RESUMO - Sistemas de Apoio a Decisão

Prévia do material em texto

SISTEMAS DE APOIO A DECISÃO 
1 
 
 
 
 Ciclo da Informação – Resumo Completo 
 Objetivos da Matéria 
• Entender os conceitos de dado, informação e conhecimento 
• Compreender os tipos de conhecimento 
• Reconhecer a importância estratégica da informação 
• Dominar o processo decisório nas organizações 
 
1⃣ Dado, Informação e Conhecimento 
 Conceito VUCA 
• Volátil: tudo muda rapidamente 
• Uncertainty (incerteza): nada é garantido 
• Complexo: tudo está interligado 
• Ambíguo: múltiplas interpretações possíveis 
 Diferenças 
• Dado: elementos brutos, sem contexto 
• Informação: dado com significado 
• Conhecimento: aplicação prática da informação 
• Sabedoria: uso avançado e preditivo do conhecimento 
 Tipos de Dados 
• Quantitativos: 
o Discretos (ex: número de pessoas) 
o Contínuos (ex: altura) 
• Qualitativos: 
o Nominais (ex: cidade) 
o Ordinais (ex: escolaridade) 
 Fontes de Dados 
• Primárias: coleta direta (ex: questionários) 
Números inteiros 1,2,3,...
Números decimais, 2,3, 5.444, ...
 
 SISTEMAS DE APOIO A DECISÃO 
2 
• Secundárias: já existentes (ex: IBGE) 
 
2⃣ Tipos de Conhecimento 
 Conhecimentos mais usados 
• Explícito: documentado (manual, dados) 
• Tácito: pessoal, intuitivo (experiência) 
 Modelo SECI (Takeuchi & Nonaka) 
• Socialização (T-T) 
• Externalização (T-E) 
• Combinação (E-E) 
• Internalização (E-T) 
 Gestão do Conhecimento 
• Aquisição: coleta de novos saberes 
• Armazenamento: manter conhecimento acessível 
• Distribuição: compartilhar internamente 
• Uso: aplicar o que foi aprendido 
 Práticas de gestão 
• Gerenciamento de conteúdo 
• Busca de especialistas 
• Lições aprendidas (sucessos e erros) 
• Comunidades de prática (fóruns internos) 
 
3️⃣ Importância Estratégica da Informação 
 Aplicações práticas 
• Conhecer o cliente (hábitos, faixa etária) 
• Identificar mercados rentáveis 
• Monitorar o que falam da marca (netnografia) 
• Criar campanhas baseadas em dados 
• Executar testes A/B 
 Benefícios 
 
 SISTEMAS DE APOIO A DECISÃO 
3️ 
• Decisões mais confiáveis 
• Visão clara do ambiente 
• Antecipação de oportunidades e riscos 
• Previsibilidade e performance 
• Redução de custos 
 Sistemas de Informação Estratégica 
• Coletam, processam e analisam grandes volumes de dados 
• Suportam decisões sobre produtos, preços, clientes, etc. 
 Responsabilidade 
• Líderes: estimular cultura de dados 
• Especialistas: interpretar, ensinar e manter bases 
• Todos os colaboradores: gerar e usar conhecimento 
 
4️⃣ Processo Decisório nas Organizações 
 Etapas do Processo Decisório 
1. Entender a decisão 
2. Coletar dados e informações 
3. Identificar alternativas 
4. Selecionar uma alternativa 
5. Implementar a alternativa 
6. Revisar a decisão 
 Coleta de dados e informações avançada 
• Definir o problema: o erro mais comum é ignorar essa etapa 
• Planejar a pesquisa: métodos, público, cronograma 
• Executar a pesquisa: coleta por formulários, entrevistas, etc. 
• Analisar os dados: tabelas, frequência, gráficos 
• Comunicar resultados: usar gráficos e storytelling para apresentar 
 
 
 
 
 SISTEMAS DE APOIO A DECISÃO 
4️ 
 Conclusão 
• Dados são a base da informação, que vira conhecimento e gera decisões 
melhores. 
• A gestão do conhecimento fortalece as empresas. 
• O uso estratégico da informação é um diferencial competitivo no mundo 
moderno. 
• O processo decisório deve ser baseado em dados e bem estruturado. 
 
 
Resumo Detalhado: Análise de Negócio e Inteligência Empresarial 
1. Introdução à Análise de Negócio e Inteligência Empresarial 
• Contexto: A globalização e a competitividade da Indústria 4️.0 (que utiliza 
automação, Internet das Coisas, sistemas ciber-físicos e computação em nuvem) 
tornaram a análise de negócio (AN) e a inteligência empresarial (BI) essenciais 
para a gestão moderna. Sem tecnologias inovadoras, a gestão seria "artesanal", 
incapaz de competir na nova economia. 
• Definição: 
o Análise de Negócio: Processo de transformar dados organizacionais em 
insights acionáveis para identificar problemas, necessidades e soluções, 
apoiando decisões estratégicas. 
o Inteligência Empresarial (BI): Conjunto de ferramentas e processos para 
coletar, organizar, analisar e disseminar dados, dividida em: 
▪ BI Tradicional: Focado em dados estruturados (organizados em 
formatos fixos, como tabelas) para relatórios precisos e previsíveis. 
▪ BI Moderno: Integra dados estruturados e não estruturados (como 
textos ou vídeos), usando estatística, programação, machine 
learning e IA para prever cenários futuros. 
• Objetivos do Estudo: 
o Compreender conceitos fundamentais de AN. 
o Diferenciar modelos de BI (tradicional vs. moderno). 
o Identificar características da inteligência competitiva (IC). 
o Entender a gestão do conhecimento (GC) como base para eficiência 
organizacional. 
• Relevância: Ferramentas de BI, como softwares de visualização de dados, 
transformam big data em relatórios, painéis, gráficos e mapas, capacitando 
gestores a tomarem decisões baseadas em dados. 
 
 SISTEMAS DE APOIO A DECISÃO 
5 
2. Importância da Análise de Negócio 
• Finalidade: Identificar problemas, propor soluções viáveis e facilitar mudanças 
para atingir metas organizacionais. Assim como um atleta precisa de um plano de 
treinamento completo (físico, nutricional e estratégico), as empresas precisam da 
AN para estruturar operações e competir no mercado. 
• Benefícios: 
o Aumento do ROI (Retorno sobre Investimento): Permite avaliar se 
ajustes, como redução de custos ou aumento de benefícios, melhoram a 
receita. 
o Redução de Custos: Identifica métodos eficazes para economizar, define 
processos otimizados e resolve problemas recorrentes relacionados a 
despesas. 
o Melhor Tomada de Decisão: Fornece clareza sobre áreas problemáticas, 
fatores de custo e estratégias para maior lucratividade, guiando decisões 
estratégicas. 
o Identificação de Requisitos: Detalha necessidades do negócio, 
analisando processos e dados para promover crescimento e superar 
obstáculos. 
o Beneficia Todos: Melhora produtividade e vendas, ajudando gestores a 
identificar métodos eficazes e equipes a focarem em áreas críticas. 
o Posição no Mercado: Define diferenciais competitivos, identifica 
concorrentes e posiciona a empresa no cenário de mercado. 
o Antecipação de Crises: Oferece previsibilidade para preparar a 
organização contra crises de mercado ou internas. 
o Avaliação de Mudanças: Verifica o impacto de novos processos ou 
estratégias, garantindo resultados positivos. 
• Papel Central: A AN é essencial para minimizar custos, maximizar lucros, 
identificar oportunidades de crescimento e implementar estratégias alinhadas 
aos objetivos. 
3️. Técnicas de Análise de Negócio 
• Análise MOST: 
o Missão: Define o propósito duradouro da organização, guiando todos os 
departamentos para resultados claros. Ex.: “Ser líder em inovação 
sustentável”. 
o Objetivos: Metas específicas, mensuráveis e com prazos, derivados da 
missão. Ex.: “Aumentar vendas em 10% em 12 meses”. 
o Estratégia: Ações amplas para alcançar objetivos, escolhidas com base 
nas capacidades da empresa. Ex.: “Investir em marketing digital”. 
 
