Sistemas de Apoio à Decisões
Indice
Conceito e Introdução
Metadados
Executive Information Systems (EIS)
Enterprise Resource Planning (ERP)
CRM / e-CRM
Data Warehouse
Data Marts
Data Mining
Inteligência Artificial
Sistemas Especialistas (ES)
Database Marketing
Business Intelligence (BI)
Conceituando S A D
Conceito : Os Sistemas de Apoio a Decisões foram
concebidos para auxiliar no processo de tomada de
decisões das empresas
Permitem calcular o custo de produtos, projetar estimativas
de lucro e prejuízo, analisar o desempenho das empresas e
da economia por meio de gráficos comparativos e planejar a
parte financeira através do fluxo de caixa e de planilhas
bancárias e de fornecedores.
Introdução
Peter Drucker: As organizações do futuro - baseadas em
informação - compostas de especialistas que orientam o seu
próprio desempenho
Informática + Telecomunicações = velocidade da informação
Brasil: não há uma pesquisa s/ Sw mais utilizados - apoio
em decisões pouco científicas c/ planilhas de cálculo
EUA: Suporte a decisão = ERP - assuntos estratégicos =
métodos de pesquisa operacional - análise de mercados /
clientes = BI
Voltando ...
Informação:
Melhor recurso do qual uma empresa pode dispor para tomar
decisões estratégicas
Analise dos dados fornece informações vitais para a empresa
(históricos sobre vendas, produção, clientes, etc.)
Problemas:
Dificuldades para obter informação
Qtde de dados a serem analisados cresce com a expansão
do negócio e com o passar dos anos
Dados conflitantes vindos de fontes diferentes podem gerar
informações desencontradas
Impossível para um ser humano manter e analisar todos os
E...
Benefícios:
Determinar o mercado-alvo de um produto
Definir o preço de um produto, criar promoções e condições
especiais de compra
Verificar a eficácia de campanhas de marketing
Otimizar a quantidade de produtos no estoque
Responder rapidamente a mudanças no mercado e
determinar novas tendências
... ou seja, ganhar eficiência e lucratividade
Fases
Primeira: modelagem de informações (enxergar as
informações envolvidas no processo)
Segunda: identificar onde estão os "repositórios" de
informações e conhecimentos
Terceira: realizar a implantação de sistemas de apoio a
decisões
Tempo: dois a quatro anos - cultura de cada empresa
Gerenciando informações
Mercado de armazenamento de dados no Brasil: cresceu
44,4% (2003) – movimentou US$ 1,3 bilhão de dólares.
Brasil: houve evolução muito grande nos últimos 10 anos
Principais fatores propulsores:
1-Significativa queda do custo de armazenamento de dados
2- Desenvolvimento de recursos que permitem a rápida
recuperação dos dados
3- Automação dos processos
4- Uso de ferramentas - melhor gerenciamento dos fluxos de
trabalho
Observações importantes
Não basta simplesmente armazenar o dado - É necessário
que a informação esteja disponível para tomar decisão na
hora certa, de forma simples, confiável e precisa
Globalização -> aumento de competitividade -> melhoria na
prestação de serviços aos clientes - Diferencial competitivo
Empresas brasileiras: a maioria tem tecnologia - não
têm uma estratégia para tratar e gerenciar a informação
Apenas os dados de real valor devem ser tratados e
guardados pela empresa
Alinhar o tratamento de dados, a informação e as estratégias
de negócio
Mapeando / redesenhando processos
Sobrevivencia: mercados de alta competição -> estrutura p/
atuar com eficiência e qualidade -> controle dos processos
internos + visão ampla/dinâmica das tendências e
necessidades de seus clientes
Implementação:
1- Identificar onde nasce o dado ou informação (aonde o
conhecimento surge)
2- Como ele é utilizado nos diversos processos de negócio
e operacionais
3- Identificar a relevância desde dado ou informação X
objetivos estratégicos (onde ele precisa ser utilizado)
Metadados
Importância: a partir deles que as informações serão
processadas, atualizadas e consultadas – Dados sobre os
dados
Apresentam 3 camadas:
1-Metadados Operacionais: estrutura dos dados mantidos
pelos bancos operacionais, usados pelas aplicações de
produção da empresa
2-Metadados Centrais de um DW: orientados por assunto e
definem como os dados transformados devem ser
interpretados (agregação e campos calculados) - visões
sobre cruzamentos de assuntos
3-Metadados do Nível do Usuário: Organizam para
Executive Information Systems (EIS)
1970 - MIT (Massachusets Institute of Tecnology-EUA)
Nova tecnologia - Conceito espalhou-se rapidamente p/
mundo
Atualmente presente em diversos outros SW no mundo
Apresentação simples e amigável -> atende às
inteiro
necessidades dos executivos da alta administração
(principalmente)
