Escolar Documentos
Profissional Documentos
Cultura Documentos
2. Conceitos Fundamentais:
Dados/Data:
Os dados são a matéria-prima através da qual a informação é produzida; a
qualidade, confiabilidade e integridade dos dados têm de ser mantidos para que a
informação seja útil. Dados são factos crus e figuras que não estão organizadas de forma
alguma.
Os dados descrevem produtos, consumidores, eventos, atividades e transações
que são gravadas, classificadas e armazenadas.
Tipos:
Sistema de informação:
É uma combinação de tecnologias de informação e das atividades das pessoas
que usam a tecnologia para dar suporte aos processos de negócios, operações, gestão e
tomada de decisão em diferentes níveis da organização.
Um SI é um conjunto de componentes interrelacionadas que recolhe, processa,
armazena, analisa e distribui dados e informação tendo em vista um objetivo específico.
Componentes:
4 componentes:
- Tecnologia: Hardware, Software e
Network
- Procedimentos
- Pessoas
- Dados
> Hardware:
Qualquer dispositivo físico utilizado num SI informático.
Exemplos incluem: unidade de processamento central (CPU), placa de som, placa de
vídeo, placa de rede, disco rígido, tela, teclado, placa-mãe, processador, fonte de
alimentação, modem, rato e impressora.
> Software:
Um conjunto de instruções legíveis por máquina (código) que compõem um aplicativo de
computador que direciona o processador de um computador para executar operações
específicas. O software de um computador é intangível, em contraste do hardware do
sistema, que é o componente físico de um SI.
Exemplos incluem: navegador de internet, sistema operacional (SO), Microsoft Office,
Skype…
> Rede/Network:
Uma combinação de linhas, fios e dispositivos físicos conectados uns aos outros para
criar uma rede de telecomunicações. Em redes de computadores, dispositivos de
computação em rede trocam dados uns com os outros usando um link de dados. As
conexões entre nós são estabelecidas usando cable media ou wireless media. As redes
podem ser internas ou externas, se estiverem disponíveis apenas internamente dentro de
uma organização, são chamadas de “intranets”. Se estiverem disponíveis externamente,
são chamadas de “internets”.
O Exemplo mais conhecido de uma rede de computadores é World Wide Web.
> Pessoas:
Qualquer pessoa envolvida no desenvolvimento, operação e utilização de um SI.
Exemplos incluem: analistas, programadores, operadores de help desk e usuários finais.
> Procedimentos:
Documentação contendo instruções sobre como usar os outros componentes de um SI.
Exemplos incluem: manual operacional e manual do usuário.
> Dados:
Factos, números brutos ou desorganizados (como faturas, pedidos, pagamentos,
detalhes, números de produtos, preços de produtos) que descrevem condições, ideias ou
objetos.
Ciclo IPOS:
IPOS: Input, Processing, Output, Storage
IPOS é o ciclo de entrada (inputting), processamento (processing), saída
(outputting) e armazenamento (storage) num sistema de informação:
Tipos de SI:
Para a finalidade de transformar dados brutos em sabedoria, uma hierarquia de
diferentes tipos de sistemas de informação (SIs) deve ser implementados:
- Transaction Processing Systems (TPS): Sistemas de processamento de
transações;
- Management Information Systems (MIS): Sistemas de informação de gestão;
- Decision Support Systems (DSS): Sistemas de suporte à decisão;
- Executive Information Systems (EIS): Sistemas de informações executivas.
SI e Fluxos de Dados:
Tecnologias de informação (TI/IT):
Conceito:
- elementos eletrónicos de um sistema de informação
- tecnologia usada na obtenção, no processamento, na distribuição e na utilização de
dados e informação
- o conceito engloba:
- as “características físicas”: hardware, software e tecnologias de
comunicação/network;
- os dados.
SI vs. TI:
- SI:
Conjunto de componentes interrelacionadas que recolhe, processa, armazena, analisa e
distribui dados e informação, tendo em vista objetivo(s) específico(s);
Referem-se à recolha, ao processamento, ao arquivo, à análise e à disseminação da
informação, com vista a facilitar que as organizações/empresas atinjam os seus objetivos
e a apoiar a tomada de decisão e os processos de negócio (porquê?/para quê?);
- TI:
Tecnologia usada na obtenção, no processamento, na distribuição e na utilização de
dados e informação;
Referem-se à componente tecnológica (sistemas computacionais) dos SI, que permite a
recolha, o processamento, o arquivo, a análise e a disseminação da informação (como?).
