Prévia do material em texto
05/05/2022 09:10 UNINTER https://univirtus.uninter.com/ava/web/roa/ 1/23 SISTEMAS DE INFORMAÇÕES GERENCIAIS – SIG AULA 2 05/05/2022 09:10 UNINTER https://univirtus.uninter.com/ava/web/roa/ 2/23 Profª Maristela Weinfurter Teixeira CONVERSA INICIAL Sistemas de informações gerenciais estão relacionados aos processos decisórios das organizações de quaisquer tamanhos. Assim como eles estão ligados ao nível estratégico e tático, os sistemas de informações estão ligados às áreas operacionais das empresas. Ao falarmos de sistemas de informações, faz-se necessário apenas relembrarmos alguns pontos importantes. Um destes pontos encontra-se na definição para sistemas de informações. Para Stair (2015), um sistema de informação é definido como um conjunto de elementos inter-relacionados para coleta, manipulação e armazenamento dos dados e informações, e que fornece mecanismos de retroalimentação para atingir um objetivo. Dificilmente conseguimos imaginar um mundo sem o uso de sistemas de informações automatizados, sim, porque o conceito de sistema de informação não necessariamente diz respeito a algo virtual. Eles estão associados a vendas, anúncios, na produção de bens e serviços, na emissão de uma nota fiscal, no planejamento de obras, no controle de notas das escolas. Da empresa multinacional até as microempresas locais, eles estão interagindo com pessoas e outros sistemas. O elemento mais básico em um sistema de informações é a própria informação, a qual é o recurso mais valioso de uma organização. Termo que não deve ser confundido com dado (Stair, 2015). Dados são fatos brutos, como preço de um produto, número de identidade pessoal, que podem ser constituídos apenas de números, letras, ou conjunto de caracteres (números, letras e outros símbolos). O dado sozinho não possui valor algum. Porém, quando aplicamos então o conceito de informação, que é a coleção de fatos organizados e processados, os dados passam a ter valor (Stair, 2015). Ou seja, a informação corresponde a um conjunto de dados com determinado significado. Logo, um dado é um conjunto de números ou caracteres, que podem estar armazenados dentro de um repositório ou banco de dados, bem como trafegando entre as transações dos sistemas de informações. 05/05/2022 09:10 UNINTER https://univirtus.uninter.com/ava/web/roa/ 3/23 Mas não basta que tenhamos informações, é necessário que elas sejam compreendidas e possam ser úteis no apoio a tarefas operacionais ou estratégicas. Ou seja, o conhecimento é que faz com que as informações possam realmente agregar valor aos negócios. E conhecimento pode ser definido com a consciência e compreensão de um conjunto de informações e maneiras como as informações são utilizadas na organização (Stair, 2015). A automação das organizações mediante aplicações empresariais é algo cada vez mais acessível e compreendido por estas como vital para garantir a produtividade e posteriormente as melhores decisões estratégicas do negócio. O advento das várias plataformas de serviços na nuvem e aplicativos móveis possibilitou que várias empresas, de vários tamanhos, consigam automatizar seus processos conforme seus orçamentos. O maior desafio ainda permeia a implantação de Sistemas de Informações Gerenciais, pois estamos falando de ferramentas, metodologias e tecnologias que ainda não estão tão populares para pequenos e médios negócios. Quando falamos deste tipo de sistemas, estamos olhando para ferramentas e aplicações que necessitam processar e armazenar um volume grande de informações, bem como tecnologias que auxiliem no processo decisório, geralmente baseado em Inteligência Artificial. TEMA 1 – EVOLUÇÃO DOS SISTEMAS DE INFORMAÇÕES Historicamente os sistemas de informações vem passando por avanços tecnológicos e conceituais, de acordo com a evolução e constituição das organizações. Em meados dos anos 1950, dá-se início à era do processamento de dados, com alguns relatórios gerenciais provenientes dos próprios sistemas de informações que na sua maioria, rodavam em ambientes de mainframe. Esta situação perdurou até meados dos anos 1980, quando temos a revolução da microinformática, das redes locais e o surgimento de outros sistemas operacionais. Nos anos 1990 é que a evolução começa a ficar mais intensa, trazendo consigo a era Windows e logo após a era Web. Em menos de uma década, sistemas que antes rodavam em computadores de grande porte de forma centralizada, passam pelo paradigma dos sistemas distribuídos que utilizavam User Interfaces (UIs) mais amigáveis com os usuários por meio do Windows. E dentro desta mesma década, já estávamos 05/05/2022 09:10 UNINTER https://univirtus.uninter.com/ava/web/roa/ 4/23 falando sobre sistemas que executavam em ambiente Web, trazendo consigo novos conceitos na construção de UIs para nossos usuários. Surgiu então o DTD, que derivou o HTML, posteriormente o CSS e todo o ecossistema que hoje temos para a implementação de aplicativos baseados na Web. A última década foi, então, abraçada pelos aplicativos móveis e com toda a evolução tecnológica que converge para o aperfeiçoamento de nossos algoritmos na busca incessante da melhoria da inteligência dos negócios empresariais. 