Vol3

Prévia do material em texto

Unidade 3: SISTEMAS DE APOIO Á DECISÃO
Cada tipo de SI que fornece apoio à decisão envolve um determinado nível de decisão que, por sua vez, corresponde à solução de determinados tipos de problemas com características em comum.
Os tipos de problemas são: estruturados, semiestruturados e não estruturados
As decisões estruturadas envolvem situações em que os procedimentos a serem seguidos podem ser especificados de antemão.
Decisões não estruturadas envolvem situações nas quais não é possível especificar de antemão a maioria dos procedimentos a serem seguidos.
Decisões semi estruturadas sugerem que alguns procedimentos podem ser especificados, mas não o suficiente para levar a uma decisão definida recomendada.
Processamento Analítico Online (Olap)
É a capacidade para manipular e analisar um grande volume de dados sob múltiplas perspectivas. As aplicações OLAP são usadas pelos gestores em qualquer nível da organização para lhes permitir análises comparativas que facilitem a sua tomada de decisões diárias.
Fornece para organizações um método de acessar, visualizar, e analisar dados corporativos com alta flexibilidade e performance. A velocidade com que executivos obtêm informações e tomam decisões determina a competitividade de uma empresa e seu sucesso de longo prazo. OLAP apresenta informações para usuários via um modelo de dados natural e intuitivo. 
Através de uma simples pesquisa, usuários finais podem rapidamente analisar inúmeros cenários, gerar relatórios "ad hoc", e descobrir tendências e fatos relevantes independente do tamanho, complexidade, e fonte dos dados corporativos. 
Colocar informação em bancos dados corporativos sempre foi mais fácil do que retirá-los. Quanto maior e complexa a informação armazenada, mais difícil é para retirá-la. 
A tecnologia OLAP acaba com estas dificuldades levando a informação mais próxima ao usuário que dela necessite. Portanto, o OLAP é frequentemente utilizado para integrar e disponibilizar informações gerenciais contidas em bases de dados operacionais, sistemas ERP e CRM, sistemas contábeis, e Data Warehouses. 
Estas características tornaram-no uma tecnologia essencial em diversos tipos de aplicações de suporte à decisão e sistemas para executivos.
Atenção: 
A velocidade com que executivos obtêm informações e tomam decisões determina a competitividade de uma empresa e seu sucesso de longo prazo. 
Exempos de Operações Analíticas:
Consolidação ( envolve a agregação de dados).
Isso pode envolver simples junções ou agrupamentos complexos, envolvendo dados inter-relacionados.
EX: Os escritórios de vendas podem ser agrupados em distritos e estes anexados a regiões.
Drill Down ( segue o caminho inverso ao da consolidação de forma a exibir dados mais detalhados que compõem os dados consolidados. 
EX: As vendas por produtos ou por representantes , que compõem os totais de vendas de uma região,poderiam ser facilmente acessados.
Slicing and dicing (fatiar) ( possibilidade de considerar os BDs a partir de diferentes pontos de vista.
EX: Uma fatia do BD de vendas poderia mostrar todas as vendas por canal de vendas dentro de cada tipo de produto dentro das regiões. Outra fatia poderia mostrar todas as vendas por canal dentro de cada tipo de produto.
O objetivo dos Sistemas de Apoio à Decisão (SAD) é fornecer apoio interativo aos gerentes e demais profissionais envolvidos no processo decisório que oferece dados e modelos para a solução de problemas semiestruturados.  
Tanto o SIG como o SAD atendem aos gerentes de nível médio e inferior que lidam com problemas cotidianos e de curto prazo. 
No entanto, existem diferenças entre esses dois tipos de sistemas que são apresentadas a seguir:
�
Visão Geral do SAD
É um conjunto organizado de pessoas, procedimentos, software, banco de dados e dispositivos utilizados para dar suporte à tomada de decisões específicas de um problema.
Os SAD oferecem o potencial de gerar maiores lucros, menores custos e melhores produtos e serviços.
Ele deve ser projetado e desenvolvido e usado para auxiliar a organização a atingir suas metas e objetivos.