Acompanhamento diário de resultados + tabulando dados de
todas
as áreas
= exibição
e simplificada
Sucesso
= simplicidade
degráfica
uso + orientação
para gráficos +
complementação em vez de substituição
Executive Information Systems (EIS)
Caracteristicas: direcionado à alta administração - recursos
gráficos de alta qualidade / automáticos - .rapidez para a
tomada de decisões – facilidade de uso - telas de acesso
intuitivo - sem treinamento específico em TI
Filtram, resumem e acompanham dados ligados ao controle
de desempenho de fatores críticos para o sucesso do
negócio - uso intensivo de dados do meio ambiente interno e
externo da empresa (bancos de dados no mercado financeiro
e empresarial)
Enterprise Resource Planning (ERP)
Conceito: conjunto de atividades executadas por um Sw
multi-modular
Arquitetura que facilita o fluxo de informações entre todas
as atividades de uma empresa (fabricação, logística,
finanças Auxiliar
e recursos
humanos)
Objetivo:
empresa
nas fases do seu negócio
(desenvolvimento de produtos, compra de itens,
manutenção de estoques, interação com os fornecedores,
serviços a clientes e acompanhamento de ordens de
produção)
Utiliza base de dados única - eliminando-se a redundância
de informações e redigitação de dados - integridade das
informações
Enterprise Resource Planning (ERP)
Projetados para serem independentes de plataforma interface GUI - arquitetura cliente/servidor
Brasil: adaptar modulos originais às particularidades do
país
Integração: registra e processa cada evento empresarial oriundo das funções empresariais - um único input disponibiliza a informação para todos na empresa
Componentes típicos: Finanças – Contabilidade Planejamento e Controle da Produção - Recursos Humanos
- Custos - Vendas - Marketing
CRM (Customer Relationship
Management)
Globalização + Internet + novas exigências dos clientes
Investimentos ($): técnicas p/ obter clientes rentáveis + retelos + fixa-los no mercado + continuar crescendo
Identificar clientes (independentemente do ponto de
contatos) - diferenciar os clientes por seu valor (real e
potencial) e por suas necessidades - interagir com clientes +
personalizar clientes (lembrar-se deles)
Implementar a filosofia “one to one” de relacionamento com
os clientes
Filosofia one-to-one é voltada para o desenvolvimento de
CRM (Customer Relationship Management)
Processo: capturar os dados(clientes) + armazenar DB
central + organizar / analisar os dados – disponibilizar
(pontos de acesso ao cliente) – funcionarios bem informados
Direcionado para o cliente, proporcionando meios de
antecipar
cliente
Construir atendimento
uma relação às
de necessidades
aprendizado -do
personalizar
aspectos da relação c/ a empresa - agregar valor real à
relação - criar custos de mudança e gerar fidelidade
Manutenção: Trabalhar esses clientes - identificá-los
separadamente – sintam-se em ambiente conveniente +
percebam que tem grande valor para a empresa
(atendimento personalizado – antecipados )
CRM (Customer Relationship Management)
Estratégias:
Operacional: obter dados de transações realizadas em
produtos e clientes - telefone, correios, e-mail, Internet,
agentes externos (vendedores móveis)
Analitico: proporciona série de informações sobre os clientes
que estão armazenadas em seus repositórios de dados aquisição de conhecimento de cada cliente - montar um perfil
dos mesmos - criando ambientes - personalizando o
atendimento
Colaborativo: tecnologias p/ comunicação entre clientes,
da equipe da empresa e mesmo de sócios do
negócio(web, voz, fax/letter e interação direta com os
clientes)
E-CRM
Globalização do comércio – novos meios de comercialização
de seus produtos - e-commerce (comércio eletrônico)
Surge o e-CRM (eletronic Customer Relationship
Management)
Um novo modelo de cliente: cliente “Internauta” – aumenta
sua participação no mercado rapidamente
Data Warehouse
Conceito: É um grande banco de dados que armazena
dados de diversas fontes para futura geração de
informações integradas da organização como um todo
Utilizado p/ relatórios e análises executivas reorganizações de dados e combinações de informações
(inclusive dados históricos) – visando tomada de decisões
principalmente táticas e estratégicas
Operação complexa - gera informações analíticas atualizadas periodicamente pelos bancos de dados
operacionais da empresa
Data Marts
Conceito: É um pequeno ”Data Warehouse” - suporte à
decisão de um pequeno grupo de pessoas - atendem as
necessidades de unidades específicas de negócio (ao invés
Motivos:
custo mais
baixo + tempo menor de
da corporação
inteira)
implementação + correntes avanços tecnológicos.
