Aula 4a SI Proces Gerencia

Sistemas de Informação

Aula 4

Profa. Msc. Dorlivete M. Shitsuka

Conteúdo:

•Sistema de informação Gerencial. BI

Objetivo:

•Sistemas de Informações Gerenciais (conceitos (noções básicas), importância e componentes).

•Business Inteligence (ferramenta estratégica nas organizações para o gerenciamento e as tomadas de decisões).

Papéis das aplicações dos SIs

Tendências em Sistemas de Informação

ee--BusinessBusiness e ee e--commerce no ano de 1990 a 2000commerce no ano de 1990 a 2000

♦ Sistemas de e-business e e-commerce interconectados

♦ Empresas interconectada e operações de e0business em rede global e comércio eletrônico na internet,

intranets, extranets e outras redes.

Apoio EstratApoio Estratéégico e ao Usugico e ao Usuáário Final: os anos de 1980 a 1990rio Final: os anos de 1980 a 1990

♦ Sistemas de computação do usuário final

♦ Apoio direto à computação para a produtividade do usuário final e colaboração de grupos de trabalho.

♦ Sistemas de Informação executiva (EIS)

♦ Informações críticas para a alta administração

♦ Sistemas Especialistas

♦ Conselho especializado baseado no conhecimento para os usuários finais

♦ Sistemas de informação estratégica

♦ Produtos e serviços estratégicos para vantagem competitiva

Apoio Apoio àà decisão nos anos de 1970 a 1980decisão nos anos de 1970 a 1980

♦Sistemas de apoio à decisão

♦Apoio interativo e ad hoc ao processo de tomada de decisão gerencial

RelatRelatóórios Administrativos: os anos de 1960 a 1970rios Administrativos: os anos de 1960 a 1970

♦Sistemas de informação gerencial

♦Relatórios administrativos de informação pré-estipulados para apoiar a tomada de decisão

Processamento de Dados: os anos de 1950 a 1960Processamento de Dados: os anos de 1950 a 1960

♦Sistemas de processamento eletrônico de dados

♦Processamento de transações, manutenção de registros, e aplicações contábeis tradicionais

Ciclo de vida de um sistema de informação

Data WarehouseArquitetura simplificada de um DW

Data WarehouseO que se espera encontrar em um Data Warehouse:

Os usuários destes ambientes, em geral, são pessoas ligadas às áreas estratégicas da empresa e esperam encontrar informações importantes para o processo da tomada de decisão.

Valor e quantidade das vendas por geografia, tempo e produto.

Dados contábeis e financeiros (ex. contas a pagar, receber, estoque)

Dados de recursos humanos (ex.: características: idade, motivações, desempenho de funcionário).

Comparativos de custos, em especial com standard, visando determinar a causa das variações.

Dados sobre logística de distribuição de produtos.

Dados sobre marketing da empresa.

Dados da concorrência.

Data WarehouseRoteiro para construção de um DW

Fase de planejamento:

1) Listagem completa de todos os grupos envolvidos na fase anterioràs entrevistas.

2) Listagem completa de todas as fontes de dados legados na fase anterior às entrevistas.

3) Identificação da equipe de implementação do DW (gerente do projeto, líder das entrevistas, gerente de programação e extração, arquiteto do banco de dados.

Data WarehouseAbordagens para desenvolvimento de DW

A implementação de um DW deve estar baseada em pelo menos 3 dimensões:

1) Escopo do DW (pessoal, departamental, empresarial) = consideram 2 fatores = custo e abrangência da informação

2) Grau de redundância de dados = são classificados em: virtualCentralizado = único BD Distribuído = diferentes BD

3) Tipo do usuário alvo.

Data WarehouseQuestões críticas na implantação de um DW:

Integração de dados e metados de várias fontes.

Qualidade dos dados obtida através de filtros de limpeza e refinamento.

Sumariação e agregação de dados (consolidados)

Sincronização das fontes com o DW para assegurar sua atualidade.

