. Isso não ocorre necessariamente e raramente acontece. É
difícil esperar que duas empresas concorrentes passem a cooperar mais, uma com a outra, só
porque melhoram as informações que se adquire sobre a outra. Essa analogia não é tão forçada
como alguém poderia considerar à primeira vista...”
“Um administrador não precisa compreender como um sistema de ínformações funciona, mas
somente saber como usá-lo: muitos dos que projetam sistemas de informações procuram tornar
os sistemas tão inócuos e simples quanto possível para que os administradores não se assustem.
Procuram dar aos administradores um acesso fácil ao sistema e tentam assegurar-lhes de que
não precisam saber mais nada sobre o sistema, e têm tido êxito em manter os administradores
ignorantes a esse respeito. Isso faz com que os administradores sejam incapazes de avaliar o
sistema de informações como um todo. Freqüentemente, até ficam receosos de tentar fazê-lo
para não expor sua ignorância publicamente...”
Conclui que não existem regras predeterminadas, “receitas prontas”, para a determinação das
informações a serem geradas pelos sistemas. A rigor o maior ou o menor grau de qualidade das
informações dependerá de trabalho conjunto dos especialistas em sistemas e dos executivos. Os
primeiros, ao contrário do que muitas vezes acontece, não devem alhear-se completamente do
problema, sob a alegação de que “o sistema pode fornecer a informação que o executivo quiser”.
6
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

1.4. Eficiência Operacional

Leis e tos
lamen
Regu

Co
m
pe
tiç
tu sos

ão
is
Na cur
ra
Re

Entradas Processamento Saídas

ogi to
n
a
Tec ime
de nvolv
nol
e
Des

Co es
Eco ndiçõe diçõ as
nôm s Con polític
icas io
Soc

Meio Ambiente

A empresa vista como um sistema.


Figura 2

Agora, coloque-se uma lente de aumento sobre a “caixa-preta”, denominada processamento, e


veja-se o que ocorre. O processamento acontece com base num “ciclo de operações”, que vai
desde o momento em que uma venda é efetuada até o instante em que a empresa recebe
dinheiro pela entrega do produto ou serviço.
Logicamente a empresa será tão mais eficiente quanto maior a velocidade em que executar todo
o “ciclo” e quanto menores os custos em relação aos volumes totais de produtos ou serviços
entregues.
O ciclo de operações compreende as atividades físicas necessárias à venda, produção,
embalagem, entrega etc, dos produtos ou serviços realizados pela empresa e também a geração
e o tratamento das informações decorrentes das atividades físicas. Tudo isso é executado por
pessoas segundo uma estrutura de organização adotada.
A relação entre atividades físicas e informações é total. Enquanto as informações disparam as
atividades físicas, estas geram dados que, uma vez processados, produzem informações que
provocam novas atividades ou servem como medidas do que foi realizado.
Assim, por exemplo, os vendedores recebem uma informação (Programa de Visitas a Clientes) e
a partir dela executam as visitas. Os negócios concluídos geram dados (Pedidos) e a partir deles
são produzidas as informações que vão acionar as atividades físicas de produção e/ou entrega
dos produtos. E assim sucessiva-mente, até que o ciclo se fecha, com a entrega ao mercado dos
produtos solicitados e o conseqüente retorno de recursos financeiros ao ambiente da empresa.
Ao se examinar a melhoria da eficiência operacional como um benefício que pode ser obtido pelo
planejamento dos sistemas, não se está especificamente preocupado com a eficiência dos

7
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

sistemas em si mesmos, mas com a contribuição desses sistemas à eficiência operacional como
um todo.
Essa contribuição resulta do fato de vários subsistemas de informação estarem “intrometidos”, no
próprio ciclo operacional. Uma empresa industrial, por exemplo, pode contar com uma excelente
equipe de vendas, com equipamentos modernos de produção, mas ainda assim será ineficiente
se o processamento de um pedido, a programação da produção, o faturamento forem confusos,
demorados etc. Assim, uma fábrica moderna pode estar sendo mal utilizada, com ociosidade e
custos elevados se o sistema de planejamento e controle da produção não funciona a contento.
Pode-se atrasar a entrega de um produto por causa do sistema de faturamento; em virtude do
mau funcionamento do sistema de compras, uma máquina pode estar parada por falta de
material, e assim sucessivamente.

Os sistemas de informação bem planejados têm diferentes papéis na eficiência total da operação
de uma empresa:
· A “velocidade” dos fluxos e do processamento dos dados determina a duração do ciclo
operacional.
· Coordenacão e eficiência: do ponto de vista gerencial é relevante a contribuição que os
sistemas podem dar (1) à coordenação entre as várias unidades da organização e (2) à
eficiência com que milhares de transações repetitivas do dia-a-dia de qualquer empresa são
executadas. Os sistemas, ao longo dos fluxos de procedimentos que os compõem, agem
como interligadores de atividades das várias unidades organizacionais. Daí o caráter
“coordenador” dos sistemas.
· Informações operacionais: há influência significativa de informações operacionais no aspecto
de coordenação: informações adequadas e exatas, obtidas rapidamente sobre a posição da
carteira de pedidos de uma indústria que trabalha sob encomenda, são básicas para a
coordenação entre as áreas de Vendas, Crédito, Planejamento e Controle da Produção. A
exatidão dessas informações é vital para evitar erros operacionais. Por exemplo, o cliente
devolve os produtos por não corresponderem às especificações. “Vendas” entendeu as
especificações? Informou corretamente o pessoal de “Producão”?

Acima de tudo, pelas interações e pelo caráter integrador dos sistemas, a sua compreensão
representa o melhor caminho para o entendimento da lógica da operação total de uma empresa.
Do ponto de vista econômico, a rapidez com que o ciclo operacional se completa pode levar a um
giro de capital muito mais rápido; portanto com economias altamente significativas.

8
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

2. Fundamentos e Classificação de Sistemas de Informação

2.1. CBIS (Sistema de Informação Baseado em Computador)

2.1.1. Introdução

Sistemas de Informação são parte da organização, conseqüentemente espelha sua estrutura


organizacional.
Uma organização formal é composta por diferentes níveis e especialidades, sua estrutura revela
uma clara divisão do trabalho:
· os níveis mais altos envolvem trabalhos gerenciais, profissionais e técnicos;
· os níveis mais baixos envolvem trabalhos operacionais;
· especialistas são contratados e treinados para diferentes funções;
· elementos-chave de uma organização: estrutura, procedimentos, pessoas, cultura e políticas.

2.1.2. Componentes e Objetivos

q Componentes

· hardware
· software
· banco de dados
· telecomunicações
· pessoas
· procedimentos
Tais componentes estão configurados para coletar, manipular, armazenar e processar dados.

q Objetivos

· Apoiar o controle, a coordenação e a tomada de decisão em uma organização;


· Auxiliar gerentes e funcionários a analisar problemas, visualizar soluções e a criar novos
produtos.

9
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

2.1.3. Diferentes Níveis em uma Organização

Nível Estratégico

Nível Gerencial

Nível de
Conhecimento

Nível Operacional

Figura 3

· Existem diferentes níveis em uma organização.


· Existem diferentes tipos de sistemas servindo cada nível organizacional

2.1.4. Organização - Principais Funções Organizacionais

· Vendas e Marketing: vender os produtos e serviços da organização


· Fabricação: produzir produtos e serviços
· Finanças: administrar os recursos financeiros da organização (dinheiro, estoque, hipotecas,
etc)
· Contabilidade: manter os registros financeiros da organização
· Recursos Humanos: atrair, desenvolver e manter a força de trabalho da organização

2.2. Fundamentos Organizacionais de Sistemas de Informação

· Conceito de Sistema de Informação


· Perspectiva técnica e comportamental dos Sistemas de Informação, com especial atenção às
dimensões administrativas, organizacionais e tecnológicas.
· Mudança do Processo de Gerenciamento: o papel crítico que os Sistemas de Informação têm
nas organizações, sua interdependência e necessidade de planejar a arquitetura da
informação.
· Desafios dos Sistemas de Informação para os administradores - Questões-chave.
· Principais Tipos de Sistemas de Informação na Organização.

10
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

2.2.1. Mudanças no Processo de Gerenciamento: Organizações e SI

Crescente interdependência entre organização e SI:


· Estratégias de negócio
· Regras
· Procedimentos
· Softwares SI
· Hardware
· Dados
· Telecomunicações

Relacionamento de SI e organizações resultantes da crescente complexidade e escopo dos


sistemas e aplicações.

2.2.2. A Interdependência entre a Organização e o Sistema de Informação

Nos sistemas atuais existe uma crescente interdependência entre estratégias, regras e
procedimentos de negócios organizacionais e Sistemas de Informação da Organização.
Uma alteração em qualquer um desses componentes exige alterações nos outros componentes.
Crescente poder e declínio do custo da tecnologia de informação aumenta o papel dos sistemas
nas organizações

Hardware

NEGÓCIO
Estratégias Banco
Regras Software de Dados
Procedimentos

Telecomu
nicação

Figura 4

2.3. Mudanças no Processo de Gerenciamento: Questões-Chave

Mudança nos Negócios Estratégicos: como usar tecnologia de informação para projetar
organizações competitivas e efetivas?

11
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Mudança na Globalização: como entender os negócios e requisitos de sistema de um ambiente


de economia globalizada?
Mudança na Arquitetura de Informação: como as organizações podem desenvolver uma
arquitetura de informação que dê suporte aos objetivos de negócio?
Mudança no Investimento em SI: como as organizações determinam o valor do negócio do SI?
Mudança de Controle e Responsabilidade: como as organizações podem projetar sistemas
onde as pessoas possam controlar e entender? Como podem ter certeza que seus SIs são
usados de maneira socialmente ética e responsável?

2.3.1. Sistemas de Informação: Evolução de seu Papel na Vida das


Organizações

SI Operacionais SI Gerenciais SI Estratégicos

Sistema de Sistema de
Sistema de
Informação Informação Informação

Atividades
Alterações Controle Núcleo
técnicas Gerencial Institucional
tempo 1950s 1960s - 1970s 1980s - 1990s
Figura 5

· Nos primeiros sistemas a maioria das alterações era técnica (fáceis de realizar);
· Sistemas mais velhos afetavam controle comportamental e gerencial;
· Sistemas atuais influenciam as atividades do núcleo organizacional relacionadas a produtos
mercados, fornecedores e clientes.

2.3.2. Sistemas de Informação : Evolução das Tecnologias

Anos 60 Anos 70 Anos 80 Anos 90 ...

Início do uso de Aumento da Perpectiva gerencial: Perspectiva de


sistemas comerciais complexidade dos controles gerenciais e negócio; solução
sistemas com de tarefas de nível organizacional e
conseqüente aumento operacional. administrativa
da dificuldade de relacionada a produtos,
desenvolvimento. mercado, fornecedores
e clientes.
Aplicações isoladas Problema 1 Problema 2 Problema 3
Design e projeto Gerenciamento dos Comunicação
dados
Início do uso em Evolução e uso das Disseminação do uso Revolução da Internet,
sistemas comerciais técnicas estruturadas de SGBDs Intranet e Extranet.

12
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

2.4. A Necessidade de Planejar a Arquitetura de Informação de uma


Organização

Os Sistemas de Informação atuais exigem que o administrador compreenda as principais


tecnologias de informação e saiba como acompanhá-las, planejá-las e administrá-las da maneira
mais adequada para a organização.
Os administradores também devem saber reconhecer problemas organizacionais e encontrar
soluções.
Para isso, é necessário conhecer a Arquitetura de Informação da Organização.
Arquitetura da Informação é a forma que a tecnologia da informação pode ser usada em uma
organização para atingir metas ou funções selecionadas.
Os administradores cada vez mais têm um papel crítico na determinação da arquitetura de
informação da organização.
Os administradores necessitam do conhecimento de sistemas e do entendimento organizacional,
para a modelagem da arquitetura de informação da organização.

Coordenação

Sistemas
Estratégicos
Aplicações de
Negócios
Funcionais Sistemas
Gerenciais

Sistemas de
Conhecimento

Sistemas de
Operacionais

Vendas e Finanças Recursos


Marketing Fabricação Humanos
Contabilidade
Sistemas de Hardware Software Dados e Telecomunicações
Computador Arquivos
Figura 6

3. O Desafio de Sistemas de Informação: Questões-Chave

Devido ao rápido desenvolvimento da tecnologia da informação não é fácil – nem mecânico – a


construção de Sistemas de Informação que funcionem.
Por uma série de razões, construir, operar e manter Sistemas de Informação são atividades
desafiantes.

13
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Existem 5 desafios-chave que os administradores devem prestar atenção:

3.1. O Desafio dos Negócios Estratégicos

Como os negócios podem usar a tecnologia de informação para projetar organizações que sejam
competitivas e eficientes ?
As organizações precisam repensar a maneira como projetam, produzem, liberam e mantêm bens
e serviços.
É preciso usar a tecnologia da informação para simplificar e coordenar a comunicação, eliminar
trabalho desnecessário e eliminar as ineficiências das estruturas organizacionais obsoletas

3.2. O Desafio da Globalização

Como as organizações podem entender o negócio e requisitos de sistema de um ambiente de


economia globalizada?
A economia globalizada clama por sistemas de informação que possam apoiar a produção e a
venda de bens em diferentes países.
Devido às diferenças culturais, políticas e de linguagem, devem ser desenvolvidos sistemas de
informação multinacionais integrados.

3.3. O Desafio da Arquitetura de Informação

Como as organizações podem desenvolver uma arquitetura de informação que apóie seus
objetivos de negócio?
A tecnologia da informação pode sugerir algumas novas maneiras de realizar negócios, no
entanto as empresas ainda precisam ter uma clara idéia de seus objetivos de negócios e como
eles podem ser mais bem apoiados por sistemas de informação.
Muitas organizações não podem atingir seus objetivos por estarem incapacitadas pelo uso de
hardware, software, redes de telecomunicação e sistemas de informação incompatíveis.

3.4. O Desafio do Investimento em Sistemas de Informação

Como as organizações podem determinar o valor do negócio dos Sistemas de Informação?


Uma coisa é usar a tecnologia da informação para projetar, produzir, liberar e manter novos
produtos. Outra coisa é fazer dinheiro com isso.
Como um executivo sênior deve pensar quando se defronta com uma importante transformação
na arquitetura de informação?

3.5. O Desafio do Controle e da Responsabilidade

Como as organizações podem projetar sistemas que as pessoas possam controlar e


compreender? Como as organizações podem ter certeza que seus Sistemas de Informação são
usados de maneira socialmente responsável e ética?

14
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Os sistemas são tão importantes para os negócios, governo e vida diária, que as organizações
devem tomar atitudes especiais para garantir que eles sejam precisos, confiáveis e seguros.

4. Diferentes Tipos de Sistemas de Informação

Uma organização típica tem sistemas em níveis estratégico, gerencial, de conhecimento e


operacional para cada área funcional.

Nível Estratégico

Nível Gerencial

Nível de
Conhecimento

Nível Operacional

Vendas e Recursos
Fabricação Finanças Contabilidade
Marketing Humanos

Figura 7

4.1. Gerenciamento - Tipos de Gerentes em diferentes níveis

· Existem diferentes níveis em uma organização


· Existem diferentes gerências para cada nível

Estratégico Gerência Sênior

Gerência Média ou
Gerencial Intermediária

Trabalhadores do
Conhecimento Conhecimento

Funcionários da
Operacional Produção e Serviços

Figura 8

15
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

4.2. Tipos de Sistemas

4.2.1. Sistemas Nível Operacional

Dão suporte aos gerentes organizacionais no acompanhamento de atividades e transações


elementares da organização.
O principal propósito dos sistemas desse nível é responder questões de rotina:
· Quantas peças existem no estoque?
· O que aconteceu com o pagamento do sr Willian?
· Qual o tamanho da folha de pagamento esse mês?

Operacional
Operacional

Figura 9

Para responder esses tipos de questões a informação deve ser facilmente acessível, atual e
precisa.
Exemplos de sistemas em nível operacional:
· sistema para armazenar depósitos bancários a partir de máquinas automáticas;
· sistema para acompanhar o número de horas trabalhadas por dia pelos empregados de chão
de fábrica.

4.2.2. Sistemas Nível Conhecimento

Dão suporte aos trabalhos especializados de uma organização (knowledge workers).


O propósito dos Sistemas em Nível de Conhecimento é ajudar a empresa a integrar novos
conhecimentos nos negócios e auxiliar a organização a controlar o fluxo de papéis.
São as aplicações que mais crescem nos negócios atuais.

Conhecimento

Figura 10

16
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

4.2.3. Sistemas Nível Gerencial

São projetados para servir o monitoramento, controle, tomada de decisão e atividades


administrativas da gerência média.
Fornecem relatórios periódicos ao invés de informações instantâneas sobre as operações.

Gerencial
Gerencial

Figura 11

São projetados para apoiar as atividades de planejamento de longo alcance dos gerentes
seniores.
Seu principal interesse é conciliar alterações no ambiente externo com a capacidade
organizacional existente.

Esses sistemas freqüentemente respondem questões:


· Quais serão os níveis de emprego em 5 anos?
· Quais produtos deveriam ser priorizados nos próximos 5 anos?
· Quais são as tendências do custo industrial a longo prazo?

Estratégico
Estratégico

Figura 12

17
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

4.2.4. Exemplo: Área de Vendas

Estratégico: sistema para prever tendências de


Estratégico: de vendas
num período acima de 5 anos.
num período acima de 5 anos

Gerencial: sistema para


Gerencial: sistema para acompanhamento
acompanhamentode devendas
vendasmensais
mensais
território e relato de territórios onde as vendas excederam
por território e relato de territórios onde as vendas excederam
Vendase e
Vendas ou caíram
ou caíram abaixo
abaixo dos
dos níveis
níveisantecipados.
antecipados
Marketing
Marketing

Conhecimento: projeto de
Conhecimento: projeto de displays
displayspromocionais
promocionaispara
para
os produtos
os produtosda
dafirma.
firma

Operacional: sistema de
Operacional: sistema de vendas
vendas para
para armazenar
armazenar vendas
vendas diárias
diárias ee
processar pedidos
processar pedidos.

Figura 13

5. Aplicações-Chave na Organização

Sistemas Nível-Operacional: suporte aos gerentes organizacionais no desenvolvimento de


atividades elementares e transacionais na organização.
Sistemas Nível-Conhecimento: suporte aos negócios para integrar novos conhecimentos e
auxiliar a organização controlar o fluxo de papéis.
Sistemas Nível-Gerenciamento: suporte ao monitoramento, controle, tomada de decisões e
atividades administrativas da gerência média.
Sistemas Nível-Estratégico: auxiliam gerentes seniores a manipular e situar questões
estratégicas e tendências de longo prazo, ambas na organização e no ambiente externo.

5.1. Seis Principais Tipos de Sistemas de Informação

ESS (Sistemas de Suporte Executivo - Executive Support Systems)


DSS (Sistemas de Suporte a Decisão - Decision Support Systems)
MIS (Sistemas de Informações Gerenciais - Management Information Systems)
KWA (Sistemas de Conhecimento do Trabalho - Knowledge Work Systems)
OAS (Sistemas de Automação de Escritório - Office Automation Systems)

18
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

TPS (Sistemas de Processamento de Transações - Transaction Processing Systems ou OLTP –


Online trasaction processing)

5.2. Seis Principais Tipos de SIs do Ponto de Vista Organizacional

Nível Estratégico: ESS (Sistemas de Suporte Executivo)


Nível Gerencial: DSS (Sistemas de Suporte A Decisão)
MIS (Sistemas de Informações Gerenciais)
Nível de Conhecimento: KWA (Sistemas de Conhecimento do Trabalho), OAS (Sistemas De
Automação De Escritório)
Nível Operacional: TPS (Sistemas de Processamento De Transações)

6. Detalhamento de Cada Tipo de Sistemas

6.1. TPS - Sistemas de Processamento de Transações (OLTP - Online


Trasaction Processing)

Sistemas básicos que servem em nível operacional da organização


Ex: Folha de pagamento: produção de cheques de pagamento.
Realiza e grava as transações rotineiras (trocas diárias de negócios) necessárias para conduzir o
negócio.

6.1.1. Exemplos

Operacional
Operacional

Figura 14

· pedidos de venda,
· informações de clientes,
· sistema de reserva de hotel,
· folha de pagamento,
· cadastro de empregados.

19
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

6.1.2. Características:

TPS cria a divisão entre organização e seu ambiente.


TPS produz informação para outros tipos de SIs.
No nível operacional, tarefas, recursos e objetivos são predefinidos e altamente estruturados.
Exemplo: Decisão para autorizar crédito a um cliente é feita por um supervisor de nível baixo de
acordo com um critério predefinido (decisão programada).
Tudo que deve ser feito é determinar se o cliente atende aos critérios.
TPS estendem os limites entre as organizações e seus ambientes.
Os TPS são os principais produtores de informação para os outros tipos de sistema.
Os TPS fornecem tanto avaliações do desempenho organizacional atual quanto do passado.
Em contraposição aos sistemas (OLAP) de prospecção e predição.

Existem 5 categorias funcionais de TPS:


· vendas/marketing
· fabricação/produção
· finanças/contabilidade
· recursos humanos
· outros tipos - únicos para uma particular indústria
Todas as organizações têm esses 5 tipos de TPS (mesmo que os sistemas sejam manuais).
Esses sistemas são centrais para o negócio (sem eles a organização não sobrevive).

6.2. KWS - Sistemas de Conhecimento do Trabalho e


OAS - Sistemas de Automação de Escritório

KWS e OAS provêem a informação necessária em nível de conhecimento da organização.


KWS auxiliam especialistas (knowledge workers) na criação e integração de novos
conhecimentos na organização.
OAS aumentam a produtividade de
trabalhadores burocráticos (data workers).

6.2.1. KWS - Sistemas de Trabalho de Conhecimento

· KWS servem às necessidades de informação em nível de conhecimento da organização.


· KWS auxiliam os knowledge workers. Trabalhadores especializados (Knowledge worker):
pessoa com formação universitária em profissão reconhecida como engenheiro, médico,
advogado e cientista.
· Seu trabalho consiste principalmente em criar nova informação e conhecimento.

20
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

· KWS (Knowledge worker system): promove a criação de novo conhecimento e garante que
novas tecnologias sejam integradas apropriadamente nos negócios.

Conhecimento
Conhecimento

Figura 15

6.2.2. OAS - Sistemas de Automação de Escritório

OAS servem às necessidades de informação em nível de conhecimento da organização.


OAS ajudam principalmente os data workers. Data workers: pessoa com formação avançada
menos formal como secretária, contador, escriturário e administrador. Seu trabalho consiste
principalmente em processar ao invés de criar nova informação e conhecimento.
OAS (Office Automation System): aplicações de tecnologia de informação projetadas para
aumentar a produtividade dos data workers no escritório, apoiando as atividades de coordenação
e comunicação.

Exemplos: sistemas que manuseiam e gerenciam:


· documentos (através de processadores de textos, publicações desktop);
· cronogramas (através de calendários eletrônicos);
· comunicação (através de e-mail, videoconferência).

