Ava Univirtus 02

22/05/2022 16:04 UNINTER
SISTEMAS DE INFORMAÇÕES
GERENCIAIS – SIG
AULA 2

https://univirtus.uninter.com/ava/web/roa/ 1/23
22/05/2022 16:04 UNINTER
Profª Maristela Weinfurter Teixeira
CONVERSA INICIAL
Sistemas de informações
gerenciais estão relacionados aos processos decisórios das
organizações de
quaisquer tamanhos. Assim como eles estão ligados ao nível estratégico e
tático, os
sistemas de informações estão ligados às áreas operacionais das

empresas.
Ao falarmos de sistemas de
informações, faz-se necessário apenas relembrarmos alguns pontos
importantes.
Um destes pontos encontra-se na definição para sistemas de informações. Para
Stair
(2015), um sistema de informação é definido como um conjunto de elementos

inter-relacionados
para coleta, manipulação e armazenamento dos dados e

informações, e que fornece mecanismos de
retroalimentação para atingir um

objetivo.
Dificilmente conseguimos
imaginar um mundo sem o uso de sistemas de informações
automatizados, sim,
porque o conceito de sistema de informação não necessariamente diz respeito a
algo virtual. Eles estão associados a vendas, anúncios, na produção de bens e
serviços, na emissão de
uma nota fiscal, no planejamento de obras, no controle

de notas das escolas. Da empresa
multinacional até as microempresas locais,

eles estão interagindo com pessoas e outros sistemas.
O elemento mais básico em um

sistema de informações é a própria informação, a qual é o
recurso mais
valioso de uma organização. Termo que não deve ser confundido com dado
(Stair,
2015). Dados são fatos brutos, como preço de um produto, número de

identidade pessoal, que
podem ser constituídos apenas de números, letras, ou

conjunto de caracteres (números, letras e
outros símbolos). O dado sozinho não

possui valor algum. Porém, quando aplicamos então o
conceito de informação, que

é a coleção de fatos organizados e processados, os dados passam a ter
valor
(Stair, 2015). Ou seja, a informação corresponde a um conjunto de dados com
determinado
significado. Logo, um dado é um conjunto de números ou
caracteres, que podem estar armazenados
dentro de um repositório ou banco de

dados, bem como trafegando entre as transações dos
sistemas de informações.
22/05/2022 16:04 UNINTER
Mas não basta que tenhamos

informações, é necessário que elas sejam compreendidas e
possam ser úteis no

apoio a tarefas operacionais ou estratégicas. Ou seja, o conhecimento é que faz
com que as informações possam realmente agregar valor aos negócios. E

conhecimento pode ser
definido com a consciência e compreensão de um conjunto

de informações e maneiras como as
informações são utilizadas na organização
(Stair, 2015).
A automação das organizações mediante

aplicações empresariais é algo cada vez mais acessível
e compreendido por estas

como vital para garantir a produtividade e posteriormente as melhores
decisões
estratégicas do negócio.
O advento das várias

plataformas de serviços na nuvem e aplicativos móveis possibilitou que
várias
empresas, de vários tamanhos, consigam automatizar seus processos conforme seus
orçamentos.
O maior desafio ainda permeia

a implantação de Sistemas de Informações Gerenciais, pois
estamos falando de
ferramentas, metodologias e tecnologias que ainda não estão tão populares para
pequenos e médios negócios. Quando falamos deste tipo de sistemas, estamos
olhando para
ferramentas e aplicações que necessitam processar e armazenar um

volume grande de informações,
bem como tecnologias que auxiliem no processo

decisório, geralmente baseado em Inteligência
Artificial.
TEMA 1 – EVOLUÇÃO DOS SISTEMAS DE INFORMAÇÕES
Historicamente os sistemas de
informações vem passando por avanços tecnológicos e
conceituais, de acordo com

a evolução e constituição das organizações. Em meados dos anos 1950,
dá-se
início à era do processamento de dados, com alguns relatórios gerenciais
provenientes dos
próprios sistemas de informações que na sua maioria, rodavam

em ambientes de mainframe.
Esta situação perdurou até

meados dos anos 1980, quando temos a revolução da
microinformática, das redes

locais e o surgimento de outros sistemas operacionais. Nos anos 1990 é
que a
evolução começa a ficar mais intensa, trazendo consigo a era Windows e logo
após a era Web.
Em menos de uma década, sistemas que antes rodavam em

computadores de grande porte de forma
centralizada, passam pelo paradigma dos sistemas

distribuídos que utilizavam User Interfaces (UIs)
mais amigáveis com os

usuários por meio do Windows. E dentro desta mesma década, já estávamos
22/05/2022 16:04 UNINTER
falando
sobre sistemas que executavam em ambiente Web, trazendo consigo novos conceitos
na
construção de UIs para nossos usuários. Surgiu então o DTD, que derivou o
HTML, posteriormente o
CSS e todo o ecossistema que hoje temos para a

implementação de aplicativos baseados na Web.
A última década foi, então,

abraçada pelos aplicativos móveis e com toda a evolução tecnológica
que
converge para o aperfeiçoamento de nossos algoritmos na busca incessante da melhoria
da
inteligência dos negócios empresariais.
1.1 SISTEMAS DE INFORMAÇÕES EMPRESARIAIS
Sistemas de Informações
empresariais são utilizados no dia a dia no apoio à toda
operacionalização do
ambiente de trabalho nas diversas organizações públicas ou privadas, no Brasil
e no mundo. Podemos categorizá-los em sistemas de comércio eletrônico, de