Papel nas organizações/empresas:
- Permitem/podem processar enormes quantidades de dados e informação (e armazenar
esses dados de forma a que possam ser facilmente acedidos e utilizados);
- Permitem a automatização de processos já existentes (mais facilidade, rapidez e
precisão);
- Permitem estabelecer ligações dentro e fora da empresa (com colaboradores, clientes,
fornecedores,…);
- Permitem expandir e difundir conhecimento/sabedoria;
- Fornecem instrumentos de apoio à tomada de decisão.
Impactos potenciais nas organizações/empresas:
- Dinamizar a comunicação;
- Melhorar a colaboração dentro da organização;
- Facilitar a melhoria da produtividade/eficiência;
- Facilitar a melhoria da qualidade (dos produtos, sejam bens e/ou serviços; dos
processos);
-…
Evolução Tecnológica:
Em 1965, o químico Gordon E.Moore (um dos fundadores da Intel) previu que:
- o poder de processamento dos computadores duplicaria a cada ano e meio (18 meses);
- o número de circuitos (transístores) disponíveis num chip de computador iria duplicar,
mas o preço de cada chip manter-se-ia constante;
- e assim tem sido ao longo de quase 50 anos, com crescimento exponencial.
Concorrência e TI:
A importância da revolução da informação não está em discussão. A questão não
é se a tecnologia da informação terá um impacto na posição competitiva de uma empresa;
em vez disso, a questão é quando e como esse impacto será atingido. Empresas que
antecipam o poder da tecnologia da informação estarão em controlo dos eventos ao
passo que empresas que não tenham uma resposta serão forçadas a aceitar mudanças
que os outros iniciarem e, por isso, vão se encontrar em desvantagem competitiva.
Exemplos:
1. Uber: plataforma tecnológica que liga pessoas: pessoas que se querem deslocar numa
cidade a pessoas disponíveis para levar as primeiras onde elas querem ir. Uber vs. Táxis;
2. iTunes (compra e venda online de músicas): a simples compra e venda online de
música pode alterar drasticamente as regras do jogo:
3.Spotify e Apple Music (da venda online de músicas ao streaming): com a evolução das
TI, alteram-se os modelos de negócio.
4. Farfetch: modelo de negócio com novos intermediários.
Oportunidades e Desafios:
O acesso das organizações/empresas a dados e informação sobre consumidores/clientes:
- permite melhorar o desempenho e a competitividade;
- por exemplo, saber o que o cliente quer, onde e quando (data analytics);
- por exemplo, saber o que o cliente gosta/não gosta (via redes sociais: gostos e
comentários).
> SMAC Model:
Social, Mobile, Analytics, Cloud
- Centros de dados enormes acessíveis via internet, formam o núcleo para a nuvem
através do fornecimento de acesso 24h por dia, 7 dias por semana a armazenamento,
aplicativos e serviços;
- Handheld, wearables e os seus usuários formam a borda da nuvem;
- Social channels conectam o núcleo e a borda;
- A integração SMAC cria os serviços e a infraestrutura necessária para negócios digitais.
» Social:
- Social networking, por exemplo: Facebook e Twitter;
- Social commerce, por exemplo: Kickstarter – crowdfunding – integra: social networking,
e-commerce e sistemas de financiamento e de pagamento.
» Mobile:
- m-business:
- utilização de dispositivos móveis, sem fios, para efetuar compras e conduzir
negócios;
- impactos nos comportamentos dos consumidores: estratégias de m-commerce
baseadas em abordagem omnicanal; utilização de apps, web apps.
Exemplos: location based service apps, como uber e google maps; augmented reality
(AR) apps, como o IKEA place e o Pokémon Go.
» Data Analytics:
- resultou do grande crescimento dos dados digitais;
- tem potencial enorme na análise dos comportamentos dos clientes/consumidores (mas
não só, claro);
- inclui modelos preditivos: data mining.