Problemas de desempenho relacionados ao compartilhamento do mesmo ambiente computacional para abrigar os BDs corporativos operacionais e o DW.

Data WarehouseErros na Implantação de um DW

Gerar expectativas que não podem ser satisfeitas, frustrando os executivos quando da utilização do DW.

Dizer “isso vai ajudar os gerentes a tomar decisões melhores” e outras afirmações politicamente ingênuas.

Carregar o DW com informações só “porque estavam disponíveis”.

Escolher um gerente para o DW que seja voltado para a tecnologiaem vez de ser voltado para o usuário.

Data WarehouseItens relacionados à construção de um DW

Principal funPrincipal funççãoão = disponibilizar informações para gerar novos conhecimentos para que a empresa deles possa utilizá-los de forma stratégica.

O que se espera encontrarO que se espera encontrar = informações sobre (a empresa (recursos humanos, custos, produtos, logística, marketing e outros, concorrentes)

O que se observar para a implantaO que se observar para a implantaççãoão = estágio de evolução, dividir o projeto em 2 fases distintas: planejamento e operacionalização

Questões criticas na implantaQuestões criticas na implantaççãoão = aquelas relacionadas com a carga de dados no novo ambiente referentes ao preparo, consistência e relevância da informação.

Principais causa do fracassoPrincipais causa do fracasso = falta de clareza quanto aos objetivos esperados, visão tecnicista e não voltada ao negócio da empresa, escolha da ferramenta de hw e sw.

Data WarehouseTecnologias associadasTecnologias associadas ao DWao DW

• Data Mining

• Banco de Dados On-Line (OLAP)

• Banco de Dados Multidimensional (MDD)

• Processo de Transações On-line (OLTP)

• Data Mart

• Repositórios de Dados Operacional (ODS)

Data MiningProspecção (nova descoberta) ou mineração de dados.

DM descobre padrões ocultos nos dados. Esses padrões são plenamente entendidos.

Data Mining (mineração de dados), consiste na extração de dados sobre padrões, tendências, associações, mudanças e anomalias previamente não-identificadas

Este sistema permite às empresas, através de uma melhor compreensão de seus clientes, um aumento nas operações de vendas, e apoio aos mesmos.

Estão baseados nos paradigmas de hipóteses e descobertas e incorporam conceitos de IA para que essa função seja possível.

Surgiu associado a máquinas de busca na internet.

Data Mining

É formada por um conjunto de ferramentas e técnicas que através do uso de algoritmos de aprendizagem ou

classificação baseada em redes neurais e estatística são capazes de explorar conjunto de dados, extraindo ou

ajudando a procurar padrões de dados e auxiliando na descoberta do conhecimento.

Data Mining = utiliza várias técnicas de estatística, recuperação de informação, inteligência artificial.

Data MiningHistória:

A mineração de dados é considerada uma importante técnica de BI, assim como o data warehouse e a análise OLAP.

Os primeiros softwares para mineração de dados começaram a ser desenvolvidos em meados da década de 90, em ambientes acadêmicos.

Hoje em dia já existem algumas dezenas de ferramentas comerciais para data mining, desenvolvidas por empresas como:

SAS (Enterprise Miner) - IBM (Intelligent Miner) -SPSS (Clementine).

Data Mining: História

A maior parte dos sistemas para mineração de dados jádemonstrou sua capacidade de servir como importante ferramenta de apoio no processo de tomada de decisões nas empresas.

A popularidade dos softwares de data é Mining érelativamente baixa se comparada com a popularidade das ferramentas para data warehouse e OLAP, por exemplo.

Data Mining: ProblemasArtigos recentes apontam três motivos principais para

explicar esta situação:

1) Os softwares para data mining custam muito caro (uma licença single-user pode custar mais de 40.000 dólares).

2) Muitos softwares não conseguem realizar a mineração de dados diretamente sobre as tabelas de um SGBD. Em muitos casos, é necessário exportar os dados para

um repositório auxiliar.