processamento de
transações, gerenciais e de apoio a decisões.
Os sistemas de comércio
eletrônico (e-commerce e m-commerce) feitos de negócio para negócio
(B2B
– Business to Business), entre empresas e consumidores (B2C – Busines to
Consumer),
consumidores e consumidores (C2C – Consumer to Consumer),

negócios e setor público (B2G –
Business to Government), setores

públicos e consumidores (G2C – Government to Consumer) e setor
público
para setor público (G2G – Government to Government) estabelecem siglas
muito comuns no
mercado. (Stair, 2015).
Algumas empresas conhecidas e

que estão no mundo de e-commerce são:
1. Americanas;
2. Renner;
3. Walmart;
4. Magazine
Luiza;
5. Via
Varejo;
6. Saraiva;
7. Privalia;
22/05/2022 16:04 UNINTER
8. Carrefour.
Observando que elas não estão

em nenhum tipo de classificação, são somente alguns exemplos.
As figuras 1 e 2
ilustram algumas empresas que trabalham dentro do conceito de e-commerce.
Figura
1 – Carrefour e-commerce
Crédito: Devina Saputri/Shutterstock.
Figura
2 – Renner e-commerce
22/05/2022 16:04 UNINTER
Crédito: Gabriel_Ramos/Shutterstock.
Estes são sistemas que vêm

crescendo em velocidade acelerada, porém, a grande base de todas
as transações
de negócios é executada pelos sistemas integrados dentro das organizações.
Antes de entrarmos no assunto

sobre sistemas integrados, vamos falar sobre os sistemas de
processamento de
transações (TPS – Transaction Processing System), que por meio de um
conjunto
organizado de procedimentos, pessoas envolvidas, uma grande base de

dados e um sistema
computacional, conduzem a operação das empresas (Stair,

2015). Os primeiros TPSs surgiram na
década de 1950, e os mesmos automatizavam
sistemas como folha de pagamentos, emissão de
cheques de pagamento, cobrança de

clientes, controle de estoques, entre outros (Stair, 2015). Foi um
grande
avanço no quesito automatização dos processos manuais, no entanto, o grande
problema
encontrava-se na redundância das atividades dos profissionais que

utilizavam estes sistemas, bem
como na redundância dos dados. Os dados ficavam
espalhados por toda a empresa, e a integração
era feita de forma manual, o que

geravam atrasos de fechamentos de mês e de balanços anuais das
empresas.
Há um outro tipo de sistema

categorizado como o sistema de fluxo de trabalho, o qual gerencia,
coordena e
monitora, por meio de regras, a execução de um conjunto de tarefas organizadas
que são
usadas nos processos de negócios. Este tipo de sistema tem por
finalidade o roteamento e
apresentação de documentos e outros recursos

utilizados na melhoria contínua dos processos de
negócio com o intuito de
aumento da produtividade. O tempo gasto pelos colaboradores
preenchendo
formulários, relatórios ou redigitando documentos, são automatizados e
integrados,
facilitando o trabalho de todos (Stair, 2015).
Os sistemas integrados ERP (Enterprise

Resource Planning), que sucederam os sistemas de
processamento de
transações, tornaram-se importantes entre as décadas de 1980 e 1990, e
representavam uma nova forma de gerir negócios. Estes sistemas agora eram
integrados e capazes
de auxiliar no gerenciamento das operações vitais dos negócios

(Stair, 2015). Contando com módulos
como Contas a Pagar, Contas a Receber,
Compras, Faturamento, Materiais, Logística, Chão de Fábrica,
Comercial,
Importação e Exportação, Controladoria, Recursos Humanos, PCP, entre outros que
variam
de negócio para negócio, possibilita que todas as informações, que antes
eram desagregadas, agora
funcionem integradas de forma automática. (Stair,

2015). A figura 3 ilustra alguns destes módulos,
entre eles o módulo de CRM (Customer
Relationship Management), que surgiu no final dos anos
22/05/2022 16:04 UNINTER
1990. Este módulo é

responsável por toda automatização da gestão de relacionamento com o
cliente. O
MRP (Material Requirement Planning) é uma metodologia sucedida pelo MRP
II, que deu
origem à idealização dos Sistemas de ERP. É com base no MRP que a

automatização dos processos
fabris foi concretizada.
Figura
3 – Módulos de um ERP
Crédito: ANANALINE/Shutterstock.
Ao faturarmos um produto, o
mesmo é automaticamente retirado do módulo de estoque, entra
automaticamente na
Nota Fiscal, contabiliza, dispara a programação da produção se for o caso, e no
final do processo encaminha para a separação física do produto e expede por

meio do modal
(terrestre, marítimo, ferroviário, aéreo ou fluvial) necessário
para o cliente (Stair, 2015).
É claro que neste contexto de

explicação, o que nos vem à mente é todo o fluxo de atividades
relacionado a
uma indústria de manufatura de bens. E foi desta forma que os ERPs iniciaram
suas
instalações. Eram as grandes indústrias que possuíam orçamento para
implantação destes. Depois
dos anos 2000, empresas de vários setores da

economia e de vários tamanhos conseguiram também
entrar na onda da implantação
de ERPs alinhados aos ramos de atividade comercial (Stair, 2015).
Ainda na década de 1990 os

projetos de implantação de Inteligência de Negócios mediante
Sistemas de Apoio
à Decisão, Sistemas Executivos e Informações Gerenciais, utilizando-se dos
22/05/2022 16:04 UNINTER
modelos de dados multidimensionais, tornam-se a nova coqueluche do mercado de

sistemas de
informações.
1.2 SISTEMAS DE APOIO À DECISÃO E DE INFORMAÇÕES GERENCIAIS
Os Sistemas de Informações
Gerenciais (MIS – Management Information System) tem por
finalidade a
sintetização de todas as operações realizadas no sistema de ERP. São
ferramentas que
estabelecem objetivos e quantificados, auxiliando no