Exemplos: a Target e o envio para grávida(s) de cupões para roupas de bebé; folhetos de
supermercado personalizados e cupões de desconto em função de compras anteriores.
» Cloud:
A cloud é um termo para computadores em rede, incluindo a internet pública.
Frequentemente “cloud” significa “internet”. Cloud computing (ou cloud infrastructure ou
cloud services) não se refere a um arranjo específico, mas sim a vários arranjos de
computação e rede.
A cloud permite aceder a grandes quantidades de armazenamento e
processamento.
> Internet of Things (IoT):
Rede de objetos físicos ou “coisas” incorporadas com eletrônica, software, sensores e
conectividade de rede que permite que esses objetos coletem e troquem dados.
> Outras Tendências:
- 5G
- Blockchain
- Artificial Intelligence (AI)
- Robotic Process Automation (RPA)
-…
Nos últimos anos, as TI têm trazido a muitas organizações/empresas:
- vantagens competitivas;
- crescimento;
- inovação.
Nos últimos anos as TI têm permitido o desenvolvimento de novas carreiras e têm estado
na origem de:
- novos produtos, bens e/ou serviços;
- novos mercados;
- novos negócios e/ou negócios disruptivos, por exemplo: Amazon Go, Uber,
Netflix, Kickstarter.
2. Gestão da Informação. Business Intelligence
1. Introdução:
A recolha e manutenção de dados confiáveis (trusted data) é um aspeto
crítico de qualquer negócio (organização). Com o avanço dos computadores, o
volume de dados recolhidos e armazenados pelas organizações tem crescido
exponencialmente ao longo dos últimos 20 anos, ao lado de novas tecnologias que
o suportam. A gestão destes vastos volumes de dados é um desafio importante
das organizações atuais.
Saber como e onde encontrar os dados, armazená-los (e organizá-los de
forma) eficientemente, analisar as novas formas como os dados podem aumentar
a vantagem competitiva da organização, e permitir às pessoas certas o seu
acesso no momento certo, são os componentes fundamentais na gestão do
sempre crescente volume de dados corporativos.
A confiabilidade das decisões de negócio depende do acesso a dados de
elevada qualidade, oportunos e de fácil acesso e a qualidade dos dados depende
da dependabilidade e eficiência da escolha da forma de gestão de dados da
organização.
2. Data Management:
Conceito:
É a gestão do fluxo de dados desde a sua criação e armazenamento inicial
até que esses dados se tornarem obsoletos e sejam eliminados.
Devido ao incrível volume de dados que a típica organização cria, uma
gestão de dados eficiente é vital para prevenir um grande aumento dos custos de
armazenamento e para controlar o crescimento dos dados enquanto suportam
uma performance melhor.
Objetivos de uma Gestão de dados eficiente:
Os mais importantes são:
- mitigar os riscos e custos de obedecer às regulações que existem;
- assegurar que os requerimentos legais são cumpridos;
- salvaguardar a segurança dos dados;
- manter precisão dos dados e disponibilidade;
- assegurar a consistência dos dados que vêm ou vão para as múltiplas
localizações;
- assegurar que os dados estão em conformidade com as melhores práticas da
organização.
Benefícios da Data Management:
- Maior conformidade;
- Maior segurança;
- Menores responsabilidades legais;
- Melhorar vendas e estratégias de marketing;
- Melhor classificação dos produtos;
- Melhor governo dos dados para reduzir os riscos.
Database:
É uma coleção de conjuntos de dados (data sets) ou registos armazenados
de forma sistemática.
Data Warehouse:
É um grande data set que integra dados de várias databases e data silos
ao longo de toda a organização e organiza-os para análises complexas,
conhecimento, descoberta e para apoiar a tomada de decisão.
“the single source of data truth of an organization”
(Os dados não podem ser todos mantidos eternamente, escolhem-se os dados
que se querem preservar e simplificam-se, armazenando-os num data warehouse,
tornando-os mais acessíveis)
Exemplo: os dados são extraídos de uma database, processados para
estandardizar o seu formato e, em seguida, carregados num data warehouse em
horários específicos, como semanalmente. Assim, os dados num data warehouse
não são voláteis e estão prontos para serem analisados.