3) As ferramentas de mineração de dados são muito difíceis de utilizar. Grande parte dos softwares exige que o usuário tenha

algum conhecimento a respeito do funcionamento dos algoritmos de mineração implementados na ferramenta; outros softwares requerem usuários que possuam grande conhecimento de Estatística para que sejam manipulados.

Data MiningUm caso clássico de aplicação de data mining é o do Wal

Mart:

Pesquisando o datawarehouse, um executivo verificou que às sextas-feiras existia uma maior venda de cervejas e de fraldas que nos outros dias da semana. Passa a incumbência para a análise de negócio para verificar se existe alguma relação entre um produto e outro. Usando técnicas e ferramentas de datamining (redes neurais, árvores de decisão etc) verifica-se que às sextas-feiras, homens casados, com filhos pequenos, vão ao supermercado comprar cerveja e aproveitam para comprar fraldas para o final de semana. Estrategicamente, o Walmart passou a colocar as fraldas mais perto das cervejas, aumentando ainda mais as vendas dos dois produtos.

Data Mining: Aplicações

Aplicações para assistência médica =Os laboratórios GTE construíram um avançado sistema de Data Mining para realizar os custos

relativos a empregados e dependentes de sua carteira de assistência médica.

Software Health-KEFIR (Key Findings Reporter)

Processo Analítico On-line – OLAPOn-Line Analytical Processing

Envolve consulta interativa de dados, seguindo uma linha de análise de múltiplos passos, em níveis sucessivamente mais baixos de detalhes.

A informação é multidimensional, significando que os dados podem ser visualizados sob a forma de cubo que possui várias faces, cada uma delas com um significado, ou seja, uma dimensão a qual se deseja analisar.

O OLAP possibilita a analistas, gerentes e executivos obter uma visão sobre os dados de forma rápida, consistente e interativa.

Os servidores OLAP permitem uma exploração analítica dos dados, de diversos pontos de vista.


Outras características dos sistemas OLAP:

• análise de tendências = criação de cenários futuros pela aplicação de suposições e fórmulas aos dados históricos.

• busca automática de dados detalhados = apesar de apresentar visões sumariadas, é possível se obter vários níveis de detalhe sobre os dados armazenados.

• capacidade de operação transdimensional = possibilidade de realizar cálculos e manipulação dos dados através de diferentes dimensões.


OLAP fornece para as organizações um método de acessar, visualizar e analisar dados corporativos com alta flexibilidade e performance.

É a capacidade para manipular e analisar um grande volume dedados sob multiplas perspectivas.

É uma técnica de modelagem conceitual de negócios que falicita a investigação, o resumo e a organização de dados para análise de negócios.


Aplicações:

Finanças = análise de balanço – fluxo de caixa – contas a receber.

Vendas = previsões – lucratividade do cliente - - análise de canais de criação – análise de vendas (por região –produto – venda)

Marketing = análise de mercado – lucratividade do produto


Empresa comercializa:

SoftRadar

Data Mart

são bancos de dados departamentais (unidade de negócios, que podem apresentar visões relacionais ou multidimensionais.

Um Data Mart não é uma evolução de um Data Warehouse, mas sim parte das estratégias deste. Um Data Mart é um subconjunto de dados de um Data Warehouse, desenhado para suportar uma necessidade de negócio ou uma unidade organizacional específica. O Data Mart deve se incorporar à arquitetura de Data Warehouse, sem perder a visão conjunto.

Data Mart

Um Data Mart é muito similar ao Data Warehouse, com algumas exceções, pois opera um conjunto menor de dados e com um enfoque departamental, enquanto que o Data Warehouse tem uma visão corporativa.

Em resumo um Data Mart obedece os mesmos conceitos de um Data Warehouse, diferenciando-se somente no conteúdo.

BI – Business IntelligenceInteligência empresarial (em inglês Business Intelligence), refere-se ao processo de coleta, organização, análise, compartilhamento e monitoramento de informações que oferecem suporte a gestão de negócios.