1.1 SISTEMAS DE INFORMAÇÕES EMPRESARIAIS Sistemas de Informações empresariais são utilizados no dia a dia no apoio à toda operacionalização do ambiente de trabalho nas diversas organizações públicas ou privadas, no Brasil e no mundo. Podemos categorizá-los em sistemas de comércio eletrônico, de processamento de transações, gerenciais e de apoio a decisões. Os sistemas de comércio eletrônico (e-commerce e m-commerce) feitos de negócio para negócio (B2B – Business to Business), entre empresas e consumidores (B2C – Busines to Consumer), consumidores e consumidores (C2C – Consumer to Consumer), negócios e setor público (B2G – Business to Government), setores públicos e consumidores (G2C – Government to Consumer) e setor público para setor público (G2G – Government to Government) estabelecem siglas muito comuns no mercado. (Stair, 2015). Algumas empresas conhecidas e que estão no mundo de e-commerce são: 1. Americanas; 2. Renner; 3. Walmart; 4. Magazine Luiza; 5. Via Varejo; 6. Saraiva; 7. Privalia; 05/05/2022 09:10 UNINTER https://univirtus.uninter.com/ava/web/roa/ 5/23 8. Carrefour. Observando que elas não estão em nenhum tipo de classificação, são somente alguns exemplos. As figuras 1 e 2 ilustram algumas empresas que trabalham dentro do conceito de e-commerce. Figura 1 – Carrefour e-commerce Crédito: Devina Saputri/Shutterstock. Figura 2 – Renner e-commerce 05/05/2022 09:10 UNINTER https://univirtus.uninter.com/ava/web/roa/ 6/23 Crédito: Gabriel_Ramos/Shutterstock. Estes são sistemas que vêm crescendo em velocidade acelerada, porém, a grande base de todas as transações de negócios é executada pelos sistemas integrados dentro das organizações. Antes de entrarmos no assunto sobre sistemas integrados, vamos falar sobre os sistemas de processamento de transações (TPS – Transaction Processing System), que por meio de um conjunto organizado de procedimentos, pessoas envolvidas, uma grande base de dados e um sistema computacional, conduzem a operação das empresas (Stair, 2015). Os primeiros TPSs surgiram na década de 1950, e os mesmos automatizavam sistemas como folha de pagamentos, emissão de cheques de pagamento, cobrança de clientes, controle de estoques, entre outros (Stair, 2015). Foi um grande avanço no quesito automatização dos processos manuais, no entanto, o grande problema encontrava-se na redundância das atividades dos profissionais que utilizavam estes sistemas, bem como na redundância dos dados. Os dados ficavam espalhados por toda a empresa, e a integração era feita de forma manual, o que geravam atrasos de fechamentos de mês e de balanços anuais das empresas. Há um outro tipo de sistema categorizado como o sistema de fluxo de trabalho,o qual gerencia, coordena e monitora, por meio de regras, a execução de um conjunto de tarefas organizadas que são usadas nos processos de negócios. Este tipo de sistema tem por finalidade o roteamento e apresentação de documentos e outros recursos utilizados na melhoria contínua dos processos de negócio com o intuito de aumento da produtividade. O tempo gasto pelos colaboradores preenchendo formulários, relatórios ou redigitando documentos, são automatizados e integrados, facilitando o trabalho de todos (Stair, 2015). Os sistemas integrados ERP (Enterprise Resource Planning), que sucederam os sistemas de processamento de transações, tornaram-se importantes entre as décadas de 1980 e 1990, e representavam uma nova forma de gerir negócios. Estes sistemas agora eram integrados e capazes de auxiliar no gerenciamento das operações vitais dos negócios (Stair, 2015). Contando com módulos como Contas a Pagar, Contas a Receber, Compras, Faturamento, Materiais, Logística, Chão de Fábrica, Comercial, Importação e Exportação, Controladoria, Recursos Humanos, PCP, entre outros que variam de negócio para negócio, possibilita que todas as informações, que antes eram desagregadas, agora funcionem integradas de forma automática. (Stair, 2015). A figura 3 ilustra alguns destes módulos, entre eles o módulo de CRM (Customer Relationship Management), que surgiu no final dos anos 05/05/2022 09:10 UNINTER https://univirtus.uninter.com/ava/web/roa/ 7/23 1990. Este módulo é responsável por toda automatização da gestão de relacionamento com o cliente. O MRP (Material Requirement Planning) é uma metodologia sucedida pelo MRP II, que deu origem à idealização dos Sistemas de ERP. É com base no MRP que a automatização dos processos fabris foi concretizada. Figura 3 – Módulos de um ERP Crédito: ANANALINE/Shutterstock. Ao faturarmos um produto, o mesmo é automaticamente retirado do módulo de estoque, entra automaticamente na Nota Fiscal, contabiliza, dispara a programação da produção se for o caso, e no final do processo encaminha para a separação física do produto e expede por meio do modal (terrestre, marítimo, ferroviário, aéreo ou fluvial) necessário para o cliente (Stair, 2015). É claro que neste contexto de explicação, o que nos vem à mente é todo o fluxo de atividades relacionado a uma indústria de manufatura de bens. E foi desta forma que os ERPs iniciaram suas instalações. Eram as grandes indústrias que possuíam orçamento para implantação destes. Depois dos anos 2000, empresas de vários setores da economia e de vários tamanhos conseguiram também entrar na onda da implantação de ERPs alinhados aos ramos de atividade comercial (Stair, 2015). Ainda na década de 1990 os projetos de implantação de Inteligência de Negócios mediante Sistemas de Apoio à Decisão, Sistemas Executivos e Informações Gerenciais, utilizando-se dos 05/05/2022 09:10 UNINTER https://univirtus.uninter.com/ava/web/roa/ 8/23 modelos de dados multidimensionais, tornam-se a nova coqueluche do mercado de sistemas de informações. 