(É também importante identificar quem colocou os dados no data warehouse, de
modo a ser possível esclarecer imprecisões e obter informações adicionais – os
dados aí presentes devem ser facilmente compreendidos por todos)
Data Mart
É um data warehouse de pequena escala que suporta uma única função ou
departamento. Ou seja, empresas que não podem investir em data warehousing
podem começar com uma ou mais data marts.
From Databases to Data Warehoue(s)/ Data Mart(s)
Em geral, os dados são movidos em três etapas principais:
1. São extraídos de databases designadas;
2. São transformados pela estandardização dos seus formatos, limpando os dados
e integrando-os;
3. São carregados num data warehouse.
Os dados têm de passar por um processo ETL: Extract Transform Load
O diagrama anterior como é que uma arquitetura database, data warehouse e
data mart típica criam dados disponíveis para acesso e análise pelos usuários:
- os dados da organização dos operational transaction processes systems) são
armazenados em databases operacionais (lado esquerdo);
- nem todos os dados são transferidos para o data warehouse, frequentemente,
apenas os dados resumidos são transferidos (apenas os dados históricos que
podem ser relevantes para análises futuras são transferidos);
- o data warehouse organiza os dados de múltiplas maneiras – por assunto, área
funcional, fornecedor, e produto.
Como mostra o diagrama, a arquitetura do data warehouse define o fluxo de dados
que começa quando os dados são capturados por sistemas de transação
(transaction systems):
- os dados de origem são armazenados em databases transacionais
(operacionais);
- processos ETL movem os dados para data warehouses ou data marts, onde os
dados estão disponíveis para acesso, relatórios e análises adicionais realizadas
por business intelligence (BI) e ferramentas de análise de dados mais avançadas.
Data Governance:
É a gestão geral da disponibilidade, utilidade, integridade e segurança dos
dados usados numa empresa. Com um programa de data governance eficaz, os
gestores podem determinar de onde vêm os seus dados, quem os possui e quem
é responsável pelo quê.
Um programa de data governance sólido inclui um corpo governante, um
conjunto definido de procedimentos e um plano para executar esses
procedimentos.
O sucesso de cada estratégia ou esforço de marketing orientado por dados
depende de uma data governance efetiva que tenha políticas e procedimentos
formais altamente desenvolvidos para controlar dados corporativos.
Quando não existe:
Principais características e consequências de uma fraca ou inexistente data
governance:
- a duplicação dos dados causa data silos isolados (e quando um se atualiza o
outro não é automaticamente atualizado);
- existem inconsistências no significado e nível de detalhe dos elementos dos
dados;
- usuários não confiam nos dados e perdem tempo a verificá-los em vez de os
analisarem para uma tomada de decisão apropriada;
- leva a análises de dados imprecisas;
- são tomadas más decisões com base na perceção e não na realidade, o que
pode afetar negativamente as empresas e os seus clientes;
- resulta em aumentos de cargas de trabalho e tempo de processamento.
Benefícios:
> Aprimora a conformidade regulamentar:
- os regulamentos governamentais e requisitos de conformidade
aumentaram significativamente na última década;
- as empresas que não cumprem com leis de privacidade, fraude, anti
lavagem de dinheiro, ciber segurança, segurança ocupacional, relatórios
financeiros ou GDPR etc, enfrentam penalidades severas;
> Tomada de decisão mais eficiente:
- maximiza o uso dos dados para tomar decisões mais rápidas e com maior
certeza.
> Compreensão de dados aprimorada:
- quando bem implementada, a data governance fornece uma visão
abrangente de todos os ativos, juntamente com uma maior responsabilidade por
dados específicos.
> Aumento das receitas:
- decisões melhores e mais rápidas tomadas com maior certeza, resultam
em menos erros dispendiosos como falsas partidas e violação de dados.
Information Management:
É o processo de recolha, armazenamento, gestão e manutenção dos
dados que são precisos, oportunos, confiáveis, válidos, disponíveis, únicos e
relevantes para a organização.
Atualmente, a dificuldade não é a recolha de dados, mas sim a sua qualidade,
tratamento e organização. Nas empresas, a dificuldade é gerir os dados para que
tenham qualidade, sejam relevantes e possam ser acedidos, de modo a que
possam apoiar a tomada de decisão.
Data Life Cicle: