1480608509509

Prévia do material em texto

Aula 04 – Aplicações de TI no 
apoio à decisão
Tema 01 – Recapitulando e
Evolução da gestão da informação
Maria Heloiza Rodrigues Magrin
Dado X Informação X 
Conhecimento
Dado X Informação X Conhecimento
• Executar processos (automação, robótica,
aviônica, drones).
• Interagir com clientes e fornecedores
(amplificar a cadeia de valor).
• Facilitar a gestão e a tomada de decisão.
• Simular e entender modelos e cenários.
• Embutir mais inteligência em processos,
equipes, materiais e produtos.
• Transformar organizações, produtos, serviços
e negócios.
Para que serve a TI?
Enterprise Resource Planning (ERP)
“Sistema interfuncional que integra e
automatiza muitos dos processos de negócios
realizados pelas funções de produção,
logística, distribuição, contabilidade, finanças
e de recursos humanos de uma empresa.”
O’BRIEN (2004, p. 208)
Sistemas Integrados de Gestão
A cadeia de suprimentos (supply chain) é uma 
rede de organizações e processos que viabiliza a 
distribuição e o fornecimento de insumos, 
matérias-primas e produtos acabados, aos 
clientes. 
Auxiliam os gestores a planejar e executar uma 
programação de produção mais eficiente e 
equilibrada. 
SCM Supply Chain Management
“Trata-se de uma nova abordagem de negócios,
que desloca o foco do produto para o cliente [...]
É uma filosofia que implica em uma profunda
mudança nas atitudes internas da empresa.”
(Bentes, 2008, p. 48)
CRM Gestão do Relacionamento com o 
Cliente 
Negócios digitais: todo negócio realizado 
entre empresas, entre empresas e clientes, e 
entre consumidores finais, utilizando a internet. 
Redes sociais: sites de compartilhamento de 
informações pessoais ou profissionais. 
Economia digital: toda movimentação de troca 
remunerada ou não que afete a economia local 
ou global.
Negócios Digitais
DADOS
Dado X Informação X Conhecimento
ERP
SCM
CRM
Negócio
Digital
Economia 
Digital
Redes 
Sociais
Nossa Agenda
1. Evolução da gestão da informação.
2. Inteligência vs. Competência Analítica.
3. Requisitos para a competência analítica.
4. Dados, métricas e indicadores.
5. Fatores críticos de sucesso.
6. Resumo da aula.
“A gestão da informação é um conjunto de
estratégias que visa identificar as necessidades
informacionais, mapear os fluxos formais de
informação nos diferentes ambientes da
organização, assim como sua coleta, filtragem,
análise, organização, armazenagem e
disseminação, objetivando apoiar o
desenvolvimento das atividades cotidianas e a
tomada de decisão no ambiente corporativo.”
(VALENTIM, M. L. P. Inteligência competitiva em organizações: dado, informação e
conhecimento. DataGramaZero, Rio de Janeiro, v.3., n.4, ago. 2002)
Gestão da informação 
Gestão da informação 
GESTÃO DA INFORMAÇÃO GESTÃO DO CONHECIMENTO
ÂMBITO: Fluxos formais ÂMBITO: Fluxos informais
OBJETO: Conhecimento explícito OBJETO: Conhecimento tácito
ATIVIDADES BASE:
- Identificar demandas necessidades de informação
- Mapear e reconhecer fluxos formais
- Desenvolver a cultura organizacional positiva em 
relação ao compartilhamento/
socialização de informação
- Proporcionar a comunicação informacional de forma 
eficiente, utilizando tecnologias de informação e 
comunicação
- Prospectar e monitorar informações
- Coletar, selecionar e filtrar informações
- Tratar, analisar, organizar, armazenar informações, 
utilizando tecnologias de informação e comunicação
- Desenvolver sistemas corporativos de diferentes 
naturezas, visando o compartilhamento e uso de 
informação
- Elaborar produtos e serviços informacionais
- Fixar normas e padrões de sistematização da 
informação
- Retroalimentar o ciclo
ATIVIDADES BASE:
- Identificar demandas necessidades de conhecimento
- Mapear e reconhecer fluxos informais
- Desenvolver a cultura organizacional positiva em 
relação ao compartilhamento/
socialização de conhecimento
- Proporcionar a comunicação informacional de forma 
eficiente, utilizando tecnologias de informação e 
comunicação
- Criar espaços criativos dentro da corporação
- Desenvolver competências e habilidades voltadas ao 
negócio da organização
- Criar mecanismos de captação de conhecimento, 
gerado por diferentes pessoas da organização
- Desenvolver sistemas corporativos de diferentes 
naturezas, visando o compartilhamento e uso de 
conhecimento
- Fixar normas e padrões de sistematização de 
conhecimento
- Retroalimentar o ciclo
Fonte: Marta Ligia Pomim Valentim
• Esforços de 
segmentação
• Análise das tendências 
e conveniências
do mercado-alvo
• Múltiplos canais
• Múltiplas ofertas e 
linhas de negócio
• Foco da TI:
atendimento
• Ênfase na logística e 
consumo de recursos
• Processos integrados
• Reforço da marca e 
credibilidade junto ao 
cliente
• Foco da TI:
rastreamento de 
eventos e melhoria 
de processos
Foco na logística e 
excelência operacional
Excelência
operacional
Foco no
cliente
Expandir
mercados
• Indicadores
volumétricos
• Expansão e 
capilaridade
da rede física
• Disponibilizar 
infraestrutura
• Poucas linhas de 
negócio
• Processos isolados
• Foco da TI: 
controle
Foco na
produção
Desenvolver
produtos
• Análise das relações 
de
causa e efeito
• Big Data
• Latência zero
• Somem os silos; a 
informação não tem 
mais “dono”
• Foco da TI: 
inteligência analítica
Foco na
análise
Antecipação e
agilidade
Evolução da Gestão da Informação
• Esforços de 
segmentação
• Análise das 
tendências e 
conveniências
do mercado alvo
• Múltiplas ofertas e 
linhas de negócio
• Foco da TI:
atendimento
• Ênfase na logística 
e consumo de 
recursos
• Infraestrutura
redesenhada,
redistribuindo
e outsourcing
tarefas
• Múltiplos canais
• Reforço da marca 
e credibilidade 
junto ao cliente
• Foco da TI:
rastreamento de 
eventos e melhoria 
de processos
Foco na
logística
Excelência
operacional
Foco no
cliente
Expandir
mercados
• Indicadores
volumétricos
• Expansão e 
capilaridade
da rede física
• Disponibilizar 
infraestrutura
• Ênfase em 
poucas linhas de 
negócio
• Processos 
isolados
• Foco da TI: 
controle
Foco na
produção
Desenvolver
produtos
• Processos
integrados ao 
longo da cadeia 
produtiva
• Análise das 
relações de
causa e efeito
• Organização ágil 
e proativa
• Latência zero
• Somem os silos”; 
a informação não 
tem mais “dono”
• Foco da TI: 
inteligência 
analítica
Foco na
integração
Antecipação e
agilidade
Métricas
volumétricas
Expansão da
base de clientes
Satisfação,
expectativas,
mind share
Simulação e
cenários
Modelos
mentais
Dados e
eventos externos
Resultado
por produto
Resultado
por cliente
Segmentação 
e scores
Semantic 
mining
Crises e
riscos
Evolução da Gestão da Informação
“Big Data” significa:
• Dados não intermediados por humanos.
• Forte teor qualitativo, quando gerados por
humanos.
• Múltiplas fontes e múltiplos stakeholders.
• Formato dinâmico e fluido.
Vamos pensar !
No momento que vivemos, qual a influência dos
clientes e das novas tecnologias nas decisões
estratégicas da empresa?
Que informações são importantes para que a
empresa conheça suas forças e oportunidades
de crescimento?
Tema 2
Inteligência vs. Competência
Analítica e Requisitos para a
competência analítica
Maria Heloiza Rodrigues Magrin
1. Evolução da gestão da informação.
2. Inteligência vs. Competência 
Analítica.
3. Requisitos para a competência analítica.
4. Dados, métricas e indicadores.
5. Fatores críticos de sucesso.
6. Resumo da aula.
Nossa Agenda
Categorias Distintas de Sistemas
Sistemas 
Transacionais
Sistemas 
Transacionais
Sistemas 
Transacionais
Sistemas de 
Apoio à 
Decisão
Business
Analytics
Sistemas de
Apoio à 
Decisão
Consumidores das Análises
Complexidade da 
análise
Número de 
usuários
Relatórios e
consultas
OLAP / Análise
multidimensional
KPIs e
dashboards
Scoring
Clustering & 
Segmentação
Cenários e 
modelos preditivos
Simulações /
System Dynamics
Inteligência Analítica
A inteligência analítica engloba o conjunto de 
práticas, métricas e sistemas que visam 
monitorar, aferire direcionar o desempenho 
da organização, bem como explorar respostas e 
evidências para as questões críticas de 
negócio, com base em modelos que visam 
explicar as relações de causa e efeito 
associadas às questões de negócio.
Fonte: Kugler, 2013
Arquitetura Típica para as Aplicações 
Analíticas
Aquisição
de dados
Exploração
e análise
Dados
transacionais
Dados
legados
Data
Warehouse
Corporativo
Dados externos
Armazenagem
de dados
Staging
Area
Competência Analítica
É a capacidade coletiva de conciliar e 
conduzir projetos e iniciativas analíticas que 
enderecem de forma efetiva as questões 
críticas de negócio.
Fonte (texto e foto): Kugler, 2013
Visão Informacional/Organizacional
“Data Sets”
“Data 
Warehouse”
Questões 
críticas de 
negócio
Modelagem 
dimensional
Modelos
classificatórios
Modelos
preditivos
Dados
Modelagem Analítica
Muitas vezes ocorrem saltos abruptos para a 
etapa de análise, sem antes organizar os 
dados em uma estrutura adequada.
Técnicas e Ferramentas Analíticas
big data
data
modeling
data flow
monitoring and 
reporting
planning and 
optimizing
discovery, analysis 
and prediction
Performance
Indicators
OLAP / 
Business
Intelligence
System 
Dynamics & 
Optimization
Data & Text
Mining
Opinion 
Mining
Network 
Analysis
GeoAnalysis
Pattern
Recognition
Natural
Language
Data 
Semantics
Decision 
Modeling
Ontologies
ETL
Data 
Cleansing
Householding
1. Evolução da gestão da informação.
2. Inteligência vs. Competência Analítica.
3. Requisitos para a competência 
analítica.
4. Dados, métricas e indicadores.
5. Fatores críticos de sucesso.
6. Resumo da aula.
Precisamos ser competentes em dois 
aspectos:
Ferramentas
Analíticas
Competência
Analítica
Tecnologia
Questões de 
negócio
Preocupações Tecnológicas
• De onde virão os dados? Com quais
ferramentas vamos adquiri-los? Quem vai
manter, validar e atualizar este fluxo de
dados?
• Onde vamos armazená-los? Segundo qual
arquitetura? Em quais bancos de dados?
• Como vamos distribuí-los? Com quais
ferramentas? Quem poderá acessar quais
dados?
Preocupações Informacionais/ 
Organizacionais
• O que podemos descobrir com estes dados? Quais
são os indícios e tendências?
• Quais questões de negócio merecem atenção dos
gestores?
• O que precisamos medir? Com qual periodicidade?
• Como podemos distinguir e avaliar diferentes
grupos de eventos, produtos, clientes, processos?
• Com quais modelos podemos analisar os dados?
• Quais modelos podem ser transplantados ou
reutilizados em outros cenários?
Mudanças na Arquitetura Analítica
Fonte: Evolving Data Warehouse Architectures, TDWI Research Report 2014
Mudanças na Arquitetura Analítica
Fonte: Evolving Data Warehouse Architectures, TDWI Research Report 2014
Mudanças na Arquitetura Analítica
Fonte: Evolving Data Warehouse Architectures, TDWI Research Report 2014
Competência Analítica
Elencar questões críticas de negócio
Delimitar foco de análise e entidades
Identificar as dimensões candidatas
Identificar fatos candidatos
Definir grão (detalhe)
Mapear fontes dos dados
Gerar modelo dimensional preliminar
Validar e extender modelo preliminar
Popular a base de dados
Repetir ciclo e disseminar aprendizado
Organizacional Tecnológica
TrilhaTrilha
Fonte: Kugler, 2013
Competência Analítica
Elencar questões críticas de negócio
Delimitar foco de análise e entidades
Identificar as dimensões candidatas
Identificar fatos candidatos
Definir grão (detalhe)
Mapear fontes dos dados
Gerar modelo dimensional preliminar
Validar e extender modelo preliminar
Popular a base de dados
Repetir ciclo e disseminar aprendizado
Organizacional Tecnológica
TrilhaTrilha
Fonte: Kugler, 2013
Quais controles gerenciais? Quais métricas? 
Quais regras de negócio? Qual é o modelo?
Quais acomodações semânticas são necessárias
para viabilizar a análise?
Competência Analítica
Elencar questões críticas de negócio
Delimitar foco de análise e entidades
Identificar as dimensões candidatas
Identificar fatos candidatos
Definir grão (detalhe)
Mapear fontes dos dados
Gerar modelo dimensional preliminar
Validar e extender modelo preliminar
Popular a base de dados
Repetir ciclo e disseminar aprendizado
Organizacional Tecnológica
TrilhaTrilha
Fonte: Kugler, 2013
Quais ferramentas? Quais bases de dados? 
Como gerenciar o fluxo de dados? Quais camadas?
Quais responsabilidades?
Vamos pensar !
Qual o prejuízo que a empresa pode ter ao
tomar decisões sem antes organizar os dados
em uma estrutura adequada ?
Quais as principais competências que devemos
desenvolver para realizarmos melhores análises
estratégicas ?
Tema 3
Dados, métricas e indicadores
Maria Heloiza Rodrigues Magrin
1. Evolução da gestão da informação.
2. Inteligência vs. Competência Analítica.
3. Requisitos para a competência analítica.
4. Dados, métricas e indicadores.
5. Fatores críticos de sucesso.
6. Resumo da aula.
Nossa Agenda
Dados, Métricas e Indicadores
“ A medição é o primeiro passo que leva ao 
controle e, consequentemente, à melhoria. 
Se você não mede algo, você não o entende. 
Se você não o entende, você não o controla. 
Se você mão o controla, você não pode melhorá-lo”
H. James Harrington
Dados, Métricas e Indicadores
Segundo o BPM CBOK:
• “Métrica é uma extrapolação de medidas, 
isto é, uma conclusão com base em dados 
finitos.”
• “Indicador é uma representação de forma 
simples ou intuitiva de uma métrica ou 
medida para facilitar sua interpretação 
quando comparada a uma referência ou alvo.”
Dados, Métricas e Indicadores
Métricas
• São as medidas brutas, atômicas e de simples 
composição. Em uma estrutura de Data 
Warehouse, são armazenados na tabela Fato e 
medem os descritivos armazenados nas 
Dimensões. 
• Valores e quantidades são exemplos de 
formatos das métricas.
Dados, Métricas e Indicadores
Indicadores
• São medidas calculadas e são compostos pelas 
métricas. Possuem uma visão mais ampla e 
direcionada da realidade observada. 
• Os indicadores avaliam a performance 
organizacional, auxiliam a análise de 
tendência, a melhoria contínua, a atuação 
proativa e dão transparência à empresa. 
• Normalmente são expressos por percentuais, 
frenquência, probabilidade, etc.
Dados, Métricas e Indicadores
Métricas
• Variáveis volumétricas:
• Descrevem fatos ou processos que podem 
ser medidos diretamente, ou derivados, 
com relativa facilidade, dos fatos ou 
eventos originais.
• Indicadores
• Indicam o grau de atingimento dos objetivos 
táticos e estratégicos da organização.
• Em geral, são expressos como relações, 
coeficientes ou índices de variação.
Dados, Métricas e Indicadores
Indicadores
• Direcionadores (drivers), monitoram a causa 
antes do efeito e caracterizam-se pela 
possibilidade de alterar o curso para o alcance 
de um resultado.
• De resultados (outcome), monitoram o efeito 
e não permitem mais alterar um dado 
resultado.
Dados, Métricas e Indicadores
Dados, Métricas e Indicadores
Fundamentos da Medição de Desempenho
• Questão chave: Por que medir ?
• Conceito de Meta, Indicadores de Desempenho e 
Métricas
• Componentes chaves da Medição de Desempenho
• Boas Práticas: SMART, KISS e Benchmark
• Técnica: 5W2H
• Avaliação de Desempenho com base em indicadores
Dados, Métricas e Indicadores
Questões Chaves da Medição de Desempenho
• Visão Holística de TI
• O que medir ?
• Como medir ?
• Quem são as partes interessadas ?
• Quando medir ?
• Quanto custa medir ?
Dados, Métricas e Indicadores
SMART, é uma boa prática que ajuda na definição de 
Metas
• Specific, objetivos específicos que se quer alcançar
• Meassurable, tem que ser passível de medição
• Attainable, os objetivos tem que ser factíveis e 
atingíveis
• Realist, objetivos realistas, tem que conseguir atingí-
los com os recursos que dispõe
• Time-bound, quando quer atingir os objetivos fixados
Exemplo
Objetivos/Metas Métricas Dimensões
Evolução do Market Share Receita do Mercado (R$) PeríodoMargem/Lucro do Mercado (R$) Ano
Volume/Itens Comercializados (#) Trimestre
Receita (R$) Mês
Margem/Lucro (R$) Quadri_Semana
Produto
Familia_Produto
Linha_Produto
Marca_Produto
Organizacao_Vendas
Regiao_Vendas
Subregiao_Vendas
Equipe_Vendas
Vendedor
Fonte: Kugler, 2013
Vamos pensar !
Dados, Métricas e Indicadores
• As empresas precisam ter o 
conhecimento do seu desempenho para 
poder acompanhá-lo.
• Uma empresa precisa ter metas 
realísticas e verificar se está no caminho 
certo para atingi-las através da medição 
periódica do desempenho atual e 
comparando-o com o desejado.
Tema 4
Fatores críticos de sucesso e
Resumo da aula
Maria Heloiza Rodrigues Magrin
1. Evolução da gestão da informação.
2. Inteligência vs. Competência Analítica.
3. Requisitos para a competência analítica.
4. Dados, métricas e indicadores.
5. Fatores críticos de sucesso.
6. Resumo da aula.
Problemas Frequentes
• Consistência e “certificação” de dados.
• O que fazer com os “semáforos” (verde,
amarelo, vermelho) quando a variância é
distinta para diferentes variáveis?
• O que fazer quando as metas são
alteradas?
• O que fazer com os outliers? Os ajustes
sazonais? As “heranças” quando ocorrem
transferências de profissionais entre
departamentos e territórios?
Problemas Frequentes
• Modismos e superposição de conceitos.
• Múltiplos esforços; pouca integração entre 
as diversas iniciativas analíticas.
• Dificuldade para transmitir ideias, modelos 
e análises para fora do grupo de interesse 
imediato.
• Descontinuidade de iniciativas devido à 
falta de consenso.
Problemas Frequentes
• Os projetos são, por vezes, condicionados
ou direcionados pela compra de
ferramentas.
• Dificuldade para definir o escopo dos
projetos.
• Dificuldade para designar e envolver
patrocinadores e “champions”.
Fatores Críticos de Sucesso
• O ideal é incentivar um centro de
competência – um fórum para discutir e
disseminar métodos de análise, bases de
dados, métricas, resultados e focos de
análise.
• Devemos organizar os esforços analíticos a
partir da reflexão sobre as questões de
negócio e focos de análise.
• Realizar Gap Analysis de forma contínua,
abrangente e realista, não burocrática.
Gap Analysis
Inexistente Planejado Implantação Disponível Disseminado
Identificação dos processos do negócio (macro visão)
Lista das questões críticas de negócio
Lista das entidades principais (macro visão)
Lista dos principais fatos e métricas (macro visão)
Lista das principais dimensões (macro visão)
Matriz de Variáveis - Modelo Corporativo
Mapa de Extração (identificação da origem dos dados)
Verificação da conformidade dimensional
Tratamento de outliers
Avaliação de faixas e tolerâncias
Ferramentas de extração e movimentação de dados
Ferramentas de visualização e exploração
Ferramentas de gestão de base de dados
Ferramentas de data mining e inferência
Staging Area
Data warehouse / data marts
Visões do usuário
Validação do fluxo de dados e datas de corte
Controle de qualidade dos dados existentes
Sizing e acompanhamento do crescimento das bases
Consultas padronizadas
Customização de consultas e relatórios
Comparações entre períodos
Classificação e segmentação
Projeções e simulações
Painéis e scorecards
Data mining, scoring, detecção de tendências
Navegação, customização e favoritos
Glossário, FAQ
Usabilidade
Infra Estrutura de TI
Assessment
 Situação Atual
Fluxo de Dados
Exploração e Visualização
Entendimento e Modelagem das Variáveis de Negócio
Gestão Informacional
Fonte: Kugler, 2013
1. Evolução da gestão da informação.
2. Inteligência vs. Competência Analítica.
3. Requisitos para a competência analítica.
4. Dados, métricas e indicadores.
5. Fatores críticos de sucesso.
6. Resumo da aula.
Business Intelligence (BI) :
É uma solução de suporte à decisão que ajuda 
administradores e gerentes a transformar imensos 
volumes de dados transacionais em informações úteis; que 
ao serem disponibilizadas no momento e no formato 
adequado, oferecem apoio em processos decisórios. 
Quando essa tecnologia é empregada em conjunto com 
um sistema ERP (Enterprise Resource Planning), se 
potencializam e os resultados ficam ainda melhores, pois o 
ERP possui uma base de dados integrada, contendo dados 
consistentes de várias áreas da organização. 
Fonte: Manuel Pier Sobrido, 2008
Business Intelligence (BI) :
• BI não diz respeito apenas a uma questão tecnológica; mas 
exige também atenção a outros fatores importantes; tais como: 
criatividade; cultura e pessoas que vejam a informação como 
um recurso estratégico. 
• A exploração da base de dados corporativa através de métricas 
e indicadores pode oferecer um conjunto valioso de 
informações, que são extremamente úteis ao processo 
decisório da organização. 
• Muitas empresas, ao implementarem bons projetos de BI do 
ponto de vista técnico, acabam não obtendo os resultados 
esperados por não definirem Metas objetivas ou factíveis.
Fonte: Manuel Pier Sobrido, 2008
Projetos analíticos demandam:
• Um patrocinador objetivo, persistente e realista.
• Um líder de projeto e um “champion hands on”, 
ambos com credibilidade e excelente trânsito nos 
meandros da organização.
• Integração entre os vários esforços analíticos.
• Privilegiar a qualidade, e não a quantidade de 
métricas e modelos.
• Uma equipe que domine as competências essenciais:
1. Modelagem dimensional.
2. Mapeamento de questões críticas.
3. Técnicas de análise de dados e modelagem 
preditiva.
Resumo da Aula
• Para promover a competência analítica, o caminho
ideal é através de um centro de competência –
um fórum permanente para discutir e disseminar
métodos de análise, bases de dados, métricas,
resultados e focos de análise.
• Tecnologia é importante (e necessária), mas a
construção de modelos e a sua defesa são os
fatores decisivos
• Devem ser organizados esforços analíticos a partir
da reflexão sobre as questões de negócio !
Principais características de um 
Indicador de desempenho
Características Descrição
Eficácia ou Seletividade
Representar ou ser correlacionado com um processo chave 
ou de satisfação do cliente
Custo adequado
Relação Custo de implantação e operação adequados ao 
Benefício esperado 
Rastreável
Tem como ser acompanhado através de registros ao longo do 
tempo
Simplificado É simples e fácil de entender
Comparável Premite comparação com valores anteriores e com outros
Sistematizável Pode ser coletado, processado e automatizado
Relevante Deve ser importante para a meta
Mensurável Permite ser medido
Testável Pode ser experimentado, avaliado e validado
Auditável Pode ser verificado e avaliado
Confiável Tem origem, fonte, confiável e não é manipulado.
• A TI tem o papel de guardiã da coleta,
armazenamento e segurança dos dados da
empresa.
• Atua como facilitadora na implantação de
processos e soluções automatizadas através
de soluções computacionais.
• Tem o importante papel de suportar e
garantir que as informações necessárias as
operações e análises estratégicas da empresa
estejam disponíveis e confiáveis.
Vamos pensar !
Referências
KIMBALL, Ralph; ROSS, Margy. The Data Warehouse Toolkit – The Complete Guide to 
Dimensional Modeling. 2ª. Edição. John Wiley: New York, 2002.
KUGLER, José Luiz. Competência Analítica: Conceitos e estratégias para a construção 
da empresa inteligente. São Paulo: Editora Saraiva, 2013.
MAYER-SCHONBERGER, Viktor; CUKIER, Kenneth. Big Data: A revolution that will 
transform how we live, work and think. Houghton Mifflin Harcourt, New York: 2013.
RUSSON, Philip. Evolving Data Warehouse Architectures. TDWI Research Report 
2014.
SAVAGE, Sam L. The Flaw of Averages – Why we understimate risk in the face of 
uncertainty. New York: John Wiley, 2009.
SIEGEL, Eric. Predictive Analytics: The Power to Predict Who Will Click, Buy, Lie, or 
Die. Hoboken, NJ: 2013. 
WHEELER, Donald J. Entendendo a Variação: A chave para administrar o caos. São 
Paulo: Qualitymark, 2008.