FUNDAMENTOS DE SISTEMAS
DE INFORMAÇÃO
David Nadler Prata
Fundamentos de Sistemas de
Informação
Universidade Federal do Tocantins
Curso: Ciência da Computação
Disciplina: Fundamentos de Sistemas de Informação
Professor: David Nadler Prata
TECNOLOGIA E SISTEMAS
DE INFORMAÇÃO

Após a “carga de dados” em um DW, segue-se a
etapa mais importante do processo de BI:
 O Data Minning.
Data Minning ou Mineração de Dados:

O que é Data mining:
“Data mining (mineração de dados), é o processo de
extração de conhecimento de grandes bases de dados,
convencionais ou não.
 Utiliza técnicas de inteligência artificial que procuram
relações de similaridade ou discordância entre dados.
 Seu objetivo é encontrar, automaticamente, padrões,
anomalias e regras com o propósito de transformar dados,
aparentemente ocultos, em informações úteis para a
tomada de decisão e/ou avaliação de resultados.

Fernando S. Goulart Júnior & Robson do Nascimento Fidalgo (1998)
Data Minning ou Mineração de Dados:

Exemplo:
Fabricante Estado Cidade Cor do Produto Lucro
Smith
CA
Los Angeles
Azul
Alto
Smith
AZ
Flagstaff
Verde
Baixo
Adams
NY
NYC
Azul
Alto
Adams
AZ
Flagstaff
Vermelho
Baixo
Johnson
NY
NYC
Verde
Médio
Johnson
CA
Los Angeles
Vermelho
Médio
•Conclusões:
•Produtos azuis são de alto lucro
ou
•Arizona é um lucro baixo
Data Minning ou Mineração de Dados:

Uma empresa utilizando data mining é capaz de:
 Criar
parâmetros para entender o comportamento do
consumidor;
 Identificar
afinidades entre as escolhas de produtos e
serviços;
 Prever
hábitos de compras;
 Analisar
fraudes.
comportamentos habituais para detectar
Data Minning ou Mineração de Dados:

Data mining X Data warehouse:






Data mining  extração inteligente de dados;
Data warehouse  repositório centralizado de dados;
Data mining não é uma evolução do Data warehouse;
Data mining não depende do Data warehouse, mas obtém-se
melhores resultados quando aplicados em conjunto;
Cada empresa deve saber escolher qual das técnicas é
importante para o seu negócio. (Uma, outra ou as duas);
Data Warehouse aliado a ferramentas estatísticas
desempenham papel semelhante ao data mining, mas não
descobrem novos padrões de comportamento. (a não ser
empiricamente).
Data Minning ou Mineração de Dados:

Como fazer Data Mining ?

Aprendizagem computacional (Machine-learning)
 Automação
do processo de aprendizagem, através da
construção de regras baseadas em observações dos
estados e transações do ambiente.
 Examina
os exemplos e seus resultados e aprende como
reproduzi-los e como fazer generalizações sobre novos
casos
Data Minning ou Mineração de Dados:

Aprendizagem indutiva:

Faz análise nos dados para encontrar padrões
Agrupa objetos similares em classes
Formula regras

Aprendizagem supervisionada


–

(A.S.)
Aprende baseando-se em exemplos (“professor” ajuda a construir um
modelo def. classes e fornecendo exemplos de cada classe 
formular a descrição e a forma da classe)
Aprendizagem não supervisionada (A.Ñ.S.)
–
Aprende baseando-se em observações e descobertas (não se def.
classes, deve-se observar os exemplos e reconhecer os padrões por si
só  uma descrição de classes para cada ambiente).
11
MAP
Alípio Jorge
Exemplos

Áreas de aplicações potenciais:
 Vendas
e Marketing
 Identificar
padrões de comportamento de consumidores
 Associar comportamentos à características demográficas de
consumidores
 Campanhas de marketing direto (mailing campaigns)
 Identificar consumidores “leais”
Exemplos