1- Custo de implementação baixo – alcance grande
número de corporações.
2- Prototipação muito mais rápido - pilotos em 30 e 120
dias - sistemas completos em 3 e seis meses.
3- Escopo mais limitado - mais identificados com grupos de
usuários
- esforço/time
Servem de
teste p/ Dataconcentrado
Warehouse (tempo, dados e
investimentos gerenciais muito maiores)
Data Mining
Conceito : "Mineração de dados" - análise de conjuntos de
dados transformando-o em informação e conhecimento
Objetivo: descoberta de padrões que possam representar
informações úteis
Padrão: uma afirmação sobre uma distribuição probabilística
(expressos na forma de regras, fórmulas e funções)
Ferramentas + algoritmos de aprendizado / estatística =>
extrair conhecimento na forma de hipóteses/ regras sugerindo tendências e particularidades pertinentes
Métodos tradicionais de análise (planilhas) não conseguem
Data Mining
Padrões : Predição - resolver o problema (claro e bem
especificado): predizer o valor futuro ou desconhecido de um
ou mais atributos do banco de dados a partir do valor
conhecido dos demais atributos
Descritivos:
encontrarmais
padrões,
de forma
interpretável
pelo
Diferença: Descritivo
importante
- mais
difícil de avaliar
homem,
queclaro
descrevam
dados ação / quanto efetiva esta
- não deixa
: sugereos
alguma
ação seria
Ex: regra encontrada – DB supermercado - 90% dos clientes
que compram o produto A, também adquirem, na mesma
ocasião, o produto B - serviços bancários / telecomunicação
- histórico de pacientes - análise de admissão em cursos
Inteligencia Artificial
I.A: simulação da “inteligência” humana, na realização de
atividades elaboradas por pessoas, que podem ser
substituídas pelo uso dos recursos da ciência da
computação e seus respectivos algoritmos inteligentes
Inicialmente: focada em tarefas formais (jogos,
demonstrações de teoremas e raciocínios)
Posteriormente: manipulação de conhecimentos algoritmos de percepção (visão e fala) - compreensão da
linguagem natural - solução de problemas em domínios
especializados(diagnósticos médico e análise química)
Inteligencia Artificial
Hoje: projetos na área de engenharia, descobertas
científicas, planejamento financeiro, mineração e análise de
dados para a geração de informações empresariais
Trabalha com o conhecimento - conceito que vai além da
informação
Ex: Aplicar o conhecimento adquirido da experiência - tratar
situações complexas - resolver problemas quando faltam
informações importantes - determinar o que é importante ter capacidade de raciocinar e pensar - reagir rápida e
corretamente a novas situações - compreender imagens
visuais - processar e manipular símbolos – ser criativo e
Sistemas Especialistas
Origem: Inteligência Artificial
Objetivo: solução de problemas que normalmente são
resolvidos por “especialistas” humanos - atua como um
profissional especializado c/ muita experiência em determinado
domínio
Modela o conhecimento em áreas / domínios específicos Regras
pre-definidas
+ mecanismos de raciocínio - acessar
tarefas rotineiras
de gestão
substancial base de conhecimentos
É a última evolução da Inteligência Artificial aplicada a EIS o computador é utilizado para assistir ou até mesmo
substituir os executivos nas decisões
Database Marketing
Objetivo: utilização das informações s/ consumidores /
mercado comercial - aumentar qualidade/ efetividade da
relação c/ o cliente
Suporte à gestão: áreas de desenvolvimento de produto,
distribuição, política de preço, efetividade de promoções e
previsão de vendas.