6.3. MIS - Sistemas de Informações Gerenciais

· Surgimento na década de 60.


· Uso de SI para produzir relatórios gerenciais.
· Auxiliam no nível de gerenciamento da organização.
· Orientados às atividades internas da organização.
· Servem para as funções de planejamento, controle e tomada de decisões.
· Produzem relatórios semanais, mensais e anuais.
· Fornecem relatórios diários ou mensais e em alguns casos, acesso on-line ao desempenho
da organização e a registros históricos.
· MIS dependem dos TPS para obter seus dados.
· MIS resumem e relatam as operações básicas da empresa.
· Os dados de transações básicas dos TPS são sumarizados e usualmente apresentados em
relatórios produzidos regularmente.

21
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

· MIS usualmente servem aos gerentes interessados em resultados semanais, mensais ou


anuais e não em atividades diárias.
· MIS tratam de questões estruturadas que são bem conhecidas antecipadamente.
· MIS são geralmente inflexíveis e com baixa capacidade analítica.

6.3.1. Exemplo

Sistema de Processamento de Pedidos


(TPS) => totalizações de vendas (arquivo MIS)
Sistema de Planejamento de Recursos Materiais
(TPS) => custo de produtos unitários (arquivo MIS)
arquivos MIS => MIS => relatórios => gerentes

6.3.2. Características

1- Apóiam decisões estruturadas e não estruturadas em níveis de controle operacional e


gerencial.
2- São geralmente orientados para relatórios e controle.
3- MIS contam com dados e fluxo de dados existentes na empresa.
4- MIS têm capacidade analítica limitada.
5- MIS geralmente apóiam a tomada de decisão usando dados do passado e do presente.
6- MIS são relativamente inflexíveis.
7- São orientados à atividade interna da organização.
8- Requisitos de informação são conhecidos e estáveis.
9- Exigem um prolongado processo de análise e projeto.

6.4. DSS - Sistemas de Suporte à Decisão

Sistemas responsáveis por rodar diversas vezes em um dia a fim de corresponder às mudanças
de condições.
Maior poder analítico do que outros sistemas: constrói uma variedade de modelos de análise de
dados.
Permite aos usuários iniciar e controlar variáveis e parâmetros de entradas e saídas .
Oferece flexibilidade, adaptabilidade e respostas rápidas.
DSS servem às necessidades de informação em nível de gerenciamento da organização (e
também em nível estratégico).
DSS ajudam os gerentes a tomar decisões que são semi-estruturadas, únicas, que mudam
rapidamente e que não são facilmente especificadas com antecedência.
DSS devem rodar diversas vezes em um dia a fim de corresponder às mudanças de condições.

22
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

DSS têm maior poder analítico do que outros sistemas: são construídos com uma variedade de
modelos de análise de dados.
DSS são projetados para que os usuários possam trabalhar diretamente com ele (user-friendly).
DSS são interativos, o usuário pode alterar suposições e incluir novos dados.

Estratégico
Estratégico
DSS
DSS Gerencial
Gerencial

Figura 16

6.4.1. Características

1- Oferece aos usuários flexibilidade, adaptabilidade e uma resposta rápida.


2- Permite ao usuários iniciar e controlar a entrada e a saída.
3- Opera com pouco ou nenhum auxílio de programador profissional.
4- Fornece apoio para decisões e problemas cujas soluções não podem ser especificadas
antecipadamente.
5- Utiliza ferramentas sofisticadas de modelagem e análise.

6.5. ESS - Sistema de Suporte Executivo

ESS servem em nível estratégico da organização.


Projetados para incorporar dados sobre eventos externos.
Capacidade de telecomunicação e computação aplicada a um conjunto de problemas, não a um
problema específico.
Projetados para serem usados por executivos seniores.
ESS direcionam tomadas de decisão não estruturadas através de gráficos e comunicações
avançadas.
ESS são projetados para incorporar dados sobre eventos externos tais como novas leis de
tributos e competidores, mas também desenham informação resumida
de MIS e DSS internos.
ESS filtram, comprimem e rastreiam dados críticos enfatizando a redução de tempo e esforço
exigido para obter informação útil para os executivos.
ESS têm baixa capacidade analítica, empregando porém os softwares gráficos mais avançados e
podendo emitir gráficos e dados a partir de várias fontes imediatamente para o executivo sênior.
ESS não são projetados para resolver problemas específicos, eles fornecem uma generalizada
capacidade de computação e telecomunicação que pode ser aplicada a problemas que se
alteram.

23
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

ESS incorporam interfaces gráficas fáceis de usar porque o gerente sênior usualmente não tem
experiência com sistema de informação baseado em computador.
ESS não são projetados para resolver problemas específicos, eles fornecem uma generalizada
capacidade de computação e telecomunicação que pode ser aplicada a problemas que se
alteram.

6.6. Integração e Relacionamento dos Sistemas

ESS
Sistema de
Apoio Executivo

MIS DSS
Sistema de Sistema de
Informação Apoio à Decisão
Gerencial

TPS
KWS e OAS Sistemas de
Sistemas de Processamento
Conhecimento de Transação

Figura 17

Decisões para integrar os sistemas, para centralizar o controle, são como as marés: “elas fluem e
recuam de acordo com as condições e valores dos negócios”. Não existe um nível certo de
integração ou centralização.

24
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

6.6.1. Tipos de Sistema de Informação – Tabela Comparativa

Tipo de Informação de Input Processamento Informação de Usuários


Sistema Output
ESS Dados agregados; gráficos; simulações projeções; respostas gerentes sêniores
externos e internos às pesquisas
DSS baixo volume de interstivo, simulações relatórios especiais; profissionais;
dados; modelos análise de decisões gerentes de staff
analíticos
MIS alto volume de relatórios, modelos sumários e relatórios gerentes middle
dados; modelos simples, análise de exceções
simples baixo nível
KWS especificação de modelagem; modelos; gráficos profissionais;
projeto; base de simulação staff técnico
conhecimento
OAS documentos; documentos; documentos; clerical workers
cronogramas gerenciamento; cronogramas; e-mail
cronogramas
TPS transações; eventos listagem; atualização, relatórios detalhados; pessoal
ordenação listas; sumários opercional;
supervisores

Tabela 1

ESS Estratégico
DSS; MIS Gerencial
KWS; OAS Conhecimento
TPS Operacional

Figura 18

7. Sistemas de Apoio a Decisão

7.1. Introdução

Atualmente , dispomos basicamente de duas categorias de sistemas:


· Sistemas Transacionais ou OLTP (On-Line Transaction Process)
· Sistemas de Apoio a Decisão ou OLAP (On-Line Analytical Process)

25
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Sistemas
OLTP

BD Transacional

Data Warehouse

Sistemas
OLAP

Figura 19

O primeiro consiste em sistemas ou aplicações desenvolvidas com o objetivo de controlar


informações operacionais da empresa, por exemplo, contabilidade, fiscal, pessoal, dentre
outros.Tais aplicações possuem a característica de trabalhar com manipulação de dados através
de instruções DML (Insert, Update e Delete) e necessitam armazenar estes dados em um banco
de dados, que chamamos de Banco de Dados Transacionais.
O segundo surge a partir dos sistemas transacionais existentes. Os sistemas de apoio a decisão
têm o objetivo de extrair através de consultas complexas, informações necessárias para tomada
de decisão. Por exemplo, obter informações sobre faturamento médio do mês de fevereiro, com
base nos cinco anos anteriores; se houve crescimento ou não.Como dito anteriormente, estas
aplicações baseiam-se nos dados extraídos dos bancos de dados transacionais, porém os
mesmos não utilizam o mesmo banco de dados para armazenar esses dados. Faz-se necessário
o uso de um banco de dados que chamamos de Data Warehouse.

7.2. O que é um Data Warehouse ?

Um Data Warehouse consiste na derivação de um ou mais bancos de dados operacionais.Em um


projeto, etapas como planejamento e modelagem se tornam fatores decisivos para o sucesso de
sua implementação. Uma solução bem desenhada objetiva:
· Analisar as informações dos usuários,satisfazendo suas necessidades.
· Monitorar e comparar as operações do momento atual com momentos passados.
· Prever situações futuras.

Informações que anteriormente eram subaproveitadas, tornam-se acessíveis a análises


estratégicas bastante eficazes, obtidas após a transformação, consolidação e racionalização das
informações que poderão encontrar-se dispersas por diversos bancos de dados, em diversas
plataformas.

26
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Um Data Warehouse é um conjunto de diversas tecnologias como:


· Ferramentas de extração e conversão.
· Banco de dados de Apoio a Decisão.
· Ferramentas inteligentes de análise de dados.
· Ferramentas de administração e gerenciamento.

Um Data Warehouse deve ser projetado por uma equipe, que possua o conhecimento técnico,
bem como, o conhecimento de desenvolver uma análise de informações do negócio. Para isso, a
equipe não deve ser exclusivamente da área de tecnologia.
É de responsabilidade da área de tecnologia resolver questões tecnológicas, envolvendo escolha
de plataformas, definição das estruturas físicas dos bancos de dados como a implementação
destas soluções.
Analistas de Negócios e usuários que utilizarão o DW devem participar das decisões referentes
ao modelo de dados a ser implementado. Esta modelagem não envolve a decomposição funcional
e sim, a modelagem de fatos, dimensões e hierarquia entre dados. Devemos buscar a
identificação de relacionamentos que até então eram ignorados, projetando este banco de dados
para uma análise de tendências e prospecções de dados.
Devemos ter bastante atenção durante a fase de modelagem de um DW. Deve-se distinguir a
modelagem de um banco de dados operacional em relação à modelagem de um banco Data
Warehouse.
Um projeto de DW, é caro, difícil de ser implementado em empresas de médio porte, porque
requer tempo e trabalho e muitas vezes não tem o retorno adequado e imediato.
Para implementação de um Data Warehouse podemos tomar como base os seguintes critérios :

· Comece com um escopo menor

Torne o projeto mais simples, começando com um projeto departamental, desta forma, teremos
poucos gastos e boas chances de sucesso.

· Escolha um departamento

Determine qual departamento se encontra carente de informação e que seja importante para os
negócios. Desta forma, garantiremos que os primeiros resultados sejam o mais rapidamente
aproveitados pela empresa para tomada de decisões.

· Seja claro em seus objetivos

Para que os executivos envolvidos não tenham expectativas além do que se propõe, defina com
clareza os objetivos para garantir o sucesso do projeto.

27
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

· Utilize recursos tecnológicos existentes

Evite custos, utilizando os recursos tecnológicos disponíveis, pois, baseando-se em recursos já


existentes, estaremos simplificando o projeto.
Prazos e custos serão também minimizados, pois não haverá necessidade de processos de
avaliação de software e hardware, bem como treinamento de equipe. Faz-se necessário um
conjunto mínimo de recursos que são:
· Um Servidor de Banco de Dados Relacional, onde os dados estarão armazenados;
· Uma rede local que conecte os computadores dos usuários ao servidor;
· Um software OLAP (On-Line Analytical Processing) para viabilizar aos usuários leigos em
informática o acesso e análise dos dados contidos no Data Warehouse.

· Evite propor um modelo de dados coorporativo

Monte o seu DW com os dados atualmente disponíveis, evitando que sua implementação tenha
como justificativa a dependência de sistemas a serem desenvolvidos ou a falta desse ou daquele
dado. A sua implementação possibilita ver esses dados sobre vários ângulos, com acesso rápido
e simples, gerando gráficos, relatórios e possibilitando ao usuário trabalhá-los como se
utilizassem uma planilha. Escalabilidade
De acordo com o desenvolvimento do projeto, amplie o seu projeto. Um Data Warehouse, quando
bem implementado, tende apresentar um crescimento muito rápido.

7.3. Data Warehouse versus Banco de Dados Transacional

Um banco de dados transacional, que é construído para processamento de transações on-line -


OLTP, geralmente é considerado inadequado para um Data Warehouse, pois ele foi projetado
com um conjunto diferente de necessidades, isto é, capacidade de transações maximizadas e
tipicamente tendo centenas de tabelas, etc. Data Warehouse é interessante em processamento
de querys (consultas) - OLAP, ao invés de processamento de transações.
Sistemas OLTP não podem ser repositórios de fatos e dados históricos para análise empresarial.
Eles não podem responder rapidamente querys complexas e a recuperação rápida é quase
impossível. Há uma ausência de dados históricos que são necessários para analisar tendências.
Basicamente um sistema OLTP oferece grandes quantias de dados crus que não são entendidos
facilmente. O Data Warehouse oferece o potencial de recuperar e analisar informações
complexas de maneira fácil e eficiente.

28
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Tabela 1 – Características entre OLTP e OLAP

Características BDs Transacionais Data Warehouse


Objetivo Operações diárias do negócio Analisar o negócio
Uso Operacional Informativo
Tipo de processamento OLTP OLAP
Unidade de trabalho Inclusão, alteração, exclusão Carga e consulta
Número de usuários Milhares Centenas
Tipo de usuário Operadores Comunidade gerencial
Interação do usuário Somente predefinida Predefinida e ad-hoc
Condições dos dados Dados operacionais Dados Analíticos
Volume Megabytes – gigabytes Gigabytes – terabytes
Histórico 60 a 90 dias 5 a 10 anos
Granularidade Detalhados Detalhados e resumidos
Redundância Não ocorre Ocorre
Características BDs operacionais DW
Estrutura Estática Variável
Manutenção desejada Mínima Constante
Acesso a registros Dezenas Milhares
Atualização Contínua (tempo real) Periódica (em batch)
Integridade Transação A cada atualização
Número de índices Poucos/simples Muitos/complexos
Intenção dos índices Localizar um registro Aperfeiçoar consultas

Tabela 2

7.4. Características de um Data Warehouse

De acordo com Bill Inmon, autor de Construção de um Data Warehouse e o guru que é
considerado o criador do conceito de Data Warehousing, há geralmente quatro características
que descrevem um Data Warehouse:

29
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

7.4.1. Organizado por Assunto

Dept. Marketing Dept. Financeiro


Dept. Marketing

Aplicações Aplicações
para controle para controle
de vendas e de faturamento e
Vendas Clientes de clientes. controle de
Pagamentos de
clientes.

BD
Transacional
Dept. Financeiro

Data
Faturamento Clientes Warehouse

Figura 20

Enquanto os sistemas transacionais se voltam para processos e aplicações específicas, o Data


Warehouse tem como característica marcante em sua modelagem basear-se nos principais
assuntos da empresa.
Os assuntos são conjuntos de informações relativas à determinada área estratégica de uma
empresa.
Em uma revenda de carros, quais seriam as áreas e os assuntos? Poderiam ser as áreas de
Marketing e Financeira. Dentro dessas áreas que já utilizam aplicações transacionais para
algumas atividades, poderiam surgir vários assuntos, como por exemplo: clientes, vendas e
faturamento. Os assuntos dariam origem às tabelas em um Data Warehouse. Os dados
organizados por assunto contêm só a informação necessária para processo de apoio de decisão.

30
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

7.4.2. Integrado

Ambiente de Aplicações Operacionais

Mat. Nome Sexo Mat. Nome Sexo Mat. Nome Sexo


01 Marcelo F. M 01 Marcelo F. 1 01 Marcelo F. H
02 Carla M. F 02 Carla M. 0 02 Carla M. M

Mat. Nome Sexo


01 Marcelo F. M
02 Carla M. F

Figura 21

Considerada a característica mais importante de um Data Warehouse, conseguimos através desta


obter uma padronização única para os dados de todos os sistemas transacionais que formarão a
base de dados do Data Warehouse. Por isso, grande parte do trabalho na construção de um Data
Warehouse está na análise destes sistemas e dos dados que eles contêm.
Quando dados residem em muitas aplicações separadas no ambiente operacional, a codificação
de dados é freqüentemente inconsistente.
Um exemplo clássico refere-se à variável sexo. Em uma determinada aplicação transacional
podemos ter codificado o sexo do indivíduo com “M” para masculino e “F” para feminino, já em
outra aplicação podemos representar este item com “1" para masculino e ”0" para feminino,
chegando até mesmo a uma terceira configuração com “H” para homens e “M” para mulheres.
Este último caso poderia acarretar uma duplicidade de dados que não podem ser considerados
iguais, que é o caso do “M” que tanto pode representar Mulheres como o sexo Masculino.
À medida que os dados são carregados no Data Warehouse, é necessário convertê-los para um
estado uniforme, ou seja, codificar a variável sexo com apenas um formato, por exemplo, “M” para
masculino e “F” para feminino.
A padronização ou integração serve para fornecer uma maior confiabilidade nas comparações
que serão feitas durante as análises solicitadas pelos usuários do sistema de Data Warehouse.

31
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

7.4.3. Variante de tempo

BD
Transacional
Mês Empresa Faturamento
Fev/2003 Matriz R$ 1.000.000,00
Filial R$ 200.000,00
Jan/2003 Matriz R$ 800.000,00
Filial R$ 200.000,00
...

Data
Warehouse
Mês Empresa Faturamento
Fev/2003 Matriz R$ 1.000.000,00
Fev/2002 Matriz R$ 800.000,00
Fev/2001 Matriz R$ 850.000,00
Fev/2000 Matriz R$ 500.000,00

Figura 22

Em um Data Warehouse precisamos manter um histórico dos dados durante um período de


tempo muito superior em relação ao armazenamento destes mesmos dados em sistemas
transacionais.
Isso é bastante lógico porque em um sistema transacional a finalidade é fornecer as informações
no momento exato; já em um Data Warehouse, o principal objetivo é analisar o mesmo
comportamento numa faixa de tempo maior. Desta forma podemos dispor destas informações
para a tomada de decisões.
É válido dizer que os dados nos sistemas transacionais estão sendo atualizados constantemente,
cuja exatidão é válida somente para o momento de acesso enquanto que em um Data Warehouse
os dados são como fotografias que refletem um determinado momento, um período de tempo.
Para qualquer fato existente em um DW a dimensão tempo sempre estará presente, guardando
desta maneira uma imagem fiel da época que foi gerado.
As séries temporais empregam características específicas ao ambiente do Data Warehouse que
deve ser programado para permitir o gerenciamento dos dados representativos da coexistência
de intervalos de tempo com informações que serão analisadas e comparadas constantemente.
Muitas vezes é possível verificar a presença em sistemas de processamento analítico de dados
representativos de dias e meses, sendo necessário controlar, por exemplo, o número de dias
contidos em um mês ou em um ano, em que dia da semana está o primeiro dia do mês ou ainda
quantas semanas tem o mês ou o ano.

32
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Uma vez ocorrida uma mudança nos dados isto é traduzido numa nova entrada no Data
Warehouse, preservando-se aquela situação anterior através da definição do período em que a
mesma ocorreu.

7.4.4. Não-volátil

Carga de Dados
SQLPLUS> select*
from emp;

USUÁRIO 1

Data
Warehouse

USUÁRIO 2

SQLPLUS> select e.empno,e.ename,


d.deptno from emp e, dept d
Where d.deptno=e.deptno
Figura 23

Uma vez que eles entram no Data Warehouse os dados não são atualizados ou mudados de
alguma forma, mas somente são carregados e acessados.
Um sistema de Data Warehouse deve permitir apenas uma carga inicial dos dados e,
posteriormente, oferecer estes mesmos dados para que os usuários possam consultá-los. Este
ambiente é conhecido por “load-and-access” (carga e acesso). Os dados integrados e
transformados são carregados para o Data Warehouse na forma de blocos de informações,
ficando à disposição dos usuários para consultas e comparações.
Já no ambiente operacional temos uma situação diferente: os dados são atualizados de forma
atômica, registro a registro, em várias transações durante todo o tempo de uso das aplicações.
Para assegurar a integridade e confiabilidade dos dados são necessárias diversas operações
como rollback, recuperação de falhas, commits e bloqueios. Os controles tradicionais dos
sistemas orientados a transações não são necessários em Data Warehouses uma vez que os
dados carregados são quase sempre oriundos daqueles sistemas e, conseqüentemente, já
passaram pelo crivo de controle.

33
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

7.4.5. Localização

Data Marts

Financeiro Marketing Contabilidade

Data
Warehouse

Figura 24

Os dados podem estar fisicamente armazenados de três formas :

q Em um Único Local

Em um DW com dados centralizados em um único banco de dados, teremos a garantia de um


poder máximo de processamento e acesso à busca por estes dados. Contudo, termos o
inconveniente do investimento em hardware para garantir o armazenamento de um grande
volume de dados.

q Distribuídos

Os dados são armazenados por áreas de interesse, que chamamos de Data Marts. Por exemplo,
os dados da gerência financeira, marketing e contabilidade em servidores distintos.
Com esta forma de armazenamento e processamento distribuídos ganhamos em performance e
as consultas são sempre atendidas em tempo satisfatório.

q Armazenado por níveis de detalhes

As unidades de dados são mantidas no Data Warehouse. Pode-se armazenar dados altamente
resumidos em um servidor, dados resumidos em outro nível de detalhe intermediário, no segundo
servidor, e os dados mais detalhados em um terceiro servidor.

34
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

7.4.6. Credibilidade dos Dados

Um conjunto de coleções de dados, processos de entrada, metadados e informações sobre a


origem de dados são necessários para obtermos a credibilidade dos dados existentes em um DW.
Questões como um simples CEP errado não afetarão uma simples transação de compra e venda,
porém poderão influenciar em informações referentes a uma cobertura geográfica.
A atualização/manutenção dos dados e as diferenças entre os dados em relação aos bancos de
dados transacionais também são cruciais para o sucesso do projeto.
A tabela abaixo descreve um conjunto de características, normalmente utilizadas para verificar a
qualidade dos dados e indica algumas das maneiras de medir o nível de qualidade no Data
Warehouse. Nem todas as características precisam necessariamente ser averiguadas; deve-se
escolher as que representam maior fator de risco para o ambiente proposto e trabalhar em cima
dessas características.

Características da Descrição Exemplo


qualidade dos dados
Precisão Grau de informações que estão corretas Percentual de correção

Abrangência Grau de dados requisitados e atendidos Percentual de atendimentos


Consistência Consistência de Dados Percentual de condições
satisfeitas
Tabela 3

7.4.7. Granularidade

Considera-se granularidade maior e menor, o resumo e o nível de detalhe dos dados,


respectivamente. Quanto maior o nível de detalhe, um volume de dados maior deverá ser
armazenado.
Com um nível de granularidade muito baixo, é possível responder a praticamente qualquer
consulta, mas uma grande quantidade de recursos computacionais se faz necessária para
responder a perguntas muito específicas.
Já quando se tem um nível de granularidade muito alto, o espaço em disco e o número de índices
necessários tornam-se bem menores, porém há uma correspondente diminuição da possibilidade
de utilização dos dados para atender a consultas detalhadas.

7.5. Arquitetura de um Data Warehouse

Quando nos referimos a Arquitetura de Data Warehouse, encontramos duas formas para sua
representação: uma conceitual e outra física.