Áreas de aplicações potenciais:
 Bancos
 Identificar
padrões de fraudes (cartões de crédito)
 Identificar características de correntistas
 Mercado Financeiro ($$$)
Exemplos

Áreas de aplicações potenciais (continuação):
 Médica
 Comportamento
de pacientes
 Identificar terapias de sucessos para diferentes tratamentos
 Fraudes em planos de saúdes
 Comportamento de usuários de planos de saúde
Exemplos

Exemplo (1) - Fraldas e cervejas
O
que as cervejas tem a ver com as fraldas ?
 homens
casados, entre 25 e 30 anos;
 compravam
fraldas e/ou cervejas às sextas-feiras à
tarde no caminho do trabalho para casa;
 Wal-Mart
otimizou às gôndolas nos pontos de vendas,
colocando as fraldas ao lado das cervejas;
 Resultado:
o consumo cresceu 30% .
Exemplos

Exemplo (2) - Lojas Brasileiras (Info 03/98)
 Aplicou
1 milhão de dólares em técnicas de data mining
 Reduziu de 51000 produtos para 14000 produtos
oferecidos em suas lojas.
 Exemplo de anomalias detectadas:
–
–
Roupas de inverno e guarda chuvas encalhadas no nordeste
Batedeiras 110v a venda em SC onde a corrente é 220v
Exemplos

Exemplo (3) - Bank of America (Info 03/98)
 Selecionou
 Aqueles
entre seus 36 milhões de clientes
com menor risco de dar calotes
 Tinham filhos com idades entre 18 e 21 anos
 Resultado em três anos o banco lucrou 30 milhões de
dólares com a carteira de empréstimos.
Exemplos

Empresas de software para Data mining:

SAS
http://www.sas.com

Information Havesting
http://www.convex.com

Red Brick
http://www.redbrick.com

Oracle
http://www.oracle.com

Sybase
http://www.sybase.com

Informix
http://www.informix.com

IBM
http://www.ibm.com
Data Minning ou Mineração de Dados:



Corresponde ao ato de extrair informações do DW,
a fim de identificar tendências, padrões de negócio
e cenários.
É possível realizar simulações e fazer testes de
hipótese.
Para efetuar a mineração é necessário um conjunto
de ferramentas denominadas OLAP que serão
descritas a seguir.
On line Analytical Processing Systems –
Sistemas OLAP

Nas palavras de Strum (2000, p. 5) “um sistema
OLAP é uma ferramenta que permite executar
complicadas análises sobre dados históricos usando
estruturas multidimensionais armazenadas em um
Data Warehouse (DW)”.
STRUM, J. Data Warehousing with Microsoft SQL Server 7.0 Technical Reference. Washington:
Editora Microsoft Press, 1. ed. 2000. 446f.
On line Analytical Processing Systems –
Sistemas OLAP


O DW serve como base para sistemas OLAP e permite o
compartilhamento de informações por toda a organização.
Um sistema de CRM, por exemplo, pode utilizar um Data Mart, o qual
assemelha-se a um DW, com a pequena diferença de que os dados
armazenados nessa estrutura pertencem a um determinado nicho de
negócio dentro de uma organização



como por exemplo informações sobre os clientes para efetuar o Marketing
de Relacionamento
Como a idéia do OLAP é trabalhar sobre os dados históricos, de
preferência em um conjunto separado da estrutura de dados
operacionais, torna-se necessária a transição de dados entre as
bases, permitindo assim alimentar a estrutura OLAP com informações
atuais seguindo qualquer regra previamente definida para uma
análise.
Isso é o chamado DTS (Data Transformation Service – Serviço de
Transformação de Dados).
On line Analytical Processing Systems –
Sistemas OLAP