O conceito de BI surgiu dos fenícios, persas, egipcios e outros povos do Oriente, quando estes povos antigos cruzavam informações obtidas junto à natureza em benefício próprio. Observar e analisar o comportamento das marés, os períodos das chuvas, das secas, a posição dos astros, entre outros, eram formas de obter informações que eram utilizadas para tomar decisões que pemitissem a melhoria de vida de suas respectivas comunidades.

BIA Inteligência Empresarial, ou Business

Intelligence, é um termo do Gartner Group na década de 80 e descreve as habilidades das

corporações para explorar dados e informações (normalmente contidas em um DW/DMart), analisando-as e desenvolvendo

percepções e entendimentos a seu respeito, o que lhes permite incrementar e tornar mais

pautada em informações a tomada de decisão.

BICom o passar dos anos e a contínua evolução

da TI (hardware e software e comunicação) o termo BI ganhou maior abrangência,

envolvendo uma série de ferramentas como o EIS (Sistema de Informação Executiva), Planilhas eletrônicas, Data Marts, Data

Mining, Ferramentas OLAP, que tem como objetivo promover agilidade comercial,

dinamizar a capacidade de tomar decisões e refinar estratégias de relacionamento com o

cliente, respondendo as necessidades corporativas.

BI

As organizações tipicamente recolhem informações com a finalidade de avaliar o ambiente empresarial, completando estas informações com pesquisas de marketing, industriais e de mercado, além de análises competitivas.

Segundo a Gardner BI se resume a ferramentas de consultas a relatórios para usuários finais, ferramentas OLAP (análise multidimensional), sistemas de apoio a decisão e sistemas de informações executivas.

BICada sistema de BI determina uma meta específica, tendo por base o objetivo organizacional ou a visão da empresa, existindo em ambos objetivos, sejam eles de longo ou curto prazo.

Business Intelligence (BI) pode ser traduzido como inteligência de negócios, ou inteligência empresarial.

Isto significa que é um método que visa ajudar as empresas a tomar as decisões inteligentes, mediante dados e informações recolhidas pelos diversos sistemas de informação.

BIConjunto de técnicas e ferramentas utilizadas na análise de dados cada vez mais abundantes visando um melhor entendimento do negócio sob seus diferentes ângulos (finanças, mercado, clientes, processos, sistemas, recursos), para gerar um conhecimento útil e suportar os processos de tomada de decisão e o desenvolvimento de estratégias que venham beneficiar a empresa.

BIPode-se dizer que o BI é um sistema que se envolve a coleta de informações de diversas fontes: empresa – concorrente – cliente –fornecedor – possibilidade de expansão do negócio – setores sociais – políticos –econômicos que pode influenciar a empresa

O BI como interface, transforma e torna verdadeira todas estas informações e as transforma em conhecimento estratégico.

BI

Sendo assim, BI é uma tecnologia que permite às empresas transformar dados guardados nos seus sistemas em Informação qualitativa e importante para a tomada de decisão.

Técnicas que se enquadram nos objetivos do BI:

DW – CRM – Data Mining – SCM -

BI: exemplos

Empresa Diebold Procomp

- Especializada na produção e comercializaçaão de soluções para automação bancária e corporativa.

- Motivada a trabalhar de modo mais agil, com números de informalções de diversas áreas.

- Partiu para a implementação de uma solução BI baseada na plataforma Microsoft, utilizando o gerenciador de BD SQL server 2000 e o Excel 2000.

BI: exemplos- Na empresa, os 1.300 profissionais da divisão de assistência técnica trabalham com uma série de informações que devem ser precisas e atualizadas a fim de garantir o bom atendimento ao cliente.

-- Até o final de 2000, essas informações eram fornecidas em planilhas excel, obtidas após uma série de processamentos em um ambiente Paradox e disponibilizadas com 15 a 20 dias de atraso, por causa das diversas intervenções manuais no processo. Além disso o sistema fornecia uma visão estática, o que reduzia sua utilidade.