35
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

7.5.1. Visão Conceitual

Gerenciamento
Acesso a informação de Processos

Funções do
Acesso aos Dados Dicionário de
Dados

Data Warehouse

Transporte

Acesso aos Dados

Dicionário de
Banco de Dados Operacionais
e fontes externas Dados

Figura 25

Nesta arquitetura encontramos vários componentes, onde estes podem utilizar várias ferramentas
para extração de dados, limpeza, transformação e integração para carga e atualizações
periódicas do Data Warehouse, a fim de refletir as atualizações ocorridas nas fontes.
Podemos encontrar os dados separados por setor dentro da organização, chamados de Data
Marts.
Os dados contidos nos Data Marts ou Data Warehouse poderão ser gerenciados por um ou mais
servidores, onde estes apresentarão uma visão multidimensional, sendo os mesmos utilizados por
ferramentas front end.
As visões dimensionais geradas formam cubos de dados que indicam que as informações
poderão ser visualizadas em linha e colunas (formato planilhas).
É formado um repositório com o objetivo de armazenar e gerenciar estes metadados,
acompanhados de ferramentas para monitorização e administração do sistema.

q Visão em Camadas

Atualmente as aplicações se encontram distribuídas em várias camadas que descreveremos a


seguir.

u Camada de Bancos de Dados Operacionais e Fontes Externas

Podem ser compostas por várias bases operacionais, bem como fontes externas, recebendo
desta forma um tratamento especial antes de serem incorporadas ao Data Warehouse.

u Camada de Acesso aos Dados

Comunicando-se com vários SGBDs e/ou sistemas de arquivos, corresponde ao elo de ligação
entre as ferramentas de acesso à informação e aos bancos de dados operacionais.

36
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

u Camada de Transporte ou Middleware

Utilizada com o objetivo de separar as aplicações operacionais ou informacionais, do formato real


dos dados, gerencia a forma da transmissão das informações pelo ambiente de rede que serve de
suporte para o sistema como um todo.

u Camada do Data Warehouse

Constitui-se do armazenamento físico dos dados oriundos dos sistemas operacionais da empresa
e externos, permitindo um acesso mais rápido e seguro aos dados do Data Warehouse, além de
prover maior flexibilidade de tratamento e facilidade manipulação.

u Camada de Acesso à Informação

Proporciona a interação com os usuários finais através de ferramentas visuais tradicionais, tais
como sistemas de planilhas de cálculo, browsers, entre outras.

u Camada de Metadados (Dicionário de Dados)

Os metadados descrevem os dados e a organização do sistema, podem ser ainda fórmulas


utilizadas para cálculo, descrições das tabelas disponíveis aos usuários, descrições dos campos
das tabelas, permissões de acesso, informações sobre os administradores do sistema, entre
outras.

u Camada de Gerenciamento de Processos

Faz o controle destas tarefas que mantêm o sistema atualizado e consistente, gerenciando as
diversas tarefas que são realizadas durante a construção e a manutenção dos componentes de
um sistema de Data Warehouse.

u Camada de Gerenciamento de Replicação

Serve para selecionar, editar, resumir, combinar e carregar no Data Warehouse as informações a
partir das bases operacionais e das fontes externas, envolvendo programação bastante complexa,
sendo que existem ferramentas poderosas que permitem que estes processos sejam gerenciados
de forma mais amigável, além do controle da qualidade dos dados que serão carregados.

q Estrutura Física de um Data Warehouse

Esta estrutura poderá ser implementada de forma centralizada ou de forma distribuída. Teremos
um Data Warehouse integrado se optarmos pela forma centralizada, pois podemos desta forma
maximizar o poder de processamento e acelerar os processos de busca por informações
analíticas.
Pela forma distribuída, a informação será distribuída por função, separando os dados do setor
financeiro em um servidor, os dados de marketing em outro local, e dados de manufatura em um
terceiro lugar.
Uma terceira forma, considera a arquitetura do Data Warehouse separada por camadas,
armazenando os dados mais resumidos em um servidor, dispondo os dados um pouco mais

37
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

detalhados, em nível de detalhe intermediário, em um segundo servidor, e, por fim, colocamos os


dados mais detalhados em um terceiro servidor.

Granularidade em Camadas

Camada 1 Camada 2 Camada 3

Figura 26

A maior parte das consultas seráão atendida pelo primeiro servidor, sendo posteriormente um
menor número de pedidos distribuído para segunda e terceira camadas.
O dimensionamento dos servidores é o seguinte: na primeira camada podemos ter uma
configuração para suportar um grande número de usuários que farão diversas consultas, as quais
trabalharão com um volume relativamente pequeno de dados. Já os servidores das outras duas
camadas devem ser configurados para permitir processar grandes volumes de dados, porém não
é necessária uma preocupação em configurar o sistema para suportar o acesso de um número
maior de usuários. Isto se explica pelo fato de que a maioria dos usuários terá suas perguntas
respondidas pelas consultas iniciais da camada 1. Se algum usuário não se satisfizer com o nível
de detalhe das respostas da camada 1, pode buscar maiores informações na camada 2 e até
mesmo na camada 3. Concluímos então que poucos usuários farão acessos regulares à última
camada, sendo que alguns nunca o farão além do nível inicial.

u Arquitetura de Duas Camadas

Existe uma arquitetura de implantação de sistemas de DATA WAREHOUSE que consiste em


utilizar um computador de alta capacidade como servidor. Este método disponibiliza aplicações
aos usuários finais na forma de ferramentas front end, que servem para realizar as consultas, em
conjunto com os componentes do servidor com ferramentas back end, que servem para municiar
o Data Warehouse com informações.
Organizações que podem crescer com a incorporação de outras empresas do mesmo ramo ou
ainda de outro ramo de negócio, gradualmente acumulam diversos sistemas de computação
legados, cada um com suas incompatibilidades de definições dos dados. Esta redundância e falta
de consistência dos dados dificulta a administração das bases de dados, resultando numa
dificuldade também para desenvolver-se novas aplicações front end.
Esta arquitetura pode ser chamada de “sistema guarda-chuva”, a qual possui um formato em que
o cabo do guarda-chuva representa o servidor principal e as hastes representam os sistemas de
consulta a este servidor.

38
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

BD SO

Servidor
BD SO Principal DW

BD SO

Figura 27

A arquitetura ilustrada acima, pode ser usada para construir um sistema de Data Warehouse em
duas camadas, o qual possui os componentes dos clientes (front end) e os componentes do
servidor (back end).
Esta arquitetura é bastante conveniente, uma vez que utiliza os sistemas já existentes na
empresa bem como os servidores de bancos de dados e requer um pequeno investimento em
hardware e software.
Um dos grandes problemas que existe neste tipo de arquitetura é o fato de não ser permitido o
seu escalonamento, o que resulta, com o aumento do número de usuários, numa performance
ruim pelo gargalo existente entre os clientes e o servidor. Estas anomalias podem ocorrer pelo
uso de estações clientes muito lentas e com muitos processos rodando simultaneamente.

u Arquitetura de Três Camadas

Para tentar solucionar os problemas de performance resultantes do gargalo da arquitetura de


duas camadas, existe uma arquitetura de informação em múltiplas camadas, como mostrado na
figura abaixo. Esta arquitetura é bastante flexível e suporta um grande número de serviços
integrados, onde a interface do usuário (ferramentas front end), as funções de processamento do
negócio e as funções de gerenciamento do Banco de Dados são separadas em processos, os
quais podem ser distribuídos através da arquitetura de informação.
Este tipo de arquitetura em três camadas é bastante utilizado. Na primeira camada ficam as
aplicações de interface com os usuários, que devem ser gráficas e baseadas em rede. Dados e
regras de negócio podem ser compartilhados pela organização, assim como o Banco de Dados
para o Data Warehouse, ficam armazenados em servidores de alta velocidade na segunda
camada, a camada central. Na terceira e última camada estão localizadas as fontes de dados.
Analisando o ambiente do Data Warehouse, os servidores de Banco de Dados e os servidores de
aplicações da camada central provêem um acesso eficiente e rápido aos dados compartilhados.
Com a separação dos servidores em transacional e analítico pode-se obter uma boa performance
nas consultas e no processamento, sendo que deve haver disponibilidade de equipamentos e
recursos satisfatórios de conexão entre os diversos componentes do sistema.

39
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

BD

Aplicações Sistema
Frort-End Operacional BD
Servidor
Aplicações
Aplicações Sistema
Frort-End Operacional BD

Servidor
Aplicações
de BD P/DW
Aplicações Sistema
Frort-End Operacional BD

BD

Figura 28

u Um Modelo Alternativo de Arquitetura

A partir do modelo de camadas descrito anteriormente, é possível definir um modelo alternativo


que facilita o entendimento e reduz o número de componentes a serem considerados,
simplificando a sua descrição. Na figura abaixo há um exemplo desta arquitetura [VAL96], na qual
pode-se visualizar na parte inferior as bases de dados que formam as fontes externas e internas,
acima destas fontes de dados estão os módulos extratores que detectam automaticamente as
alterações ocorridas nas bases de dados. Sempre que ocorrer uma mudança no conteúdo da
base, a informação que foi incluída ou atualizada é propagada para o integrador, desde que reflita
em modificações na base de dados do Data Warehouse.
O integrador constitui-se no módulo responsável pela consolidação do conteúdo fornecido pelos
extratores e o seu posterior repasse para o Data Warehouse. Para integrar os dados oriundos de
diversos tipos de bases de dados é necessária a execução de alguns processos, tais como
especificar as diferenças existentes entre as bases de dados, ajustar os dados ao modelo
conceitual utilizado no Data Warehouse, juntando-os aos dados já carregados, solucionar os
problemas de duplicações e inconsistências e, ainda, definir a forma com que as informações
serão integradas dentro do sistema.

40
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Consultas

Data Warehouse

Integrador

Extrator Extrator Extrator

BD BD BD

Figura 29

7.6. Projeto e Desenvolvimento de Sistemas de Data Warehouse

Um projeto de DW torna-se muito cansativo e penoso, pois, uma vez que a base de dados
transacional se encontra em funcionamento, torna-se automática a implantação de sistemas de
análise e suporte à decisão, sendo necessária a completa reavaliação destes sistemas, para que
só então possamos modelar um projeto de DW.
Deveremos iniciar um projeto-piloto, definida uma área escolhida. A esta dar-se-á o nome de Data
Marts (DM). A análise desta área escolhida deverá ser feita como um todo, utilizando-se inclusive
da realização de diversas reuniões com os gerentes, funcionários e outros colaboradores
envolvidos no tema.
Segundo [KIM97], os projetos de DMs devem ser inicialmente simples e úteis para que possam
atingir seus objetivos de forma rápida e clara. Não é desejável para uma empresa investir uma
quantia em dinheiro e tempo de seus funcionários em um projeto que pode levar meses para ser
concluído e que durante o processo de implantação possa terminar por gerar controvérsias e até
mesmo problemas para os setores.

41
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

7.6.1. Funções dos Componentes da Equipe

Conforme a dimensão do projeto e tecnologias a serem implementadas, necessitaremos de uma


equipe de profissionais qualificados em diferentes áreas e com funções específicas. Algumas
funções podem variar conforme o estágio em que se encontra o projeto, assim como podem ser
agrupadas para que uma só pessoa realize várias delas ao mesmo tempo.

Funções Responsabilidades

Gerente do Data Warehouse Define, planeja e gerencia estratégias


voltadas ao DW
pnumArquiteto de Dados Desenvolve o modelo de dados
Analisa as exigências de dados
Desenha as estruturas dos dados
Define as visões gerenciais para os
dados
Administrador de Metadados Define os padrões de metadados
Gerencia o repositório dos metadados
Administrador do BD Cria as estruturas físicas no BD Monitora
o carregamento dos dados e a
performance das consultas
Usuário de nível gerencial Descreve os dados necessários
Especifica as regras de negócio
Testa os resultados das transformações
dos dados
Analista de processos e aplicações Desenvolve as aplicações de suporte à
decisão
Especialista em Aplicações Operacionais Indica onde estão os dados nos sistemas
transacionais
Analista e programador de conversões Indica as fontes de dados para o DW
Desenvolve os programas para
selecionar e carregar os dados
Especialista em suporte técnico Desenvolve as atividades técnicas como
instalar e configurar máquinas
Instrutor Treina os usuários para acessar o DW

Tabela 4

7.6.2. Desenvolvimento e Implementação de Projeto de Data Warehouse

O processo de implementação de um DW tem alguns aspectos que se assemelham ao


desenvolvimento tradicional de sistemas, mas possui diferenças que devem ser observadas com
cuidado. Os principais passos para um projeto de DW são:
§ Planejamento
§ Levantamento das Necessidades
§ Modelagem Dimensional

42
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

§ Projeto Físico dos Bancos de Dados


§ Projeto de Transformação
§ Desenvolvimento de Aplicações
§ Validação e Teste
§ Treinamento
§ Implantação.

O processo de desenvolvimento de um projeto deve ser baseado em técnicas mais formais de


levantamento. Deveremos preparar reuniões com os usuários, onde o enfoque será o
levantamento de todas as necessidades de informação, definidas e condensadas as fases do
projeto e seus respectivos níveis de serviços e produtos liberados.
Grande parte do sucesso de um projeto é de responsabilidade do usuário escolhido para
definição das necessidades de informação.

Projeto de DW

Planejamento

Levantamento das Necessidades

Modelagem Dimensional Passos


Críticos
Projeto Físico dos Bds

Projeto de ETC

Desenvolvimento de Aplicações

Validação e Teste
Passos
Passíveis de
muitos problemas Treinamento

Implantação

Figura 30

Na figura acima temos todos os passos para a criação de um Data Warehouse, sendo que os
cinco primeiros são considerados críticos e os quatros últimos passíveis de muitos problemas,
caso não sejam bem planejados e realizados.

q Planejamento

Nesta primeira etapa, objetiva-se definir o escopo do projeto, atentando-se para áreas críticas da
empresa e para as necessidades mais permanentes de informações gerenciais.
Pergunta-se como iremos desenvolver? Quais as nossas áreas de assuntos primordiais?
Descobrindo as respostas para estas perguntas, obteremos a dimensão e delimitação do projeto.
Para obtermos tal consciência, utilizamos técnicas de levantamento e análise introdutória. O ideal
aqui é conseguir estabelecer um meio termo entre o desenvolvimento gradual dos projetos de DW
e a definição de dimensões conformes, que permitam a integração gradativa de DW, sem
agigantamento de projetos.

43
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

O conhecimento sobre a arquitetura tecnológica base é fundamental, pois durante o projeto


problemas como performance e disponibilidade poderão comprometer o sucesso do projeto.
Os componentes tecnológicos básicos como SGBD, Metadados, Ferramentas de
desenvolvimento (OLAP), processo de ETC (extração, transformação e carga), deverão ser
observados, além da rede coorporativa.

Repositório Dados p/
Servidor de DW Mining

SGBD
DW

Dados sumariados
Rede/Intranet
Dados consolidados
Processo de:
Servidor Legador/ERP EstaçãoCliente
Extração
Transformação e
Carga
Servidor de DM
(Cubos)
Ferramentas
OLAP/Mining

Dados
Operacionais

Figura 31

q Levantamento das Necessidades

Nessa etapa deverão ser identificados dois modelos: o modelo dimensional que representa os
blocos conceituais de dados necessários ao alcance dos objetivos do sistema de suporte a
decisão, onde é importante observar que os dados a serem modelados deverão ser garimpados
nos seus vários níveis de detalhes; e o modelo relacionado com as fontes das informações onde
deverão ser registrados os blocos conceituais de dados existentes, com suas respectivas
descrições e formas atuais de armazenamento e de uso nos sistemas. A qualidade e a
integridade dos dados-fonte deverão ser observadas cuidadosamente, além da sua duração
histórica.

q Modelagem Dimensional

Como fator crítico de sucesso, a modelagem de dados deverá passar por observações nem
sempre percebidas em um projeto de Banco de Dados convencional, como, por exemplo, o dado
consolidado e/ou sumariado nas dimensões específicas, além do nível de granularidade ou
detalhe e o volume destes dados.

44
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

u Comparativo entre Modelagem Dimensional e Modelagem Relacional

Um modelo entidade-relacionamento nem sempre é indicado para a construção de bancos de


dados de apoio à decisão, os chamados DSS (Decision Suport Systems).
A questão fundamental é que as novas tecnologias de consulta e análise de dados requerem
recursos que a modelagem relacional não podem oferecer.
Em suas orientações, [KIM95] sugere a utilização de técnicas diferenciadas denominadas
Modelagem Dimensional (MD), as quais estruturam os dados de forma diferente daquela definida
pelos sistemas relacionais, possibilitando que as consultas sejam otimizadas.
Segundo o autor, não existem segredos ou soluções mágicas para que se converta um modelo
ER em um modelo dimensional.
O gerenciador de banco de dados utilizado no MD (Modelo Dimensional) é bastante diferente do
tradicional que gerencia modelos ER, sendo que no primeiro são facilitadas a navegação e as
consultas. A teoria de bancos de dados relacionais sugere aos projetistas que procurem eliminar
as redundâncias dos dados através da modelagem ER e normalizações.
O grande problema dos modelos ER é que o número de tabelas inconsistentes é grande. Poderá
existir centenas de tabelas interligadas por centenas de relacionamentos. Pelos olhos do
projetista e das pessoas ligadas à tecnologia de banco de dados é considerado como um modelo
consistente e bem arranjado, o qual supre as necessidades de consistência e performance das
transações que são realizadas em grandes quantidades em todo momento. Porém, sob a ótica do
usuário final, este modelo arquitetado é dificílimo, para não dizer impossível, de ser entendido.
Sistemas de DW podem ter várias tabelas de fatos, cada uma representando um processo
diferente dentro da empresa, constituindo os DMs, que podem ser ligados uns aos outros
dependendo da necessidade e também da possibilidade de que isto aconteça.
A modelagem dimensional é um processo top-down. Primeiro são identificados os processos
empresariais que serão a base para a criação das tabelas de fatos, tabelas essas que serão
povoadas como os dados numéricos destes fatos.
Uma diferença final, um pouco controversa entre o modelo ER e a MD, é o grau de julgamento
deixado nas mãos do projetista. A essência de um bom modelo dimensional é a escolha do
conjunto da maioria das dimensões naturais da perspectiva de um usuário final. Sempre há duas
ou mais alternativas que representam os dados da mesma maneira, mas empacotam as
dimensões diferentemente.

u Passos da Modelagem Dimensional

§ Definir a Área de Negócios: Definir prioridade de negócios, percepção de mercado,


comportamento do cliente
§ Definir processo(s) dentro da Área de Negócios
§ Definir a granularidade desejada para os dados do processo, considerando os volumes e
dificuldades de se obter o nível granular desejado. Outro aspecto importante na definição da
granularidade é o trabalho para se chegar a ela. De maneira geral, deve-se sempre partir de
modelos que contemplem a maior granularidade possível, pois dela poderão ser obtidos todos
os outros níveis desejados de granularidade superior.
§ Definir os Atributos e a Hierarquia das Dimensões, considerando hierarquias múltiplas.
§ Definir as métricas das tabelas-fatos, observando os valores Aditivos, Semi-aditivos e
não-aditivos onde:

45
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Aditivas: Quando os valores são passíveis de serem somados em todas as dimensões, como por
exemplo valor-vendido, ou valor-custo.
Semi-aditivas: quando a soma tiver sentido somente numa dimensão, como, por exemplo,
quantidade-vendida. Observe que a quantidade-vendida teria sentido de ser acumulada na
dimensão produto. O mesmo valor acumulado na dimensão loja teria um valor de pouca utilidade.
Não-aditivas: quando um determinado valor, não puder ser somado em qualquer dimensão, ou
produzir um valor sem nenhum sentido válido. É o caso do valor de porcentagem de lucro, ((valor
de venda-custo)/valor-venda) ou qualquer outro tipo de relação/razão entre métricas.

u Algumas dicas importantes na modelagem dimensional

§ Faça ou use um modelo de dados convencional E-R como ponto de partida para o trabalho
de modelagem dimensional. Isso poderá ajudar.
§ Observe os relacionamentos 1:N existentes. Eles podem sugerir dimensões.
§ Observe entidades fortes. Elas também podem sugerir dimensões.
§ Observe os relacionamentos M X N. Na sua interseção pode haver valores numéricos; isso
sugere Fatos.
§ Observe os atributos que estarão na tabela Dimensão. Analise a relação de hierarquias entre
esses atributos da dimensão. Atente para relacionamentos M X N entre eles. Isso pode definir
granularidade.

u Algumas dicas importantes sobre tabelas Fato e tabelas Dimensão

§ As tabelas Fatos, tipicamente, armazenam dados, valores atômicos ou agregados obtidos a


partir deste.
§ As métricas das tabelas Fato são normalmente aditivas em certas dimensões.
§ As tabelas Fatos possuem chave que as conectam às diferentes dimensões que as
circundam. Essa conexão se dá num nível de granularidade compatível entre elas (Fato e
Dimensão).
§ As tabelas Dimensão armazenam os valores de filtro, check, acesso e textos que
caracterizam os dados trabalhados.
§ As tabelas Fato são normalmente normalizadas.
§ A granularidade combinada da tabela Fato com a de suas tabelas Dimensão determinam o
número de linhas das tabelas do projeto.

q Projeto Físico dos Bancos de Dados

Nesta etapa são desenhadas as estruturas lógicas do modelo dimensional, com as definições de
tabelas-fatos e tabelas-dimensão, relacionamentos, indexação, atributos de tabelas e implantação
de regras. Deve-se considerar o uso do SGBD Relacional da instalação como depósito das
informações do armazém de dados.

46
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

q Projeto ETC – Extração, Transformação e Carga

Nessa etapa, a preocupação está voltada para a definição dos processos requeridos de
transformação do modelo-fonte para o modelo dimensional. Nesse ponto, os conceitos de
extração dos dados e de seu tratamento podem ser divididos em :
§ Filtro de Dados: que relaciona os procedimentos e condições para se eliminar os elementos
de dados indesejáveis no modelo dimensional. Por exemplo, desejamos que somente ordens
de compra com valores totais maiores que R$1000,00 sejam consideradas no sistema
gerencial em projeto.
§ Integração de Dados: Define a forma de se correlacionar informações existentes em fontes
distintas, e que deverão ser integradas no sistema gerencial. A integração dessas
informações se torna fundamental para os requisitos do sistema e deverá ser prevista nessa
fase. Como exemplo o caso de dados que estão codificados em um ambiente (por exemplo, o
código do fornecedor embute região) e que deverão ser codificados a fim de facilitar o seu
uso, associando-se a ele uma informação explícita sobre região.
§ Condensação de Dados: Define a forma de se reduzir volumes de dados visando a obter
informações resumidas e sumariadas. Como exemplo podemos ter a sumarização em termos
semanais de dados diários de vendas, ou o resumo em níveis geográficos, por exemplo,
vendas por região.
§ Conversão de Dados: Define os procedimentos para transformar dados em unidades,
formatos e dimensões diferentes.
§ Derivação de Dados: Define os meios e fórmulas para produzir dados virtuais, a partir de
dados existentes.

q Desenvolvimento de Aplicações

Nessa etapa será projetado o sistema aplicativo, objeto do trabalho. O sistema deverá priorizar a
interface Web, facilitando o acesso aos dados, via browser. Isso evita a necessidade de acesso.
Os cuidados normais com telas carregadas, excessos de informação.
As ferramentas escolhidas deverão possibilitar a definição de aplicativos com interfaces
amistosas, geradores de relatórios, condições de visualização de dados em formas variadas e a
importação dos dados obtidos para ferramentas do usuário final, como planilhas e processadores
de textos. Existe hoje no mercado um conjunto de ferramentas dedicadas ao desenvolvimento de
aplicações OLAP, com interface Web, que oferece todas essas características. Para o caso de
análises mais sofisticadas, como Data Mining, deverão ser buscadas ferramentas específicas
para essas aplicações, que incorporam, inclusive, métodos e práticas diferentes das de natureza
OLAP.

q Validação e Teste

Fase em que o sistema é testado considerando-se, o máximo possível, as simulações de volume


e de processamentos.

q Treinamento

O grupo de treinamento deverá ser formado por todos os usuários voltados à atividade de
negócios.