Dentre todas as características, a que ressalta com
significativa expressividade é o fato de que com uma
ferramenta ou serviço OLAP pode ser criado um único sistema
que se responsabilize por efetuar toda análise sobre os
dados, ao invés de existirem sistemas diferentes realizando
análises diferenciadas.
Outra vantagem é a eficiência da análise que permite o
usuário, de maneira muito interativa, ter respostas para
perguntas como


“quantos produtos X foram vendidos no mês Y nas cidades de A e B
para clientes com idade acima de 30 anos?”.
Tais pesquisas podem ser feitas esporadicamente, o que de
fato caracteriza um sistema de análise empresarial, um
Sistema de Suporte a Decisão (SSD).
On line Analytical Processing Systems –
Sistemas OLAP
OLAP

Na figura observamos os seguintes elementos:



DTS – Data Transformation Server: Responsável por extrair os dados
operacionais e externos e colocá-los em um formato padão para o
DWH, fazendo a “carga” dos dados ou seja a transferência.
OLPT – On-Line Processing Transaction: São Sistemas de Processamento
de Transação (SPT) que operam em modo on-line.
Serviço Pivot Table: Estrutura de dados / Arquivos para cruzar dados e
permitir a construção de modelos gráficos e multidimensionais das
informações que se pretendem extrair através da ferramenta OLAP.
On line Analytical Processing Systems –
Sistemas OLAP

A construção de sistemas desse porte busca atender
segundo Strum (2000) os seguintes pontos:
Informações com profundidade, com a estrutura em níveis
hierárquicos;
 Comparar grupos de informações sob condições definidas
pelo usuário;
 Gerar informações utilizáveis;
 Prover informações no tempo certo e preciso;
 Análises rápidas;
 Informações acessíveis, permitindo acesso de qualquer
lugar, que sejam inteligíveis ou familiares ao usuário final.

STRUM, J. Data Warehousing with Microsoft SQL Server 7.0 Technical Reference. Washington:
Editora Microsoft Press, 1. ed. 2000. 446f.
Componentes de um sistema OLAP


Conforme
visto,
uma
ferramenta OLAP é composta
por um repositório de dados,
podendo ser um DW ou um
Data Mart.
Além de uma estrutura para
armazenamento de dados, ela
conta com uma poderosa
máquina matemática para
efetuar cálculos, e de uma
ferramenta que permite a
visualização multidimensional
de dados, os Cubos.
Componentes de um sistema OLAP


O processador matemático é utilizado para efetuar
consultas ao banco de dados não padronizadas
tais como: somas, cálculos de freqüências, cálculos
temporais, estatísticas e categorização.
Outras operações mais complexas como fórmulas
ou algoritmos, conversões e modelagens, além de
consultas mais elaboradas são outras capacidades
disponíveis por essa ferramenta.
Componentes de um sistema OLAP



Uma das diferenças cruciais entre sistemas OLAP e
OLTP é que o segundo possui um conjunto prédeterminado de consultas a executar, sabendo
exatamente o que deve retornar.
Já o primeiro não. Este sabe que tipos de dados serão
analisados, mas não como será feita a análise, gerando
as consultas sob demanda.
A utilização de uma base de dados não normalizados,
baseada em uma estrutura multidimensional, pode
melhorar a performance da análise.
Exemplos de consultas OLAP:




Quais foram os produtos mais vendidos no mês passado?
A média salarial dos funcionários de informática com
menos de 5 anos de experiência é maior do que a mesma
para funcionários de telecomunicação?
Qual foi o total de vendas o mês passado por região de
vinhos tintos importados da Europa?
Por quais semanas, quais produtos e quais cidades, a
variação de venda de produtos em promoção em
comparação da semana anterior sem promoção foi 
15%
Elementos de um modelo lógico de dados
multidimensional: exemplo
Hierarquia:
1. Geografia
2. País
3. Estado
4. Cidade
5.
Dimensões
Cubo
Etc...
Medidas:
É representada por uma
dimensão
especial utilizada para
realizar comparações.
Inclui membros como:
custos, lucros ou taxas.
Membros
FERRAMENTAS OLAP
Exemplos de ferramentas de mercado
Cognos Business Intelligence Platform
 Servidores OLAP:
 Servidor DOLAP e ROLAP
 Tipo de ferramenta Front-End

Módulo de Análise e Interrogações Ad-hoc –
Cognos PowerPlay .