1.2 SISTEMAS DE APOIO À DECISÃO E DE INFORMAÇÕES GERENCIAIS Os Sistemas de Informações Gerenciais (MIS – Management Information System) tem por finalidade a sintetização de todas as operações realizadas no sistema de ERP. São ferramentas que estabelecem objetivos e quantificados, auxiliando no monitoramento dos resultados e desempenho, bem como, pode alertar gestores dos níveis táticos e estratégicos diariamente (O’Brien, 1999). Poderíamos definir um Sistema de Informação Gerencial como um “conjunto organizado de pessoas, procedimentos, software, bancos de dados e dispositivos, usados para fornecer informações rotineiras aos gerentes e tomadores de decisões” (Stair, 2015). Mesmo que os primeiros sistemas de informação gerencial tenham sido desenvolvidos em 1960, eles se tornam mais populares três décadas depois. Inicialmente, eles geravam relatórios periódicos (diários, semanais, mensais ou anuais) de acordo com a preferência dos usuários (Stair, 2015). Dentro da mesma linha dos sistemas de informações gerenciais, temos os Sistemas de Apoio à Decisão (DSS – Decision Support System), os quais funcionam em parte como os anteriores, disponibilizando ferramentas para análises e simulações para apoio às diferentes decisões. Com a melhoria das tecnologias, nos anos 1980, não somente os níveis estratégicos possuíam acesso a informações gerenciais. Os níveis táticos (gerências, coordenações, supervisões) conseguiam por meio dos sistemas de apoio à decisão, reduzir em muito atividades que estavam associadas à tomada de decisões (Stair, 2015). Este tipo de sistema é muito útil quando há uma complexidade no número de informações e as decisões se tornam difíceis. Um exemplo interessante é quando dois gerentes de produção estão resolvendo o mesmo problema com informações diferentes. Isto decorre de suas características pessoais, forma de coletar e armazenar seus dados para tomada de decisão. Com o apoio de um único sistema, ambos podem incluir seus dados e então tomarem a decisão mais correta, utilizando-se da visão e experiência de ambos. Uma outra versão deste tipo de sistemas são os sistemas de informações executivas. Eles estabelecem a agregação de informações gerenciais provenientes dos sistemas de ERP com informações não estruturadas provenientes de dados de concorrentes e do mercado possibilitando 05/05/2022 09:10 UNINTER https://univirtus.uninter.com/ava/web/roa/ 9/23 por meio de resultados gráficos a agilidade na decisão de executivos das organizações (O’Brien, 1999). Encerramos as categorizações dos principais tipos de sistemas de informações e informações gerenciais utilizados desde meados dos anos 1950, porém impulsionados pela melhoria incontestável de recursos computacionais após os anos 1990. TEMA 2 – BI E DATA WAREHOUSE A evolução dos sistemas de informações gerenciais segue uma linha de tempo conforme a figura 4. Tudo começou com o que chamávamos de sistemas de apoio à decisão, passando para sistemas de informações gerenciais quando em meados dos anos 1990 surge o que chamamos de inteligência de negócios (BI – Business Intelligence) (Sharda, 2019). Não somente os conceitos vão mudando, mas também toda a tecnologia envolvida. Saímos de volumes de dados armazenados em Kilobytes, para Gigabytes, Terabytes, Pentabytes, Exabytes, Zettabytes e já falamos em Yottabytes. Devido à complexidade do novo mundo dos negócios globalizado com o volume de dados aumentando progressivamente, chegamos em novos conceitos para o gerenciamento das informações: Data Warehouse e Big Data. Figura 4 – Evolução dos Sistemas de Informações Gerenciais (baseado em gráfico de (Sharda, 2019 – Evolução do apoio à decisão, inteligência de negócios e análise de dados) 2.1 BUSINESS INTELLIGENCE 05/05/2022 09:10 UNINTER https://univirtus.uninter.com/ava/web/roa/ 10/23 Inteligência de negócios é um termo considerado guarda-chuva, pois não estamos falando de uma tecnologia, mas sim de uma combinação entre arquiteturas, ferramentas, gerenciadores de bancos de dados, ferramentas analíticas, aplicativos e metodologias (Sharda, 2019). O BI tem por finalidade que haja acesso interativo, até em tempo real, a dados para a manipulação destes por gestores e analistas que conduzam análises apropriadas. O processo todo baseia-se em transformar dados em informações para que decisões se tornem em ações (Sharda, 2019). O Gartner Group, nos anos 1990, estabeleceu este termo BI. Olhando para uma década anterior, o que as empresas possuíam eram sistemas chamados de EISs (Executive Information Systems). EIS também não é uma tecnologia, mas sim um conceito assim como no caso do BI. Executivos e gestores de empresas contavam com funcionalidades de extração dinâmica de dados multimensionais que davam origem a previsões, tendências e outros fatores importantes para tomada de decisões estratégicas (Sharda, 2019). A figura 5 conecta várias tecnologias, aplicativos e técnicas que configurama evolução dos sistemas de Inteligência de Negócios (BI). Figura 5 – Tecnologias, Técnicas e Aplicativos que compõem um BI Crédito: Haali/Shutterstock. 