1. Sistemas de Apoio à Decisão
SAD – Faculdade União
Prof Elvis Canteri de Andrade
ecanteri@msn.com
2. Sistemas de Apoio à Decisão
O que é um SAD?
“São ferramentas computacionais que fornecem
2
“São ferramentas computacionais que fornecem
informações ou conhecimentos que auxiliem às pessoas
a tomar decisões inteligentes de acordo com as políticas
e estratégias da organização”
3. Problemas para implantar um SAD
Problema na implementação dos SAD →
disponibilidade dos dados
Os SAD requerem acesso a dados históricos
contidos em diversas aplicações operacionais
3
contidos em diversas aplicações operacionais
4. Problemas para implantar um SAD
Principal razão dos problemas referentes a
dados → evolução das organizações
Tempo de vida da aplicação operacional
4
Reimplementação com tecnologias atuais
Diversos aplicativos com tecnologias diferentes
Diversas plataformas de hardware
Não padronização dos dados
6. Histórico dos SAD
Anos 80
Surgimento dos MIS (Management Information
Systems)
Único Banco de Dados (BD) para dois propósitos:
6
Único Banco de Dados (BD) para dois propósitos:
Transações Operacionais
Processamento Analítico
7. Histórico dos SAD
Programas extratores
Encontrar dados em arquivos e BDs
Transportar os dados
Arquivos
7
Arquivos
BDs
Porque extrair os dados?
Performance
Controle
9. Histórico dos SAD
Arquitetura de Evolução Natural
Problemas
Credibilidade dos dados
Produtividade
9
Produtividade
Inabilidade em transformar dados em informação
10. Problemas da Arquitetura de Evolução
Natural
Falta de credibilidade dos dados
Dados não são baseados em tempo
Dados são extraídos por algoritmos diferentes
Diversos níveis de extração
10
Diversos níveis de extração
Problema dos dados externos
Nenhuma fonte de dados comum no início
12. Problemas da Arquitetura de Evolução
Natural
Produtividade
Criação de relatório utilizando diversos arquivos e coleções de
dados acumulados durante anos
Requerimentos
12
Requerimentos
Localizar e analisar os dados → diferentes formatos e
plataformas de software
Compilar os dados para o relatório → muitos programas
personalizados que devem executar em diversas plataformas
de hardware/software
Alocar programadores/analistas para as tarefas → equipe
grande e problema da não reutilização
14. Problemas da Arquitetura de Evolução
Natural
Inabilidade em transformar dados em
informação
Não há integração de sistemas
14
Dificuldade em relacionar dados
Discrepância de tempo
Não há dados históricos coerentes
18. Business Intelligence
Processo de coleta, organização, análise,
compartilhamento e monitoramento de
informações
Front-End
18
Front-End
Sistemas de Apoio à Decisão
OLAP (Online Analytical Processing)
EIS (Executive Information Systems)
Back-End
Data warehouse
Data mart
Data mining
20. Business Intelligence
Definição de Business Intelligence (BI)
“BI é um conjunto de ferramentas e aplicações que
permitem a coleta, organização, análise e distribuição de
informações para tomada de decisões melhores e mais
20
informações para tomada de decisões melhores e mais
rápidas com base em fatos. A BI emprega o
gerenciamento pró-ativo e positivo aos negócios, através
de sistemas de inteligência e aplicações analíticas que
abrangem todas as áreas de sua organização”
22. Características dos SAD
São orientados a problemas não estruturados e
sub-especificados que a maioria dos executivos
se deparam
São fáceis de serem utilizados interativamente
22
São fáceis de serem utilizados interativamente
por pessoas de outras áreas
São flexíveis e adaptáveis a mudanças no
ambiente e na abordagem da tomada de decisão
do usuário
24. Introdução a Data Warehouse
O que é um Data Warehouse?
“Data warehouse é uma coleção de dados orientados a
24
assunto, integrados, não voláteis e variantes no tempo
que dão suporte aos processos gerenciais de tomada de
decisão.” [Inmon 90]
25. Introdução a Data Warehouse
Orientado a Assunto
Os dados são organizados em torno de assuntos que
dizem respeito ao funcionamento do negócio
Ex.: cliente, produto, etc
25
Ex.: cliente, produto, etc
27. Introdução a Data Warehouse
Integração
Reunir dados dos sistemas operacionais, fontes
externas, data marts independentes
Três fases:
27
Três fases:
Extração
Limpeza
Transformação
28. Introdução a Data Warehouse
Fase: Extração
Processos variados
Replicação de dados
Programas ad hoc
28
Programas ad hoc
Data Warehouse pode ser passivo ou ativo
Passivo: sistemas operacionais enviam os dados para o DW
Ativo: DW recupera dados do ambiente operacional
29. Introdução a Data Warehouse
Fase: Limpeza
Remoção de erros nos dados → crítico para o
sucesso
Processo falho
29
Processo falho
Melhor hipótese → perda da confiança nos dados
Pior hipótese → decisões estratégicas e gerenciais são feitas
de acordo com as informações baseadas em dados errados
30. Introdução a Data Warehouse
Fase: Limpeza
Bom processo de limpeza → melhora também o
ambiente operacional
Administrador de dados → verificar log de erros e
30
Administrador de dados → verificar log de erros e
tomar as decisões adequadas
Nem todos os erros podem ser detectados
31. Introdução a Data Warehouse
Fase: Transformação
Dados possuem formatos diferentes nos diversos
sistemas operacionais existentes.
Ex.: campo data: 01/01/05
31
Ex.: campo data: 01/01/05
campo data: 01/01/2005
Metadados → ajuda na transformação
Verificação dos formatos → tarefa dispendiosa
33. Introdução a Data Warehouse
Não Volátil
Dados no DW → não mudam
Sistemas operacionais → posição atual
Série histórica para fins de análise
33
Série histórica para fins de análise
Características
Inserções são feitas em massa
DW → Virtual read-only DB
35. Introdução a Data Warehouse
Variante no tempo
DW → guarda estados da organização de um
determinado tempo
DW → filme
35
DW → filme
Estados da organização → analistas detectam
padrões e tendências através do tempo
37. Bibliografia
[Freitas 00] Freitas, Alex Alves. Notas de Aula da Disciplina Data Mining.
PUC-PR. Curitiba, 2000.
[Giovinazzo 03] Giovinazzo, William A. Internet-Enabled Business
Intelligence. Prentice Hall. New Jersey, 2003.
[Imhoff 03] Imhoff, Claudia and Galemmo, Nicholas and Geiger, Jonathan
37
[Imhoff 03] Imhoff, Claudia and Galemmo, Nicholas and Geiger, Jonathan
G. Mastering Data Warehouse Design – Relational and Dimensional
Technics. Wiley Publishing, Inc. Indianapolis, 2003.
[Reinschmidt 00] Reinschmidt, Joerg and Francoise, Allison. Business
Intelligence Certification Guide. CA: IBM Corporation, 2000.
[Todman 00] Todman, Chris. Designing a Data Warehouse: Supporting
Customer Relationship Management. Prentice Hall. New Jersey, 2000.