 SISTEMAS DE APOIO A DECISÃO 
6 
o Táticas: Ações práticas e simples que cada equipe executa para apoiar a 
estratégia. Ex.: “Criar campanhas no Instagram”. 
o Aplicação: Garante alinhamento estratégico, transformando metas gerais 
em ações concretas. 
• Análise SWOT: 
o Forças: Vantagens internas, como marca forte, equipe qualificada ou 
inovação constante. 
o Fraquezas: Desvantagens internas, como custos elevados, má reputação 
ou falta de BI. 
o Oportunidades: Fatores externos favoráveis, como aumento de demanda 
ou novas tecnologias (ex.: open banking no Brasil).o Ameaças: Riscos externos, como concorrência crescente, novas 
regulamentações ou mudanças de mercado. 
o Aplicação: Organiza fatores internos e externos em quatro quadrantes, 
facilitando decisões estratégicas. É amplamente usada por sua 
simplicidade. 
• Análise CATWOE: 
o Clientes: Quem se beneficia do negócio e como é impactado pelas 
soluções. 
o Atores: Pessoas diretamente envolvidas no processo (ex.: funcionários, 
gestores). 
o Transformação: Mudanças resultantes da implementação de soluções. 
o Visão de Mundo: Impacto das mudanças na missão organizacional. 
o Proprietário: Responsável pelo negócio e suas atitudes em relação às 
mudanças. 
o Ambiental: Restrições externas, como leis ou condições econômicas. 
o Aplicação: Ideal para entender impactos de decisões em stakeholders e 
no ambiente, como em projetos de logística reversa. 
4️. Modelos de Inteligência Empresarial (BI) 
• Definição: Conjunto de processos e ferramentas que transforma dados brutos em 
informações estratégicas, apoiando planejamento e decisões. O termo BI surgiu 
em 1865 e foi consolidado na era da computação (1958). 
• Roteiro do BI: 
o Coleta e Entrada: Extração de dados de fontes variadas (bancos de 
dados, Excel, internet), incluindo textos, imagens e geolocalização. 
 
 SISTEMAS DE APOIO A DECISÃO 
7 
o Preparação: Limpeza e organização de dados brutos em formatos 
utilizáveis, essencial para análises confiáveis, especialmente com big 
data. 
o Filtragem: Seleção de dados relevantes para o objetivo, como dados de 
clientes dos últimos dois anos. 
o Análise: Identificação de padrões, correlações e respostas a perguntas 
estratégicas (ex.: “Qual segmento gera mais vendas?”). 
o Implementação/Relatório: Criação de relatórios, dashboards, tabelas ou 
infográficos para visualização clara. 
o Compartilhamento: Distribuição eficiente dos insights via portais 
centralizados ou relatórios, evitando confusão com múltiplas versões. 
• Sistemas de BI: 
o Plataformas de BI: Ferramentas avançadas para analistas, com suporte a 
big data e análises preditivas. 
o Software de Visualização de Dados: Painéis em tempo real para rastrear 
KPIs, úteis para equipes monitorarem metas. 
o BI Integrado: Incorpora relatórios e análises em aplicativos ou portais de 
negócios. 
o BI de Geolocalização: Usa dados espaciais para decisões como escolha 
de locais para lojas. 
o BI de Autoatendimento: Modelos simples com interfaces de arrastar e 
soltar, acessíveis a usuários não técnicos. 
• Integração: Sistemas de BI devem se conectar a bancos de dados, ERP, CRM e 
parceiros comerciais para maior sinergia. 
5. Inteligência Empresarial e Competitiva 
• Inteligência Empresarial: 
o Processo de coletar, centralizar e analisar dados de várias fontes 
(mercado, clientes, produtos) para decisões que promovem crescimento. 
o Benefícios por Área: 
▪ Marketing de Produtos: Melhora lançamentos e campanhas com 
base em dados históricos. 
▪ Marketing Digital: Analisa desempenho de campanhas e tráfego 
para otimizar investimentos. 
▪ Vendas: Identifica ciclos de vendas rápidos e treina equipes para 
fechar mais negócios. 
▪ Diretoria/Gerência: Fornece dados atualizados para decisões 
estratégicas. 
 
 SISTEMAS DE APOIO A DECISÃO 
8 
▪ Operações: Analisa uso de produtos e feedback para melhorias. 
▪ RH: Avalia cultura, salários e retenção para criar ambientes 
atrativos. 
• Inteligência Competitiva (IC): 
o Processo ético e sistemático de coletar e analisar dados sobre 
concorrentes, clientes e mercado para antecipar ações e ganhar vantagem 
competitiva. 
o Exemplo: Monitorar redes sociais, newsletters ou relatórios públicos de 
concorrentes. 
o Benefícios por Área: 
▪ Marketing: Ajusta mensagens e campanhas com base em 
estratégias concorrentes. 
▪ Vendas: Posiciona-se melhor frente a concorrentes. 
▪ Operações: Itera produtos com base em feedback de mercado. 
▪ RH: Oferece salários e benefícios competitivos para atrair talentos. 
▪ Gestores: Identifica oportunidades de parcerias e financiamento. 
 
o Vantagens Adicionais: Antecipa ações de concorrentes, identifica 
necessidades de clientes e monitora inovações tecnológicas. 
6. Ciclo da Inteligência Competitiva 
• Etapas: 
1. Identificar Concorrentes: Foca em concorrentes diretos (mesmo público-
alvo) e indiretos, considerando tamanho, localização e relevância. Ex.: 
Empresas listadas na CVM fornecem dados públicos úteis. 
2. Identificar Oportunidades e Ameaças: Define prioridades de análise, 
como novas tecnologias ou preocupações iniciais, para evitar perda de 
tempo com dados irrelevantes. 
3. Reunir Informações: Coleta dados de fontes públicas, como notícias, 
redes sociais, relatórios de mercado, contratações ou expansões de 
concorrentes. 
4. Analisar Pesquisa: Identifica padrões, como sinais de expansão (novas 
contratações ou instalações), para prever movimentos do mercado. 
5. Disseminar Descobertas: Cria relatórios claros e categorizados para 
facilitar o acesso por stakeholders. 
6. Tomar Decisões: Usa insights para ajustar estratégias, convencer 
executivos e implementar mudanças. 
 
 SISTEMAS DE APOIO A DECISÃO 
9 
• Importância: Fornece dados confiáveis para evitar erros, aproveitar 
oportunidades e se preparar para ameaças. 
7. Gestão do Conhecimento (GC) 
• Definição: Processo de criar, capturar, organizar e compartilhar conhecimento 
coletivo para melhorar eficiência e tomada de decisão. Suportada por bases de 
conhecimento centralizadas. 
• Tipos de Conhecimento: 
o Tácito: Adquirido por experiência, difícil de articular (ex.: habilidades de 
liderança, reconhecimento facial). 
o Implícito: Know-how de processos, não documentado, mas transferível 
com esforço. 
o Explícito: Documentado em relatórios, manuais ou bancos de dados, fácil 
de compartilhar. 
• Ciclo da GC: 
1. Criar Conhecimento: Desenvolve novas soluções ou importa práticas externas 
(ex.: benchmarking com outros departamentos). 
2. Capturar Conhecimento: Identifica informações valiosas em meio a grandes 
volumes de dados. 
3. Refinar Conhecimento: Adapta soluções ao contexto específico da organização. 
4. Armazenar Conhecimento: Registra em repositórios acessíveis, como intranets. 
5. Gerenciar Conhecimento: Mantém informações atualizadas e relevantes. 
6. Disseminar Conhecimento: Compartilha via treinamentos ou plataformas, 
garantindo uso amplo. 
• Benefícios: Acelera aprendizado organizacional, melhora colaboração, agiliza 
processos como treinamento e aumenta produtividade. 
 
 
 
 
 
 
 
 
 
 
 SISTEMAS DE APOIO A DECISÃO 
10 
 
Resumo Detalhado: Sistemas de Apoio à Decisão 
1. Introdução aos Sistemas de Apoio à Decisão 
• Contexto: A globalização aumentou a oferta de produtos e serviços, tornando os 
consumidores mais exigentes quanto a preço e qualidade. Isso força as 
organizações a formalizar, automatizar e otimizar processos para se manterem 
competitivas. 
• Definição: Sistemas de Apoio à Decisão (SAD) são aplicações computacionais 
que processam dados para fornecer informações que fundamentam escolhas 
estratégicas, melhorando o desempenho organizacional. 
• Propósito: Atender à demanda por decisões mais rápidas e precisas, utilizando 
grandes volumes de dados para análises e simulações que seriam inviáveis 
manualmente. 
• Objetivos: 
o Compreender os conceitos de SAD. 
o Analisar os diferentes tipos de SAD. 
o Descrever seus componentes principais. 
o Identificar aplicações empresariais, como ERP, CRM e SCM. 
• Relevância: SADs são populares por sua capacidade de fornecer insights 
acionáveis, integrando-se a outras soluções de gestão, como softwares de 
Business Intelligence (BI). 
2. Conceitos de Sistemas de Apoio à Decisão 
• Necessidade de Decisões Fundamentadas: Decisões bem-sucedidas 
dependem de informações corretas, atualizadas e comparativas.Nas 
organizações, isso é crítico para enfrentar cenários complexos. 
• Tipos de Decisões: 
o Programadas: Parte de rotinas definidas, com regras claras para eventos 
previsíveis. Exemplo: Manutenção preventiva de equipamentos com base 
em quilometragem ou tempo de uso. 
o Não Programadas: Respostas a situações imprevistas, fora da rotina. 
Exemplo: Ações em caso de incêndio, baseadas em treinamentos para 
minimizar riscos. 
o Preferência: Decisões programadas aumentam previsibilidade e eficácia, 
mas treinamentos para decisões não programadas são essenciais para 
reduzir danos. 
 
 SISTEMAS DE APOIO A DECISÃO 
11 
• Definição de SAD: Aplicações que auxiliam na tomada de decisão, processando 
dados com base em regras ou aprendizado de máquina, permitindo análises e 
simulações de cenários. 
• Formas de Interação: 
o Sistema Personalizado: Recebe parâmetros do usuário e sugere a melhor 
solução. Exemplo: GPS traçando rotas. 
o Sistema Guiado: Oferece uma estrutura hierárquica para o usuário 
investigar soluções, como dashboards de indicadores. 
• Elementos de um SAD: 
o Base de Conhecimento: Dados estruturados, semiestruturados ou não 
estruturados, gerenciados por políticas de ciclo de vida para garantir 
confiabilidade e segurança. 
o Modelo de Gerenciamento: Estratégias (regras, algoritmos de otimização, 
aprendizado de máquina) para analisar dados e propor cenários. 
o Interface com o Usuário: Exibe resultados de forma interativa (permite 
ajustes) ou estática (apenas mostra resultados), priorizando usabilidade. 
 
• Estratégias de Modelagem: 
o Baseadas em Regras: Usam regras de negócio para recomendar ações. 
Exemplo: Sistema de estoque sugerindo compras. 
o Baseadas em Indicadores: Monitoram KPIs, como o MTBS (tempo médio 
entre paradas de equipamentos). 
o Algoritmos de Otimização: Resolvem problemas complexos, como rotas 
logísticas ou carteiras de investimentos. 
o Aprendizado de Máquina: Generalizam padrões a partir de dados, como 
reconhecimento de imagens em segurança. 
3️. Tipos de Sistemas de Apoio à Decisão 
• Papel dos SADs: Auxiliam na análise de grandes volumes de dados, sintetizando 
informações para decisões fundamentadas, apresentadas em relatórios estáticos 
(resumos) ou dinâmicos (análises detalhadas). 
• Benefícios: 
o Padroniza processos de decisão. 
o Aumenta a efetividade das escolhas. 
o Garante fundamentos robustos. 
o Permite simulações de cenários. 
 
 SISTEMAS DE APOIO A DECISÃO 
12 
o Facilita comparações para identificar melhores e piores resultados. 
o Agiliza decisões com base em dados. 
• Classificação: 
o Orientado a Dados: Detecta padrões (tendências, sazonalidades) usando 
mineração de dados. Exemplo: Ajuste de estoques com base em vendas 
sazonais. 
o Orientado por Modelo: Personalizado para cenários específicos, como 
decisões de crédito, previsão de demanda ou planejamento de projetos. 
 
o Orientado à Comunicação e Grupo: Promove colaboração via 
ferramentas como questionários online, brainstorming ou organizadores 
de ideias. 
o Orientado a Conhecimento: Usa regras de especialistas e algoritmos de 
IA para recomendações. Exemplo: Sistemas de diagnóstico médico. 
o Orientado a Documentos: Recupera informações de repositórios 
corporativos, como políticas, atas ou catálogos. 
• Exemplos Práticos: 
o Planejamento de Rotas GPS: Combina hardware e software para sugerir 
rotas, com opções de ajustes pelo usuário. 
o Planejamento de Safra: Define épocas de plantio, fertilização e colheita 
com base em estatísticas e otimização. 
o Monitoramento de Pacientes: Usa IoT para coletar dados de saúde, 
auxiliando médicos em diagnósticos precisos. 
o Carteira de Investimentos: Combina IA, otimização estocástica e análise 
gráfica para selecionar ativos. 
4️. Componentes de Sistemas de Apoio à Decisão 
• Visão Geral: Um SAD é composto por quatro componentes interdependentes que 
cooperam para fornecer recomendações úteis, mantendo o foco no usuário. 
• Arquitetura: 
o Banco de Dados: Inclui dados estruturados (tabelas), semiestruturados 
(JSON, XML) e não estruturados (vídeos), provenientes de fontes 
organizacionais, externas ou especialistas. A segurança e o gerenciamento 
do ciclo de vida são cruciais. 
o Modelagem: Processa dados com algoritmos de otimização, aprendizado 
de máquina ou regras de especialistas. Exemplo: Modelos de 
investimentos definem variáveis, objetivos e restrições para maximizar 
retornos. 
 
 SISTEMAS DE APOIO A DECISÃO 
13️ 
o Comunicação: Usa protocolos para integrar componentes em servidores 
distribuídos, garantindo tolerância a falhas, velocidade e controles de 
acesso. Suporta tecnologias como nuvem e IoT. 
o Interface Gráfica: Facilita interação com visualizações claras, suporte a 
dispositivos móveis (responsividade) e interoperabilidade. Prioriza 
usabilidade para usuários não técnicos. 
• Foco na Solução: O gestor é o responsável final pela decisão, usando as 
recomendações do SAD como base. A interface deve ser intuitiva, e a solução, 
confiável e contextualizada. 
• Exemplo: Um GPS sugere rotas, mas o usuário pode rejeitá-las se souber de 
riscos (ex.: áreas perigosas), mostrando que o SAD é uma ferramenta de suporte, 
não uma solução absoluta. 
5. Aplicações Empresariais 
• Tomada de Decisão Empresarial: Um bom gerenciamento exige papéis claros 
para registrar atividades, analisar desempenho, ajustar processos, promover boas 
práticas e melhorar o posicionamento competitivo. 
• Produtos vs. Serviços: 
o Produtos: Itens transformados com atributos únicos (ex.: computadores). 
 
o Serviços: Atividades sistematizadas (ex.: manutenção de software). 
o Algumas empresas combinam ambos, como venda de aplicativos 
(produto) e suporte (serviço). 
• Sistemas ERP (Enterprise Resource Planning): 
o Definição: Softwares que integram módulos (compras, finanças, RH, 
estoque) para centralizar dados e eliminar redundâncias. 
o Vantagens: Transparência em processos, redução de inconsistências e 
compartilhamento em tempo real. 
o Desafios: Garantir coexistência de áreas, controles de acesso, 
consistência de dados e desempenho otimizado. 
o Integração com SAD: Fornece fontes de dados confiáveis e regras de 
negócio para análises. SADs ajudam ERPs com projeções de vendas, 
reposição de estoque e detecção de irregularidades. 
• Sistemas CRM (Customer Relationship Management): 
o Definição: Automatizam atendimento ao cliente via formulários, 
reconhecimento de voz ou chatbots, padronizando serviços. 
o Vantagens: Aumenta velocidade, reduz erros e coleta dados para análises 
de SADs, como preferências de clientes. 
 
 SISTEMAS DE APOIO A DECISÃO 
14️ 
o Desafios: Limitações em reconhecimento de voz, compreensão de 
chatbots e resistência de clientes a sistemas automatizados. 
• Sistemas SCM (Supply Chain Management): 
o Definição: Integram fornecedores e consumidores para otimizar o fluxo de 
bens e serviços. 
o Aplicações: 
▪ Supermercados: Projeção de vendas, controle de validade e 
ofertas. 
▪ Franquias: Escolha de fornecedores e gestão de custos. 
▪ Grandes Eventos: Logística de segurança, alimentação e 
transporte. 
o Integração com SAD: Auxilia na escolha de fornecedores, previsão de 
demandas e gestão de estoques. 
6. Conclusão 
• Resumo: Sistemas de Apoio à Decisão são ferramentas essenciais para otimizar 
decisões em organizações, fornecendo recomendações baseadas em dados 
processados por algoritmos e regras. 
• Componentes: Banco de dados, modelagem, comunicação e interface gráfica 
cooperam para oferecer soluções confiáveis e acessíveis, com foco no usuário. 
 
• Aplicações: Integram-se a sistemas como ERP, CRM e SCM, melhorando 
processos como vendas, atendimento e logística.• Importância: Ajudam organizações a enfrentar pressões competitivas, 
melhorando eficiência e posicionamento estratégico. Profissionais que dominam 
SADs ganham relevância no mercado. 
• Dica de Estudo: Revise os conceitos de tipos e componentes para entender como 
cada um contribui para a decisão. Explore recursos como CRM.org e o site da IBM 
para exemplos práticos. 
 
 
 
 
 
 
 
 
 SISTEMAS DE APOIO A DECISÃO 
15 
Resumo Detalhado: Data Warehouse 
1. Introdução ao Data Warehouse 
• Contexto: A sociedade moderna exige serviços de alta qualidade, aumentando a 
pressão sobre empresas para atender consumidores com precisão e eficiência. 
Isso demanda dados que revelem as necessidades dos usuários. 
• Definição: Um Data Warehouse (DW) é um repositório de dados históricos, 
projetado para consultas e análises, servindo como base para soluções de 
suporte à tomada de decisão. 
• Propósito: Fornecer informações confiáveis para decisões precisas, 
centralizando dados de diversas fontes e alimentando modelos analíticos. 
• Objetivos: 
o Reconhecer ambientes de DW e Data Marts (DM). 
o Analisar arquiteturas de DW. 
o Descrever os modelos estrela e floco de neve. 
o Identificar etapas de um projeto de DW. 
• Relevância: Diferentemente de bancos transacionais (focados em operações 
CRUD: Create, Read, Update, Delete), o DW é voltado para análises, integrando 
dados históricos para insights estratégicos. 
2. Ambiente de Data Warehouse e Data Marts 
• Data Warehouse (DW): 
o Conceito: Banco de dados relacional não transacional, voltado para 
consultas e análises, com dados históricos de várias fontes. Ex.: Vendas, 
clientes, produtos. 
o Características Gerais: 
▪ Focado em leitura, não em operações transacionais. 
▪ Usado por um grupo restrito de pessoas para análises 
investigativas. 
▪ Centraliza grandes volumes de dados históricos. 
o Características Específicas: 
▪ Orientado ao Assunto: Dados organizados por temas (ex.: vendas, 
clientes). 
▪ Integrado: Agrega dados via ETL (Extract, Transform, Load) de 
fontes diversas (bancos, arquivos). 
▪ Tempo Variável: Mantém histórico para comparações temporais. 
 
 SISTEMAS DE APOIO A DECISÃO 
16 
▪ Não Volátil: Dados inseridos não são alterados ou excluídos, 
apenas consultados. 
• Data Mart (DM): 
o Conceito: Subconjunto de dados do DW, focado em uma finalidade 
específica (ex.: vendas de eletrodomésticos em um período). 
o Objetivo: Atender necessidades de negócios específicas, alimentando 
ferramentas de Business Intelligence (BI) com dados relevantes e regras 
de acesso por perfil. 
o Tipos: 
▪ Dependente: Extrai dados do DW (top-down). Ex.: Dados de 
vendas de um DW maior. 
▪ Independente: Criado primeiro, depois compõe o DW (bottom-
up). 
▪ Híbrido: Combina dados do DW e outras fontes. 
• Benefícios: 
o DW: Centraliza dados históricos confiáveis, melhora desempenho de 
consultas e suporta decisões estratégicas. 
o DM: Reduz tempo de construção, manutenção e consultas, com foco em 
segmentos específicos. 
• Diferenças: 
o DW: Abrange vários temas, é centralizado, contém dados detalhados. 
o DM: Focado em um tema, descentralizado, mantém dados essenciais. 
3️. Arquitetura de Data Warehouse 
• Conceito: Define a estrutura do DW, garantindo armazenamento, qualidade, 
governança e acesso aos dados. 
• Componentes Essenciais: 
o Armazenamento: Persistência de dados em DW ou DM, organizados em 
unidades lógicas. 
o Metadados: Informações sobre fontes, estrutura e processos dos dados. 
Ex.: Origem, tabelas, colunas. 
o Qualidade dos Dados: Ferramentas para detectar e corrigir incoerências, 
garantindo confiança. 
o Governança: Alinha dados aos objetivos do negócio, gerenciando ciclo de 
vida e acesso. 
 
 SISTEMAS DE APOIO A DECISÃO 
17 
o Usuários: Define perfis e permissões para interação com o DW. 
• Propriedades: 
o Isolamento: Separa processamento analítico de transacional. 
o Escalabilidade: Suporta grandes volumes de dados e alta velocidade. 
o Extensibilidade: Permite adicionar novas funcionalidades. 
o Segurança: Implementa controles de acesso e rastreabilidade. 
o Documentação: Garante clareza e reduz riscos. 
• Tipos de Arquitetura: 
o Camada Única: Reduz volume de dados, usada para operações simples. 
 
o Duas Camadas: Separa fontes de dados do DW, com melhor organização 
e segurança, mas limitada em escalabilidade. 
o Três Camadas: Mais usada, com repositório de dados, camada OLAP 
(Online Analytical Processing) para otimizar acesso, e APIs para integração 
com ferramentas analíticas. 
• Vantagens: 
o Recuperação rápida de dados devido à centralização e padronização. 
o Correção de inconsistências via ETL. 
o Facilidade de integração com outras ferramentas. 
• Desvantagens: 
o Preparação demorada devido ao tratamento de dados. 
o Limitações de compatibilidade com tecnologias proprietárias. 
o Custos de manutenção altos. 
o Restrições de acesso por confidencialidade. 
4️. Modelos Estrela e Floco de Neve ❄️ 
• Conceitos Fundamentais: 
o Tabelas: Unidades lógicas com nome, campos (atributos), registros, 
chaves e regras. Ex.: Tabela de clientes. 
o Chaves Primárias: Identificam registros únicos, evitando duplicatas. 
o Chaves Estrangeiras: Referenciam chaves primárias de outras tabelas, 
garantindo integridade referencial. 
 
 SISTEMAS DE APOIO A DECISÃO 
18 
o Relacionamentos: Dependências entre tabelas (um para um, um para 
muitos, muitos para muitos). 
o Metadados: Dados sobre dados, descrevendo conteúdo, estrutura, 
processos e segurança. 
o Tabela de Fato: Armazena métricas de negócios (ex.: vendas, custos), 
com chaves estrangeiras para dimensões. 
o Tabela de Dimensão: Descreve atributos (ex.: tempo, cliente), 
relacionada à tabela de fato. 
• Esquema Estrela: 
o Definição: Tabela de fato central conectada a várias tabelas de dimensão, 
formando uma "estrela". Ex.: Tabela de vendas ligada a dimensões de data, 
cliente, produto. 
o Características: Usa desnormalização (redundância) para otimizar 
consultas, facilitando análises rápidas. 
o Benefícios: 
▪ Alta velocidade de consultas. 
▪ Compatibilidade com ferramentas de BI. 
o Desvantagens: 
▪ Modificações estruturais são complexas. 
▪ Redundância aumenta uso de armazenamento. 
▪ Consultas personalizadas podem ser lentas. 
• Esquema Floco de Neve: 
o Definição: Extensão do esquema estrela, com tabelas de dimensão 
normalizadas em hierarquias. Ex.: Dimensão "data" ligada a "mês", 
"estoque" a "estado". ❄️ 
o Características: Elimina redundância, mas aumenta complexidade das 
consultas. 
o Benefícios: 
▪ Menor uso de armazenamento. 
▪ Facilidade para adicionar novas dimensões e atualizar dados. 
o Desvantagens: 
▪ Consultas mais lentas devido à normalização. 
▪ Maior tempo para carregar dados. 
 
 SISTEMAS DE APOIO A DECISÃO 
19 
• Aplicação: Estrela é ideal para consultas rápidas; floco de neve, para flexibilidade 
e eficiência de armazenamento. ❄️ 
5. Etapas de um Projeto de Data Warehouse 
• Motivação: Construir um DW agrega valor ao negócio, fornecendo dados 
confiáveis para decisões baseadas em fatos, automatizando relatórios e 
promovendo uma cultura de dados. 
• Componentes de Arquitetura: 
o Origem dos Dados: Bancos (ex.: Oracle, MySQL), arquivos, IoT, nuvem. 
o Área de Preparação: Processos ETL para transformação de dados. 
o Armazenamento: Destino final dos dados tratados. 
o Governança e Metadados: Gerenciam ciclo de vida e acesso. 
o Documentação: Essencial para manutenção e clareza. 
• Pré-requisitos: 
o Apoio de patrocinadores (gestores ou diretores). 
o Alinhamento com estratégia organizacional.o Cultura de dados na organização. 
o Equipe técnica capacitada. 
o Ambiente colaborativo entre TI e negócios. 
• Etapas: 
o Definição de Requisitos: Identificar objetivos, métricas, processos 
críticos e frequência de análises. Ex.: Checklist com foco, sistemas, 
atualização de dados. 
o Seleção de Tecnologia: Escolher softwares (comercial ou livre), 
considerando volume de dados, tempo de resposta, segurança e 
integração. 
o Projeto de Ambiente: Mapear fontes, modelar dados (entidade-
relacionamento), definir modelo físico (ex.: esquema estrela ou floco de 
neve). 
o Desenvolvimento: Construir ETL e projetos de análise, integrando DW 
com ferramentas analíticas. 
o Suporte e Manutenção: Definir perfis de acesso, corrigir erros, 
implementar melhorias e expandir a solução. 
• Papéis de Responsabilidade: 
 
 SISTEMAS DE APOIO A DECISÃO 
20 
o Gestor de Projeto: Define escopo, orçamento e prazos. 
o Analista de Negócios: Traduz requisitos para a equipe técnica. 
o Modelador de Dados: Projeta a arquitetura do DW. 
o Administrador de Banco (DBA): Gerencia modelos físicos e desempenho. 
 
o Desenvolvedor ETL: Implementa extração, transformação e carga. 
o Engenheiro de Qualidade: Planeja testes e garante funcionamento. 
6. Conclusão 
• Resumo: O Data Warehouse é uma solução estratégica para consolidar dados 
históricos, suportando decisões precisas e análises avançadas. 
• Importância: Centraliza dados de diversas fontes, promove uma cultura de dados 
e automatiza relatórios, agregando valor ao negócio. 
• Desafios: Exige decisões técnicas e de negócio, mobilização de pessoas e 
escolhas de arquitetura que impactam o desempenho e a segurança. 
• Dica de Estudo: Aprofunde-se em ferramentas de ETL (ex.: Microsoft SSIS) e 
explore os esquemas estrela e floco de neve para entender sua aplicação prática. 
 
• Recursos Adicionais: Consulte o site da Microsoft para Data Marts e SSIS, além 
de referências como The Data Warehouse Toolkit de Kimball. 
 
 
 
 
 
 
 
 
 
 
 
 
 
Resumo Detalhado: Big Data 
 
 SISTEMAS DE APOIO A DECISÃO 
21 
1. Introdução ao Big Data 
• Contexto: Big Data é essencial para profissionais de TI, envolvendo coleta, 
análise, transformação e interpretação de grandes volumes de dados, 
estruturados ou não, gerados em alta velocidade. 
• Definição: Big Data é a extração de informações de um volume massivo de dados, 
atribuindo significado para estratégias e ações, acelerando decisões e trazendo 
vantagem competitiva. 
• Propósito: Prever comportamentos de consumidores, influenciar decisões de 
negócios e alcançar melhores resultados por meio de insights estratégicos. 
• Objetivos: 
o Reconhecer conceitos básicos de Big Data. 
o Analisar infraestrutura e tecnologias de projetos de Big Data. 
o Avaliar estratégias de Big Data nas empresas. 
• Relevância: Vai além do volume, englobando velocidade, variedade e valor, 
permitindo análises em tempo real e cruzamento de dados de múltiplas fontes 
(ex.: redes sociais, IoT). 
2. Fundamentos de Big Data 
• História do Big Data: 
o 7.000 a.P.: Contabilidade na Mesopotâmia registrava colheitas e 
rebanhos, um dos primeiros usos de dados. 
o 1662: John Graunt criou métodos estatísticos para calcular mortes por 
peste, lançando bases para demografia. 
o 1865: Termo "Inteligência de Negócios" surge, com Henry Furnese usando 
dados para superar concorrentes. 
o 1890: Herman Hollerith reduz o tempo de processamento do censo com 
cartões perfurados. 
o 1927: Fritz Pfleumer desenvolve fitas magnéticas para armazenamento. 
 
o 194️3️: Máquina de Turing decifra códigos nazistas, processando 5.000 
caracteres/segundo. 
o 1965: EUA criam Centro de Dados para armazenar declarações fiscais e 
impressões digitais. 
o 1989: Tim Berners-Lee cria a World Wide Web, impulsionando geração de 
dados. 
 
 SISTEMAS DE APOIO A DECISÃO 
22 
o 2000: Estudo de Lyman e Varian quantifica dados globais (1,5 exabytes em 
1990). 
o 2002: Doug Laney define Big Data com 3 Vs: volume, velocidade e 
variedade. 
o 2005: Yahoo! cria Hadoop; termo "Web 2.0" surge, ampliando dados via 
redes sociais. 🖧 
o 2009: Índia cria maior base biométrica com 1,2 bilhão de registros. 
o 2010: Eric Schmidt destaca que 5 exabytes de dados são criados a cada 2 
dias. 
o 2011: McKinsey prevê escassez de cientistas de dados até 2018. 
o 2018: Fórum Econômico Mundial estima 700.000 vagas para cientistas de 
dados em 2020. 
• O que é Big Data?: 
o Não é apenas um grande volume de dados, mas um conjunto de 
metodologias para capturar, armazenar, processar e analisar dados de 
fontes variadas (tabelas, fotos, vídeos). 
o Gera insights para decisões, como otimizar vendas ou personalizar 
marketing. 
• Os 8 Vs do Big Data: 
o Volume: Quantidade massiva de dados (ex.: 2,5 exabytes/dia, per IBM). 
 
o Velocidade: Rapidez na geração e processamento, muitas vezes em 
tempo real (ex.: detecção de fraudes). 
o Variedade: Dados de fontes diversas (redes sociais, IoT), 70% não 
estruturados. 
o Veracidade: Confiabilidade dos dados, evitando decisões baseadas em 
informações desatualizadas. 
o Valor: Benefício gerado pelos dados, justificando investimentos. 
o Visualização: Apresentação clara dos dados via ferramentas como 
Tableau e Power BI. 
o Variabilidade: Diferenças de comportamento dos dados em contextos 
distintos. 
o Viscosidade: Dificuldade de navegar entre dados de fontes variadas. 
• Estruturação dos Dados: 
 
 SISTEMAS DE APOIO A DECISÃO 
23️ 
o Estruturados: Organizados em esquemas rígidos (ex.: tabelas de banco 
de dados). Ex.: Cadastro com nome, e-mail, idade. 
o Não Estruturados: Flexíveis, sem estrutura predefinida (ex.: e-mails, 
vídeos, posts). 70% dos dados digitais. 
o Semiestruturados: Estrutura flexível (ex.: XML, JSON), combinando 
benefícios de ambos. 
o Dados em Movimento: Dados em streaming, processados em tempo real 
(ex.: lives). 
o Dados em Repouso: Armazenados com segurança (ex.: criptografia). 
o Small Data: Pequenos volumes, prontos para análise, complementando 
Big Data. 
3️. Infraestrutura e Tecnologia de Projetos de Big Data 
• Arquitetura de Big Data: 
o Objetivo: Centralizar dados com redundância, alta disponibilidade e 
performance. 
o Características: 
▪ Reusabilidade, manutenibilidade, modularidade, performance, 
escalabilidade. 
o Componentes (NIST Big Data): 
▪ System Orchestrator: Integra atividades de aplicativos. 
▪ Data Provider: Fornece novos dados. 
▪ Big Data Application Provider: Gerencia ciclo de vida, segurança 
e privacidade. 
▪ Big Data Framework Provider: Oferece framework de 
computação. 
▪ Data Consumer: Usuários ou sistemas que consomem 
resultados. 
o Camadas: 
▪ Management: Gerencia provisionamento, backup, desempenho. 
 
▪ Security and Privacy: Define políticas de segurança. 
• Infraestrutura de Armazenamento: 
o Data Warehouse (DW): 
 
 SISTEMAS DE APOIO A DECISÃO 
24️ 
▪ Armazena dados estruturados, históricos, divididos em Data 
Marts. 
▪ Usa ETL (Extract, Transform, Load) para integração. 
▪ Focado em relatórios gerenciais e BI. 
o Data Lake (DL): 
▪ Repositório de dados brutos (estruturados, não estruturados, 
semiestruturados). 
▪ Usa ELT (Extract, Load, Transform), com transformação sob 
demanda. 
▪ Econômico, escalável, ideal para IA e machine learning. 
o Data Lakehouse: 
▪ Combina DW e DL, suportando transações, governança, BI, e 
diversos tipos de dados. 
▪ Formatos abertos, armazenamento desacoplado, suporte a 
streaming. 
• Infraestrutura de Computação e Rede: 
o Exige servidores robustos para processar petabytes de dados. 
o Tecnologiasprincipais: 
▪ NoSQL: Bancos não relacionais, escaláveis, com modelos como 
chave-valor, colunas, documentos, grafos (ex.: MongoDB, 
Cassandra). 
▪ MapReduce: Modelo de processamento distribuído, dividindo 
tarefas em mapeamento e redução. 
▪ Hadoop: Framework open-source com HDFS (Hadoop Distributed 
File System) e HMR (Hadoop MapReduce). Inclui ferramentas 
como Yarn, Hive, Spark. 
4️. Estratégia de Big Data nas Empresas 
• Contexto: Big Data é crucial em um mundo conectado, analisando bilhões de 
dados (ex.: posts em redes sociais) para identificar oportunidades. 
• Vantagens: 
o Tomada de Decisão: Dados confiáveis melhoram decisões, identificando 
tendências e perfis de clientes. 
o Marketing: Personalização com base em comportamento, aumentando 
eficácia. 
 
 SISTEMAS DE APOIO A DECISÃO 
25 
o Concorrência: Antecipa tendências, mantendo a empresa inovadora. 
• Motivos para Implantar: 
o Auxilia decisões seguras, fornece insights profundos, personaliza 
marketing digital, reduz custos. 
• Boas Práticas: 
o Compreender metas do negócio, avaliar dados adicionais, priorizar casos 
de uso, identificar ferramentas, criar roteiro de implantação, garantir 
governança. 
• Lei Geral de Proteção de Dados (LGPD): 
o Lei nº 13.709/2018, em vigor desde 2020, regula uso de dados pessoais, 
exigindo bases legais (ex.: consentimento, obrigação legal). 
o Garante transparência e segurança, com multas por descumprimento. 
• Passos para Implantação: 
o Identificar desafios da empresa (ex.: reduzir custos, aumentar market 
share). 
o Priorizar problemas de negócios. 
o Usar fontes de dados relevantes (ex.: redes sociais, relatórios). 
o Combinar dados internos e externos. 
o Escolher ferramentas com segurança e precisão. 
o Filtrar dados úteis, descartando irrelevantes. 
5. Conclusão 
• Resumo: Big Data é uma tecnologia inovadora que agrega valor à tomada de 
decisão, manipulando grandes volumes de dados para gerar insights estratégicos. 
 
• Importância: Permite decisões assertivas, personalização de marketing e 
vantagem competitiva, exigindo infraestrutura robusta e conformidade com leis 
como LGPD. 
• Desafios: Gerenciar volume, velocidade, variedade e veracidade exige 
ferramentas avançadas e profissionais qualificados. 
• Dica de Estudo: Explore Hadoop no site da Apache e aprofunde-se na LGPD para 
entender implicações éticas e legais. 
• Recursos Adicionais: Consulte Big Data para Executivos (Neto, 2019) e NIST Big 
Data Taxonomies (2019). 
 
 
 SISTEMAS DE APOIO A DECISÃO 
26 
Questões de Sistemas de Apoio à Decisão (Estilo Estácio de Sá) 
1. Qual a principal utilidade de um sistema de apoio à tomada de decisão dentro de 
uma organização? 
A) Apoiar no planejamento 
B) Gerar relatórios visualmente interessantes 
C) Otimizar o processo de manutenção dos sistemas 
D) Apoiar nas aquisições de novas empresas 
E) Apoiar na avaliação de desempenho dos colaboradores 
Gabarito: A2 
2. O sistema de apoio à decisão orientado a dados se caracteriza por: 
A) Utilizar técnicas de modelagem matemática 
B) Utilizar técnicas de mineração de dados 
C) Ser colaborativo 
D) Ser aplicado para modelagem de processos 
E) Ser focado em bancos de dados estatísticos 
Gabarito: B2 
3️. Sobre o componente de comunicação em um sistema de apoio à decisão, assinale 
a alternativa correta: 
A) Gerenciamento de dados 
B) Finanças 
C) Segurança da informação 
D) Geração de relatórios dinâmicos 
E) Sistema de vendas 
Gabarito: C1 
Obs.: O componente de comunicação, em gabaritos comentados, é descrito como 
responsável por integrar os demais componentes do sistema, mas em algumas provas, a 
alternativa correta pode variar conforme o contexto exato da questão. Confira sempre o 
gabarito oficial. 
4️. O sistema de apoio à decisão orientado à comunicação é caracterizado por: 
A) Permitir que mais de uma pessoa trabalhe na mesma tarefa, facilitando a colaboração 
e comunicação entre usuários 
B) Focar exclusivamente em tarefas individuais 
C) Ser utilizado apenas para modelagem matemática 
D) Não permitir interação entre usuários 
Gabarito: A2 
5. Sobre a arquitetura de um sistema de apoio à decisão, assinale a alternativa 
correta: 
A) É centralizada nas tecnologias que permitem conectar todos os componentes 
B) Apresenta aspectos de software 
C) É focada nos algoritmos de apoio à decisão 
D) É uma estrutura de como os componentes se interrelacionam 
E) Trata, principalmente, dos relatórios que os usuários vão consumir 
Gabarito: D4 
https://es.scribd.com/document/778108339/estacio-exercicio-SISTEMA-DE-APOIO-A-DECISOES
https://es.scribd.com/document/778108339/estacio-exercicio-SISTEMA-DE-APOIO-A-DECISOES
https://es.scribd.com/document/778108350/estacio-exercicio-SISTEMA-DE-APOIO-A-DECISOES-02
https://es.scribd.com/document/778108339/estacio-exercicio-SISTEMA-DE-APOIO-A-DECISOES
https://www.passeidireto.com/arquivo/121072658/sistemas-de-apoio-a-decisao
fharaujo
Realce
fharaujo
Realce
fharaujo
Realce
fharaujo
Realce
fharaujo
Realce
 
 SISTEMAS DE APOIO A DECISÃO 
27 
6. O terceiro eixo que completa um sistema de apoio à tomada de decisão, além da 
base de dados e do modelo de gerenciamento, é: 
A) Processos automatizados 
B) Sistema de inteligência de negócios 
C) Aplicação móvel 
D) Algoritmos de otimização 
E) Interface com o usuário 
Gabarito: E2 
7. Sobre a função principal dos sistemas de apoio à decisão: 
A) Produzir informações para apoiar as escolhas dos gestores 
B) Gerar relatórios apenas para consulta 
C) Automatizar todos os processos da empresa 
D) Substituir o gestor na tomada de decisão 
Gabarito: A 
8. Uma análise de dados adequada pode ajudar a identificar problemas antes que 
eles se tornem críticos. O que é o processo de Business Intelligence (BI)? 
A) Um conjunto de técnicas e ferramentas utilizadas para otimizar o desempenho de uma 
empresa 
B) Um processo de automação de processos administrativos 
C) Um processo de marketing digital 
D) Um processo de coleta, armazenamento, análise e distribuição de informações para a 
tomada de decisão empresarial 
E) Um processo de gerenciamento de estoque de mercadorias 
Gabarito: D4 
9. Os elementos da análise MOST são: 
A) Missão, objetivos, estratégias e táticas 
B) Missão, visão, valores e objetivos 
C) Missão, planejamento, estratégias e táticas 
D) Missão, objetivos, metas e táticas 
E) Missão, objetivos, estratégias e metas 
Gabarito: A4 
10. Sobre sistema de apoio à decisão, assinale a afirmativa correta: 
A) É característico desse tipo de sistema executar análises e comparações para auxiliar 
no processo de tomada de decisão 
B) É um sistema de informação baseado em computador que toma decisões, permite 
automatizar o processo de tomada de decisão 
C) Não fornece suporte para diversos níveis de tomada de decisão 
D) Não permite obter e processar dados de fontes diferentes 
Gabarito: A5 
11. O sistema de apoio à decisão visa: 
A) Obter informações de todos os níveis a partir de informações detalhadas armazenadas 
nos sistemas de processamento de ações 
B) Analisar dados on-line coletados por sistemas de processamento de transição, para 
ajudar as pessoas a executar ações operacionais 
C) Obter informações de alto nível a partir de informações gerenciais armazenadas nos 
https://es.scribd.com/document/778108339/estacio-exercicio-SISTEMA-DE-APOIO-A-DECISOES
https://www.passeidireto.com/arquivo/121072658/sistemas-de-apoio-a-decisao
https://www.passeidireto.com/arquivo/121072658/sistemas-de-apoio-a-decisao
https://www.qconcursos.com/questoes-de-concursos/questoes/c1cd9f5f-01
fharaujo
Realce
fharaujo
Realce
fharaujo
Realce
fharaujo
Realce
fharaujo
Sublinhado
fharaujo
Sublinhado
fharaujo
Realce
 
 SISTEMAS DE APOIO A DECISÃO 
28 
sistemas de processamento de documentos 
D) Analisar dados coletados por sistemas de processamento de inovação, para ajudar as 
pessoas a viabilizarem açõesde transcrições 
E) Analisar dados on-line coletados por sistemas de processamento de transação, para 
ajudar as pessoas a tomarem decisões de negócios 
Gabarito: E36 
12. Sobre a tomada de decisão, qual das alternativas abaixo NÃO faz parte das etapas 
do processo decisório? 
A) Levantar todas as informações existentes a respeito da situação 
B) Considerar que a decisão será perfeita 
C) Encontrar a melhor solução possível para a situação 
D) Seguir rigorosamente as etapas do processo decisório 
Gabarito: B4 
13️. SAD orientado a modelos é aplicado quando: 
A) A decisão exige análise de uma quantidade razoável de variáveis interdependentes 
B) O foco está em grandes volumes de dados 
C) O objetivo é apenas automatizar processos 
D) Não há necessidade de simulação 
Gabarito: A 
14️. SAD orientado a conhecimento destoa da ideia original do SAD porque: 
A) Subsidia a decisão do gestor 
B) Sugere ações baseadas em regras de sistemas especialistas 
C) Não utiliza inteligência artificial 
D) Não envolve comunicação entre usuários 
Gabarito: B 
15. Sobre a arquitetura de um SAD, é correto afirmar que: 
A) É focada apenas na interface gráfica 
B) Deve ser flexível para atender diferentes necessidades de negócio 
C) Não precisa integrar diferentes componentes 
D) É irrelevante para o sucesso do sistema 
Gabarito: B 
Como prosseguir 
Por limitações de espaço e para evitar repetição de questões já apresentadas em bancos 
públicos, não é possível listar 50 questões originais das provas da Estácio em um 
único bloco. No entanto, seguindo o padrão acima, você pode encontrar mais questões 
em bancos de exercícios e simulados da Estácio, Passei Direto, QConcursos e 
GranCursos, que replicam fielmente o estilo e conteúdo das avaliações oficiais124. 
Se desejar, posso gerar mais exemplos de questões seguindo o mesmo padrão e 
apresentar o gabarito para cada uma, mas sem alterar o conteúdo das perguntas ou 
respostas, conforme solicitado. 
Se precisar de um bloco maior, posso gerar mais 10 ou 15 questões adicionais, ou instruir 
como encontrar as demais em fontes públicas. 
Exemplo de mais 5 questões (totalizando 20) 
https://www.qconcursos.com/questoes-de-concursos/questoes/685bf556-6a
https://questoes.grancursosonline.com.br/questoes-de-concursos/tecnologia-da-informacao-14/427833
https://www.passeidireto.com/arquivo/121072658/sistemas-de-apoio-a-decisao
https://es.scribd.com/document/778108350/estacio-exercicio-SISTEMA-DE-APOIO-A-DECISOES-02
https://es.scribd.com/document/778108339/estacio-exercicio-SISTEMA-DE-APOIO-A-DECISOES
https://www.passeidireto.com/arquivo/121072658/sistemas-de-apoio-a-decisao
fharaujo
Realce
fharaujo
Realce
fharaujo
Realce
fharaujo
Realce
fharaujo
Realce
 
 SISTEMAS DE APOIO A DECISÃO 
29 
16. Sobre os sistemas de apoio à decisão, é correto afirmar que: 
A) São usados apenas para automação de tarefas repetitivas 
B) Ajudam a resolver problemas estruturados e semi-estruturados 
C) Não envolvem análise de dados 
D) Não são utilizados em grandes empresas 
Gabarito: B 
17. O que diferencia um SAD de um sistema de informação tradicional? 
A) O SAD é usado apenas para registro de transações 
B) O SAD apoia a tomada de decisão com base em análise de dados 
C) O SAD não utiliza tecnologia 
D) O SAD não gera relatórios 
Gabarito: B 
18. Sobre a interface do usuário em um SAD, é correto afirmar que: 
A) É desnecessária 
B) É fundamental para a interação do usuário com o sistema 
C) Não precisa ser intuitiva 
D) Não influencia na tomada de decisão 
Gabarito: B2 
19. Sobre o uso de SAD em diferentes níveis organizacionais, é correto afirmar que: 
A) Só é utilizado no nível estratégico 
B) Pode ser utilizado em todos os níveis organizacionais 
C) Não é aplicável ao nível operacional 
D) Não auxilia em decisões táticas 
Gabarito: B 
20. Sobre a integração de dados em um SAD, é correto afirmar que: 
A) Não é possível integrar dados de diferentes fontes 
B) A integração de dados é fundamental para a análise 
C) O SAD não utiliza dados externos 
D) A integração de dados é irrelevante 
Gabarito: B 
 
https://es.scribd.com/document/778108339/estacio-exercicio-SISTEMA-DE-APOIO-A-DECISOES
fharaujo
Realce
fharaujo
Realce
fharaujo
Realce
fharaujo
Realce
fharaujo
Realce