2.2 DATA WAREHOUSE E DATA MINING Os Sistemas de Inteligência de Negócios funcionam de forma diferente dos sistemas baseados em transações. Estes não trabalham com processamento de transações online (OLTP – online 05/05/2022 09:10 UNINTER https://univirtus.uninter.com/ava/web/roa/ 11/23 transcation processing), mas com armazenamento de dados para análise. Uma das características dos BIs encontra-se no tratamento dos dados informatizados por meio do processamento analítico online (OLAP – online analytical processing). Sistemas como ERPs, SCMs (Suplly Chain Management) e CRMs fornecem informações para os bancos de dados multidimensionais do Data Warehouse (Sharda, 2019). O OLAP permite que usuários recebam respostas online sobre questões específicas numa velocidade razoável em dados armazenados em bancos de dados com um volume alto de armazenamento (Laudon, 2012). Um modelo multidimensional possibilita que haja várias visões complexas dos dados. Além do OLAP, um Data Warehouse utiliza-se de outra tecnologia denominada Data Mining, o qual é orientado para descobertas. Este oferece percepções sobre todos os dados contidos nos bancos de dados corporativos que não possam ser descobertos pelo OLAP. Outra função importante de um Data Mining é guiar os processos de decisão por meio da descoberta de padrões e relacionamentos que de grandes bancos de dados inferindo regras para previsão de comportamentos futuros. Há vários tipos de informações que são capturados com um Data Mining, entre elas informações de associações, sequenciais, classificatórias, de aglomerações e de prognósticos (Sharda, 2019). Data Mining são sistemas de análise de alto nível em relação a padrões e tendências e revelam detalhes de dados quando necessário. O Data Mining é orientado para negócios em suas diversas subáreas, bem como para pesquisa científica e trabalhos governamentais. Este é bastante usado como suporte de previsões e tendências para área de marketing, identificando os clientes mais lucrativos para as empresas (Sharda, 2019). Assim, a figura 6 irá ilustrar uma arquitetura genérica para um Data Warehouse. Figura 6 – Arquitetura Genérica de um Data Warehouse 05/05/2022 09:10 UNINTER https://univirtus.uninter.com/ava/web/roa/ 12/23 Crédito: JanneStan/Shutterstock. Caminhando mais um pouco neste mundo de “garimpo” de dados, uma vez que temos conhecimento de quão poderosa e lucrativa pode ser a ferramenta de Data Mining, nos deparamos com um desafio em relação à proteção da privacidade (Sharda, 2019). Novamente esbarramos em questões éticas dentro dos SIGs. Assim como podemos prever tendências para o setor de marketing, acabamos por capturar dados sobre renda, formas de locomoção, hobbies, detalhes de famílias e interesses políticos, e tudo isto converge para um grande perigo de invasão da privacidade dos clientes investigados pelo Data Mining. Um último elemento importante encontrado na Data Warehouse são os Data Mart, que são repositórios de dados que se referem a áreas específicas, tais como os subsistemas de um ERP (Comercial, Supply Chain, Controladoria, entre outros). 2.3 ANÁLISE PREDITIVA E TEXT MINING E as ferramentas, técnicas e tecnologias são muitas, com muitas finalidades. Vamos trabalhar agora um pouco sobre a análise preditiva e o Text Mining. Análise preditiva é uma técnica utilizada pelos Data Minings, na qual dados históricos e suposições sobre o futuro, são utilizados para previsão de resultados de eventos futuros. Como 05/05/2022 09:10 UNINTER https://univirtus.uninter.com/ava/web/roa/ 13/23 exemplo a probabilidade de um cliente aceitar ou não determinada oferta de compra de um produto específico (Sharda, 2019). Até aqui vimos técnicas e ferramentas que trabalham sobre nossos dados estruturados. Estes dados estruturados estão em nossos bancos de dados corporativos. Mas precisamos identificar o que há nos dados não estruturados das organizações. E qual o local que eles se encontram? Os dados não estruturados podem ser encontrados em nossos e-mails, documentos jurídicos, transcrições de chamadas de atendimentos ao cliente, relatórios sobre serviços prestados, pesquisas qualitativas, entre tantos outros incontáveis documentos que geramos a cada dia em nossas empresas. Há uma estimativa de que mais de 80% das informações de uma organização não estão estruturadas e com isto surge outra necessidade de ferramenta que são os Text