BI: exemplos- A abertura de um chamado, p. ex. demorava vários dias até constar nos relatórios gerenciais.

- Em função do atraso entre a ocorrência de um fato e a disponibilização da informação correspondente no sistema, era comum que os gerentes utilizassem suas próprias análises e indicadores.

BI: exemplos- Em geral esses dados não eram compatíveis com os documentos fornecidos pelo pessoal da assistência técnica, dificultando a análise gerencial da operação.

- Outro impacto negativo dos constantes levantamentos feitos pelos gerentes era uma diminuição na performance do sistema transacional que suportava toda a operação da empresa.

BI: exemplos

- Esse panorama mudou a partir de novembro de 2000, quando a empresa adotou as ferramentas SQL Server 2000, Microsoft Analysis Services 2000, Office 2000 e o Terminal Services do Windows 2000.

- As soluções se mostraram fáceis de usar, com um bom nível de performance e totalmente integradas, com destaque para as funcionalidades da Ferramenta Data Transformation Services (DTS).

BI: exemplos- O DTS extrai informações do CRM, do SIG e de algumas outras fontes, consolidando-as no BD relacional. A partir dai todas as noites são gerados cubos de informações focados nas necessidades das diferentes áreas da empresa.

- As filiais tem acesso aos cubos através de Terminal Services.

- Na rede da Diebold Procomp rodam o ERP Magnus da Datasul e o CRM da Peoplesoft, além de diversos sistemas desenvolvidos internamente com o VISUAL Basic 6.

BI: exemplos- Todas as filiais estão conectadas online aos escritórios de São Paulo através de links de comunicação de alta capacidade.

- Custo = no projeto US$ 150 mil, sendo: US$ 10 mil em treinamento; US$ 20 mil na aquisição de produtos Microsoft e US$ 120 mil com pessoal.

- Tempo = reduzindo de 20 dias para 1 dia

- O projeto incluiu uso de outras soluções entre as quais: Project 2000, Visio 2000, Visual Studio 6.0 outras versões de SQL, sistemas operacionais Windows 95 e 98

BI: exemplosBenefícios

= automatização dos processos de obtenção dos dados transacionais com redução de tempo médio para liberação das informações de 20 dias para apenas 1 dia.

= independência dos gerentes em relação à área de sistemas, com ganhos em flexibilidade e agilidade na obtenção de informações.

= aumento da performance do sistema transacional graças à eliminação de consultas gerenciais neste ambiente.

BI nas redes sociais:

Com o crescimento exponencial do uso das redes sociais por grandes corporações nas suas estratégias de negócios, o BI também precisou se reinventar.

Várias empresas estão desenvolvendo software para ter à disposição o seu histórico de interações e relacionamento na Internet.

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 analisar a maneira como projetam, produzem, liberam e conservam 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 anacrônicas.

REFERÊNCIASLAUNDON, Kenneth C. Sistemas de informações gerenciais. 7ª Ed. São Paulo: Pearson Prentice Hall, 2007.

JUNIOR, José Renato Sátiro Santiago.Gestão do Conhecimento ‐‐‐‐ A Chave para o Sucesso Empresarial. São Paulo: Novatec, 2004. 208 p.

O´BRIEN, James A. Sistemas de informação e as decisões gerenciais na era da internet. Tradução de Cid Knipel Moreira. São Paulo: Saraiva, 2002.

Sistemas de informação. Disponível em: <http://sites.ffclrp.usp.br/ccp/ %28SEM%205 %29/SI/>. Acesso em: 06.abr.2011.

Tipos de sistemas de informação. Disponível em: <http://www.dcce.ibilce.unesp.br/ ~ines/cursos/extensao/aula3.ppt> . Acesso em: 06.abr.2011.

–DÚVIDAS?

Documents

Aula 4a SI Proces Gerencia