monitoramento dos resultados e desempenho,
bem como, pode alertar gestores dos
níveis táticos e estratégicos diariamente (O’Brien, 1999).
Poderíamos definir um Sistema

de Informação Gerencial como um “conjunto organizado de
pessoas, procedimentos,
software, bancos de dados e dispositivos, usados para fornecer informações
rotineiras aos gerentes e tomadores de decisões” (Stair, 2015).
Mesmo que os primeiros

sistemas de informação gerencial tenham sido desenvolvidos em 1960,
eles se
tornam mais populares três décadas depois. Inicialmente, eles geravam
relatórios periódicos
(diários, semanais, mensais ou anuais) de acordo com a

preferência dos usuários (Stair, 2015).
Dentro da mesma linha dos

sistemas de informações gerenciais, temos os Sistemas de Apoio à
Decisão (DSS
– Decision Support System), os quais funcionam em parte como os anteriores,
disponibilizando ferramentas para análises e simulações para apoio às

diferentes decisões. Com a
melhoria das tecnologias, nos anos 1980, não somente
os níveis estratégicos possuíam acesso a
informações gerenciais. Os níveis

táticos (gerências, coordenações, supervisões) conseguiam por
meio dos sistemas
de apoio à decisão, reduzir em muito atividades que estavam associadas à tomada
de decisões (Stair, 2015). Este tipo de sistema é muito útil quando há uma
complexidade no número
de informações e as decisões se tornam difíceis. Um
exemplo interessante é quando dois gerentes de
produção estão resolvendo o

mesmo problema com informações diferentes. Isto decorre de suas
características
pessoais, forma de coletar e armazenar seus dados para tomada de decisão. Com o
apoio de um único sistema, ambos podem incluir seus dados e então tomarem a
decisão mais
correta, utilizando-se da visão e experiência de ambos.
Uma outra versão deste tipo de

sistemas são os sistemas de informações executivas. Eles
estabelecem a
agregação de informações gerenciais provenientes dos sistemas de ERP com
informações não estruturadas provenientes de dados de concorrentes e do mercado
possibilitando
22/05/2022 16:04 UNINTER
por meio de resultados gráficos a agilidade na decisão de

executivos das organizações (O’Brien,
1999).
Encerramos as categorizações
dos principais tipos de sistemas de informações e informações
gerenciais
utilizados desde meados dos anos 1950, porém impulsionados pela melhoria
incontestável
de recursos computacionais após os anos 1990.
TEMA 2 – BI E DATA WAREHOUSE
A evolução dos sistemas de

informações gerenciais segue uma linha de tempo conforme a figura
4. Tudo
começou com o que chamávamos de sistemas de apoio à decisão, passando para
sistemas
de informações gerenciais quando em meados dos anos 1990 surge o que
chamamos de inteligência
de negócios (BI – Business Intelligence) (Sharda,

2019). Não somente os conceitos vão mudando, mas
também toda a tecnologia
envolvida. Saímos de volumes de dados armazenados em Kilobytes, para
Gigabytes, Terabytes, Pentabytes, Exabytes, Zettabytes
e já falamos em Yottabytes. Devido à
complexidade do novo mundo dos

negócios globalizado com o volume de dados aumentando
progressivamente,
chegamos em novos conceitos para o gerenciamento das informações: Data
Warehouse e Big Data.
Figura
4 – Evolução dos Sistemas de Informações Gerenciais (baseado em gráfico de
(Sharda,
2019 – Evolução do apoio à decisão, inteligência de negócios e análise

de dados)
2.1 BUSINESS INTELLIGENCE
22/05/2022 16:04 UNINTER
Inteligência de negócios é um
termo considerado guarda-chuva, pois não estamos falando de
uma tecnologia, mas

sim de uma combinação entre arquiteturas, ferramentas, gerenciadores de
bancos
de dados, ferramentas analíticas, aplicativos e metodologias (Sharda, 2019).
O BI tem por finalidade

que haja acesso interativo, até em tempo real, a dados para a
manipulação
destes por gestores e analistas que conduzam análises apropriadas. O processo
todo
baseia-se em transformar dados em informações para que decisões se tornem
em ações (Sharda,
2019).
O Gartner Group, nos anos 1990,

estabeleceu este termo BI. Olhando para uma década anterior,
o que as
empresas possuíam eram sistemas chamados de EISs (Executive Information
Systems). EIS
também não é uma tecnologia, mas sim um conceito assim como

no caso do BI. Executivos e
gestores de empresas contavam com
funcionalidades de extração dinâmica de dados
multimensionais que davam origem

a previsões, tendências e outros fatores importantes para
tomada de decisões
estratégicas (Sharda, 2019).
A figura 5 conecta várias

tecnologias, aplicativos e técnicas que configuram a evolução dos
sistemas de
Inteligência de Negócios (BI).
Figura
5 – Tecnologias, Técnicas e Aplicativos que compõem um BI
Crédito: Haali/Shutterstock.
2.2 DATA WAREHOUSE E DATA MINING
Os Sistemas de Inteligência de
Negócios funcionam de forma diferente dos sistemas baseados
em transações.
Estes não trabalham com processamento de transações online (OLTP – online
22/05/2022 16:04 UNINTER
transcation processing), mas com armazenamento de dados para análise. Uma

das características dos
BIs encontra-se no tratamento dos dados

informatizados por meio do processamento analítico online
(OLAP – online
analytical processing). Sistemas como ERPs, SCMs (Suplly Chain Management)
e CRMs
fornecem informações para os bancos de dados multidimensionais do Data