47
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

q Implantação

A implantação deverá ser seguida de um rigoroso acompanhamento de uso das aplicações


disponibilizadas. Além disso, a equipe do projeto deverá incentivar os usuários a apresentarem
críticas e sugestões de melhorias para as próximas versões do sistema.
Em paralelo deve-se construir um diretório de metadado que deverá descrever os dados do
modelo-fonte, suas transformações, os dados do modelo dimensional e suas formas de acesso e
de disponibilização.

7.7. O que é Data Mining?

Consiste no conceito de garimpagem de dados (Data Mining), objetivando melhorar o uso de um


volume de informações, em cujos projetos um alto investimento é normalmente realizado.
Enquanto as técnicas OLAP objetivam trabalhar os dados existentes, buscando consolidações em
vários níveis, trabalhando fatos em dimensões variadas, a técnica Data Mining busca algo mais
que a interpretação dos dados existentes. Visa fundamentalmente a realizar inferências, tentando
“adivinhar” possíveis fatos e correlações não explicitadas nas montanhas de dados de um
DW/DM.
Todo executivo busca ter em mãos o maior número possível de informações para tomar suas
decisões da maneira mais sábia possível. Saber como seus clientes pensam, as flutuações de
mercado, movimentação financeira são informações vitais para suas decisões. Para isso, técnica
de data mining e mineração de dados são utilizadas.
O data mining utiliza uma combinação de práticas estatísticas, cálculos de probabilidade e
princípios de inteligência artificial para fornecer respostas a qualquer pergunta.
Pode ser considerada uma forma de descobrimento de conhecimento em banco de dados, área
de pesquisa de bastante evidência no momento, envolvendo Inteligência Artificial e Banco de
Dados.
Por exemplo, numa empresa de seguros, as ferramentas OLAP responderiam questões como do
tipo: “Qual o valor médio de pagamentos de seguros de vida para não fumantes, na região sul do
estado, em agosto de 1999?“. As ferramentas de Mining seriam usadas para definir os melhores
atributos de clientes, capazes de ajudarem como previsores de possíveis acidentes de automóvel.
Numa empresa de serviços, as ferramentas OLAP responderiam, por exemplo, “qual o valor
médio de faturamento de clientes do tipo industrial, da área de alumínio, nas regiões da Vale da
Mantiqueira, comparando-se os anos de 1998 e 1999?”; enquanto que as ferramentas de Mining
serviriam para indicar quais os atributos de clientes seriam importantes para serem considerados
numa possível e indesejável quebra de fidelização.
As ferramentas de Mining estão muito mais relacionadas com tratamento especial da informação
do que com as estruturações de dados, embora um subconjunto de dados extraídos do DW e DM
provavelmente será alvo dessas análises mais sofisticadas.

48
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

7.8. Algumas razões pelas quais o Data Mining tem-se tornado parte das
ferramentas de Sistemas de Apoio à Decisão

Segundo Serra, a crescente disponibilização de informações que têm surgido, na medida que
mais e mais organizações se utilizam das ferramentas de Business Intelligence, está fazendo com
que apareçam, também, novas necessidades de análise das informações disponibilizadas.
A análise com ferramentas OLAP, filtros, classificações possuem papel importante para o
desenvolvimento de um Data Mining. De todas, a OLAP é a mais sofisticada, pois possibilita
estudar os dados de formal multidimensional.
Para atender a essas novas necessidades, as ferramentas de Apoio à Decisão têm sido
incrementadas com sofisticadas funções, tais como a análise OLAP (On Line Analitical
Processing), formatações de relatórios cada vez mais flexíveis, visualização 3-D, filtros,
classificações, alertas, entre outros.
O Data Mining é extremamente adequado para analisar grupos de dados que seriam difíceis de
analisar usando apenas a função OLAP, visto que esses grupos são grandes demais para serem
“navegados”, ou explorados manualmente, ou ainda porque contêm dados muitos densos ou
não-intuitivos para serem compreendidos.
A diferença básica entre OLAP e Data Mining está na maneira como a exploração dos dados é
realizada. Na análise OLAP, a exploração é feita através do analista, enquanto que no Data
Mining, é feita pela própria ferramenta.

7.9. Fatores Críticos de Sucesso em Data Mining

O processo de Mining é metodologicamente diferente do processo de projeto de DW/DM e deve


ser embasado em alguns fatores considerados críticos. Algumas perguntas devem ser
respondidas antes de se aventurar num projeto de Data Mining :
§ O entendimento do negócio, seus objetivos e metas estão claramente definidos?
§ Você sabe do que exatamente precisa? Existem requerimento de análises complexas,
tendência escondidas, perfis de comportamento, verificação de hipóteses, dentre outros?
§ Você sabe com detalhe qual é o seu problema?
§ Você definiu o grau de suas expectativas? Qual o resultado desejado?
§ Você tem os dados necessários, na granularidade desejada, no detalhe demandado, na
qualidade exigida? Caso negativo, você sabe onde e como esses dados poderiam ser
obtidos?
§ Você detém técnicas necessárias e possui equipe com domínio de estatística, indicadores de
negócios e Business Intelligence? Dependendo da complexidade do projeto, até a presença
de um estatístico profissional, com conhecimentos em técnicas e algoritmos estatísticos,
poderá ser demandada.
§ Você sabe que Data Mining é, na realidade, mais do que um projeto isolado, e deve ser visto
como um projeto contínuo de busca de inteligência e inferência aplicada aos dados?
Se você respondeu às perguntas anteriores com muitos SIM, você está apto a entrar em um
projeto de Data Mining e conduzir a sua empresa para um ambiente de aplicações mais
abordadas e complexas.

49
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

DW/DM

Conjunto Dados
total de Preparado
dados Outros dados
internos

Dados Externos

Preparação Mineração

Aplicação
Figura 32

7.10. Processos de um Data Mining

Apresentamos na figura acima uma visão geral e os passos principais de um projeto de Data
Mining. No esquema estão os grandes blocos do projeto, com as fase de:
§ Preparação
§ Mineração
§ Análise
§ Aplicação

7.10.1. Preparação

§ Construir um Banco de Dados separado para os dados sujeitos ao Mining.


§ Coletar o dado que será garimpado. A fonte poderá ser o DW/DM da empresa ou outros
dados de natureza interna ou externa.
§ Definir os metadados. Entender a semântica dos campos documentando número de campos,
de colunas, de campos com valores nulos, etc. Para cada campo definir nome, tipo, definição,
fonte, unidade de medida, valores únicos, periodicidade, etc.
§ Selecionar o subconjunto para o processo de garimpagem (limpeza). Algumas ferramentas
ajudam nesse processo, analisando a relevância de certos dados e a sua provável efetividade
no processo de Mining.
§ Atentar para a qualidade dos dados: os campos devem estar com valores corretos e o
conjunto selecionado sem dados irrelevantes. Definir as regras para campos ausentes,
definindo valores defaults ou atribuindo valores estatísticos como média, moda, etc. para
informações ausentes.

50
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

§ Definir para campos consolidados os critérios de reconciliação, como, por exemplo, diversos
endereços do mesmo cliente e resolver diferenças de vários nomes para a mesma entidade
ou diferentes entidades com o mesmo nome.
§ Carregar o Banco de Dados para o processo Mining.
A preparação dos dados a serem utilizados num projeto vai variar de acordo com o algoritmo de
Mining escolhido. Dependendo desse algoritmo, os dados serão formatados de maneiras
diferentes. Esse processo pode envolver desde a limpeza dos dados, incluindo-se aí campos
omissos ou dados muito fora do normal até a junção de variáveis ou linhas, combinação de
campos e transformação de variáveis. Esse processo de preparação dos dados é essencial e
crucial para o sucesso do Data Mining, e costuma consumir mais de 50% do tempo e recursos
destinados ao projeto.

7.10.2. Mineração

§ Criar os modelos de Data Mining


§ Definir amostras ou população
§ Selecionar dados para treinar o modelo
§ Definir a formatação requerida pelas ferramentas. Por exemplo: redes neurais exigem dados
na forma dicotômica (sim/não) e árvores de decisão demandam agrupamentos, como bom,
médio e ruim.
§ Criar os previsores ou atributos-chave para a análise do negócio. Por exemplo: risco de
crédito depende de valor-renda e histórico de pagamento.

7.10.3. Análise

Existem algumas técnicas básicas definidas para o processo de garimpagem de dados. As


principais são: associação, padrões seqüenciais, classificação e agregação.

q Associação

É definida como a função que indica um coeficiente de afinidade entre registros de determinados
fatos. Como certos fatos e eventos acontecem associados? Qual a influência que um impõe ao
outro? A associação será relacionada normalmente com as aplicações que buscam identificar os
produtos de uma cesta de supermercado ou equivalentes. Com que porcentagem um produto X é
comprado na mesma transação com o produto Y?
Qual o valor médio das compras em que esses itens aparecem em conjunto? Qual o lucro médio
das compras em que esses itens aparecem em conjunto? Qual o lucro médio das transações?
Teria sentido colocá-los em promoção no mesmo período?

q Padrões Seqüenciais

São definidos como processos que visam à identificação de fatos que implicam outros fatos, em
momentos diferentes do tempo. Aqui o tempo entre os dois eventos é considerado. No mercado
financeiro, esses padrões seqüenciais poderiam indicar que quando uma determinada ação X tem
o seu preço aumentado em 10% durante um período de 5 dias, uma outra ação Y será

51
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

aumentada de 5 a 8% na semana subseqüente. Análise de comportamento de fraudes e de


evolução de perfis de consumidores encaixa-se nesse exemplo.

q Classificação

São processos que definem agrupamentos de itens em classes, segundo referências


estabelecidas. São usados para definir grupos ou classes de elementos, baseados em certos
parâmetros preestabelecidos. São usados, por exemplo,em sistemas de análise de risco de
crédito, onde os clientes são classificados em aprovados e rejeitados segundo padrões
estabelecidos de atraso de pagamento, classe socioeconômica, idade, etc. Baseados nesses
registros, modelos de referência são construídos. Depois dos modelos definidos, e baseado
neles, um determinado cliente é analisado para verificar a sua aderência a determinada classe.

q Agregação

Atua em conjunto de registros como na abordagem anterior, porém com a diferença de que os
registros não estão previamente classificados ou definidos em conjuntos conhecidos. Dessa
forma, nenhuma classe é conhecida no momento em que o operador de agregação é invocado, e
o seu objetivo é a obtenção de agrupamentos baseados em similaridade apresentada pelos
dados. Diferentes funções de agregação produzem diferentes agregados e são usadas em
trabalhos práticos de segmentação de mercado, análise de defeitos e análise de feições
morfológicas em aplicações de sensoriamento remoto.

7.10.4. Aplicação

Após a definição do modelo e testado o mesmo, a aplicação dá-se pela utilização daqueles
algoritmos ajustados em situações reais de sistemas. Alguns produtos permitem que seja
produzido um código-fonte, resultante dos modelos e algoritmos definidos e compilados, que
poderá ser incorporado em sistemas tradicionais e invocados para a execução das análises
requeridas.

7.11. Técnicas Estatísticas Empregadas em Processos de Data Mining

Um conjunto de técnicas de natureza estatística é utilizado nos processos de Data Mining,


normalmente embutidos em softwares dedicados a essas aplicações. Estas são:
§ Redes Neurais
§ Indução de Regras
§ Árvores de decisão
§ Análises de séries temporais
§ Visualização

7.11.1. Rede Neurais

Consiste em construir representações internas de modelos ou padrões achados nos dados. É


uma técnica de difícil entendimento, porém possui o mais profundo poder de mineração.

52
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Sua estrutura possui um número de elementos interconectados, organizados em camadas.


Construímos através delas superfícies equacionais complexas, utilizando interações repetitivas;
depois de várias repetições uma superfície é definida, onde esta se aproxima dos dados
agrupados.

7.11.2. Indução de Regras

Consiste na regra sobre o dado, onde se detecta as tendências dentro dos grupos de dados. Para
isto, utilizam-se vários algoritmos e índices. Grande parte do processo é realizada pela máquina e
pouca parte é realizada pelo usuário.

7.11.3. Árvores de Decisão

É a forma de representar resultados em forma de árvore.


Em um grupo com colunas e linhas numerosas, o usuário, nessa estrutura, escolhe uma das
colunas como objeto de saída, mostrando um único e mais importante fator correlacionado. Esse
objeto se torna o primeiro ramo (nó) da árvore, sendo que os nós posteriores são classificados de
nós do nó anterior. Desta forma, o usuário poderá ver rapidamente qual o fator que mais direciona
o seu objeto de saída.
Uma boa ferramenta de Árvore de decisão vai também permitir que o usuário explore a árvore de
acordo com sua vontade, do mesmo modo que poderá encontrar grupos-alvo. Os usuários podem
também selecionar os dados fundamentais em qualquer nó da árvore, movendo-os para dentro de
uma planilha ou outra ferramenta para análise posterior.

Essa técnica abrange:


§ Segmentação: consiste na identificação de grupos baseada na identificação de características
em comum apresentadas pelos elementos. Ex: segmentação de mercado, dividindo-se a
base de clientes de uma empresa de acordo com o perfil de uso de seus produtos.
§ Estratificação: determinação de regras para que se possa observar cada caso dentre várias
categorias, como por exemplo, classificar um cliente tomador de crédito em grupo de risco
elevado, risco médio e risco baixo.
§ Predição: consiste na criação de regras para aplicação em eventos futuros. Predição também
pode ser utilizada na tentativa de se identificar relações entre atributos preditivos e valores de
uma variável. Por exemplo: a identificação de quais ações de marketing levarão a um
aumento significativo nas vendas.
§ Redução de dados e filtro de variáveis: podemos utilizar essa técnica para identificarmos
quais variáveis, que são muitas, possuem influência sobre a resposta, diminuindo assim o
volume de variáveis em estudo.
§ Identificação de interações: identificação de interações pertinentes somente a determinados
subgrupos e especificação dessas interações em modelos paramétricos formais.
§ Merção de categorias e discretização de variáveis contínuas: significa a possibilidade de
recodificação de variáveis categóricas e contínuas com perda mínima de informação.

Citamos abaixo alguns exemplos de aplicações Típicas de Árvore de Decisão:


§ Mala direta
§ Credit Scoring

53
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

7.11.4. Análise Estatística de Séries Temporais

Necessita de um maior conhecimento dos engenheiros para construção desse modelo, devido a
utilização de métodos clássicos de matemática e técnicas estatísticas.
O forecasting consiste em uma disciplina menos rigorosa em relação às séries temporais porém,
possui menos segurança em relação às outras técnicas de Data Mining.

7.11.5. Visualização

Técnica de difícil definição, pois mapeia o dado sendo minerado de acordo com dimensões
especificadas.
O Data Maning apenas manipula estatísticas básicas, sem nenhuma análise. O usuário tem
condições de interpretar o dado enquanto olha para o monitor, podendo obter diferentes visões ou
outras dimensões.
Existem outras técnicas que são fornecidas por empresas especializadas, e que são suporte a um
conjunto de operações que diferem entre si pelo tipo de problema que são capazes de resolver.
Elas são: associações, padrões, seqüências, classificação, regressão e clusterização.

7.12. Padrões Metodológicos de Data Mining

Existem vários metodologias utilizadas na criação de um Data Mining, dentre elas, existe um
proposta neutra e independente de produtos que objetiva a proposição de padrões metodológicos
para técnicas de Data Mining, que é denominada CRISP-DM ou Cross Industry Standard Process
for Data Mining. Este grupo publicou uma proposta para padronização de projetos de Mining,
composta de seis fases básicas e absolutamente intuitivas que serão apresentadas a seguir.

7.12.1. Entendimento do Negócio

Nesta fase, entendem-se os negócios, seus objetivos, seus requerimentos e limitações e


traduz-se isso para aplicações em Data Mining.

q Determinando o Objetivo do Negócio

Visa a descobrir os principais fatores que podem influenciar o projeto.


§ Para identificar as metas a serem atingidas e recursos (humano e material) necessários para
o projeto devemos ter um conhecimento profundo do negócio.
§ Criar organogramas identificando departamentos envolvidos, pessoas-chave no negócio e
unidades de negócios que sofrerão impacto com o projeto.
§ Identificar área problema, descrevendo o problema em linhas gerais.
§ Identificar grupos-alvo para testar o resultado do projeto.
§ Identificar as necessidades e expectativas dos usuários quanto ao projeto.
§ Descrever as vantagens e desvantagens da solução atual e o nível de aceitação dos
usuários.
§ Descrever o objetivo primário do cliente no projeto, a partir de uma perspectiva do negócio.

54
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

§ Descrever os critérios para um resultado de sucesso ou um proveitoso projeto, a partir do


ponto de vista do negócio.
§ A especificação dos critérios de sucesso do negócio e a identificação de quem avalia tais
critérios são atividades que podem ser desenvolvidas para que possamos conhecer os
critérios de sucesso. Cada critério deve estar relacionado com pelo menos um dos objetivos
especificados.

q Avaliando a Situação

Consiste em uma pesquisa dos fatos sobre todos os fatores que devem ser considerados na
determinação das metas dos dados analisados. Dessa forma, devemos:
§ reunir todos os recursos disponíveis (pessoas, dados, equipamentos, dentre outros);
§ identificar o parque tecnológico atual e estabelecer a disponibilidade deste para o projeto,
bem como identificar os equipamentos disponíveis para hospedar as ferramentas que serão
utilizadas no projeto;
§ identificar a origem dos dados, os data sources, verificando as ferramentas disponíveis e as
técnicas utilizadas para extração, transformação/manipulação e cargas, bem como
documentar os processos adotados e/ou atividades realizadas;
§ identificar o líder do projeto, administrador do sistema, DBA, suporte técnico e apoio
administrativo para outras questões, analistas de sistemas e consultores especialistas;
§ relacionar todos os requerimentos do projeto incluindo aqueles já estimados, dadosque
podem ser verificados durante a mineração, mas que também podem incluir suposições
impossíveis de serem verificadas sobre o negócio;
§ relacionar os obstáculos encontrados no projeto. Esses obstáculos podem envolver ausência
de recursos para continuar algumas das tarefas no projeto dentro do prazo determinado ou se
existiriam obstáculos legais ou éticos quanto ao uso dos dados ou ainda a ausência de uma
solução para continuar com a tarefa de mineração dos dados;
§ esclarecer todas as suposições (até mesmo as implícitas) e fazê-las explícitas, relacionar
todas as suposições que dizem respeito à qualidade dos dados, bem como as que dizem a
respeito a fatores externos que possam vir a influenciar o projeto;
§ verificar obstáculos em termos gerais, direitos de acesso aos data sources, acessibilidade
técnica dos dados (sistema operacional, sistema de gerenciamento de dados, arquivo ou
formato de dados);
§ relacionar riscos, que são eventos que podem ocorrer, dando impacto ao cronograma, aos
custos ou ao resultado;
§ criar planos de contingência correspondentes para cada evento identificado, ação que será
adotada para prevenir ou minimizar o impacto dos riscos. Atividades que podem ajudar a
identificar os riscos;
§ relacionar os riscos do negócio em termos gerais, riscos organizacionais, financeiros,
técnicos e que dependam dos dados e de seus data sources;
§ determinar as condições sobre cada um dos riscos que possam ocorrer e desenvolver os
planos de contingências para cada caso;
§ preparar uma análise de custo versus benefício do projeto, comparando os custos do projeto
com o potencial benéfico que traz para o negócio.

55
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

q Determinando as Metas da Mineração dos Dados do Projeto

Metas de Data Mining, na terminologia técnica, são os objetivos do projeto.


§ Metas do Data Mining: descrever atividades presentes e futuras do projeto , permitindo a
realização dos objetivos do negócio.
§ Conhecer critérios de sucesso no Data Mining: descrever os critérios afim de obter um
resultado de sucesso para esse tipo de projeto em termos técnicos. Para isso você deve
realizar as seguintes atividades: especificar os critérios para os modelos de avaliação, definir
benchmarks para os critérios de avaliação, especificar critérios que se referem aos assuntos
de critério de avaliação.

q Realizando o Plano do Projeto

§ Analisar as dependências entre o tempo programado e os seus riscos.


§ Marcar os resultados dessa análise, explicitamente no plano do projeto, idealmente com
ações e recomendações para ações, se o risco aparecer. O fornecedor é tão importante
quanto a escolha da ferramenta.

7.13. Padrões Metodológicos de Data Mining (Cont.)

7.13.1. Entendimento dos Dados

Consiste na identificação dos dados existentes, suas características, suas limitações qualitativas
e quantitativas e nas primeira definições sobre subconjuntos capazes de prover informações
escondidas.

q Relatório Inicial da Coleção de Dados

§ Nesse relatório inicial, devemos nos preocupar em relacionar todos os dados a serem usados
durante o projeto, além de definirmos quando alguns atributos são mais relevantes do que
outros.
§ Verificar a disponibilidade dos dados requeridos.
§ Verificar quais atributos foram identificados como sendo irrelevantes e quantos atributos
podemos tratar com as técnicas escolhidas.
§ Selecionar tabelas/arquivos de interesse, bem como, os dados envolvidos.

q Descrição dos Dados

§ Elaborar a descrição dos dados adquiridos com o seu formato e particularidades do campo.
§ Identificar os métodos de captura dos dados, sua forma de acesso à fonte desses dados, bem
como a análise estatística deles.
§ Verificar acessibilidade e disponibilidade dos atributos, seus datatypes, valores, bem como
compreender o significado de cada atributo e o valor do atributo em termos de negócio.

56
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

§ Analisar relações-chave, verificando a quantidade de coincidências dos valores atribuídos às


chaves nas tabelas cruzadas, e atualizar a lista de suposições se necessário.
§ Descrever os resultados dessa tarefa que inclui primeiramente achar ou iniciar as hipóteses e
seus impactos no restante do projeto, criando um relatório de exploração de dados
§ Verificar a qualidade dos dados, endereçando questões com: O Dado está completo, ou seja,
ele cobre os casos requeridos? Está correto, contém erros e, se existem erros, eles são
comuns?.
§ Gerar um relatório sobre a qualidade dos dados.
§ Rever as chaves e atributos.
§ Verificar Inconsistência entre as fontes.

7.13.2. Preparação dos Dados

Planeja todas as atividades para se chegar ao ponto final de carga dos dados no ambiente de
Mining. Envolve seleção, preparação, limpeza e tradução dos dados.
§ Selecione os dados para conhecer quais os dados que serão usados para análise, critérios
que incluem relevância para os objetivos de Data Mining, qualidade e obstáculos técnicos,
assim como limites no volume de dados e tipos de dados.
§ Aumentar a qualidade dos dados para o nível requerido pelas técnicas de análise
selecionadas. Isso pode envolver seleção de limpeza dos subconjuntos de dados, a inserção
adequada de padrão ou mais técnicas avançadas. Gere um relatório de limpeza de dados.

q Construção dos Dados

§ É necessário avaliar as ferramentas a serem utilizadas para o projeto, bem como decidir
quando realizar a criação das ferramentas.
§ A transformação de atributos simples consiste em disponibilizar as facilidades da
transformação; realize esse passo.

q Integração de Dados

§ Nessa fase, é aconselhável a geração de novos registros, recomenda-se também a geração


de valores agregados, isto é, inserção de valores com base na sumarização de múltiplos
registros e/ou tabelas.

q Formatação dos Dados

§ Refere-se às modificações dos dados que não alteram seu significado, mas que podem ser
requeridos pela ferramenta de modelagem.

57
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

7.13.3. Modelagem

Envolve a seleção e aplicação das técnicas sobre os dados selecionados. Várias técnicas
diferentes podem ser aplicadas para o mesmo problema de mining, e por vezes, exigem formatos
de dados diferentes, o que sugere prováveis retornos à fase anterior.

q Selecionando a Técnica de Modelagem

Consiste em aplicar uma ou múltiplas técnicas selecionadas de forma separada. O problema


consiste em se ter disponível todas as ferramentas e técnicas necessárias.

q Testando o Design Gerado

Na construção de um modelo, devemos definir um procedimento-teste para validação do modelo.


§ Teste o design verificando a existência de testes para cada objetivo Data Mining
separadamente.
§ Prepare os dados requeridos para o teste.

q Construção do Modelo

§ Configure os parâmetros iniciais e documente as razões para a escolha daqueles valores.


§ Trabalhe com a técnica selecionada no input do dataset para criar um ou mais modelos.
§ Verifique o pós-processamento dos resultados do Data Mining.
§ Faça uma descrição dos modelos resultantes e avalie sua acurácia esperada, robustez e
possíveis falhas, e relate na interpretação dos modelos onde tiveram dificuldades.
§ Descreva qualquer característica do modelo corrente que possa ser útil no futuro.
§ Registre as configurações dos parâmetros usados para produzir o modelo.
§ Dê uma descrição detalhada do modelo e qualquer característica especial.
§ Descreva os comportamentos e as interpretações do modelo.
§ Declare conclusões com relação aos dados; algumas vezes o modelo revela fatores
importantes sobre os dados sem um processo de avaliação separado.

q Avaliação do Modelo

§ Devemos relacionar as qualidades dos modelos e ordená-las em relação a outros modelos, e


finalizar a avaliação verificando os resultados com relação aos critérios traçados.
§ Teste os resultados de acordo com as estratégias de teste definidos, comparando os
resultados de avaliação e interpretação.
§ Interprete os resultados em termos do negócio.
§ Verifique a utilidade do modelo e a realidade do resultado analisando o potencial de
desenvolvimento de cada resultado.

58
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

§ De acordo com a avaliação do modelo, revise os parâmetros de configuração e ajuste-os para


a próxima tarefa a ser executada. Interaja a construção do modelo à avaliação antes que você
ache o melhor modelo.

7.13.4. Avaliação

Nesse momento, o modelo terá sido construído e deverá ser criteriosamente avaliado sobre a sua
aplicação para o problema sugerido.

q Revisão do Processo

Neste momento é necessário realizar uma revisão do Data Mining. Através da revisão dos
processos envolvidos, garantiremos a qualidade do projeto. Esse processo permitirá:
§ a sincronização com a revisão do processo;
§ uma visão geral do processo de Data Mining;
§ a análise do processo de Data Mining para cada estágio de processo;
§ a identificação das possíveis ações alternativas, caminhos não esperados no processo;
§ a revisão dos resultados de Data Mining com relação aos critérios de sucesso do negócio.

q Determinando os Próximos Passos

Devemos, nesse momento, decidir como proceder, quando finalizar esse projeto e quando iniciar
interações que estão mais adiantadas e iniciar novos projetos Data Mining. Assim, devemos:
§ analisar e estimar o potencial do desenvolvimento para cada resultado alcançado e o
potencial para improviso para cada resultado;
§ decidir, através de um ranking das ações possíveis, selecionar uma das ações possíveis e
documentar a razão para a escolha.

7.13.5. Implementação

Fase que será realizada pelos usuários e consiste na aplicação do modelo desenhado, nas
análises desejadas, avaliando-se o alcance dos objetivos planejados.
§ Sumarize o desenvolvimento de uma estratégia incluindo os passos necessários e como
realizá-los.
§ Monitore os resultados do Data Mining no dia-a-dia do negócio em seu ambiente. Uma
preparação muito cuidadosa de uma estratégia de manutenção ajuda a proteger longos
períodos desnecessários do uso incorreto dos resultados do Data Mining; o projeto precisa de
um plano detalhado no seu processo de monitoramento. Esse plano acaba criando um tipo
específico de desenvolvimento.
§ Crie um relatório final onde todos os detalhes serão colocados, bem como, a identificação dos
resultados obtidos; o relatório também deverá descrever o processo, mostrar quais os custos
incorridos, definir qualquer desvio do plano original, descrever planos de implementação e
fazer qualquer recomendação para o trabalho futuro. O conteúdo detalhado atual do relatório
depende muito da audiência para o relatório particular.

59
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

§ Documente as experiências importantes feitas durante o projeto. Por exemplo, armadilhas,


técnicas enganosas ou dicas para a escolha do melhor conjunto de técnicas de Data Mining
em situação similar que poderiam fazer parte dessa documentação. A documentação cobre
também qualquer relatório que tenha sido escrito individualmente para membros do projeto
durante as fases do projeto e sua tarefas.

7.14. Algumas Barreiras ao Uso do Data Mining

Nem sempre o Data Mining pôde agregar valor aos Sistemas de Apoio à Decisão. De fato, houve
no passado (e ainda há, de certa forma) muitas barreiras para o Data Mining tornar-se uma
função essencial dos Sistemas de Apoio à Decisão. As mais importantes têm sido ultrapassadas,
mas outras ainda se mantêm.
Fundamentalmente, as mais importantes foram: alto custo das soluções, necessidade de grandes
volumes de dados armazenados em poderosos servidores, e a pouca amigabilidade das
ferramentas de Data Mining para pessoas que não fossem altamente especializadas.
Outras que podem ser citadas são: o desafio de preparar os dados para mineração, as
dificuldades de se obter uma análise custo/benefício bem fundamentada antes do início do projeto
e a preocupação quanto à viabilidade de muitos dos fornecedores dessas ferramentas

7.14.1. Alto Custo

O alto custo é considerado uma das maiores barreiras para o desenvolvimento e a implementação
do Data Mining. Os custos por usuário precisam ser reduzidos antes que os benefícios dessa
tecnologia possam atingir a massa de usuários.

7.14.2. Necessidade de Grandes Volumes de Dados

O maior obstáculo do Data Mining é armazenar e administrar um volume de dados muito alto,
dificultando o crescimento do mercado de Data Mining
No entanto, a maioria dos fornecedores dessa tecnologia continua insistindo no discurso de que o
Data Mining requer terabytes de dados e poderosos servidores, mas soluções mais acessíveis já
têm aparecido no mercado e criado condições para que ele deslanche.

7.14.3. Complexidade das Ferramentas

De fato, muitas ferramentas ainda fazem o seu trabalho em uma “caixa-preta”, não permitindo que
se saiba como seus resultados foram alcançados.
Isso significa que os contextos a serem utilizados são definidos pela área de sistemas. Se os
resultados não satisfizerem, o processo será recomeçado.

7.14.4. O Desafio da Preparação dos Dados para a Mineração

A preparação dos dados é um trabalho muito difícil. Os dados devem ser relevantes às
necessidades dos usuários, livres de erros lógicos ou de entrada de dados, consistentes, e livres
de excessivas nulidades.

60
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Mesmo que haja um projeto de Data Warehouse anterior, onde os dados são normalmente
“limpos” e centralizados em um único local, continua havendo a necessidade de prepará-los para
a mineração, levando-se em conta que a escolha dos dados certos para minerar continua sendo
crítica.

7.14.5. As Dificuldades de Realizar uma Análise Custo / Benefício do Projeto de


Data Mining

Estimar a taxa de retorno do investimento de um projeto de Data Mining é complicado devido ao


fato de que, como o objetivo da tecnologia é descobrir tendências (em dados) que não seriam
visíveis de outra maneira, torna-se virtualmente impossível estimar tal taxa a partir de algo que é
desconhecido. Visto que normalmente um projeto de Data Mining é razoavelmente caro, pode ser
arriscado decidir-se por um projeto desse tipo.

7.14.6. Viabilidade dos Fornecedores de Ferramentas de Data Mining

A viabilidade do mercado da maioria das ferramentas é uma preocupação das empresas que
procuram uma ferramenta confiável para hoje e para o futuro. O mercado está abarrotado de
fornecedores, desde pequenas empresas que comercializam apenas esse produto até grandes
companhias em que a ferramenta de Data Mining é apenas mais uma das que produzem. Assim
como qualquer nova tecnologia, a escolha do fornecedor é tão importante quanto a escolha da
ferramenta.

8. Princípios de Inteligência Artificial

8.1. Definição de Inteligência Artificial

Etimologicamente, a palavra inteligência vem do latim inter (entre) e iegere (escolher), inteligência
significa aquilo que nos permite escolher entre uma coisa e outra. Inteligência é a habilidade de
realizar de forma eficiente uma determinada tarefa.
A palavra artificial vem do latim articiale, significa algo não natural, isto é, produzido pelo homem.
Portanto, inteligência artificial é um tipo de inteligência produzida pelo homem para dotar as
máquinas de algum tipo de habilidade que simule a inteligência do homem.
Algumas definições de IA:

“O ramo da ciência da computação preocupada com a automação de comportamento inteligente.”


[LUGER & STUBBLEFIELD, 93]

“O estudo da computação que torna possível perceber, raciocinar e agir.” [WINSTON, 92]

“IA é a parte da ciência da computação voltada para o desenvolvimento de sistemas de


computadores inteligentes, sistemas que exibem características, as quais nós associamos com a

61
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

inteligência no comportamento humano. Compreensão da linguagem, aprendizado, raciocínio,


resolução de problemas, etc.” [FEIGENBAUM,81]

“É o campo de estudo que tenta explicar e emular comportamento inteligente em termos de


processo computacional.” [SCHALKOFF]

“Inteligência Artificial é o estudo das idéias que permitem aos computadores serem inteligentes.”
[WINSTON, 84]

“Inteligência Artificial é o estudo das idéias que permitem aos computadores serem inteligentes.”
[CHARNIAK & McDERMOTT, 85]

“A arte de criar máquinas que executem funções que requerem inteligência quando executadas
por pessoas.” [KURZWELL, 90]

“Inteligência artificial é o estudo de como fazer os computadores realizarem coisas que, no


momento, as pessoas fazem melhor.” [RICH, Eliane & knight, Kevin, 93]]

“[...] atividade que nós temos de associarmos com o pensar humano, atividade talvez tais como:
tomada de decisões, resolução de problema.[ BELLMAN, 78]
“A inteligência artificial.

“A inteligência artificial (IA) é simplesmente uma maneira de fazer o computador pensar


inteligente.” [LEVINE, 88]

Uma das primeiras dificuldades daquele que inicia o estudo de Inteligência Artificial é tentar
delimitar seu campo de estudo. O que é, exatamente, Inteligência Artificial? Quais seus objetivos?
De uma forma simples, poderíamos definir Inteligência Artificial como a área da Computação que
procura fazer com que o computador resolva problemas para os quais se exige inteligência; essa
definição, no entanto, costuma acarretar discussões filosóficas e psicológicas a respeito do
significado do termo “inteligência” e da possibilidade de existência de “máquinas inteligentes”.
Essa questão, de saber se uma máquina pode ou não ser inteligente, se uma máquina pode ou
não exibir “comportamento inteligente”, vem sendo discutida já há muito tempo; uma das
principais contribuições a essa discussão foi dada pelo matemático inglês Alan Turing, em 1950,
definindo o que ficou conhecido como “Teste de Turing”: coloca-se em uma sala A um ser
humano, e em uma sala B, um computador. Uma outra pessoa, fazendo perguntas ao ser humano
e ao computador, deve decidir qual deles é a máquina; se errar em mais de 50% das vezes, a
máquina pode ser considerada inteligente.
Esse critério exige uma habilidade em manipulação de linguagem natural que, ainda hoje,
nenhuma máquina possui. Pelo Teste de Turing, até hoje não existe nenhuma máquina
inteligente.
Uma outra definição de Inteligência Artificial, devida a Rich, diz que IA é o estudo de como fazer
os computadores realizarem tarefas que, no momento, são melhor executadas pelas pessoas.
Essa definição não inclui aqueles problemas nos quais os computadores já são melhores do que
62
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

os humanos, nem as áreas nas quais os problemas não são bem solucionados nem pelos
humanos nem pelos computadores; no entanto, é uma definição útil, pois limita, de forma
razoavelmente precisa, o escopo da Inteligência Artificial.
Até onde sabemos, o termo Inteligência Artificial foi utilizado pela primeira vez, por John
McCarthy, em agosto de 1956, no convite para o encontro que ficou conhecido por Conferência
de Dartmouth. Esse encontro tinha por objetivo “estudar as bases da conjectura de que cada
aspecto do aprendizado e da inteligência pode, em princípio, ser tão precisamente descrito que o
torne passível de ser simulado por uma máquina”, e reuniu 15 pioneiros do que viria a constituir a
área de Inteligência Artificial.

8.2. Primeiros Trabalhos

Listamos, abaixo, alguns dos principais projetos apresentados:


Tradutor Automático Inglês-Russo

Desenvolvido por Oettinger, desde 1954; pretendia ser um programa que traduzisse textos
(especialmente técnicos) do inglês para o russo e vice-versa.
Logic Theorist

Desenvolvido por Newell, Shaw e Simon, de 1956 a 59; pretendia ser um programa que, a partir
dos postulados da Lógica, desenvolvesse e provasse seus teoremas. Seus criadores acreditavam
que, em pouco tempo, ele provaria teoremas ainda desconhecidos.
GPS – General Problem Solver

Desenvolvido por Newell, Shaw e Simon, entre 1959 e 1967; pretendia ser um programa que
estabelecesse critérios gerais de resolução de problemas, isto é, dadas as condições iniciais, a
configuração final, e os meios de se passar de uma configuração para outra, o programa deveria
desenvolver estratégias que permitissem obter o caminho que levaria da configuração inicial à
final.
Studant

Desenvolvido por Bobrow, entre 1956 e 1961; pretendia ser um programa que resolvesse
problemas de álgebra elementar, isto é, o programa deveria, a partir do enunciado do problema,
estabelecer e resolver as equações algébricas necessárias para a resolução do problema.
É interessante ressaltar o otimismo (ou a ingenuidade) dos pesquisadores, na época; os
problemas abordados são extremamente difíceis, e, mesmo hoje em dia, não estão
satisfatoriamente resolvidos.

63
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

8.3. Campos de Aplicação da Inteligência Artificial

Existem vários campos de estudo dentro da IA com o propósito de dotar a máquina de


capacidade, raciocínio, aprendizado e auto-aperfeiçoamento, alguns desses campos são
descritos abaixo:

Processamento de Linguagem Natural – é o estudo voltado para a construção de programas


capazes de compreender a linguagem natural (interpretações). A Geração de Linguagem Natural
é a produção de textos por um programa a partir do conteúdo semântico representado
internamente ao próprio programa.
Redes Neurais (Reconhecimento de Padrões) – simulam os processamentos de uma rede
neural humana dentro daquilo que chegou a pesquisa científica e é capaz de processar uma série
de informações paralelamente mesmo quando um nó dessa rede falhar. É uma das áreas de
pesquisa bem avançada da IA. A capacidade de reconhecimento de padrões permite ao
programa reconhecer. Ex: programa de reconhecimento ótico.
Visão de Computador – busca desenvolver formas de o computador atuar com a visão
bidimensional ou tridimensional.
Sistema de Aprendizagem (Programação de jogos) – é o estudo voltado para a construção de
programas de jogos envolvendo raciocínio. Ex: Jogo de xadrez
Robótica – é o campo de estudo para desenvolver meios de construir robôs que possam interagir
com o meio.
Sistemas Especialistas – agem com o ser humano em uma área ou campo de atuação,
colocando em prática todos os conhecimentos que foram implementados de um especialista de
determinada área, apresentando resultados o mais próximo quanto possível do ideal.

8.4. A Natureza da Inteligência

Todos os pesquisadores que trabalharam ou ainda trabalham com IA deram ênfase ao


desenvolvimento de máquinas com comportamentos inteligentes. Algumas características desses
comportamentos são:

· Aprender com a Experiência

Aprender com a experiência é algo natural do ser humano, mas para máquinas essa
particularidade precisa ser projetada cuidadosamente para que possam funcionar similar ao
processo humano. Exemplos disso já estão disponíveis através dos jogos de xadrez que
melhoram a sua jogada a cada nova partida com o ser humano.

· Aplicar o Conhecimento Adquirido da Experiência

Para os seres humanos, aplicar o aprendizado de experiências passadas faz parte de uma lógica
intuitiva para melhorar o desenvolvimento humano, mas para computadores, esse processo não é
nada intuitivo e não é automático, precisa ser projetado no sistema de maneira bastante segura.

64
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

· Tratar Situações Complexas

Os seres humanos, a todo instante, estão se deparando com situações complexas para serem
resolvidas seja na política, vida pessoal ou profissional, e são propensos a erros nessas
resoluções. Se os seres humanos, que detêm o poder do raciocínio lógico para suas decisões,
estão sujeitos a decidirem erroneamente, as máquinas, então, necessitam de uma maior atenção
para serem direcionadas.

· Resolver Problemas Quando Faltam Informações Importantes

A maioria das decisões humanas é baseada nas incertezas; para os computadores por muito
tempo isso já foi um problema, mas hoje, com os avanços da IA, podemos trabalhar em cima de
dados incertos, porém fazer cálculos e tomar decisões importantes com um certo grau de
probabilidade de acerto.

· Determinar o que é Importante

O bom tomador de decisões deve saber filtrar as informações importantes que não o levem a
problemas ou erros; para as máquinas isso não é automático e é extremamente difícil de ser
programado.

· Capacidade de Raciocinar e Pensar

A característica de raciocinar logicamente é inerente ao ser humano; para os computadores esse


é um tipo de processamento muitas vezes extremamente complexo, mesmo quando for para
resolver tarefas aparentemente simples.

· Reagir Rápido e Corretamente a Novas Situações

Qualquer indivíduo é capaz de reagir rapidamente em situações que lhe aparentem qualquer
risco; para os computadores, essa tarefa deve ser muito bem programada.

· Compreender Imagens Visuais

Trabalhar imagens visuais com o ser humano é algo relativamente fácil, pois ele é capaz de
interpretá-las, sejam símbolos, sinais ou quando, ao assistir a uma apresentação de teatro, onde
uma pessoa está ajoelhada para representar um anão, ele interpreta que ela possui pernas e pés
e que está nessa condição devido ao processo de representação; os computadores não
conseguem ter esse nível de interpretação.

· Processar e Manipular Símbolos

O processamento de símbolos para máquinas ainda é extremamente limitado, enquanto que para
o indivíduo humano é algo comum à sua natureza.

65
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

· Ser Criativo e Imaginativo

A criatividade para os humanos é algo inevitável à sobrevivência de nossa sociedade e é assim


que muitos empresários vêm conseguindo se manter no mercado e alçar vôos mais altos; para as
máquinas, ficam os cálculos, pois a criatividade para elas é algo raro.

· A utilização da Heurística

Todos os seres humanos trabalham com a heurística para tomarem as suas decisões e
baseiam-se em deduções lógicas para decidirem a respeito do incerto. Há algum tempo, isso não
era possível para os computadores que até então trabalhavam em cima de cálculos exatos. Com
o advento da IA, isso se tornou possível de ser projetado nas máquinas.

8.5. Sistemas Especialistas

Um Sistema Especialista age ou comporta-se como um ser humano experiente em uma área do
conhecimento humano. Normalmente, esses sistemas são projetados para diagnosticar situações,
monitorar, fazer projeções futuras em estratégias, auxiliar em projeto de novos produtos ou
serviços a serem lançados para o mercado entre tantas outras aplicabilidade. Geralmente os SE
trabalham simulando o raciocínio do especialista da área, trabalhando as heurísticas (deduções)
em cima dos casos vividos ou das regras estabelecidas internamente no sistema.
A intenção desse tipo de sistema é servir de apoio à tomada de decisões e, durante o processo
empresarial, apresentar valores agregados aos produtos ou serviços existentes e dar
oportunidade de novas visões nas estratégias de gerenciamento de novos bens ou serviços.

8.6. Características de um Sistema Especialista

· Explicar seu Raciocínio ou as Decisões Sugeridas

Os sistemas especialistas têm a capacidade de explicar seu raciocínio mediante recurso de


explicação disponível em sua estrutura, que é capaz de montar a rede de avaliação para que se
chegue a uma determinada conclusão.

· Apresentar Comportamento Inteligente

Apresentam comportamento inteligente a partir do momento que têm a capacidade de reproduzir


ou simular o raciocínio de um especialista de uma dada área, fazendo todas as avaliações que
esse especialista poderia fazer, tendo como diferencial o fato de não se aterem aos detalhes, já
que os mesmos estão dispostos em sua base de conhecimento.

· Manipular Informações Simbólicas e Tirar Conclusões

Têm a capacidade de manipular informações simbólicas e tirar conclusões mesmo não tendo
tanto discernimento quanto um ser humano nas suas interpretações. Vale ressaltar que não

66
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

haveria, nesse caso, um alto grau de confiabilidade nessas interpretações em virtude da


dificuldade existente de se interpretar o contexto.

· Tirar Conclusões de Relacionamentos Complexos

Têm a capacidade de manipular uma série de relacionamentos complexos e deles abstrair


informações importantes, como no caso de um Sistema Especialista na área médica, que poderia
tratar o relacionamento da Aids com várias outras doenças provocadas por esta.

· Proporcionar Conhecimento Portátil

Talvez esta seja a maior característica dos sistemas especialistas: ter a capacidade de transportar
conhecimentos de indivíduos especializados em diferentes áreas para qualquer lugar do mundo, e
possibilitar que outros especialistas aperfeiçoem seus trabalhos utilizando-se dessa ferramenta.

· Poder Lidar com a Incerteza

Os sistemas especialistas, assim como qualquer outro programa voltado para inteligência artificial,
trabalham em cima de dados incertos ou imprecisos e, mesmo em cima da imprecisão, têm a
capacidade de apresentar resultados satisfatórios de análises.

8.7. Características da Utilidade

· Não Amplamente Utilizado ou Testado

Devido à dificuldade de entendimento dos sistemas especialistas e também ao longo processo de


pesquisa atrelado ao alto nível de investimento para o seu desenvolvimento, os Sistemas
Especialistas ainda não são altamente utilizados ou testados.

· Difíceis de Serem Usados

Os Sistemas Especialistas não possuem uma interface com o usuário tão amigável quanto a
maioria dos sistemas desenvolvidos baseados no Windows. Normalmente, esses Sistemas
Especialistas não possuem os ícones gráficos tão comuns nos programas que rodam no
Windows, e que acabam tornando intuitiva ou até mesmo sugestiva a funcionalidade daquele
ícone.

· Limitados a Problemas Relativamente Simples

Embora os Sistemas Especialistas possam executar complexas análises de dados para servirem
de apoio a decisão, eles precisam se limitar a um problema para poder apresentar resultados
satisfatórios.

67
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

· Não Pode Lidar com o Conhecimento Mesclado

Normalmente, os Sistemas Especialistas não possuem facilidade de trabalhar com


conhecimentos mesclados, dependendo do problema pode até se tornar inviável a programação
devido à complexidade dos relacionamentos.

· Possibilidade de Erro

Como esses sistemas dependem do conhecimento de um especialista humano de uma dada área
específica, acabam sendo alvos de prováveis enganos quanto à veracidade das informações,
fazendo com que os resultados normalmente não cheguem a ser 100% corretos.

· Não Pode Refinar o Próprio Conhecimento

Esses sistemas dependem integralmente do trabalho do engenheiro da computação e do


especialista para fazerem a atualização da sua base de conhecimento, pois de modo contrário
jamais poderão ter a sua base de conhecimento atualizada e livre de dados contraditórios.

· Dificuldade de Manutenção

Sobre a questão da manutenção, temos primeiro o fato de não encontrarmos facilmente


profissionais que trabalham com a área da IA, e o usuário final desse tipo de sistema não tem
condições de executar as atualizações necessárias no seu sistema. Além disso, temos o
problema que o sistema não refina o seu próprio conhecimento nem acrescenta informações
renovadas.

· Podem Ter Elevados Custos de Desenvolvimento

O Desenvolvimento de Sistemas Especialistas pode ser extremamente dispendioso,


principalmente se for feito com linguagens de programação que não trazem pacotes prontos,
onde tudo necessita ser programado pelo técnico, desde o início. Certamente isso demandaria
muito mais tempo do que se fossem utilizados Shells de SE

· Levantam Questões Legais e Éticas

Geralmente existem muitas questões éticas a serem trabalhadas quando falamos sobre Sistemas
Especialistas. Como somos pessoas e profissionais e vivemos em sociedade, precisamos
obedecer a uma série de normas e regras para não atingirmos o espaço do outro, portanto seria
extremamente difícil lidar com Sistemas Inteligentes, que dão apoio a tomadas de decisão, sem
levarmos em conta algumas questões.

8.8. Recursos dos SE

· Melhor resolução de problemas.


· Capacidade de armazenar e aplicar conhecimentos e experiências a problemas.

68
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

· Reduzido tempo de resposta para problemas complexos.


· Capacidade de examinar problemas a partir de diversas perspectivas.

8.9. Pontos de Atuação

· Suporte à Tomada de Decisão Empresarial

Os Sistemas Especialistas funcionam como suporte para decisão empresarial utilizando-se do


conhecimento de um especialista armazenado em sua base de conhecimento.

· Estabelecimento de Metas e Estratégias

Todas as organizações dependem de metas e estratégias para alcançarem essas metas. Sob
esse aspecto, um Sistema Especialista poderia ajudar os gestores organizacionais a seguirem
uma direção para alcançarem essas metas, trabalhando as estratégias possíveis para uma
determinada meta.

· Planejamento

Um Sistema Especialista pode também ser utilizado para fazer planejamento estratégico para
uma organização fazendo um levantamento amplo de todas as possibilidades para atingir um
determinado objetivo

· Projeto de Produtos

Um SE pode prestar assistência quanto ao lançamento de um novo produto dentro de uma


organização. Esses sistemas utilizam todos os procedimentos e normas que são adotados em
projetos para a sua tomada de decisão na prestação dessa assistência.

· Controle de Qualidade e Monitoramento

Um Se pode ser extremamente útil para controle de qualidade e também para monitoramento,
sendo um observador dos cumprimentos do programa de qualidade de um produto ou serviço ou,
como observado no funcionamento de um sistema, dando um feedback (sinalizador) quando algo
não atender aos parâmetros da normalidade ou do aceitável

· Diagnose

Normalmente é utilizado um SE para fazer diagnose de determinada área, como no exemplo


citado da área médica que traça diagnóstico de problemas de saúde

69
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

8.10. Componentes de um SE

Recurso
de Motor
Explicação de
Interferência

Base de Interface Aquisição de


Conhecimento com o Base de
Usuário Conhecimento

Especialista Usuário

Figura 33

· Base de Conhecimento

Essa é a principal ferramenta do SE, pois é na base de conhecimento que estão armazenados
todos os dados, informações, casos, relacionamentos e regras utilizadas para as prováveis
soluções apresentadas pelo sistemas; dependendo da consistência das informações
armazenadas nessa base, um SE pode ser considerado confiável ou inutilizado. Para a
montagem dessa base existe a necessidade da coleta da informação do especialista de dada
área, que organizará suas idéias e passará para o engenheiro da computação que, baseado na
estimativa desse especialista, atribuirá percentual de contribuição para uma possível solução
apresentada pelo sistema. Sendo assim, a base de conhecimento e o SE em si trabalham em
cima da lógica imprecisa que um mesmo dado irá contribuir com percentuais diferentes para
diferentes soluções.

· Motor de Inferência

Considerado o administrador do SE, já que ele é responsável por buscar as informações na base
de conhecimento e traçar as prováveis soluções.

· Recurso de Explicação

Funciona como elemento orientador para o usuário do sistema especialista saber como o sistema
chegou a uma determinada solução.

· Recurso de Aquisição de Conhecimento

É um mediador entre o mundo externo e a base de conhecimento. É através desse recurso que
são captadas as informações do especialista e organizadas para serem posteriormente
armazenadas na base de conhecimento.

70
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

· A interface com o Usuário

É muito utilizada para tornar mais fácil a utilização dos Sistemas Especialistas, e faz com que o
processo de conversação entre o sistema e o usuário final seja o mais agradável possível

8.11. O Desenvolvimento de um SE

Determinação dos Requisitos

Identificação do Especialista

Construção dos Componentes do SE

Implementação dos Resultados

Manutenção e Revisão
Figura 34

8.12. Participantes do Desenvolvimento e da Utilização do SE

· Especialista do Domínio

Características:
· reconhecer o verdadeiro problema;
· saber quando quebrar as regras ou os princípios gerais;
· formular teorias sobre situações;
· desenvolver e utilizar regras gerais para solucionar um problema;
· resolver problemas rápidos e eficientes;
· aprender com a experiência passada;
· saber o que é ou o que não é importante na solução de problemas;
· explicar a situação e as soluções dos problemas para os outros.

· Engenheiro do Conhecimento (Analista/Programador)


· Usuário

71
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

8.13. Ferramentas e Técnicas de Desenvolvimento de SE

· Antes dos anos 80 – utilizavam linguagens de programação tradicionais, como por exemplo:
Basic, Fortran, Cobol
· Durante os anos 80 – surgem as linguagens especiais, como: Lisp, Prolog
· Anos 90 – surgem os pacotes para desenvolvimento de SE (Shells de SE), como: VP Expert,
Level 5

8.14. Vantagens da Shells e Produtos de SE

· Facilidade de Desenvolver e Modificar;


· Procura da Melhor Solução;
· Uso da Heurística.

8.15. Alternativas de Desenvolvimento de SE

· Desenvolvimento doméstico a partir do início;


· Desenvolvimento doméstico a partir de uma Shell;
· Aquisição padronizada: utilização de pacotes prontos.

8.16. Aplicações Funcionais de SE

· Sistemas relacionado à contabilidade;


· Planejamento de recurso de capital;
· Análise de pedido de empréstimo;
· Gestão financeira;
· Produção.

9. Intodução ao Ambiente de Negócios

Mercado Competitivo

Antes de voltarmos para Business Intelligence (BI), necessitamos entender o mercado no qual
nos encontramos. Os empreendedores buscam o equilíbrio entre recursos críticos e elementos
organizacionais, formando, dessa maneira, as vantagens competitivas do mercado. A construção
dessa vantagem dá-se de duas formas: criando estratégias de diferenciação que consistem em
utilizar suas habilidades para realização de coisas diferentes de seus principais concorrentes, e
estratégias de custo baixo que tentam fornecer um bom serviço ao mais baixo custo possível.
72
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Uma terceira abordagem surge, a estratégia de ninho, que consiste em desenvolver habilidades
especiais, que são encontradas unicamente em um mercado específico e são recompensadas por
altas margens de lucro.
Para obter vantagem competitiva é importante, antes de tudo, saber fazer uma análise competitiva
da organização, do mercado em que ela atua e de seus concorrentes. Essa análise consiste em
uma metodologia estruturada e considera determinadas técnicas que fornecem as informações
básicas para o processo decisório inerente ao delineamento estratégico da organização. A
relação entre a análise competitiva e as vantagens competitivas dá-se pela necessidade de
realizar um estudo (análise) do ambiente em que a organização está situada, para posteriormente
traçar estratégias a serem alcançadas, considerando-se os resultados alcançados como
vantagens competitivas .
Para uma boa análise competitiva, devemos primeiramente apurar, analisar e avaliar os sistemas
existentes na empresa e os dados gerados por eles. Esses dados vão gerar algum tipo de
informação que podemos categorizar em informações operacionais e informações gerenciais.
Separe os dados de informação gerencial e classifique-os de acordo com seu grau de importância
para as tomadas de decisões da empresa.
Com base nessas informações e conhecendo a estratégia da empresa, elabora-se um
Planejamento Estratégico de Informações, que será representado por um conjunto de decisões,
para determinado período, coordenado com o planejamento geral da empresa. Neste
planejamento definimos:

· o Enfoque e os objetivos a serem alcançados;


· os projetos de sistemas a serem desenvolvidos, descrevendo prioridades, características,
funções, objetivos, cronogramas e equipe;
· recursos de processamento de dados envolvendo estratégia de Hardware e Software;
· recursos humanos;
· custos orçados para execução do plano;
· benefícios a serem alcançados e avaliação custo/benefício.

Tecnologia da Informação

O uso da Tecnologia de Informação (TI) contribui para que a empresa se torne ágil, flexível e
forte. Torna-se necessário uma estratégia de inovação que permita identificar as oportunidades e
assumir a liderança.
A TI tem grande influência na administração porque pode afetar na produção, na coordenação da
organização e na memória das organizações, por intermédio de seus bancos de dados.

Inteligência Competitiva

Um dos maiores desafios durante a gerência de qualquer processo é a análise dos fatos
relacionados a seu dever, que precisam ser realizados de forma que as ferramentas e dados
disponíveis auxiliem a gerência a detectar tendências e tomar decisões eficientes no tempo
correto. Com essa necessidade, surgiu então o conceito de Business Intelligence (BI).

73
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

9.1. Business Intelligence (BI)

A história do BI teve início na década de 70, quando alguns produtos de BI foram fornecidos para
os analistas de negócio. O grande problema era que esses produtos exigiam intensa e exaustiva
programação, e não disponibilizavam informação em tempo hábil nem de forma flexível, e além de
tudo tinham alto custo de implantação.
Com o surgimento dos bancos de dados relacionais, dos PCs e das interfaces gráficas como
windows, aliados ao aumento da complexidade dos negócios, começaram a surgir os primeiros
produtos realmente direcionados aos analistas de negócios, que possibilitaram rapidez e uma
maior flexibilidade de análise.
O conceito de BI, de forma mais ampla, pode ser entendido com a utilização de variadas fontes
de informação para se definir estratégias de competitividade nos negócios da empresa. O
Universo empresarial hoje padece de um mal clássico. Possui uma montanha de dados, mas
enfrenta grande dificuldade na extração de informações a partir dela. Essa crescente inundação
de informações dificulta o processo de tomada de decisão, na medida em que a alta e média
gerência se sentem impotentes no processo de sua busca e recuperação.

9.1.1. Características dos Sistemas de BI

· Extrair e integrar dados de múltiplas fontes;


· Fazer uso da experiência;
· Analisar dados contextualizados;
· Trabalhar com hipóteses;
· Procurar relações de causa e efeito;
· Transformar os registros obtidos em informação útil para o conhecimento empresarial.

No fluxo real da inteligência competitiva, podemos ressaltar três pontos básicos:


· a informação precisa ser pesquisada e coletada, pois nem sempre estará disponível;
· o processo de inteligência competitiva, para dar resultado, precisa ser permanente e não
esporádico;
· o quadro de referência competitiva evolui no tempo e, por isso, precisa ser avaliado
historicamente.

Existem cinco fatores essenciais para o sucesso de um processo de inteligência competitiva:


· Regionalidade: quanto mais globalizado for o tema de interesse, mais difícil será o processo
de obtenção de informações específicas.
· Dinamismo: quanto mais dinâmico for o tema de interesse, maior será o problema com a
exatidão das informações coletadas.
· Regulamentação: Torna-se difícil obter informações específicas, se o tema de interesse não
estiver no escopo de regulamentação de nenhum órgão ou instituição e, conseqüentemente,
os agentes dos setores envolvidos não tiverem a obrigação de prestar contas de suas
atividades.
74
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

· Concentração: quanto menos agentes existirem atuando no tema envolvido, mais fácil será
obter informações específicas;
· Integração: quanto maior for o controle dos agentes atuando no tema de interesse sobre seus
recursos e fornecedores, mais difícil será obter informações específicas.

Para iniciar um projeto de inteligência competitiva na sua organização, há um conjunto básico de


passos a serem seguidos:
· defina os temas de interesse;
· mapeie o ambiente competitivo relativo a cada tema;
· identifique as fontes de informação pertinentes;
· efetue um pesquisa preparatória de material básico a respeito de cada tema, para que se
possa estabelecer um contexto de análise;
· defina a estratégia de coleta de informações;
· implante a atividade de pesquisa, coleta e registro das informações;
· identifique pessoas experientes para darem apoio técnico à análise;
· defina os métodos de análise que serão empregados;
· crie bases de dados de referência para cada tema.

A inteligência competitiva pode ser vista como uma pirâmide. Os quatro lados da pirâmide têm a
seguinte interpretação:
· Lado 1 – Pessoas: envolve a seleção, treinamento, alocação e gestão das equipes que irão
atuar.
· Lado 2 – Processos: consiste nos processos e atividades relacionados à inteligência
competitiva.
· Lado 3 – Informações: consiste no universo de interesse da instituição, onde as informações
serão manipuladas pelas pessoas nos processos de inteligência competitiva.
· Lado 4 – Tecnologia: envolve a infra-estrutura de TI que deverá suportar os processos de
inteligência competitiva.

Existem várias ferramentas e/ou técnicas disponíveis no mercado que podem de alguma forma
atender às necessidades da organização e trazer vantagem competitiva a ela. Todas com um
único fundamento: o armazenamento de uma grande massa de dados que compõem o negócio
da organização e seu ambiente externo, permitindo depois exploração e análise, que se traduzem
em informações úteis e necessárias para as decisões a serem tomadas.

São ferramentas de Business Intelligence:


· Database Marketing, CRM
· Data Mart, Data Warehouse, OLAP, Data Mining
· Webhouse

75
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Os sistemas legados e os emergentes ERP – Enterprise Resource Planning, sistemas integrados


corporativos, não trazem as informações gerenciais na sua forma mais palatável. Ao contrário, as
informações vitais para tomadas de decisões estratégicas estão escondidas em milhares de
tabelas e arquivos inacessíveis aos mortais, ligadas por relacionamentos e correlações
transacionais, numa anatomia inadequada para os tomadores de decisão. Dessa forma, o
conhecimento corporativo e as informações externas não estão prontamente disponíveis. O jogo
de palavras que melhor define essa situação é: “Não se sabe o que se sabe e não sabe o que
não se sabe”.
O objetivo maior das técnicas de BI nesse contexto está exatamente na definição de regras e
técnicas para a formatação adequada desses volumes de dados, visando a transformá-los em
depósitos estruturados de informações, independentemente de sua origem. Os dados poderão vir
das técnicas emergentes de garimpo de informações via CI -Inteligência Competitiva ou de
amplas fontes conceituais como KMS - Gerência de Conhecimentos. Em qualquer situação, a
definição de estruturas modeladas dimensionalmente, armazenadas em Data Warehouse ou
Marts e interpretadas pela ótica analítica das ferramentas de OLAP (on-line Analytical Process) ou
pelo prisma inferencial das ferramentas de Data Mining, atinge o objetivo proposto pelas
premissas de BI.

9.1.2. Modelagem de Dados e Anatomia das informações

O conceito de BI, está em sua essência relacionado com formas alternativas de tratamento de
informações. A abordagem tradicional de dados, desenvolvida ao longo dos últimos 20 ou 30
anos, genericamente conhecida como modelagem de dados, foi um instrumento de extrema
utilidade na formatação de estruturas capazes de serem implantadas e entendidas pelos
gerenciadores de bancos de dados. Com variados estilos, e até com grifes expressivas, como
Peter Chen e James Martin, essa abordagem sempre primou pela representação de estruturas
que melhor se ajustassem às características transacionais dos processamentos de então. Na
realidade, sempre foram boas opções para o sistema de crédito/débito, de folha de pagamento,
ou o de ordens de compras e pedidos. Esses sistemas existem ainda hoje e constituem a camada
básica e essencial de processos operacionais das empresas, quer sejam implantados nos velhos
e empoeirados sistemas legados ou habitando os novos e emergentes ERP- Enterprise Resource
Planning. Com o desenvolvimento de outras necessidades, alavancadas por aspectos de
competitividade e busca de diferenciais de negócios e conseqüente tomada de decisão, esses
modelos se mostraram inadequados. As suas características de pulverização de informações
(campos) por estruturas diferentes (tabelas), motivadas pelos rigores das regras de normalização
de dados (seis regras de distribuição semântica de dados por entre tabelas) mostraram-se, desde
o início, imperfeitas para os processamentos demandados pela ótica dimensional.

9.1.3. Modelagem Dimensional de Dados

E o que significa essa visão dimensional? No fundo, a estrutura dimensional modifica a ordem de
distribuição de campos por entre as tabelas, permitindo uma formatação estrutural mais voltada
para os muitos pontos de entradas específicos (as chamadas dimensões) e menos para os dados
granulares em si (os chamados fatos). Isso significa que numa estrutura dimensional, os dados
estarão numa forma quase estelar, onde várias tabelas de entradas estarão se relacionando com
algumas (poucas) tabelas de informações, criando uma notação mais sintética, legível e objetiva.
O modelo dimensional oferece clara e diretamente os elementos que se precisa para buscar as
informações sobre fatos via dimensões de referências, diferindo da malha relacional, ou de rede,
próprias dos modelos anteriores, onde não existiam estruturas específicas de entrada.

76
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Modelo Entidade-Relacionamento

Data Tempo
Qtd.Vendida
Reais Vendidos Cod-promoção Data
Início
Nota Promoção
Itens
Fiscal
Data
Fim

Cod-Produto Produto Estoque Loja Atendente


Custo-Produto
Cod-Loja Cod-Atendente

Marca

Figura 35

O modelo representado é um clássico de um sistema de vendas a varejo. As principais entidades


são: LOJA que emite várias NOTAS FISCAIS, cada qual com vários ITENS, cada qual está
associado a um PRODUTO. Além disso, existe uma PROMOÇÂO, associada a um período de
tempo. São relacionamentos tipicamente 1:N. Além disso, o modelo mostra a entidade
ESTOQUE, que representa a resolução do relacionamento MxN entre LOJA e PRODUTO e a
figura ATENDENTE daquela venda específica.

Modelo Dimensional equivalente ao Modelo E-R

Promoção

Nota
Fiscal Vendas Atendente

Loja Qtd-vendida
Reais-vendidos

Tempo Estoque

Produto
Qtd-estoque

Figura 36

Observe agora o mesmo modelo, na forma dimensional. Neste modelo temos uma tabela Fato e
seis Tabelas Dimensão (TEMPO, PRODUTO, LOJA, PROMOÇÃO, ATENDENTE e NOTA
FISCAL). A tabela Fato, chamada VENDAS, representa as vendas de um PRODUTO, num

77
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

TEMPO (digamos DIA) feito numa PROMOÇÂO, numa LOJA, realizada por um ATENDENTE e
registrada em uma NOTA FISCAL. Observe que a tabela Fato relativa a VENDAS tem como
métricas desejadas somente os campos Quantidade-Vendida e o Valor-Reais, que na realidade
eram itens da NOTA FISCAL. Outra tabela Fato surgiu também para registrar os aspectos do
ESTOQUE. Essa segunda tabela Fato também se relaciona com algumas das dimensões já
identificadas para a primeira (TEMPO, LOJA e PRODUTO) e registra a quantidade em
ESTOQUE, como métrica principal.

9.1.4. Comparação entre Modelo Relacional E-R e o Modelo Dimensional

Modelo Dimensional Modelo Relacional E-R

• Padrão de estrutura mais fácil e MODELO MAIS COMPLEXO


intuitiva
Ênfase nos Banco de Dados Relacionais,
• Anterior ao MER, anos 60 anos 70
Tabelas que representam Dados e
• Tabelas de Fato e Tabelas de Relacionamentos
Dimensão
Todas as tabelas são comumente
• Tabelas Fato são o núcleo normalizadas
normalizadas
As tabelas são indistintamente
• Tabelas Dimensão são os pontos de acessadas e de filtro inicial
entrada
Todas as tabelas são comumente
• Tabelas Dimensão opcionalmente normalizadas
normalizadas
Maior dificuldade de “join” pelo número
• Modelo mais facilmente “joined” maior de tabelas
Maior dificuldade de leitura pelo usuário
• Leitura mais fácil do modelo por não especializado.
usuários não especializados

Tabela 5

9.1.5. Operadores Dimensionais

q Drill-Down e Drill-Up

Esses operadores dimensionais estão relacionados com o nível de granularidade dos dados
armazenados. São os conceitos de drill-down e drill-up, às vezes também conhecido, como
roll-up.