Minings. Text Minings extraem elementos-chave de um grande conjunto de dados não estruturado, identificando padrões e relacionamentos das informações. Uma excelente aplicação de Text Mining é a análise das transcrições de ligações das centrais de atendimento aos clientes, como forma de identificação dos principais problemas persistentes nos serviços ou produtos das companhias (Sharda, 2019). Além de toda documentação que pode ser varrida por ferramentas de Text Mining, ainda temos uma fonte valiosíssima chamada Web. Analisar padrões, tendências e questões comportamentais de consumidores, por exemplo, também é uma rica fonte informação transformada em conhecimento por meio da mineração na Web (Web Mining) (Sharda, 2019). E a Inteligência de Negócios não termina por aqui. Trabalhamos dos formatos mais simples aos mais complexos na mineração dos dados valiosos para tomada de decisão das áreas estratégicas e tácitas de nossas empresas. Mas ainda esbarramos em questões de mais e mais volumes de dados, bem como processos para analisá-los. TEMA 3 – BI E BIG DATA Big Data é a menina dos olhos dos analistas de dados do momento. Todos querem conhecer e aprender como utilizar esta nova forma de buscar e analisar dados como apoio ao processo decisório. 05/05/2022 09:10 UNINTER https://univirtus.uninter.com/ava/web/roa/ 14/23 É importante salientar que Big Data não substitui o que já desenvolvemos e implementamos em relação ao Data Warehouse, nem tão pouco é um caso de escolhermos um ou outro. Cada nova ferramenta, cada nova tecnologia, cada nova técnica ou metodologia, durante um tempo, trabalha em conjunto com as outras que já são vencedoras. Pode ser que em um futuro, não tão próximo, não estejamos mais falando sobre Data Warehouse, porém sobre algo muitas vezes que evoluiu sobre tudo o que já vimos e vivenciamos. Assim foi e está sendo com o conceito de Inteligência de Negócios. Há quarenta anos falávamos sobre Sistemas de Apoio à Decisão, Sistemas para Executivos e Sistemas de Informações Gerenciais. Hoje falamos, dentro de um anglicanismo sem fim, sobre Big Data, Data Warehouse, Data Mining, Text Mining e Web Mining. O importante é que nós possamos entronizar os conceitos importantes tanto do lado dos Sistemas de Informações quanto do lado das Estratégias de Negócio. Com o avanço constante e extremamente rápido de toda a infraestrutura de TIC (Tecnologia da Informação e Comunicação), o que comporta hardware, software e telecomunicação, conseguimos processar de forma mais veloz e armazenar um volume assustador de dados. Isto impulsionou muito todas as ferramentas (software) que vem sendo criadas ou melhoradas. E é na carona de tudo isto que surge o Big Data. Big Data surge com a proposta não somente de apoiar o garimpo sobre um enorme volume de dados, mas também sobre um variado e complexo repositório de dados global. Neste caso, nosso Data Warehouse não consegue competir, por isto falamos que ambos caminharão juntos. Apenas uma pequena ideia do que é esta tal complexidade, vamos olhar para nossas redes sociais. Vamos elencar apenas algumas delas: Facebook, Twitter, Pinterest, Instagram e LinkedIn. Algumas profissionais e outras pessoais. Em confronto, vamos imaginar os vários dispositivos móveis utilizados, dentre os quais vamos destacar os smartphones e tablets. Cada qual com um número infinito de aplicativos, sejam para trabalho, acessarempresas financeiras, ou simplesmente para diversão por meio de jogos. Todos estes aplicativos por sua vez, podem ser acessados via uma mídia social com auxílio de uma tecnologia de autorização (Oauth). Isto é só a ponta de um iceberg de dados não estruturados, mas conectados que trafegam diariamente, segundo a segundo pela grande aldeia digital global chamada internet. Aqui nem estamos considerando o uso de RFID (Radio- Frequency IDentification), que empresas de varejo, de logística entre outros segmentos do mercado utilizam. É armazenagem, catalogação e transporte de produtos trocando informações. O agronegócio também está muito automatizado, e utiliza-se de redes de sensores coletando o fluxo 05/05/2022 09:10 UNINTER https://univirtus.uninter.com/ava/web/roa/ 15/23 de dados em tempo real e fornecendo informações estratégicas para o processo de plantio e colheita (Marquesone, 2016). A figura 7 demonstra esquematicamente um pouco dos elementos que interagem com o RFID. Figura 7 – Elementos que interagem com o RFID Crédito: Trueffelpix/Shutterstock. Uma das principais características de um Big Data pode ser caracterizada por 3 Vs (Volume, Variedade e Velocidade). A Figura 8 exemplifica estes 3 Vs e inclui mais outros Vs (Veracidade, Visualização e Viralização). Figura 8 – 6 Vs do Big Data Crédito: JanneStan/Shutterstock. Segundo a consultoria Gartner Group, (em Marquesone, 2016), Big Data não está restrita às propriedades 3Vs, mas inclui também outros Vs. Alguns falam em 5 Vs outros em 6Vs. Além da variedade, velocidade, volume, visualização, viralização e valor dos dados, um Big Data precisa agregar estratégias inovadoras para um bom retorno da extração dos dados. Há