Warehouse (Sharda,
2019). O OLAP permite que usuários recebam respostas online
sobre questões específicas numa
velocidade razoável em dados armazenados em

bancos de dados com um volume alto de
armazenamento (Laudon, 2012).
Um modelo multidimensional
possibilita que haja várias visões complexas dos dados.
Além do OLAP, um Data

Warehouse utiliza-se de outra tecnologia denominada Data Mining, o
qual é orientado para descobertas. Este oferece percepções sobre todos os dados
contidos nos
bancos de dados corporativos que não possam ser descobertos pelo

OLAP. Outra função importante
de um Data Mining é guiar os processos de
decisão por meio da descoberta de padrões e
relacionamentos que de grandes

bancos de dados inferindo regras para previsão de
comportamentos futuros. Há
vários tipos de informações que são capturados com um Data Mining,
entre
elas informações de associações, sequenciais, classificatórias, de aglomerações
e de
prognósticos (Sharda, 2019).
Data Mining são

sistemas de análise de alto nível em relação a padrões e tendências e revelam
detalhes de dados quando necessário. O Data Mining é orientado para

negócios em suas diversas
subáreas, bem como para pesquisa científica e

trabalhos governamentais. Este é bastante usado
como suporte de previsões e
tendências para área de marketing, identificando os clientes mais
lucrativos
para as empresas (Sharda, 2019). Assim, a figura 6 irá ilustrar uma arquitetura
genérica para
um Data Warehouse.
Figura
6 – Arquitetura Genérica de um Data Warehouse
22/05/2022 16:04 UNINTER
Crédito: JanneStan/Shutterstock.
Caminhando mais um pouco neste

mundo de “garimpo” de dados, uma vez que temos
conhecimento de quão poderosa e

lucrativa pode ser a ferramenta de Data Mining, nos deparamos
com um
desafio em relação à proteção da privacidade (Sharda, 2019). Novamente
esbarramos em
questões éticas dentro dos SIGs. Assim como podemos prever
tendências para o setor de marketing,
acabamos por capturar dados sobre renda,

formas de locomoção, hobbies, detalhes de famílias e
interesses
políticos, e tudo isto converge para um grande perigo de invasão da privacidade
dos
clientes investigados pelo Data Mining.
Um último elemento importante

encontrado na Data Warehouse são os Data Mart, que são
repositórios de dados que se referem a áreas específicas, tais como os
subsistemas de um ERP
(Comercial, Supply Chain, Controladoria, entre outros).
2.3 ANÁLISE PREDITIVA E TEXT MINING
E as ferramentas, técnicas e
tecnologias são muitas, com muitas finalidades. Vamos trabalhar
agora um pouco
sobre a análise preditiva e o Text Mining.
Análise preditiva é uma

técnica utilizada pelos Data Minings, na qual dados históricos e
suposições sobre o futuro, são utilizados para previsão de resultados de
eventos futuros. Como
22/05/2022 16:04 UNINTER
exemplo a probabilidade de um cliente aceitar ou não

determinada oferta de compra de um produto
específico (Sharda, 2019).
Até aqui vimos técnicas e

ferramentas que trabalham sobre nossos dados estruturados. Estes
dados
estruturados estão em nossos bancos de dados corporativos. Mas precisamos
identificar o que
há nos dados não estruturados das organizações. E qual o

local que eles se encontram?
Os dados não estruturados

podem ser encontrados em nossos e-mails, documentos jurídicos,
transcrições de
chamadas de atendimentos ao cliente, relatórios sobre serviços prestados,
pesquisas
qualitativas, entre tantos outros incontáveis documentos que geramos

a cada dia em nossas
empresas.
Há uma estimativa de que mais

de 80% das informações de uma organização não estão
estruturadas e com isto

surge outra necessidade de ferramenta que são os Text Minings. Text
Minings
extraem elementos-chave de um grande conjunto de dados não

estruturado, identificando padrões e
relacionamentos das informações. Uma

excelente aplicação de Text Mining é a análise das
transcrições de
ligações das centrais de atendimento aos clientes, como forma de identificação
dos
principais problemas persistentes nos serviços ou produtos das companhias

(Sharda, 2019).
Além de toda documentação que

pode ser varrida por ferramentas de Text Mining, ainda temos
uma fonte
valiosíssima chamada Web. Analisar padrões, tendências e questões
comportamentais de
consumidores, por exemplo, também é uma rica fonte

informação transformada em conhecimento
por meio da mineração na Web (Web
Mining) (Sharda, 2019).
E a Inteligência de Negócios
não termina por aqui. Trabalhamos dos formatos mais simples aos
mais complexos
na mineração dos dados valiosos para tomada de decisão das áreas estratégicas e
tácitas de nossas empresas. Mas ainda esbarramos em questões de mais e mais

volumes de dados,
bem como processos para analisá-los.
TEMA 3 – BI E BIG DATA
Big Data é a
menina dos olhos dos analistas de dados do momento. Todos querem conhecer e
aprender como utilizar esta nova forma de buscar e analisar dados como apoio ao
processo
decisório.
22/05/2022 16:04 UNINTER
É importante salientar que Big

Data não substitui o que já desenvolvemos e implementamos em
relação ao Data
Warehouse, nem tão pouco é um caso de escolhermos um ou outro.
Cada nova ferramenta, cada

nova tecnologia, cada nova técnica ou metodologia, durante um
tempo, trabalha
em conjunto com as outras que já são vencedoras. Pode ser que em um futuro, não
tão próximo, não estejamos mais falando sobre Data Warehouse, porém
sobre algo muitas vezes que
evoluiu sobre tudo o que já vimos e vivenciamos.