Embora destinado aos níveis mais elevados, são utilizados em todos os níveis, pois cada vez mais gerentes de diferentes níveis hierárquicos enfrentam problemas não-rotineiros.
SAD é um sistema analítico, e não um sistema transacional.
Um sistema de previsão de estoque é um sistema analítico.
Um sistema de controle de lançamentos de estoque é transacional
Um sistema analítico é desenhado para atender demandas gerenciais e apoiar o processo decisório.
Um sistema transacional é desenhado para atender as demandas operacionais e apoiar a execução de tarefas operacionais.
Características de um SAD.
Grandes volumes de dados e de diferentes fontes;
Flexibilidade de relatórios e apresentações;
Orientação gráfica e de texto;
Suportar análise de Drill Down;
Realizar análise complexas e sofisticadas, utilizando pacotes de software avançados.;
Suportar abordagens de otimização, satisfação e heurísticas;
Executar análise de sensibilidade, simulação e de atingimento de metas;
Orientado por métricas de desempenho;
Baseado nos papéis organizacionais desempenhados;
Orientado a processos de negócios;
Apoiado por tecnologias especializadas.
Componentes do SAD.
�
Sistemas de Informação Geográfica
Os Sistemas de Informação Geográfica ou ainda GIS (Geographic information Sistems) são uma categoria especial dos SAD que integram:
• Computação gráfica.
• Bancos de dados geográficos.
• Outros dispositivos. 
Utilizado em diversas áreas como agricultura, floresta, cartografia, cadastro urbano e redes de concessionárias (água, energia e telefonia). 
As três principais maneiras de utilizar um GIS são:
 Ferramenta para produção de mapas.
 Suporte para análise espacial de fenômenos.
 Banco de dados geográficos com funções de armazenamento e recuperação de informação espacial.
Sistemas de Informação Executiva ou Sistemas de Apoio a Executivos (SAE),
Atendem à demanda de informação do alto escalão da empresa que, preocupado com as decisões estratégicas de longo prazo, definirão o rumo da organização nos anos que se seguem.  
Utilizam o que há de mais moderno em termos de tecnologia de gráficos, textos e comunicações.  
Tendem a ser personalizados de acordo com as preferências do gestor, na forma como a informação é apresentada.
Como a empresa está inserida em um contexto ambiental (clientes, fornecedores, concorrentes, órgãos governamentais e etc.), tais sistemas coletam dados de fontes internas e externas à organização para auxiliar a alta administração na solução de problemas não estruturados.
Portais corporativos e apoio à decisão
Aplicações que disponibilizam informações internas e externas, ferramentas, interligam profissionais, conhecimentos e expertises diferentes num ambiente integrado e que permite colaboração; através de uma interface simples para que os usuários acessem estes recursos de forma personalizada ao seu trabalho e a tudo que precisa executar.
 O objetivo final é proporcionar, através de um único ponto de entrada, os serviços mais utilizados pelos usuários, alinhado às necessidades e preferências dos mesmos.
Tecnologias de inteligência artificial (IA) nos negócios 
O principal objetivo da IA  é propiciar o desenvolvimento de ferramentas capazes de melhorar as operações empresariais e aumentar a sua vantagem competitiva.
Estuda técnicas que tornam os computadores e respectivos sistemas capazes de tomar decisões de forma parecida com as do ser humano. 
A ideia é que a decisão fique a cargo dos sistemas dotados de “inteligência”. Mas de que forma?
Estudam-se técnicas de representação de conhecimentos, heurísticas (soluções de problemas), raciocínios lógicos e nebulosos que darão boas, mas nem sempre, soluções ótimas e linguagens especiais para trabalhar com conhecimento.Além de sua própria experiência, os tomadores de decisão contarão com a experiência de outros especialistas cujos conhecimentos estarão armazenados nos computadores de acordo com as técnicas de Inteligência Artificial.
Dentre as aplicações da IA, já em uso nas corporações, podemos citar:
 • Sistemas Especialistas.
• Reconhecimento de imagem (Muito utilizado pela Medicina).
• Reconhecimento de voz, etc.
Um exemplo prático de aplicação da IA  em grandes corporações é o caso da Mastercard e Visa, empresas líderes no segmento de cartões de crédito, que usam o conceito de redes neurais para reduzir as fraudes no uso de cartões de crédito: estudo do perfil (histórico de uso)  e acompanhamento de  uso do cartão pelo usuário.  
Se for identificado algum uso inconsistente com o histórico de transações, a ação pode ser o simples bloqueio do crédito ou envio do prognóstico a um analista humano que poderá requerer mais informações (como por exemplo, entrar em contato com o usuário e confirmar a transação).
Areas de aplicações da IA:
  Aplicações da Ciência Cognitiva:
 Sistemas especialistas (simular conhecimento e tomada de decisão humana).
 Redes neurais (simular a estrutura física do cérebro).
 Algoritmos genéticos.
 Lógica difusa.
 Agentes inteligentes.
 
 Aplicações da Robótica:
 Sistemas perceptivos (simular sentidos humanos).
 Robótica (desempenhar tarefas físicas).
 
 Aplicações de Interfaces Naturais:
 Linguagem natural (falada e escrita).
 Realidade virtual (simulação de realidade futura e observação do comportamento).
Redes Neurais
Neural é um adjetivo derivado de neurônio. 
A ideia, então, é montar uma rede de neurônios de forma a simular o funcionamento do cérebro humano, ou seja, é implementado um modelo computacional onde os elementos de processamento são interconectados em uma malha neural.
 A interconexão da rede neural permite o processamento em paralelo e a interação dinâmica.
 A rede pode, então, “Aprender” a partir dos dados processados.
 O sistema computacional aprende a reconhecer padrões e relações nos dados que processa.
 Quanto mais dados de entrada, melhor é o aprendizado.
Sistemas de Lógica Difusa
Lógica difusa é a ciência que se preocupa com os princípios formais do raciocínio aproximado.
Procura modelar os modos imprecisos do raciocínio que têm um papel fundamental na habilidade humana de tomar decisões.
É uma ferramenta capaz de capturar informações imprecisas, descritas em linguagem natural, e convertê-las para um formato numérico.
Fornece os fundamentos para efetuar o raciocínio aproximado, com proposições imprecisas, usando a teoria de conjuntos nebulosos como ferramenta principal.
Isso possibilita fazer cálculos e aproximações muito rápidos, capazes de superar a habilidade humana nestes aspectos. 
Algoritmos Genéticos
Os algoritmos genéticos são úteis para situações nas quais milhares de soluções são possíveis e precisam ser avaliadas para a escolha de uma solução ótima. 
 O software de algoritmo genético utiliza um conjunto de regras de processo matemático que especificam como a combinação de componentes deve ser feita.
Realidade Virtual
Aplicações voltadas para simular a realidade em ambientes computacionais e desenvolver interfaces homem-máquina. 
Utiliza dispositivos multissensoriais com instrumentos de entrada e saída capazes de acompanhar e monitorar os movimentos humanos de forma que os mesmos possam ser imitados ou simulados pelas máquinas.
 A simulação surge como uma maneira eficaz de representar sistemas, plantas, ou as políticas propostas para o teste preliminar antes de desenvolver protótipos caros, testes de campo ou execuções reais.
 
Agentes Inteligentes 
Os agentes são programas de software que realizam tarefas específicas, repetitivas e procedurais para o ser humano: percebem o ambiente e agem sobre ele. 
 O agente inteligente é aquele que adota a melhor ação possível diante de uma situação. Hoje, a internet conta com diversas iniciativas que utilizam agentes, desde sites que comparam preços de produtos para compra até mecanismos de busca inteligentes que navegam dentro das páginas Web, apresentando o resultado da busca classificado pelo grau de acerto e relevância dos assuntos.
Sistemas Especialistas -SI baseado em conhecimento
Uma das aplicações mais práticas e amplamente utilizadas da IA. Ele adiciona uma base de conhecimento aos principais componentes encontrados em outros tipos de SI.
É um SI baseado no conhecimento que utiliza seu conhecimento sobre uma área de aplicação específica e complexa para atuar como consultor especializado para os usuários finais.
Fornecem respostas a questões de um problema muito específico, fazendo inferências do tipo humanas sobre um conhecimento contido em uma base de conhecimento. Deve haver a capacidade de o sistema explicar ao usuário o processo de raciocínio utilizado e as conclusões atingidas.