Linguagem de Interrogação: SQL.
Módulo de Reporting - Cognos ReportNet
 Tipo de Relatórios: Parametrizável
 Tipo de Navegação: Suporta Navegação
http://www.cognos.com/products/businessintelligence/
Cognos Business Intelligence Platform
 Ferramenta Web e não Web
 Web: Browsers e Não Web: Excell.
 Sistemas Operacionais
 Windows 95/98/NT/2000/ME/XP; HP/UX; IBM
AIX; Solaris/Sun OS.
 Bases de Dados:
 Microsoft Access; Oracle RDB; NCR Teradata;
Sybase; Oracle; Red Brick; Microsoft SQL Server;
Informix; IBM DB2; Nota: Interrogações a Base de
Dados (suporte nativo): Oracle; DB2/UDB; SQL
Server; DB2/390; DB2/400; Sybase; Informix; Nota:
Interrogações a Base de Dados (via ODBC):
B2/400; Redbrick; Sybase; MS Access; Teradata
http://www.cognos.com/products/businessintelligence/
MicroStrategy
7i Platform
 Servidores OLAP
 Servidor ROLAP e recentemente MOLAP
 Tipo de ferramenta Front-End
 Módulo de Análise e Interrogações Ad-hoc –
MicroStrategy OLAP Services e MDX Adapter.
Linguagem de Interrogação: SQL e MDX.
Módulo de Reporting - MicroStrategy Report
Services
 Tipo de Relatórios: Parametrizável
 Tipo de Navegação: Suporta Navegação


http://www.microstrategy.com/
MicroStrategy
7i Platform
 Ferramenta Web e não Web
 Web: Browsers e E-mail e Não Web: ficheiros.
 Sistemas Operacionais
 Windows 95/98/NT/2000/ME/XP; HP/UX; IBM AIX;
Solaris/Sun OS.
 Bases de Dados
 JDBC; OLE-DB; ODP.NET; Oracle.
http://www.microstrategy.com/
Oracle 10g
 Servidores OLAP
 Servidor ROLAP, MOLAP e HOLAP
 Tipo de ferramenta Front-End
 Módulo de Análise e Interrogações Ad-hoc – Oracle
Olap
 Linguagem de Interrogação: SQL e PL/SQL;
OLAP DML (equivalente a PL/SQL mas para
multidimensional).

Módulo de Reporting – Oracle Reports
 Tipo de Relatórios: Parametrizável
 Tipo de Navegação: Suporta Navegação
http://otn.oracle.com/products/reports/index.html
Oracle 10g
 Ferramenta Web e não Web
 Web: Browsers e E-mail Não Web: ficheiros e
Excell.
 Sistemas Operacionais
 Windows 95/98/NT/2000/ME/XP; HP/UX (PA-RISC
e Itanium); IBM AIX; Solaris (SPARC).
 Bases de Dados
 Oracle.
http://otn.oracle.com/products/reports/index.html
Applix
 Servidores OLAP
 Servidor ROLAP e MOLAP
 Tipo de ferramenta Front-End
 Módulo de Análise e Interrogações Ad hoc – TM1 e
TM1 Web e Integra
 Linguagem de Interrogação: Não referenciada,
possívelmente SQL e/ou outra linguagem
proprietária
 Módulo de Reporting – TM1 Web
 Tipo de Relatórios: Sem informação
 Tipo de Navegação: Suporta Navegação (drilldown)
http://www.applix.com/solutions/
GEAC
 Servidores OLAP
 Servidor de outro proprietário (dependência)
 Tipo de ferramenta Front-End
 Módulo de Análise e Interrogações Ad hoc – Sem
informação
 Linguagem de Interrogação: Sem informação