Assim foi e está sendo com o conceito de
Inteligência de Negócios. Há quarenta

anos falávamos sobre Sistemas de Apoio à Decisão, Sistemas
para Executivos e
Sistemas de Informações Gerenciais. Hoje falamos, dentro de um anglicanismo sem
fim, sobre Big Data, Data Warehouse, Data Mining, Text Mining e Web
Mining. O importante é que nós
possamos entronizar os conceitos importantes

tanto do lado dos Sistemas de Informações quanto do
lado das Estratégias de

Negócio.
Com o avanço constante e

extremamente rápido de toda a infraestrutura de TIC (Tecnologia da
Informação e
Comunicação), o que comporta hardware, software e telecomunicação,
conseguimos
processar de forma mais veloz e armazenar um volume assustador de

dados. Isto impulsionou muito
todas as ferramentas (software) que vem sendo

criadas ou melhoradas. E é na carona de tudo isto
que surge o Big Data.
Big Data surge

com a proposta não somente de apoiar o garimpo sobre um enorme volume de
dados,
mas também sobre um variado e complexo repositório de dados global. Neste caso,
nosso
Data Warehouse não consegue competir, por isto falamos que ambos
caminharão juntos. Apenas
uma pequena ideia do que é esta tal complexidade,

vamos olhar para nossas redes sociais. Vamos
elencar apenas algumas delas: Facebook,

Twitter, Pinterest, Instagram e LinkedIn. Algumas
profissionais e outras
pessoais. Em confronto, vamos imaginar os vários dispositivos móveis
utilizados, dentre os quais vamos destacar os smartphones e tablets.

Cada qual com um número
infinito de aplicativos, sejam para trabalho, acessar

empresas financeiras, ou simplesmente para
diversão por meio de jogos. Todos

estes aplicativos por sua vez, podem ser acessados via uma mídia
social com
auxílio de uma tecnologia de autorização (Oauth). Isto é só a ponta de
um iceberg de
dados não estruturados, mas conectados que trafegam

diariamente, segundo a segundo pela grande
aldeia digital global chamada internet.

Aqui nem estamos considerando o uso de RFID (Radio-
Frequency IDentification),
que empresas de varejo, de logística entre outros segmentos do mercado
utilizam. É armazenagem, catalogação e transporte de produtos trocando
informações. O
agronegócio também está muito automatizado, e utiliza-se de

redes de sensores coletando o fluxo
22/05/2022 16:04 UNINTER
de dados em tempo real e fornecendo

informações estratégicas para o processo de plantio e colheita
(Marquesone,
2016). A figura 7 demonstra esquematicamente um pouco dos elementos que
interagem com o RFID.
Figura
7 – Elementos que interagem com o RFID
Crédito: Trueffelpix/Shutterstock.
Uma das principais

características de um Big Data pode ser caracterizada por 3 Vs
(Volume,
Variedade e Velocidade). A Figura 8 exemplifica estes 3 Vs e

inclui mais outros Vs (Veracidade,
Visualização e Viralização).
Figura
8 – 6 Vs do Big Data
Crédito: JanneStan/Shutterstock.
Segundo a consultoria Gartner

Group, (em Marquesone, 2016), Big Data não está restrita às
propriedades
3Vs, mas inclui também outros Vs. Alguns falam em 5 Vs outros
em 6Vs. Além da
variedade, velocidade, volume, visualização, viralização

e valor dos dados, um Big Data precisa
agregar estratégias inovadoras
para um bom retorno da extração dos dados.
Há muita informação
estruturada e não estruturada, relacionada e não relacionada percorrendo
as
atividades cotidianas das organizações e nas redes sociais globais, logo, qualquer
empresa, de
22/05/2022 16:04 UNINTER
qualquer tamanho, pode pensar em utilizar este novo conceito na

utilização seus dados e dados
públicos para melhorar o perfil

estratégico-decisório de seu negócio.
TEMA 4 – OS RUMOS DA INTELIGÊNCIA DE NEGÓCIOS
Relembrando que BI não

é uma ferramenta ou uma técnica, mas sim o conjunto de tecnologias,
ferramentas
e técnicas, por isso estabelecer os rumos de algo que é apenas conceitual é um
tanto
quanto difícil. Para tanto, vamos elencar alguns elementos que são
importantes para então
direcionarmos melhor nossa conversa. São eles: RFID e

sensores (como tecnologias para geração e
aquisição de dados), Data

Warehouse (o qual é outro conceito que produz relatórios e análises),
Mídias Sociais (como aquisição de dados por meio de Data, Text e Web
Mining), ETL (na conversão de
dados dos sistemas legados (ERP, CRM, SCM)
para repositórios por assuntos nos Data Marts), OLAP
(responsável pela
análise dinâmica e multidimensional dos dados), Análise Preditiva, Prescritiva
e
Descritiva, e BAM (Business Activity Management, um middleware

híbrido que utiliza serviços Web
para monitoramento de eventos empresariais-chave)

(Sharda, 2019). Acrescentando o uso mais
intenso de Artificial Intelligence,
inovações como Storytelling para análise de dados, linguagem
natural na
interação de usuários com ferramentas e o uso de serviços de BI na
nuvem.
Muitas das ferramentas citadas

anteriormente podem ser adquiridas, desenvolvidas ou
adquiridas sob a forma de

licenças de uso. O website tdwi.org é muito interessante como ponto de
partida para aprendizado e conhecimento sobre as tendências de ferramentas,

técnicas e ideias.
As ferramentas existentes no
mercado para BI são bem diversificadas, sendo que a maioria delas
são
pré-programáveis (shells). Assim o cliente pode customizar de acordo com sua
realidade
organizacional (Sharda, 2019).
Segundo Tableau (2020), as

tendências relacionadas Business Intelligence, seja por meio de Data
Warehouse ou Big Data são:
1. Artificial
Intelligence (AI) – evolução e novos elementos relacionados a inteligência
artificial nas ferramentas;
2. Natural
Language Processing (NLP) – aplicação de linguagem natural combinando
ciência
da computação e linguística, fornecendo maior facilidade na interação entre
usuários e
ferramentas;
22/05/2022 16:04 UNINTER
3. Análises
acionáveis que aceleram o processo de tomada de decisões, mantendo os
usuários
dentro do seu contexto de seus fluxos de trabalho e processos de negócios;
4. Dados
para o bem é uma iniciativa que já conta com grande engajamento com auxílio
das
mídias sociais e que promove o uso de dados públicos e privados protegendo os
indivíduos
que têm seus dados coletados;
5. Códigos
de ética como GDPR e LGPD;
6. Curadoria
de dados por meio da implantação de BI mais moderna, gerando melhorias
nos processos de governança e gerenciamento pelo acesso mais abrangente aos

dados;
7. Aplicação
de Storytelling às informações dando uma nova roupagem à extração e
análise
dos dados;
8. Maior
foco nas estratégias de uso das análises extraídas dos sistemas de BI.
Não bastam
que haja dados, mas também estratégias de uso mais adequadas ao
conhecimento adquirido
como vantagem competitiva;
9. Destaque
ao profissional chamado cientista de dados. São especialistas em
aprendizagem de máquina, estatística, matemática, Big Data e outras

tecnologias emergentes
em relação ao BI;
10. Utilização
dos serviços na Nuvem para acelerar o processo de modernização dos BIs.
Temos um caminho cheio de

oportunidades para crescimento competitivo das organizações,
melhorias nos
serviços públicos, surgimento e amadurecimento de várias profissões na área de
software
e dados e grandes desafios éticos em mantermos a privacidade das pessoas que
tem seus
dados coletados.
TEMA 5 – VIVENCIANDO EXPERIÊNCIAS NO PROCESSO DECISÓRIO

POR MEIO DE SIG
Mediante dois pequenos estudos

de caso vamos trabalhar duas situações reais sobre a aplicação
de Data
Mining para gerenciamento de problemas com resultados muito importantes no
processo
decisório.
22/05/2022 16:04 UNINTER
Nossos dois casos, baseados em

casos estudados em (Laudon, 2012), irão utilizar dois cenários:
1. Mineração
de texto, para a descoberta de padrões e relacionamentos num grande
conjunto de
dados não estruturados, (e-mails, conversas telefônicas transcritas, postagens
em
blogs, pesquisas online e tweets);
2. As
plataformas digitais móveis, com milhões de pessoas ligando, enviando mensagens
de texto, pesquisando, usando aplicativos, comprando, escrevendo e-mails e

utilizando as redes
sociais.
Os consumidores mudaram diante

das inovações tecnológicas. Agora eles colaboram,
compartilham informações e
influenciam outros clientes com suas opiniões.
E tudo isto são dados não

estruturados que precisamos gerenciar para compreendermos nossos
clientes, suas
preferências e o que precisamos melhorar.
Nossa primeira empresa

escolhida, a JetBlue (
<https://www.jetblue.com/>), empresa
global de
viagens, acredita que os dados podem oferecer percepções exclusivas
sobre o comportamento dos
clientes. Ela passou por uma situação difícil com o

descontentamento de muitos clientes devido ao
cancelamento de vários voos

devido a uma tempestade de gelo. Ela recebeu mais de 15.000 e-mails
por dia com

reclamações, quando seu nível normal de e-mails era de 400 por dia.
A empresa contratou então uma

empresa para auxiliá-los na análise de texto para conseguir
compreender os mais
de 15.000 e-mails. Isto permitiu extrair rapidamente os sentimentos,
preferências e solicitações que não era possível mapear de maneira manual. Foi
utilizada uma
ferramenta com tecnologia proprietária para identificar

automaticamente fatos, opiniões, solicitações,
tendências e pontos
problemáticos. Esta ferramenta analisou não somente os e-mails, que eram
inicialmente o grande problema, mas também notas de serviços, respostas de
pesquisas, fóruns na
web, artigos e notícias referentes à JetBlue.
A tecnologia é capaz de
identificar com precisão as “vozes” dos clientes ao expressarem seu
feedback,
tanto negativos quanto positivos.
Esta foi uma pequena aplicação

de Text Mining, que identificou eventos e relacionamentos
importantes
sobre as intenções dos clientes em relação à JetBlue.
22/05/2022 16:04 UNINTER
A ferramenta utilizada revelou

questões sobre produtos e serviços específicos que foram
rapidamente
trabalhadas pelo departamento de marketing e relações públicas, em um esforço
de
resgatar a reputação da empresa.
A solução adotada pela JetBlue

foi desenvolver uma declaração de direitos do cliente e abordou
os principais
problemas com os clientes em relação às redes de hotéis, em especial às redes
Gaylord
Hotels and Choice Hotels.
Nosso segundo caso é sobre a

Wendy’s International, uma cadeia de restaurantes dos Estados
Unidos que vende hambúrgueres

em formato quadrado e à moda antiga. Depois de Burger King,
McDonald’s e
Subway, é a quarta maior cadeia de fast-food dos Estados Unidos.
Com mais de 500.000 mensagens

de fóruns de feedback, transcrições de notas de call centers,
mensagens
de e-mail e pesquisas baseadas em recibos e mídias sociais, a Wendy’s buscou no
mercado um software que a auxiliasse na sintetização e análise destes

documentos não estruturados.
O software escolhido foi o

Clarabridge, que foi concebido para que seus clientes alcancem
decisões
importantes sobre a experiência de seus clientes (CX – Customer Experience).
Voltando à Wendy’s, a empresa

levava semanas para analisar as pesquisas feitas com os clientes,
mas depois da
implantação da plataforma de CX Clarabridge, o tempo foi significadamente
diminuído.
Os gestores da Wendy’s
conseguiram agilizar a análise, detectaram emergentes problemas, bem
como
identificaram áreas problemáticas da empresa em vários níveis do grupo: loja,
regional e
corporativo.
Estes dois pequenos estudos

de casos apontam para o grande desafio no aumento do volume
de dados não
estruturados que as empresas estão expostas diante da nova era digital. E
demonstra
um dos vários usos da mineração de textos na melhoria do processo de

tomada de decisões
corporativa.
Como sempre estamos falando,

sistemas de informações gerenciais não são compostos por
várias tecnologias,
técnicas e metodologias para o apoio nos processos decisórios, podendo ser
desde a aplicação de uma mineração de dados, até o conjunto de várias

tecnologias para se chegar
às melhores soluções.
22/05/2022 16:04 UNINTER
FINALIZANDO
Nossos sistemas de informações

gerenciais são extremamente importantes para a tomada de
decisões, das mais

pontuais às mais estratégicas da corporação.
Estes podem se utilizar de um

grande e complexo volume de dados locais ou globais, que estão
em bases de
dados estruturadas e não estruturadas.
Discorremos até aqui sobre a

evolução dos sistemas de informações, relembrando seu histórico
nos anos 1950

até os dias de hoje, bem como sobre a evolução tanto tecnológica quanto de
complexidade dos negócios. Também discutimos sobre os primeiros sistemas de
transações, os quais
tinham suas bases isoladas e nada integradas, que serviam

apenas a cada departamento específico
da organização. Na sequência, discutimos

um pouco sobre os sistemas de recursos empresariais
(ERPs), que deram origem à
grande automação dos processos internos das empresas. Diante deste
episódio, a
base de dados se tornou única, com todos os departamentos compartilhando dados por
meio de funcionalidades sobre uma base única. Isto gerou integridade,

confiabilidade dos dados e
principalmente, agilidade no processo global,

tornando a maioria dos processos manuais em
automatizados.
Chegamos então nos sistemas de

suporte à decisão e os sistemas gerenciais. Cada qual, com sua
característica,
mas de forma geral automatizando o processo decisório organizacional.
Compreendemos que os sistemas

gerenciais continuam em acelerada evolução, partindo dos
suportes à decisão
para os Data Warehouses e ao Big Data. Ambos, mesmo que
equidistantes no
tempo, não possuem exatamente a mesma finalidade, para tanto,

um não substitui o outro. Formam
um bom combinado para que a empresa construa

seu maior ativo de valor: o conhecimento.
Antes falávamos sobre

Kilobytes, Gigabytes e até Terabytes. Atualmente, falarmos sobre
Pentabyte,
Exabyte, Zettabyte, Yottabyte e seus sucessores não nos assusta. Isto
impulsionou o que
tanto falamos de volume de dados. Mas é no cruzamento de

volume com complexidade (dados
estruturados e não estruturados) é que nossos

conceitos de Data Warehouse e Big Data entram.
Mesmo mudando o
mercado de trabalho e subdividindo mais uma vez, profissões para relacionadas
ao desenvolvimento de software e manipulação de dados. O grande assunto do
final dos anos 70 até
meados dos anos 90 ficou por conta dos modelos de bancos

de dados relacionais. Conseguimos sim
melhorar e reorganizar as informações

estruturadas das organizações. Porém, assim que deixamos a
22/05/2022 16:04 UNINTER
casa literalmente em
ordem, o advento da Web nos coloca diante do grande desafio das informações
não
estruturadas e distribuídas em vários aplicativos e em vários formatos.
Diante de tal grau de

diversidade tecnológica, combinamos conceitos e ferramentas como OLAP,
análise
preditiva, análise descritiva, análise prescritiva, mineração de dados,
mineração de textos,
mineração web, ScoreCards, Dashboards entre tantos

outros elementos, todos debaixo do nosso
guarda-chuvas conceitual chamado Business
Intelligence.
Nosso Business Intelligence

é um objeto de atenção tanto do lado dos negócios quanto da área
de TI. Do
nosso lado, nossas preocupações vão além dos negócios. São tecnologias e
artefatos
dispersos em redes sociais, dispositivos móveis, IoT, RFID, ETL, Data

Mart, Artficial Intelligence, e-
mails, fóruns, marketing digital,

extração de dados e conversões de dados. E toda esta complexidade
nos dá um
terreno fértil para inovarmos com foco no aprimoramento do valor dos dados para
as
empresas.
Visualizando nosso futuro

tecnológico, nossos pés permanecem neste aglomerado de
tecnologias já
discutidas até aqui, mas nossa cabeça deve viajar em 3 situações não tão
distantes de
nossa atual realidade: Artificial Intelligence, Storytelling

e as leis de privacidade (LGPD, GDPR).
Inteligência Artificial é uma

área ampla, mas o que mais se adequa ao nosso contexto de volume
e complexidade
de dados são as subáreas de Machine Learning, redes neurais, algoritmos
genéticos,
agentes inteligentes e sistemas especialistas.
Storytelling,
estranhamente associada à inteligência de negócios é algo realmente bem novo e
pouco maduro. Normalmente este termo está associado às áreas mais criativas,
como Design Visual,
User Experience e Publicidade. Ele entra

justamente como forma de socializar os resultados das
análises sobre os dados.

Por vezes é difícil que consigamos expor exatamente os resultados dos
dados. A
atividade de storytelling nos possibilita a difusão do conhecimento de
uma forma criativa,
memorizável e agradável.
Finalmente, não menos

importante, as leis da privacidade dos dados, sendo adotadas em todos
os
países, é uma preocupação constante. Nossos dados estão circulando pelas redes
no Brasil, do
Iapoqué ao Chuí e no mundo do Polo Norte ao Polo Sul. E quais dados?

Hoje não temos controle.
Tudo aquilo que fornecemos nas redes sociais, nas
lojas de e-commerce, para os governos, para
testarmos aplicativos,
jogos, música, podcasts, quando marcamos nossas atividades nas redes
sociais,
22/05/2022 16:04 UNINTER
incluindo fotos, datas, pessoas. Todo este conglomerado de informações

que dispomos
espontaneamente, estão circulando. Por meio das leis, como LGPD e

GPDR, começamos a ter certa
segurança em relação aos nossos dados.
Conseguiremos pedir para que eles sejam excluídos de
determinadas bases de
dados, desde que nos lembremos por onde passamos.
REFERÊNCIAS
O’BRIEN,
J. Management Information Systems – Managing Information Technology
in the
Internetworked Enterprise. Boston: Irwin McGraw-Hill,
1999.
STAIR, R. M.; REYNOLDS,

G. W. Princípios de sistemas de informação: uma abordagem
gerencial. 11.
ed. Boston: Cengage Learning, 2015.
SHARDA, R. et al. Business

intelligence: e análise de dados para gestão do negócio. Porto
Alegre: Bookman, 2019.
LAUDON,
Kenneth C.; LAUDON, J. P. Management information systems: managing the
digital
firms. 12. ed. London: Prentice hall, 2012.
MARQUESONE, R. Big
Data: técnicas e tecnologia para extração de valor dos dados. São Paulo:
Casa
do Código, 2016.
AUDY, J. L. N.;
ANDRADE, G. K. de; CIDRAL, A. Fundamentos de sistemas de informação.
Porto
Alegre: Bookman, 2007.
Tableau. Disponível em:
<https://www.tableau.com/sites/default/files/blocks/2019_bi_trends_report_pt-br_1.pdf>.
Acesso em:
09 mar. 2021.
22/05/2022 16:04 UNINTER

Ava Univirtus 02

Enviado por

Dados do documento

Descrição original:

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Ava Univirtus 02

Enviado por

Direitos autorais:

Formatos disponíveis

22/05/2022 16:04 UNINTER

Profª Maristela Weinfurter Teixeira

sistemas de informações estão ligados às áreas operacionais das

(2015), um sistema de informação é definido como um conjunto de elementos

para coleta, manipulação e armazenamento dos dados e

retroalimentação para atingir um

uma nota fiscal, no planejamento de obras, no controle

multinacional até as microempresas locais,

O elemento mais básico em um

2015). Dados são fatos brutos, como preço de um produto, número de

podem ser constituídos apenas de números, letras, ou

outros símbolos). O dado sozinho não

conceito de informação, que

dentro de um repositório ou banco de

Mas não basta que tenhamos

possam ser úteis no

com que as informações possam realmente agregar valor aos negócios. E

definido com a consciência e compreensão de um conjunto

A automação das organizações mediante

e compreendido por estas

O advento das várias

O maior desafio ainda permeia

ferramentas e aplicações que necessitam processar e armazenar um

bem como tecnologias que auxiliem no processo

TEMA 1 – EVOLUÇÃO DOS SISTEMAS DE INFORMAÇÕES

conceituais, de acordo com

próprios sistemas de informações que na sua maioria, rodavam

Esta situação perdurou até

microinformática, das redes

Em menos de uma década, sistemas que antes rodavam em

centralizada, passam pelo paradigma dos sistemas

mais amigáveis com os

CSS e todo o ecossistema que hoje temos para a

A última década foi, então,

1.1 SISTEMAS DE INFORMAÇÕES EMPRESARIAIS

e no mundo. Podemos categorizá-los em sistemas de comércio eletrônico, de

transações, gerenciais e de apoio a decisões.

consumidores e consumidores (C2C – Consumer to Consumer),

Business to Government), setores

mercado. (Stair, 2015).

Algumas empresas conhecidas e

Observando que elas não estão

Crédito: Devina Saputri/Shutterstock.

Estes são sistemas que vêm

Antes de entrarmos no assunto

organizado de procedimentos, pessoas envolvidas, uma grande base de

computacional, conduzem a operação das empresas (Stair,

cheques de pagamento, cobrança de

encontrava-se na redundância das atividades dos profissionais que

era feita de forma manual, o que

Há um outro tipo de sistema

apresentação de documentos e outros recursos

Os sistemas integrados ERP (Enterprise

de auxiliar no gerenciamento das operações vitais dos negócios

funcionem integradas de forma automática. (Stair,

1990. Este módulo é

origem à idealização dos Sistemas de ERP. É com base no MRP que a

final do processo encaminha para a separação física do produto e expede por

É claro que neste contexto de

dos anos 2000, empresas de vários setores da

Ainda na década de 1990 os

modelos de dados multidimensionais, tornam-se a nova coqueluche do mercado de

1.2 SISTEMAS DE APOIO À DECISÃO E DE INFORMAÇÕES GERENCIAIS