78
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Dimensão
Loja Dimensão
Descer na Hierarquia Tempo
Drill-down
País

Semestre

Região

Mês
Entregas
Estado

Dia

Cidade

Produto

Loja

Dimensão
Subir na Hierarquia
Produto
Drill-up ou Roll-up

Figura 37

Por exemplo, observe o modelo dimensional da figura acima. Observe que, nesse caso, as
informações relacionadas à dimensão Geografia estão estruturadas segundo uma hierarquia:
PAIS -> REGIÂO -> ESTADO -> CIDADE -> LOJA e as relacionadas à dimensão Tempo estão
estruturadas segundo uma hierarquia de SEMESTRE->MÊS->DIA. O conceito de drill-down está
diretamente relacionado com o fato de sairmos de um nível mais alto da hierarquia e buscarmos
informações mais detalhadas, ou seja, em níveis menores. Por exemplo, se você já obteve as
informações de vendas no nível de ESTADO e agora deseja o detalhe por CIDADES, você está
solicitando um drill-down. O inverso é o conceito de drill-up, ou seja, seja você está com as
informações de vendas em nível de DIA e deseja uma posição, digamos consolidada em nível de
MÊS, você está solicitando um drill-up. Todas as ferramentas OLAP estão aptas a executarem
esses dois operadores, que são absolutamente básicos dentro do conceito de manipulação
dimensional de Data Warehouse

79
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Outras
Dimensões
Dimensão
Loja Dimensão
Fato
Tempo
Drill-down
País Entregas
Semestre

Região Drill-across

Mês

Estado Vendas

Dia
Fato
Cidade Drill-up ou Roll-up

Produtos
Loja

Dimensão
Produto

Figura 38

q Drill-Across

Observe que ela é idêntica à figura anterior, com a diferença de que o Fato (Informações centrais)
é de ENTREGAS, ao invés de VENDAS. O conceito de drill-across está relacionado com o fato de
você poder pular de um esquema para outro, desde que ambos tenham algumas dimensões em
conformidade, ou seja, as mesmas dimensões estão compartilhadas. Nesse caso, você estaria
comparando informações de VENDAS e ENTREGAS, de forma coerente, pois as dimensões são
comuns. O comando drill-across permitiria o tratamento dessas informações, que embora
correlacionadas, estão em estruturas separadas, porém unidas por algumas dimensões
coerentes. É como se fosse uma espécie de join dimensional, entre estruturas relacionadas.

q Drill-Through

O conceito de drill-through está relacionado com o fato de você desejar uma informação num
nível de detalhe menor do que aquele colocado na tabela Fato e permitido pela sua
granularidade.

80
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Dimensão
Geografia

Drill-down
País Entregas
Semestre

Região

Mês

Estado Vendas

Dia
Drill-through
Cidade Drill-up ou Roll-up

Produto Nota Fiscal


Loja

Dimensão
Produto

Figura 39

Suponha que você armazenou, na tabela Fato sobre VENDAS, as informações num nível de
granularidade de PRODUTO por DIA e por LOJA. Isso significa que o menor que se pode
alcançar naquela estrutura é a informação sobre PRODUTO. Mas é claro que você tem as
informações em nível de NOTA FISCAL que foram totalizadas, em PRODUTO, DIA e LOJA para
dar origem ao fato granular armazenado. Acontece que essa informação mais detalhada do que a
granularidade com que foi armazenada a tabela Fato está, por exemplo, num outro arquivo ou
ambiente diferente do DW/DM. Poderia ser, por exemplo, o próprio sistema transacional de
origem, caso houvesse compatibilidade de software entre os dois ambientes. O drill-through seria
essa operação que permitiria uma busca de informações além do nível de granularidade
existentes na estrutura dimensional. Nesse exemplo, você estaria acessando as NOTAS FISCAIS
que deram origem (por agregação) ao fato armazenado em cada linha da tabela Fato. É como se
fosse um drill-down, só que com a propriedade de se buscar o detalhe numa outra estrutura.

9.1.6. Produtos de Business Inteligence

Existem três produtos que julgamos poderão desempenhar um papel importante nos próximos
anos, na aplicação dos conceitos de BI nos seus respectivos domínios que são:
· O BW (Business information Warehouse) da SAP tem alta chance de trilhar o caminho do
sucesso de seu produto irmão R/3, com quem se unirá formando a parelha ERP e BI que
deverá estar presente nas grandes empresas nesse milênio que se inicia. È um componente
opcional da nova arquitetura Mysap.com da SAP.
· O Oracle Express, produto oferecido como solução de BI, da Oracle, empresa dominante no
cenário de Banco de Dados e uma das líderes do segmento de Data Warehouse e Data
Marts.

81
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

· O produto Analysis Services da Microsoft, que provavelmente cumprirá um importante papel


de democratização dos conceitos OLAP, levando ao capitalizado mundo MS, uma alternativa
de implantação de BI.

q BW – Business Information Warehouse – SAP

Dentre as novidades do mundo BI que certamente ganharão destaque nas passarelas da moda
do novo milênio, um produto surge com alta luminosidade. O BW – Business Information
Warehouse, da gigantesca SAP.
Virá na esteira do mega-sucesso do produto ERP-SAP R/3 presente hoje em oito dentre dez
grandes empresas de qualquer segmento de negócio. Tem como objetivo a disponibilização de
um ambiente separado do seu irmão mais famoso (R/3), e dedicado exclusivamente ao
tratamento de informações gerenciais, enquanto o outro (R/3) continua concentrado no ambiente
transacional. O BW da SAP certamente custará um preço à altura da fama e do sucesso do irmão
mais velho e terá, inclusive, certa independência de ambiente, de release e de liberação, embora
ambos estejam integrados pelos modelos comuns de negócios, vistos por óticas diferentes
(transacional e informacional). O BW já vem mais ou menos pré-cozido, com certo grau de
pré-configuração, modelos definidos, templates de relatórios já disponíveis, além de um grande
arsenal de procedimentos de coleta, tratamento e carga. Os quase 900 processos de negócio do
R/3 estão intimamente correlacionados com o modelo de BW. A versão 2.0 b já vem com
aproximadamente 450 modelos de relatórios, 100 esquemas estrela (star schema), 110 regras de
mapeamento entre os dados transacionais e dimensionais e centenas de definições de
metadados.

Business Explorer
Browser do Catálogo de Endereços

Relatórios e Relatórios e
análises padrão Ferramentas
análises via Excel
de terceiros

BAPI

Servidor BW OLE/DB
Controle do Processador OLAP
administrador OLAP

Gerente
de dados Infocubos
Gerente de
Catálogos metadados Staging ODS - Dados
operacionais
BAPI ALE
Extratores
Extrator de dados Extrator de dados
para ambientes para o ambiente
Não-R/3 Dados R/3
não SAP SAP
(terceiros)
Legados R/2
VSAM, Peoplesoft-HR R/3
SGBOR

Figura 40

82
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

De acordo com a figura acima, a arquitetura do BW é composta basicamente de três grandes


módulos :
· explorador de negócios (Business Explorer);
· servidor BW (BW Server);
· extratores de dados.

Existem basicamente dois mecanismos de extração de dados (Extratores): uma forma é para
dados armazenados no prórpio R/3, para os quais foi disponibilizado um conjunto de processos
ABAP dedicados à sua extração. Os dados serão capturados transparentemente nos diversos
módulos do SAP, desde os clássicos FI, CO, etc, até os pacotes acessórios mais recentes como
CRM, SCM, etc. Os processos de transferências são executados usando as duas formas básicas
de comunicação entre sistemas SAP:RFC, uma espécie de RPC do produto, e ALE (Application
Linking Enabling). Os dados intermediários são modelados na forma de elementos denominados
“estruturas de transferências”, que são montadas em função de especificações entradas através
do console de administração do BW.
A outra forma de abastecimento de dados é via extração de fontes não R/3. Para isso, existem já
disponíveis no mercado diversas soluções de terceiros, classificadas genericamente de ETC-
Extração Transformação e Carga. Para Bancos de Dados Oracle, a SAP oferece um mecanismo
de extração nativa.
De uma forma ou de outra essas estruturas são levadas ao módulo de staging (já dentro do
servidor BW) via BAPI (API’s do BW) pelas ferramentas de terceiros, ou via RFC ou ALE
(Application Linking Enabling), um middleware próprio do ambiente R/3, este, para os extratores
do R/3. Nesse módulo os dados são tratados segundo regras de transformação ou mapeamento
entre infocubos (a forma dimensional final dos dados) e infosources (formas intermediárias
usadas no processo de transferência e de comunicação). Essas regras também são definidas via
console do administrador. Neste ponto existem duas alternativas: os dados podem ser levados
para o ODS - Operacional Data Storage, na forma granular, ou para os Infocubos, na forma de
seletiva de agregados, onde são armazenados em estilo de esquema de estrela, dentro do SGBD
Relacional (ROLAP). Nesta estrutura, uma tabela Fato é circundada por várias tabelas
Dimensionais, ou no linguajar R/3, respectivamente, valores-chaves (key figures) e valores de
características (characteristics). Os dados podem ser agregados, segundo regras definidas,
permitindo valores aditivos (somados em todas as dimensões) ou semi-aditivos (não somadas em
certas dimensões). No ODS, as informações permanecem como dados em nível granular,
servindo não somente de apoio ao processo do Staging, mas também com um depósito de
informações mais detalhados, podendo inclusive ser acessadas por comandos OLAP, oriundos do
modelo Dimensional, como drill through.
É importante notar que os dados são levados na sua totalidade na primeira carga e depois, via
incremental, através de “log sniffing”, ou seja, captura dinâmica de alterações, via arquivos de log.
Os processos de busca podem ser automatizados e “schedulados” para que os processos de
captura, de transformação e carga (pelo staging) fiquem totalmente transparentes.
Do lado da vitrine, o componente Explorer, que objetiva os processos de análise e de produção de
relatórios, talvez seja a parte que mais evoluirá nos próximos releases. Nesse momento, o BW
oferece um repertório de relatórios pré-formados, ou relatórios pré-formatados, ou relatórios
dimensionais (na forma de cubos e fatias, “slices e dices”), além de possibilitar a manipulação de
dados via planilha Excel. Tudo isso enriquecido com um rico cardápio de funções bif (built-in
functions) para comparações, seqüência e manipulações financeiras. A evolução certamente virá
por oferecimento de alternativas de terceiros, muito característica em produtos de alta vendagem,
como o R/3, que já catalisa uma indústria paralela de soluções. Com o BW certamente não será

83
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

diferente. O BW, no release 2.0b, permite uma solução alternativa para GIS, possibilitando a
apresentação de informações geo referenciadas associadas aos dados, num enriquecimento
significativo. A solução, por ora, somente permite o padrão ESRI. A publicação de informações
em páginas HTML também eleva o produto à classe Web, permitindo a sua utilização em
ambientes de Intranet.
Para completar o registro de todo o processo, existe o Repositório de Dados, que concentra as
informações sobre as informações (meta dados). Os metadados estão em dois níveis: nível de
negócio (definição, descrição e uso dos relatórios) e nível técnico (definições de extrações e
transformações de staging). O repositório é composto internamente por quatro catálogos, com
objetivos distintos:
· Infoobjetos: descreve os dados fatos e as dimensões, independentemente dos cubos que os
implementam.
· Infocubos: descrição das próprias estruturas dimensionais, ou seja dos cubos.
· Catálogo de relatórios: descrição da origem, das análises requeridas na produção dos
relatórios e da forma de display pretendida.
· Catálogo de infosource: descreve as fontes de dados, e as regras de transformação e de
mapeamento para a produção dos infocubos.

O servidor BW (OLAP) é o componente da arquitetura que realiza efetivamente os


processamentos dos relatórios e as solicitações ad-hoc. Trata os dados multi dimensionais com os
processamentos típicos de drill-down, roll-up, drill-acros, e possui um cache transiente dos
relatórios mais usados, que podem se tornar persistentes, caso desejado, otimizando possíveis
requisições repetidas.
Do ponto de vista de arquitetura externa, o BW é um outro ambiente R/3, com um estilo
arquitetônico ao irmão, conforme mostrado na figura abaixo. Pode ter um ou mais servidores
fazendo os serviços OLAP e um servidor de Banco de Dados no papel de servidor de infocubos,
este opcionalmente em máquinas separadas, dependendo do volume de processamento OLAP
planejado.
A proposta do BW da SAP deverá ser objeto de uma análise criteriosa por parte das empresas
que já são clientes SAP. Isso porque o R/3, embora com um pequeno segmento devotado a
informações executivas, não oferece a riqueza de informações gerenciais demandadas por esse
tipo de empresa, cada vez mais ávida por informações dimensionais precisas. O produto BW,
pela sua alta integração (de negócios e de operação) com o seu irmão mais velho, oferece
vantagens nítidas quando comparado com soluções separadas do mercado, embora ofereça
pontes para ambientes heterogêneos. O cuidado fica com relação aos mesmos aspectos que
cercam a implementação de um R/3. Um produto monoliticamente pesado, quase monobloco e
que demanda um cuidadoso planejamento de implementação, com recursos generosos, bem
treinados e totalmente dedicados. Quem já implementou SAP sabe o que pode vir a ser um
projeto de BW.

u Modelo Dimensional Estendido do BW – Business Information Warehouse

O BW, por suas características de produto genérico, capaz de implementar DW e DM em


ambientes negociais distintos, introduz um modelo dimensional estendido com relação aos
modelos dimensionais tradicionais. Nele, a complexidade incorporada se justifica pela
necessidade de estruturas mais flexíveis para montagem de DW/DM nos domínios do R/3, onde
se controlam os variados segmentos da indústria, da fábrica de farinha à multinacional energética.

84
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

O produto BW estende o esquema estrela (start esquema) tradicional, formado por tabelas Fato e
tabelas Dimensão, incorporando um conjunto de novas estruturas e regras, conforme a figura
abaixo.

Tabelas complementares de
Produto cada atributo de dimensão
Dimensões
obrigatórias
Tabela de dados
mestre
Fato
Tempo
SK-Dimensão-1
SK-Dimensão-2
SK-Dimensão-3
Tabela de Tabela de dados
Moeda SK-Dimensão-4 Loja surrogate key texto
SK-Dimensão-5
SK-Dimensão-6

Packet
Métricas Tabela de dados
de hierarquia

Cliente

Figura 41

1. Todo DM, ou Infocubo, no jargão BW, conterá obrigatoriamente três dimensões fixas, além
daquelas definidas para o aplicativo:
· dimensão tem - permitirá uma compulsória associação temporal com qualquer fato registrado
nas tabelas do projeto;
· dimensão moeda ou “currency” - permitirá que os valores registrados nas tabelas Fato,
quando de natureza monetária, possam ser trabalhados de forma localizada, com
possibilidade de conversões ou relatórios customizados;
· dimensão pacote ou “packet” - caracteriza uma estampa de tempo para todos os registros
carregados, permitindo assim um perfeito controle sobre a carga dos dados, eventualmente
possibilitando que cargas sejam desfeitas, sem a necessidade de se recarregar as tabelas
por completo.

2. As tabelas Fato conterão somente as SK (surrogate key) específicas de cada dimensão


relacionada, além dos valores das métricas definidas. Neste particular, o modelo é bem
semelhante ao esquema estrela tradicional.

3. As tabelas Dimensão serão compostas por atributos definidos em tempo de projeto, atributos
esses que serão representados por suas chaves surrogates. Neste particular, a tabela
Dimensão, fica totalmente independente de valores, contendo a SK da dimensão e as chaves
SK de seus atributos componentes. Cada dimensão poderá ter até 248 atributos
(características, no jargão BW). Como o número de dimensões é limitado a 13 (mais as três
dimensões obrigatórias, formam um total de 16), pode-se ter a impressão de certas limitações
numéricas no modelo. O que acontece, no entanto, é que, como as características (248) são

85
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

consideradas pontos de pesquisas e de filtros das estruturas dimensionais, o número de 248


X 13 oferece uma grande opção de entradas no modelo estendido do BW.

4. Para cada atributo, existirá um conjunto complementar de tabelas que poderá ser usado para
enriquecer e conferir maior flexibilidade ao modelo. As tabelas, definidas para cada atributo
de dimensão são:
· Tabela de mapeamento de SK em valores dos atributos: nessa tabela, haverá o mapeamento
das respectivas chaves surrogates para os valores dos atributos, os quais são os elementos
de procura e filtro para a realização das pesquisas.
· Tabela de dados mestre: representa uma tabela opcional, em que os dados daquele atributo
poderão ser controlados, dentre outras formas, com relação a suas variações de valores ao
longo do tempo, como nas abordagens SCD (Slowly Changing Dimension), já discutidas
anteriormente. Isso permitirá que se saiba que certas faixas de valores para certos atributos
aconteceram em determinados períodos de tempo. Por exemplo, a peça XPTO, durante o
período de 1994 a 1996, foi classificada no grupo Z, e de 1996 a 2001 foi classificada no
grupo T. Uma mesma informação no arquivo mestre poderá ser compartilhada por vários
atributos habitando dimensões diferentes.
· Tabela de dados de texto: representa uma tabela, onde alguns textos associados aos
atributos da dimensão poderão ser armazenados, permitindo aspectos de localização e de
conversão de línguas.
· Tabela de dados de hierarquia: representa uma tabela que objetiva estabelecer mecanismos
para a definição de estruturas hierárquicas ou recursivas de certos dados de dimensão,
possibilitando a agregação de valores geográficos, etc. É um mecanismo semelhante ao
discutido anteriormente para o controle de entidade e dimensões recursivas.
Com essas extensões, o BW permite que se implemente modelos de esquema estrela,
contornando-se certas dificuldades de modelagem, com os relacionamentos M x N entre valores
de atributos e outras particularidades encontradas em projetos de DW/DM mais complexos. A
figura abaixo mostra um exemplo para a dimensão LOJA de um modelo Dimensional,
implementado no BW, com alguns de seus atributos e a complexa estrutura de suas tabelas
complementares.

86
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Tabela de dados
mestre de Cod-Loja

Cod-Loja01, Data-Início, Data-Fim


Tabela Fato Cod-Loja02, Data-Início, Data-Fim
Cod-Loja03, Data-Início, Data-Fim
Cod-Loja04, Data-Início, Data-Fim

SK-Dimensão-1 Tabela Dimensão Loja Tabela de surrogate


SK-Dimensão-2 key de Cod-Loja
SK-Dimensão-3
SK-Dimensão-4 SK-Dimensão-Loja SK1->Cod-Loja01 Cod-Loja01, Texto Tabela de
SK-Atrib-Cod-Loja SK2->Cod-Loja02 Cod-Loja02, Texto dados
SK-Dimensão-5 SK3->Cod-Loja03 Cod-Loja03, Texto
SK-Dimensão-6 SK-Atrib-End-Loja Para cada atributo Cod-Loja04, Texto textos de
SK4->Cod-Loja04
SK-Atrib-Região-Loja da dimensão pode Cod-Loja
existir o conjunto
de tabelas
complementares
Métricas (Cod-Loja), (Loja-Pai)

Cod-Loja01, Cod-LojaX
Cod-Loja02, Cod-LojaX
Cod-Loja03, Cod-LojaY
Cod-Loja04, Cod-LojaY

Tabela de dados de
hierarquia de Cod-Loja

Figura 42

q Oracle Express

A Oracle, depois de se consolidar no mercado de banco de dados, onde ocupa a posição líder em
vários segmentos, parte com força total em direção a duas frentes estratégicas, fundamentais na
arquitetura de qualquer empresa nesses anos iniciais do novo milênio: Internet e Business
Intelligence.
Com relação à Internet, a empresa fincou estratégias profundas, apostando integralmente no meio
Web como cenário de desenvolvimento de sistemas do futuro.
Adotou a linguagem Java como padrão básico para sua linha e desloca o seu poderoso SGBD
em direção a um papel de servidor de aplicações Java, onde interfaces JDBC, JSQL e JVM
estarão cada vez mais presentes no cerne do Gerenciador de Banco de Dados.
Para o lado de BI, a Oracle, além do seu SGBD com fortes características para DW/DM, também
centra sua bateria no produto Oracle Express, adquirido em 1995 da IRI (Information Resource
Inc.). O produto que fora desenvolvido originalmente no MIT (Massachussets Institute of
Tecnology), nos anos 70, para modelagem de dados de mercado, teve a sua primeira versão para
o ambiente mainframe, rodando em VM/CMS.
Na realidade, o Express havia se transformado numa família de produtos, que acabaram
rebatizados. Agora existem o Oracle Express Server, que é o carro-chefe e desempenha o papel
do servidor de Banco de Dados multidimensional, o Oracle Personal Express, espécie de versão
DOLAP, que executa na estação cliente, além de pacotes verticais como Oracle Financial
Analyze, Oracle Analyze e Oracle Express Objetcs.
O produto vem, ao longo desse período, passando por atualizações, mas mantém a sua essência
centrada no perfil de servidor para análises multidimensionais. Como um MOLAP, o Oracle
Express armazena os seus dados como uma planilha multidimensional, com aspectos de
otimização de espaços para valores esparsos, estratégias especiais de indexação, numa forma
diferente da encontrada nos gerenciadores relacionais, onde as linhas são armazenadas com as
suas chaves adjacentes aos dados.

87
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Isso permite acessos rápidos e eficientes processamentos matriciais sobre os dados.


Tratamentos especiais de endereçamentos internos nas páginas de armazenamento permitem
acessos facilitados a dados de natureza temporal, como séries históricas, por exemplo. Permite a
extração particular de dados, criando os cubos de análise, mantendo-os inclusive persistentes.
O produto trabalha nos três estilos de arquitetura cliente servidor: gorda, média e Web. Na
estratégia gorda, o Oracle Express permite a transferência de dados do servidor para a estação
cliente, onde rodará na versão local (Oracle Personal Express). Na versão média, o aplicativo
rodando no cliente acessará o servidor Oracle Express, realizando as suas interações, através de
API’s especiais (SNPI – Structure N-dimensional). Uma estratégia de cache pode ser definida no
cliente para aumentar a retenção dos dados naquele ambiente, otimizando as viagens de busca
ao servidor. A terceira opção, provavelmente hoje a mais forte, é a de cliente/servidor/Web. Utiliza
o browser como único instrumento localizado na estação-cliente para o acesso aos dados no
servidor Oracle Express. O pacote oferece Express Developers Tollkit, que permite a produção
dinâmica de páginas HTML, com as formatações de tabelas, frames, etc. O componente Express
Web Publisher pode ser usado em conjunto com o Express Objetcts e Express Analyser para a
publicação de informações em sites Web.
O produto Express compõe com o Oracle Framework de soluções, onde as alternativas
conjugadas permitem estratégias MOLAP (uso somente do Oracle Express, para armazenamento
do DW/DM), ROLAP (uso do SGBD Oracle para armazenar o DW/DM e o Express para compor o
cache multidimensional), HOLAP (misto das duas camadas, onde o Oracle armazena o DW/DM e
o Express armazena os agregados e cubos dimensionais) ou DOLAP (onde o Personal Express
armazena, no cliente, os cubos extraídos) A figura abaixo mostra o conceito. A Oracle
disponibiliza um novo produto, dentro da linha Oracle 9i. É o Oracle OLAP Services 9i, que
conterá uma estratégia mais focada no desenvolvimento de aplicativos multidimensionais em cima
da sua estrutura relacional Oracle, oferecendo uma integração maior do que aquela hoje existente
com o Oracle Express.