muita informação estruturada e não estruturada, relacionada e não relacionada percorrendo as atividades cotidianas das organizações e nas redes sociais globais, logo, qualquer empresa, de 05/05/2022 09:10 UNINTER https://univirtus.uninter.com/ava/web/roa/ 16/23 qualquer tamanho, pode pensar em utilizar este novo conceito na utilização seus dados e dados públicos para melhorar o perfil estratégico-decisório de seu negócio. TEMA 4 – OS RUMOS DA INTELIGÊNCIA DE NEGÓCIOS Relembrando que BI não é uma ferramenta ou uma técnica, mas sim o conjunto de tecnologias, ferramentas e técnicas, por isso estabelecer os rumos de algo que é apenas conceitual é um tanto quanto difícil. Para tanto, vamos elencar alguns elementos que são importantes para então direcionarmos melhor nossa conversa. São eles: RFID e sensores (como tecnologias para geração e aquisição de dados), Data Warehouse (o qual é outro conceito que produz relatórios e análises), Mídias Sociais (como aquisição de dados por meio de Data, Text e Web Mining), ETL (na conversão de dados dos sistemas legados (ERP, CRM, SCM) para repositórios por assuntos nos Data Marts), OLAP (responsável pela análise dinâmica e multidimensional dos dados), Análise Preditiva, Prescritiva e Descritiva, e BAM (Business Activity Management, um middleware híbrido que utiliza serviços Web para monitoramento de eventos empresariais-chave) (Sharda, 2019). Acrescentando o uso mais intenso de Artificial Intelligence, inovações como Storytelling para análise de dados, linguagem natural na interação de usuários com ferramentas e o uso de serviços de BI na nuvem. Muitas das ferramentas citadas anteriormente podem ser adquiridas, desenvolvidas ou adquiridas sob a forma de licenças de uso. O website tdwi.org é muito interessante como ponto de partida para aprendizado e conhecimento sobre as tendências de ferramentas, técnicas e ideias. As ferramentas existentes no mercado para BI são bem diversificadas, sendo que a maioria delas são pré-programáveis (shells). Assim o cliente pode customizar de acordo com sua realidade organizacional (Sharda, 2019). Segundo Tableau (2020), as tendências relacionadas Business Intelligence, seja por meio de Data Warehouse ou Big Data são: 1. Artificial Intelligence (AI) – evolução e novos elementos relacionados a inteligência artificial nas ferramentas; 2. Natural Language Processing (NLP) – aplicação de linguagem natural combinando ciência da computação e linguística, fornecendo maior facilidade na interação entre usuários e ferramentas; 05/05/2022 09:10 UNINTER https://univirtus.uninter.com/ava/web/roa/ 17/23 3. Análises acionáveis que aceleram o processo de tomada de decisões, mantendo os usuários dentro do seu contexto de seus fluxos de trabalho e processos de negócios; 4. Dados para o bem é uma iniciativa que já conta com grande engajamento com auxílio das mídias sociais e que promove o uso de dados públicos e privados protegendo os indivíduos que têm seus dados coletados; 5. Códigos de ética como GDPR e LGPD; 6. Curadoria de dados por meio da implantação de BI mais moderna, gerando melhorias nos processos de governança e gerenciamento pelo acesso mais abrangente aos dados; 7. Aplicação de Storytelling às informações dando uma nova roupagem à extração e análise dos dados; 8. Maior foco nas estratégias de uso das análises extraídas dos sistemas de BI. Não bastam que haja dados, mas também estratégias de uso mais adequadas ao conhecimento adquirido como vantagem competitiva; 9. Destaque ao profissional chamado cientista de dados. São especialistas em aprendizagem de máquina, estatística, matemática, Big Data e outras tecnologias emergentes em relação ao BI; 10. Utilização dos serviços na Nuvem para acelerar o processo de modernização dos BIs. Temos um caminho cheio de oportunidades para crescimento competitivo das organizações, melhorias nos serviços públicos, surgimento e amadurecimento de várias profissões na área de software e dados e grandes desafios éticos em mantermos a privacidade das pessoas que tem seus dados coletados. TEMA 5 – VIVENCIANDO EXPERIÊNCIAS NO PROCESSO DECISÓRIO POR MEIO DE SIG Mediante dois pequenos estudos de caso vamos trabalhar duas situações reais sobre a aplicação de Data Mining para gerenciamento de problemas com resultados muito importantes no processo decisório. 05/05/2022 09:10 UNINTER https://univirtus.uninter.com/ava/web/roa/ 18/23 Nossos dois casos, baseados em casos estudados em (Laudon, 2012), irão utilizar dois cenários: 1. Mineração de texto, para a descoberta de padrões e relacionamentos num grande conjunto de dados não estruturados, (e-mails, conversas telefônicas transcritas, postagens em blogs, pesquisas online e tweets); 2. As plataformas digitais móveis, com milhões de pessoas ligando, enviando mensagens de texto, pesquisando, usando aplicativos, comprando, escrevendo e-mails e utilizando as redes sociais. Os consumidores mudaram diante das inovações tecnológicas. Agora eles colaboram, compartilham informações e influenciam outros clientes com suas opiniões. E tudo isto são dados não estruturados que precisamos gerenciar para compreendermos nossos clientes, suas preferências e o que precisamos melhorar. Nossa primeira empresa escolhida, a JetBlue ( <https://www.jetblue.com/>), empresa global de viagens, acredita que os dados podem oferecer percepções exclusivas sobre o comportamento dos clientes. Ela passou por uma situação difícil com o descontentamento de muitos clientes devido ao cancelamento de vários voos devido a uma tempestade de gelo. Ela recebeu mais de 15.000 e-mails por dia com reclamações, quando seu nível normal de e-mails era de 400 por dia. A empresa contratou então uma empresa para auxiliá-los na análise de texto para conseguir compreender os mais de 15.000 e-mails. Isto permitiu extrair rapidamente os sentimentos, preferências e solicitações que não era possível mapear de maneira manual. Foi utilizada uma ferramenta com tecnologia proprietária para identificar automaticamente fatos, opiniões, solicitações, tendências e pontos problemáticos. Esta ferramenta analisou não somente os e-mails, que eram inicialmente o grande problema, mas também notas de serviços, respostas de pesquisas, fóruns na web, artigos e notíciasreferentes à JetBlue. A tecnologia é capaz de identificar com precisão as “vozes” dos clientes ao expressarem seu feedback, tanto negativos quanto positivos. Esta foi uma pequena aplicação de Text Mining, que identificou eventos e relacionamentos importantes sobre as intenções dos clientes em relação à JetBlue. https://www.jetblue.com/ 05/05/2022 09:10 UNINTER https://univirtus.uninter.com/ava/web/roa/ 19/23 A ferramenta utilizada revelou questões sobre produtos e serviços específicos que foram rapidamente trabalhadas pelo departamento de marketing e relações públicas, em um esforço de resgatar a reputação da empresa. A solução adotada pela JetBlue foi desenvolver uma declaração de direitos do cliente e abordou os principais problemas com os clientes em relação às redes de hotéis, em especial às redes Gaylord Hotels and Choice Hotels. Nosso segundo caso é sobre a Wendy’s International, uma cadeia de restaurantes dos Estados Unidos que vende hambúrgueres em formato quadrado e à moda antiga. Depois de Burger King, McDonald’s e Subway, é a quarta maior cadeia de fast-food dos Estados Unidos. Com mais de 500.000 mensagens de fóruns de feedback, transcrições de notas de call centers, mensagens de e-mail e pesquisas baseadas em recibos e mídias sociais, a Wendy’s buscou no mercado um software que a auxiliasse na sintetização e análise destes documentos não estruturados. O software escolhido foi o Clarabridge, que foi concebido para que seus clientes alcancem decisões importantes sobre a experiência de seus clientes (CX – Customer Experience). Voltando à Wendy’s, a empresa levava semanas para analisar as pesquisas feitas com os clientes, mas depois da implantação da plataforma de CX Clarabridge, o tempo foi significadamente diminuído. Os gestores da Wendy’s conseguiram agilizar a análise, detectaram emergentes problemas, bem como identificaram áreas problemáticas da empresa em vários níveis do grupo: loja, regional e corporativo. Estes dois pequenos estudos de casos apontam para o grande desafio no aumento do volume de dados não estruturados que as empresas estão expostas diante da nova era digital. E demonstra um dos vários usos da mineração de textos na melhoria do processo de tomada de decisões corporativa. Como sempre estamos falando, sistemas de informações gerenciais não são compostos por várias tecnologias, técnicas e metodologias para o apoio nos processos decisórios, podendo ser desde a aplicação de uma mineração de dados, até o conjunto de várias tecnologias para se chegar às melhores soluções. 05/05/2022 09:10 UNINTER https://univirtus.uninter.com/ava/web/roa/ 20/23 FINALIZANDO Nossos sistemas de informações gerenciais são extremamente importantes para a tomada de decisões, das mais pontuais às mais estratégicas da corporação. Estes podem se utilizar de um grande e complexo volume de dados locais ou globais, que estão em bases de dados estruturadas e não estruturadas. Discorremos até aqui sobre a evolução dos sistemas de informações, relembrando seu histórico nos anos 1950 até os dias de hoje, bem como sobre a evolução tanto tecnológica quanto de complexidade dos negócios. Também discutimos sobre os primeiros sistemas de transações, os quais tinham suas bases isoladas e nada integradas, que serviam apenas a cada departamento específico da organização. Na sequência, discutimos um pouco sobre os sistemas de recursos empresariais (ERPs), que deram origem à grande automação dos processos internos das empresas. Diante deste episódio, a base de dados se tornou única, com todos os departamentos compartilhando dados por meio de funcionalidades sobre uma base única. Isto gerou integridade, confiabilidade dos dados e principalmente, agilidade no processo global, tornando a maioria dos processos manuais em automatizados. Chegamos então nos sistemas de suporte à decisão e os sistemas gerenciais. Cada qual, com sua característica, mas de forma geral automatizando o processo decisório organizacional. Compreendemos que os sistemas gerenciais continuam em acelerada evolução, partindo dos suportes à decisão para os Data Warehouses e ao Big Data. Ambos, mesmo que equidistantes no tempo, não possuem exatamente a mesma finalidade, para tanto, um não substitui o outro. Formam um bom combinado para que a empresa construa seu maior ativo de valor: o conhecimento. Antes falávamos sobre Kilobytes, Gigabytes e até Terabytes. Atualmente, falarmos sobre Pentabyte, Exabyte, Zettabyte, Yottabyte e seus sucessores não nos assusta. Isto impulsionou o que tanto falamos de volume de dados. Mas é no cruzamento de volume com complexidade (dados estruturados e não estruturados) é que nossos conceitos de Data Warehouse e Big Data entram. Mesmo mudando o mercado de trabalho e subdividindo mais uma vez, profissões para relacionadas ao desenvolvimento de software e manipulação de dados. O grande assunto do final dos anos 70 até meados dos anos 90 ficou por conta dos modelos de bancos de dados relacionais. Conseguimos sim melhorar e reorganizar as informações estruturadas das organizações. Porém, assim que deixamos a 05/05/2022 09:10 UNINTER https://univirtus.uninter.com/ava/web/roa/ 21/23 casa literalmente em ordem, o advento da Web nos coloca diante do grande desafio das informações não estruturadas e distribuídas em vários aplicativos e em vários formatos. Diante de tal grau de diversidade tecnológica, combinamos conceitos e ferramentas como OLAP, análise preditiva, análise descritiva, análise prescritiva, mineração de dados, mineração de textos, mineração web, ScoreCards, Dashboards entre tantos outros elementos, todos debaixo do nosso guarda-chuvas conceitual chamado Business Intelligence. Nosso Business Intelligence é um objeto de atenção tanto do lado dos negócios quanto da área de TI. Do nosso lado, nossas preocupações vão além dos negócios. São tecnologias e artefatos dispersos em redes sociais, dispositivos móveis, IoT, RFID, ETL, Data Mart, Artficial Intelligence, e- mails, fóruns, marketing digital, extração de dados e conversões de dados. E toda esta complexidade nos dá um terreno fértil para inovarmos com foco no aprimoramento do valor dos dados para as empresas. Visualizando nosso futuro tecnológico, nossos pés permanecem neste aglomerado de tecnologias já discutidas até aqui, mas nossa cabeça deve viajar em 3 situações não tão distantes de nossa atual realidade: Artificial Intelligence, Storytelling e as leis de privacidade (LGPD, GDPR). Inteligência Artificial é uma área ampla, mas o que mais se adequa ao nosso contexto de volume e complexidade de dados são as subáreas de Machine Learning, redes neurais, algoritmos genéticos, agentes inteligentes e sistemas especialistas. Storytelling, estranhamente associada à inteligência de negócios é algo realmente bem novo e pouco maduro. Normalmente este termo está associado às áreas mais criativas, como Design Visual, User Experience e Publicidade. Ele entra justamente como forma de socializar os resultados das análises sobre os dados. Por vezes é difícil que consigamos expor exatamente os resultados dos dados. A atividade de storytelling nos possibilita a difusão do conhecimento de uma forma criativa, memorizável e agradável. Finalmente, não menos importante, as leis da privacidade dos dados, sendo adotadas em todos os países, é uma preocupação constante. Nossos dados estão circulando pelas redes no Brasil, do Iapoqué ao Chuí e no mundo do Polo Norte ao Polo Sul. E quais dados? Hoje não temos controle. Tudo aquilo que fornecemos nas redes sociais, nas lojas de e-commerce, para os governos, para testarmos aplicativos, jogos, música, podcasts, quando marcamos nossas atividades nas redes sociais, 05/05/2022 09:10 UNINTER https://univirtus.uninter.com/ava/web/roa/ 22/23 incluindo fotos, datas, pessoas. Todo este conglomerado de informações que dispomos espontaneamente, estão circulando. Por meio das leis, como LGPD e GPDR, começamos a ter certa segurança em relação aos nossosdados. Conseguiremos pedir para que eles sejam excluídos de determinadas bases de dados, desde que nos lembremos por onde passamos. REFERÊNCIAS O’BRIEN, J. Management Information Systems – Managing Information Technology in the Internetworked Enterprise. Boston: Irwin McGraw-Hill, 1999. STAIR, R. M.; REYNOLDS, G. W. Princípios de sistemas de informação: uma abordagem gerencial. 11. ed. Boston: Cengage Learning, 2015. SHARDA, R. et al. Business intelligence: e análise de dados para gestão do negócio. Porto Alegre: Bookman, 2019. LAUDON, Kenneth C.; LAUDON, J. P. Management information systems: managing the digital firms. 12. ed. London: Prentice hall, 2012. MARQUESONE, R. Big Data: técnicas e tecnologia para extração de valor dos dados. São Paulo: Casa do Código, 2016. AUDY, J. L. N.; ANDRADE, G. K. de; CIDRAL, A. Fundamentos de sistemas de informação. Porto Alegre: Bookman, 2007. Tableau. Disponível em: <https://www.tableau.com/sites/default/files/blocks/2019_bi_trends_report_pt-br_1.pdf>. Acesso em: 09 mar. 2021. 05/05/2022 09:10 UNINTER https://univirtus.uninter.com/ava/web/roa/ 23/23