Módulo de Reporting – Pervasive 2000 SP2a e Crystal
Reports 8.0 ou 8.5
 Tipo de Relatórios: Dependendo da ferramenta do
proprietário
 Tipo de Navegação: Dependendo da ferramenta do
proprietário
http://www.performance.geac.com/decision/decision.cfm
Hyperion BI Platform
 Servidores OLAP
 Servidor ROLAP e MOLAP
 Tipo de ferramenta Front-End
 Módulo de Ad-Hoc Queries – Hyperion Intelligence
 Linguagem de Interrogação : SQL, MaxL

Módulo de Reporting – Hyperion Reports
 Tipo de Relatórios: Parametrizável
 Tipo de Navegação: Sem informação
http://www.hyperion.com/products/bi_platform/
Hyperion BI Platform
 Ferramenta Web e não Web
 Web : Browsers, E-Mail, Não Web: Excel, PDF, Lotus
 Sistemas Operacionais
 Microsoft Windows 2000 Server; Microsoft Windows
2003 Server ; Solaris Sparc 8.x e 9.x; IBM AIX, Linux
 Bases de Dados
 Oracle 8i e 9i, IBM DB2, MS SQL SERVER 2000, MS
SQL SERVER 7, Informir, Sybase, Teradata, outros
http://www.hyperion.com/products/bi_platform/
Business Objects
 Servidores OLAP
 Servidor ROLAP e MOLAP
 Tipo de ferramenta Front-End
 Módulo de Ad-Hoc Queries – Suporta Ad-Hoc Queries
 Linguagem de Interrogação : SQL, MDX

Módulo de Reporting – Suporta Reports
 Tipo de Relatórios: Parametrizável
 Tipo de Navegação: Drill-Down, Slicing and Dicing,
Pivoting, Ranking, Sorting, Alerts e Filter Helps
http://www.techsupport.businessobjects.com
Business Objects
 Ferramenta Web e não Web
 Web : Browsers, E-Mail, Não Web: Excel, PDF
 Sistemas Operacionais
 IBM AIX, Solaris, Unix, MAC OS e todas a versões do
Windows
 Bases de Dados
 Sem informação
http://www.techsupport.businessobjects.com
Mais ferramentas...
 Panorama NovaView BI Platform
http://www.panoramasoftware.com
 Crystal Analysis and Reports - http://www.businessobjects.com
 MIS onVision - http://www.misag.com
 Arcplan inSight and dynaSight http://www.arcplan.com
 SoftPro Manager - http://www.softpro.hr
 SPSS Olap Hub Information Intelligence Platform http://www.spss.com/olap_hub
 Targit Analysis - http://www.targit.com
 Databeacon - http://www.databeacon.com/
 Q4bis - http://www.q4bis.com/
 Hummingbird - http://www.hummingbird.com/products/bi/index.html
 Vista - http://www.beyond2020.com/products/Vista.html
 DeltaMaster - http://www.bissantz.de/index_e.html
 Strategy Analyzer - http://www.strategycompanion.com
 USoft - http://www.u-soft.com.cn
Desempenho 2003 – The OLAP
Survey 3
Melhores Tempos de Carregamento e Processamento de
Dados:
Mas os líderes são...
http://www.olapreport.com/market.html
Considerações Finais


Com o volume de informações gerado pelos
diversos sistemas, aumenta o potencial de
aperfeiçoamento e inovação da organização
através de um processo de inteligência denominado
de Business Intelligence.
Na prática o BI necessita de um conjunto de
ferramentas e técnicas como os Data Marts,
agrupados em um Data Warehouse sendo
minerados por ferramentas OLAP.
Atividade

Assista ao filme: Ameaça Virtual (2001) e discuta
sobre a falta de ética no processo de BI nas
organizações de informática.