Oracle
MOLAP Express

Dados multidimensionais
Browser
Express Web Plublisher
Express Objects
Express Analyser Oracle
ROLAP
Express Oracle 8 DW/DM

Dados relacionais
Ferramenta Oracle
Cache de dados
multidimensionais

HOLAP Oracle
Ferramenta terceiros Express Oracle 8 DW/DM

Dados relacionais
Agregados/cubos
dados multidimensionais
DOLAP

Figura 43

88
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

q Microsoft Analysis Services

A grande novidade no mundo OLAP é o produto SQL-Server 2000 – Analisys Services. Acoplado
ao produto SQL-Server/2000 da Microsoft, a parte OLAP Services (codinome Platô), agora
rebatizada Analysis Services, custará quase nada, se comparada com os produtos de serviços
OLAP mais tradicionais. Faz parte da estratégia de popularização da tecnologia OLAP que a
Microsoft pretende estabelecer, levando à sua comunidade de usuários SQL-Server essa nova
alternativa de análise de informações negociais. Comprado da empresa israelense Panorama
Software, o MS-OLAP, como chamaremos, é dividido em cinco componentes básicos, conforme
mostrado na figura abaixo.

Cliente
Produtos Análise via Excel 2000/ Ferramentas Ferramentas Dados-locais
CMP MS-Office 2000 de bussiness Datamining
Office 2003
Interface
OLE/ DB
Interface Dado-WD
CVS/ DB
OLAP

Pivottable Service Cache - Matadados


MMC- Microsoft Queries, cubos Dados-DOLAP
Management
Cascade OLAP Desktop
DSO
Administrador Servidor
gerador OLAP
OLAP
DW/DM
Serviços OLAP
Dados-ROLAP
Cubos:
Repositório Virtuais/distribuídos
Matadados Dados-MOLAP

Extratores
DTS - Dados
OLE/ ODBC/ DCM Trasnformados
Serviços Dados SQL
Outras fontes
Sistemas Server
Ligados
DTS Packages

Figura 44

Temos:
· Componente da parte cliente, denominado PivotTable Service, que pode ser conectado via
Excel, Office 2000 ou ferramentas de terceiros.
· Métodos para acessos aos dados, baseado no padrão OLE/DB-OLAP.
· Máquina para serviços e armazenamento OLAP.
· Gerenciador OLAP.
· DTS – Data Transformation Service.

u Camada Cliente

A parte cliente contém os componentes que fazem interfaces com o usuário e pode ser a própria
planilha excel 2000 ou produtos de terceiros. Aqui cabem produtos que sejam compatíveis com o
padrão de API OLE/DB para OLAP, ou com ADO-MD (ActiveX Data Objects, especiais para
tratamento multidimensional), que são mapeados nessas APIs.

89
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Mais de 60 vendedores de software prometem compatibilidade de seus produtos com esse


conceito, que fortemente caminha para se tornar mais um padrão de “facto” patrocinado pela
Microsoft. Esses produtos se ligam, via API, ao componente fundamentalmente da estrutura
cliente do produto: o PivoTable Service. Esse componente manipula os dados provenientes da
camada servidora e armazena os cubos (dices) e fatias (slices) num cache, permitindo que
solicitações possam ser resolvidas ali mesmo, sem a necessidade de buscas recorrentes no
servidor.
Para facilitar eventuais aspectos de computação móvel, o produto permite que, na camada
cliente, esses cubos ou fatias sejam armazenados, na forma de DOLAP (Desktop OLAP). Assim,
qualquer parte dos dados pode ser descarregada para a estação cliente e habitar um DOLAP,
para tratamento independente do servidor central. Dados também armazenados em arquivos
locais (por exemplo, Access) podem ser trabalhados em conjunto, nessa camada. As
aplicações-cliente conectam-se ao PivoTable Services para realizarem as buscas de dados no
servidor. Para a interface via browser, o PivoTable Services usa os componentes Office web
2000.

MOLAP MS Analysis
Services

Dados multidimensionais
Fatos e agregados
Browser

ROLAP SQL Server


7.0/2000 DW/DM
Office
2000
Fatos e agregados
Ferramenta Windows

OLE/DB
OLAP
ADO-MD
HOLAP MS Analysis SQL Server
Ferramenta terceiros Services 7.0/2000 DW/DM

Dados relacionais
Agregados/cubos
dados multidimensionais
DOLAP

Figura 45

u Camada Servidora

Na parte servidora, fica a máquina (engine) de serviços OLAP. Esse componente se incumbe de
receber as requisições e realizar os devidos acessos e tratamentos. Os dados podem ser
modelados na forma de esquema estrela (start schema) ou na forma de esquema flocos de neve
(snowflakes), no plano de projeto, e poderão ser armazenados em estruturas nas formas
descritas a seguir:

90
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

1. ROLAP: onde normalmente ficam as tabelas Fatos e as Dimensões, no nível granular. Nesse
caso, estarão sendo usados os recursos do SQL Server 2000 para armazenar os dados
granulares e os agregados. Oferecem as seguintes características:
· usam a estrutura formada do SGBDR, com todos os seus conhecimentos e procedimentos já
testados e em operação. Por exemplo, você pode usar a linguagem Transact SQL para
acessar os dados granulares ou agregados;
· os dados serão acessados e tratados pelo OLAP-Services;
· os dados não estão redundantes, pois habitam a estrutura relacional do DW/DM.

2. MOLAP: onde os dados estarão armazenados em estrutura multidimensional. Possuem as


seguintes características:
· armazenam os dados fatos e agregados na forma dimensional nativa;
· controle de dados esparsos para otimizar o armazenamento;
· indexações especiais por bitmap, para acelerar o acesso aos dados;
· os acessos são rápidos pois os dados estão numa forma já “joined”, evitando os
processamentos de junção convencional;
· os dados podem ser facilmente copiados para desktop para trabalhos off-line.

3. HOLAP: nessa estratégia os dados granulares estarão na forma ROLAP (armazenadas no


SQL-Server 2000) e os dados agregados ou cubos estarão armazenados no OLAP-Service.
O uso conjugado dessas duas estratégias caracteriza o conceito híbrido, com as vantagens e
desvantagens de cada uma.

4. DOLAP: essa é a alternativa de se armazenar dados na estação cliente, com possibilidades


de trabalho off-line, úteis em computação móvel.

Categoria Produto

Pedido Fato Tempo


Cubo lógico
Item Vendedor

Cliente

Cubos físicos

Servidores

Figura 46

91
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

O servidor OLAP oferece uma camada de inteligência dedicada à definição da melhor estratégia
de agregação. Algumas características importantes desse componente são:
· a possibilidade de se particionar um cubo lógico (tabela Fato rodeada de tabelas Dimensão)
em vários cubos físicos, distribuídos em servidores independentes, conforme a figura acima;
· cubos virtuais, ou seja, uma espécie de view multidimensional, onde um cubo, dito virtual,
pode ser formado pela junção de vários outros cubos (lógicos ou virtuais), desde que tenham
uma dimensão em comum (compartilhada) que realizará o papel de “join” entre elas. A figura
abaixo ilustra o conceito.

Cubo virtual

View dimensional
Cubos lógicos

Categoria Produto Produto

Pedido Fato Tempo Tempo


Pedido Fato
Item Vendedor Vendedor
Item

Cliente Cliente

Figura 47

· outra novidade também nessa camada é a presença do repositório de metadados, onde


reside a definição dos cubos. A Microsoft aderiu ao Meta Data Coalition, um grupo que
objetiva estabelecer padrões de metadados, e isso, entrada nessa arena, certamente
fortalecerá essa coalizão de metadados, dando espessura às suas propostas. Por outro lado,
a neutralidade desejada, num agrupamento que se destinada a propor padrões, poderá ser
influenciada pela força intrínseca e dominadora da marca MS.

u Camada de Gerência e Acesso

O OLAP Manager é o componente que permite a gerência do ambiente OLAP. Tem interfaces
para comandos de criação de tabelas; análise e definição de agregados com algoritimos
inteligentes, que buscam um equilíbrio entre a disponibilização imediata de dados sumariados e a
perigosa explosão combinatória das possíveis dimensões, com demandas gigantescas de
armazenamento; entre outros.
Do ponto de vista de administração do ambiente, o OLAP Manager trabalha com o protocolo
DSO-Decision Support Objects, que pode ser usado para desenvolvimento de funções internas ou
por produtos de terceiros. Com essas interfaces torna-se possível o acesso ao ambiente do OLAP

92
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Manager e a sua automatização. É equivalente ao SQL-DMO, no contexto do SQL Server


Enterprise-Manager.
O OLAP Manager é no fundo um snap-in do MMC – Microsoft Management Console, que permite
o uso das mesmas interfaces do BackOffice da MS. Através do Cube Browser, componente do
OLAP Manager, o usuário pode acessar interativamente os dados das tabels, cubos e metadados
do sistema. Para o acesso aos dados dimensionais, via programação, OLAP Services oferece
uma linguagem proprietária chamada MDX.
O MDX é a linguagem de comunicação do aplicativo com o OLAP Services. Essa comunicação é
feita através do PivoTable Services. Os comandos MDX podem fazer parte de aplicações que
usam ADO-MD e ODBC. A linguagem MDX é uma espécie de Transact SQL para tratamentos
dimensionais e possui comandos para DML (Select) e DDL (Create Cube).
O comando Select MDX tem certas características próprias para acesso a dados dimensionais.
Lembre-se de que você está acessando informações em várias dimensões e o resultado sempre
deverá ser mostrado em duas. Para isso, no lugar das colunas (chamada área de projeção do
comando) estarão especificadas as dimensões desejadas e a sua hierarquização. Na cláusula
from, você especificará o cubo desejado, e na cláusula where você restringirá os valores da
dimensão e explicitará as medidas desejadas na tabela Fato.

u Camada de Retaguarda

Na parte de retarguarda, o MS-SQ Server 2000 oferece o DTS- Data Transformation Services,
que permite a realização dos procedimentos de ETC – Extração, Transformação e Carga de
Dados. O DTS baseia-se em componentes Dcom, podendo acessar qualquer fonte de dados, via
olé/db, realizar os passos de manipulação e transformação, e gravar o resultado em outra fonte
compatível com OLE/DB. A manipulação pode ser efetuada por steps (passos), que são unidades
de trabalho, agrupados em pacotes, que podem ser automatizados e ter o seu fluxo controlado,
por condicionantes e desvios. Num passo, pode-se executar em comando SQL, um script em
Java, Perl ou VB, um programa externo ou recuperar e executar um outro pacote de ações, dentre
elas o envio de uma mensagem, via e-mail.
A Microsoft, com a disponibilização do OLAP-Services, embutido no próprio SQL Server 2000,
abre um espaço importante para popularização do conceito OLAP, até agora restrito a produtos
mais especializados e normalmente caros. A Microsoft oferece como um adendo do SGBD no seu
release, e permite, assim, que muitos usuários desse segmento de produto (SQL-Server) possam
iniciar-se na manipulação de dados, agora revestidos com conceitos de multidimensionalidade e,
o que é melhor, através de ferramentas já conhecidas como Excel, planilha dominante no mundo
dos desktops. O produto, em si, está classificado em nível 2, segundo uma pesquisa da SPG –
Software Productivity Group, que estabelece quatro níveis de produtos OLAP. Os de nível 1 são
primários, com somente acesso aos dados. No nível 2, os produtos são de sofisticação mediana,
com possibilidade de acesso e sumariação. No nível 3, os produtos são mais maduros, com
análises específicas de negócios, e o nível 4 representa produtos mais sofisticados, com
especilaização como Mining.
Já no release 2000, o produto Analysys Services oferece melhorias onde se destacam a maior
flexibilidade de estruturas, mais facilidade nas construções de modelos, maiores limites na
definição das dimensões, melhor gerência de segurança, além da possibilidade de uso de
ferramentas de Data Mining, com dois algoritmos básicos: Árvore de Decisão e Agregação. As
ferramentas de Data Mining foram desenvolvidas pela equipe da Panorama, empresa israelense,
que fora comprada pela MS para a incorporação do OLAP Services no realese 7. Portanto, se a
força do MS-OLAP não está propriamente na sua capacidade como servidor OLAP de altíssima
voltagem, que digamos, é média/alta, ela reside exatamente em oferecer, por custos baixos, uma

93
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

ferramenta que pode atender muito bem uma faixa de usuários não tão exigentes, que por sinal é
muito grande. Além disso, o produto é fortemente integrado com o resto da família, o que facilita a
sua implementação e operação.
Para a Microsoft, o produto representa a possível cristalização do padrão OLE/DB para OLAP,
deixando na poeira o seu concorrente direto (MDAPI do conselho OLAP). Além disso, embora
com um produto inferior ao da Oracle, a MS pelo menos desembarca nesse segmento de
mercado, onde sempre foi ausente, e dispara uma espécie de alarme (ainda amarelo, diga-se de
passagem) entre os “players” tradicionais desse segmento. Mas não se iluda: o mundo OLAP não
será mais o mesmo com a presença da Microsoft nesse terreno.

94
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Exercício - Aula 01

1. Qual é o impacto causado pelo crescimento das empresas?

2. Defina Informação Gerencial?

3. Defina Informação Operacional?

95
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Exercício - Aula 02

1. Quais são as características das Informações Gerenciais?

2. Quais são as necessidades de Informação dos Sistemas Geradores?

3. Quais são os papéis que os Sistemas de Informação podem assumir dentro da empresa?
Explique.

96
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Exercício - Aula 03

1. Quais são os componentes e objetivos de um CBIS?

2. Quais são os fundamentos organizacionais de Sistemas de Informação?

3. Fale sobre a interdependência entre a Organização e o Sistema de Informação.

4. Quais são as questões chaves nas mudanças no Processo de Gerenciamento?

5. O que é Arquitetura de Informação de uma Organização?

97
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Exercício - Aula 04

1. Quais são os desafios de Sistemas de Informação?

2. Descreva um Sistema de Nível Operacional.

3. Descreva um Sistema de Nível Conhecimento.

4. Descreva um Sistema de Nível Gerencial.

98
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Exercício - Aula 05

1. Quais são os seis principais tipos de Sistemas de Informação?

2. Descreva o Sistema TPS e dê exemplos.

3. Quais são as características de um TPS?

4. Descreva o Sistema KWS.

99
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Exercício - Aula 06

1. Descreva o Sistema MIS.

2. Quais são as características do sistema MIS?

3. Descreva o Sistema DSS.

4. Quais são as carcterísticas do sistema DSS?

5. Descreva o Sistema ESS.

100
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Exercício - Aula 07

1. Que é um Data Warehouse ?

2. Quais critérios devemos considerar em um projeto de implementação de um Data Warehouse ?

3. Para implementação de um Data Warehouse, se faz necessário um conjunto mínimo de recursos.


Quais são este recursos?

4. Que diferença encontramos em OLTP e OLAP em relação a unidade de trabalho, histórico,


volume de dados, tipo de banco de dados e atualização de dados ?

101
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Exercício - Aula 08

1. Quais as características que descrevem um Data Warehouse ?

2. Em que consiste a Integração de dados em um Data Warehouse ?

3. Os dados podem estar fisicamente armazenados de três formas, quais são ?

4. Em que consiste o armazenamento de forma distribuída?

5. Qual o conjunto de características, normalmente utilizadas para verificar a qualidade dos dados e
que indica o nível de qualidade no Data Warehouse ?

6. Em que consiste ter um Data Warehouse com baixo nível de granulidade?

102
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Exercício - Aula 09

1. Como podemos definir a arquitetura de um Data Warehouse ?

2. Em que consiste a Visão conceitual ?

3. Uma visão em camadas podem ser usada na descrição de uma visão conceitual, esta visão de
composta por que camadas?

4. Como podemos ter disponibilizado um estrutura física de um Data Warehouse?

5. Quais as vantagens de se utilizar o modelo centralizado para uma estrutura física de um Data
Warehouse?

6. Em que consiste utilizar uma estrutura física de um Data Warehouse de forma distribuída ?

7. Em que consiste o armazenamento de dados em uma arquitetura de camadas ?

8. Como podemos definir uma Arquitetura de Armazenamento em Duas Camadas?

9. Quais os problemas que podemos ter com a arquitetura de duas camadas ?

103
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Exercício - Aula 10

1. Como podemos definir a Arquitetura de Armazenamento em Três Camadas ?

2. Um projeto e a posterior manutenção e utilização de sistemas de DW requerem o empenho de


profissionais capacitados e com conhecimentos avançados em diversas áreas, exemplifique quais
profissionais precisaremos em um Projeto de Banco de um DW?

3. Em um desenvolvimento e implantação de um DW precisamos seguir quais passos ?

4. Quais os passos em um desenvolvimento de um DW podemos considerar críticos e quais os


passos que podemos considerar passíveis de problemas ?

5. Em que consiste a fase de Planejamento ?

104
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Exercício - Aula 11

1. Em que consiste a fase de Levantamento de Dados ?

2. Em que consiste a fase da Modelagem Conceitual ?

3. Qual a diferença entre uma Modelagem Dimensional e uma Modelagem Relacional ?

4. Quais são os passos que devemos seguir em uma Modelagem Dimensional ?

5. O que é um valor Aditivo, Semi-Aditivo e Não-Aditivo definido nas métricas das tabelas fatos ?

6. Em que consiste a fase do projeto físico de banco e a fase ETC?

105
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Exercício - Aula 12

1. O que é um Data Mining ?

2. Quais motivos levam a crer que o Data Mining se torna uma das ferramentas principais para um
Sistema de Apoio à Decisão ?

3. Qual a diferença básica entre OLAP e Data Mining ?

4. Quais os fatores críticos de sucesso para a implementação de um Data Mining ?

5. Quais os processos que são envolvidos no desenvolvimento de um Data Mining ?

6. Quais das alternativas abaixo, estão relacionadas com a fase de preparação em um processo de
um Data Mining? (Escolha Duas)
a) Realizar uma limpeza nos dados.
b) Carregar o Banco de Dados para o processo de Mining.
c) Criar Modelos de Data Mining.
d) Selecionar dados para treinar o modelo.

7. Em que consiste a fase de mineração em um processo de um Data Mining ?

8. Quais as técnicas utilizadas para o processo de garimpagem ? Descreva cada técnica de forma
resumida.

9. Qual técnica é utilizada para ,por exemplos, comparações entre produtos selecionados por
transação ?
a) Associação
b) Padrões Sequenciais
c) Classificação
d) Agregação

10. Em que consiste a fase de aplicação em um processo de um Data Mining ?

106
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Exercício - Aula 13

1. Quais são as técnicas que podemos utilizar no processo de Data Mining ?

2. Em que consiste a técnica de Rede Neural ?

3. Em que consiste a técnica de Indução de Regras ?

4. Em que consiste a técnica de Árvore de Decisão ?

5. A técnica de Árvore de Decisão abrange quais técnicas ?

6. Cite exemplos de aplicações que utilizam a técnica de Árvore de Decisão.

7. Em que consiste a técnica de análise estatísticas de série temporais?

8. O que é o ForeCasting ?

9. Em que consiste a técnica de Visualização ?

10. Quais são as outras técnicas que são utilizadas por fornecedores de solução e que dão suporte a
um conjunto de operações que diferem entre si pelo tipo de problema que são capazes de
resolver?

107
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Exercício - Aula 14

1. Baseado em uma metodologia denominada CRISP-DM, quais são as seis fases utilizadas por
esta metodologia?

2. Em que consiste a fase do Entendimento do negócio e quais seus componentes?

3. Em que consiste a fase de Entendimento de dados ?

4. Em que consiste a fase de Preparação de Dados e quais são os seus procedimentos ?

5. Quais as alternativas abaixo fazem parte da construção dos dados durante a fase de preparação
de dados ? (Escolha Duas)
a) Verifique a disponibilidade de mecanismos de construção com a lista de ferramentas sugeridas
para o projeto
b) Verifique os atributos derivados que são construídos a partir de um ou mais atributos
existentes no mesmo registro.
c) Selecione os dados, para conhecer quais os dados que serão usados para análise
d) Aumentar a qualidade dos dados para o nível requerido pelas técnicas de análise

6. O que envolve a fase de modelagem? Que passos utilizamos durante esta fase ?

7. Durante a fase de avaliação podemos efetuar uma revisão dos processos, como devemos
proceder para que esta revisão seja bem sucedida?

8. Quais as maiores barreiras para implementação de um Data Mining ?

9. Qual a fase que deve ser considerada em um projeto como 80% do trabalho.

10. Qual foi maior obstáculo para a divulgação das técnicas utilizadas por um Data Mining, e por que?

108
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Exercício - Aula 15

1. Defina Inteligência Artificial?

2. Quais são os Campos de Aplicação da Inteligência Artificial. Explique cada um deles.

3. Quais são as características de comportamento de máquinas inteligentes? Explique cada uma


delas.

109
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Exercício - Aula 16

1. Defina Sistemas Especialistas.

2. Quais são as características de um Sistemas Especialista? Explique cada uma delas.

3. Quais são os pontos de atuação de um SE? Explique cada um deles.

110
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Exercício - Aula 17

1. Em que consiste uma análise competitiva do mercado

2. Qual a relação entre análise competitiva e as vantagens competitivas ?

3. Sobre Análise competitiva o que podemos afirmar: (Escolha Duas)


a) Uma boa análise se dá apenas pela apuração e análise dos sistemas existentes.
b) Em uma análise devemos separar dados de informação gerencial.
c) Como base nesta análise devemos elabora um planejamento estratégico de informações, que
será representado por um conjunto de decisões, para um determinado período.
d) No planejamento estratégico a ser elaborado depois da analise competitiva não deve se
preocupar em estabelecer os custos orçados para execução do Plano.

4. Como podemos usar a Tecnologia de Informação em uma organização ?

5. Em que consiste a Inteligência Competitiva ?

6. O que é Business Intelligence ?

7. Quais as características de um sistema de BI ?

8. Quais os fatores essenciais para o sucesso de um processo de Inteligência Compettitiva ?

9. Quais os passos abaixo que não fazem parte de um projeto de Inteligência Competitiva em uma
organização ? (Escolha Duas)
a) Defina os temas de interesse.
b) Defina estratégia de coleta de informações.
c) Identifique todas as fontes de informação não pertinentes.
d) Crie um material básico referente a uma prévia pesquisa.

10. Quais os quatro lados precisamos enxergar na Inteligência Competitiva ?

111
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Exercício - Aula 18

1. Quais são os tipos de operadores dimensionais mais utilizados na manipulação dimensional de


um DW?

2. Em que consiste os operadores Drill-Down e Drill-up ?

3. Em que consiste o operador Drill-across ?

4. Em que consiste o operador Drill-Through ?

5. Quais os produtos existentes no mercado que são julgados como produtos de ótimo desempenho
para aplicação de conceitos de BI ?

112
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Exercício - Aula 19

1. Descreva de forma resumida como funciona o BW da SAP ?

2. Qual o esquema é utilizado para o Modelo Dimensional em um BW ?

113
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

Exercício - Aula 20

1. Descreva de forma resumida como funciona o Oracle Express ?

2. Descreva de forma resumida o Microsoft Analysis Services.

3. A camada Servidora fica responsável pelos serviços OLAP e podem ser modelados na forma de
esquema estrela ou na forma de esquema em flocos e ambos poderão utilizar alguma estrutura
de armazenamento. Quais estruturas estão disponíveis ?

114
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________

115
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________

116
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________

117
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________

118
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________

119
Copyright Faculdade IBTA
IBTA 2021
SI
Sistemas de Informações Gerenciais
Semestre V

______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________
______________________________________________________________________________

120
Copyright Faculdade IBTA