Inputs: política corporativa / plano estratégico da
organização / transações comerciais / informações externas
Benefícios:
vendas
- posicionamento
s/ mercado,melhorar
competidores
e outros
indicadoresno
demercado
interessefidelidade do cliente - imagem da empresa - instrumento de
planejamento/execução(ações marketing)
Business Intelligence (BI)
Conceito: BI é quando uma empresa usa dados de seus
sistemas operacionais (conhecimento do negócio) para tomar
decisões de negócios
Equipes c/ habilidades comerciais abrangentes + grande
conhecimento técnico
Projetos demorados: dados - Data Warehouse / Data Mart DB preparado (estruturado e otimizado) p/ operações de BI + eventos econômicos/reguladores/políticos (tenham
impacto sobre os negócios da empresa)
Business Intelligence (BI)
Objetivo: aprender sobre o ambiente competitivo externo –
conhecer posicionamento competitivo da empresa mudanças internas - decisões estratégicas
Benefícios:
antecipar mudanças no mercado / ações dos competidores descobrir novos ou potenciais competidores - aprender c/ os
sucessos e as falhas dos outros - conhecer melhor suas
possíveis aquisições ou parceiros - conhecer novas
tecnologias / produtos / processos que tenham impacto no
negócio - entrar em novos negócios - rever suas próprias
práticas de negócio - auxiliar na implementação de novas
ferramentas gerenciais
Ferramentas OLAP (Online Analytical
Processing)
Conceito: analisar e visualizar dados corporativos - rápida,
consistente e interativa (processamento analítico em temporeal) - análise dinâmica e multidimensional dos dados
consolidados – independe de técnicos
DBs relacionais (tabelas normalizadas) - "queries"
complexas (multi-tabelas) - demasiado lento
Análise multidimensional: ver "cubos" de informações de
diferentes ângulos - são massas de dados que retornam
das consultas feitas ao banco de dados - manipulados e
visualizados por inúmeros ângulos (slice-and-dice) e
diferentes níveis de agregação (drill)
Ferramentas OLAP (Online Analytical
Processing)
Restruturar Dbs relacionais em esquema dimensional "queries" serão executadas neste novo esquema - respostas
a 0.1% do tempo X DBs relacionais
Consultas: acesso casual único - próprio usuário gera
consultas - cruza informações c/ forma não vista e com
métodos que o levem a descoberta daquilo que procura
Slice-and-Dice: analisar informações de diferentes prismas
limitados somente pela nossa imaginação - ver a informação
sobre ângulos que anteriormente inexistiam
Drill Down/Up: ver diferentes níveis de detalhe -“subir ou
descer” detalhamento do dado – ex: analisar uma
informação diariamente / anualmente do mesmo DB
CONCLUSÃO
Tecnologia é o catalisador que possibilita que os funcionários
sejam mais eficientes e efetivos em suas relações com os
clientes.
Softwares são recursos necessários para automatizar, gerenciar,
e integrar vendas, marketing, desenvolvimento de produtos, e as
funções de atendimento a clientes.
É fundamental lembrar que não se trata apenas de hardware e
software. Mesmo a mais sofisticada solução será apenas um
elemento
no processo de
e reter
clientes lucrativos.
Foco: competitividade
e aganhar
inteligência
empresarial
- e não aProcessospropriamente
e pessoas são
osTecnologia
complementos
críticos para
todas
tecnologia
dita.
por tecnologia,
sem
estas
ferramentas.
planejamento,
sem gestão e ação efetiva, sem um projeto amplo
e consistente de tratamento da informação, não traz a
Bibliografia
Sites na Internet acessados em dez/2011
Arquivos word/PDF obtidos p/ Google – dez/2011
Anexo (word) com toda a bibliografia