Um sistema especialista é um sistema baseado no conhecimento, ouseja, ele é baseado em um sistema de informação do conhecimento, adicionando informações computacionais, que no final é projetado para tentar igualar com a especialização humana de algum domínio específico.
Devido a isso, um sistema especialista utiliza desse sistema baseado no conhecimento sobre uma determinada área específica e complexa, para atuar como um consultor especializado para usuários finais.
Deve inferir conclusões, ter capacidade de aprender novos conhecimentos, melhorar o desempenho do raciocínio e a qualidade de suas decisões
Inferência é uma conexão indireta entre assuntos. É uma ilação ou dedução. É a passagem, através de regras válidas, do antecedente ao consequente de um argumento.
Inferência é o processo pelo qual se chega a uma proposição, firmada na base de uma ou outra mais proposições aceitas como ponto de partida do processo. O Argumento é chamado de premissa e o valor de conclusão. As conclusões são deduzidas a partir das premissas.
Este mecanismo busca o conhecimento de maneira estratégica em sua base de normas, utilizando duas formas de encadeamento: 
Reverso: o sistema inicia pelas conclusões e prossegue para trás até os fatos de suporte. Se esses fatos não suportarem a conclusão, outra é selecionada e testada.
Para frente: o mecanismo inicia com informações introduzidas pelo usuário e busca as normas na Base de Conhecimento para chegar a uma conclusão.
Componentes de um Sistema Especialista
Base de conhecimento: regras, fatos e heurísticas correspondentes ao conhecimento dos especialistas no domínio sobre o qual foi construído o sistema.
Equipe de desenvolvimento: composta por um ou mais peritos que detêm o comando da base de conhecimento, que traduzem o conhecimento descrito pelos peritos em um conjunto de normas de produção.
Ambiente de desenvolvimento amigáveis: que geram de maneira rápida e eficiente as telas de interface com o usuário, capturam a base de conhecimentos e gerenciam as estratégias de busca na base de normas.
Interface com o usuário: permite que o usuário descreva o problema através de perguntas procurando tornar o uso do sistema fácil e agradável, eliminando a complexidade. A interface flexível permite que o usuário descreva o problema ou os objetivos que deseja alcançar.
RecursosdeSoftware:
Utilitários de inferência – processa o conhecimento (tais como regras e fatos) relacionado a um programa específico.
Programas de Interface com o usuário – entre outras coisas, explica a o usuário o processo de raciocínio.
Programas de aquisição do conhecimento – não fazem parte do sistema especialista, mas são ferramentas de software para desenvolvimento da base de conhecimento, que são utilizados para desenvolver sistemas especialistas.
Base de Conhecimento
Contém fatos sobre um tema específico (Ex.:Vani é professora) e heurística (princípios úteis, conjunto de regras e métodos que conduzem à descoberta, à invençãoe à resolução de problemas) que expressa os procedimentos de raciocínio de uma gente em relação ao assunto.
Possui fatos importantes sobre um determinado assunto, que expressa procedimentos de raciocínio de uma pessoa em relação ao assunto.
Representação do Conhecimento
Raciocínio Baseado em Casos: é o conhecimento que está na base representado na forma de casos e experiências do passado.
Conhecimento Baseado em Quadros: pega esses dados da base de conhecimento, e representa de forma hierárquica.
Conhecimento Baseado em Objetos: é o conhecimento representado como uma rede de objetos (elemento de dados que inclui dados como métodos, processos que realizam esses dados).
Conhecimento Baseado em regras: é o conhecimento representado em regras e declarações que normalmente assumem formas de premissas e conclusões do tipo: se e então.
Aplicações de um Sistema Especialista
Atualmente os sistemas especialistas estão sendo utilizados em muitos campos diferentes e que tende a aumentar. Exemplos de campos em que está sendo utilizado os sistemas especialistas: medicina, engenharia, ciências físicas, administração de empresas, ortopedia, entre outros.
Os sistemas especialistas podem auxiliar no diagnóstico de doenças, pesquisas de minérios, análise de composições químicas, recomendações de reparos, planejamento financeiro. A partir do ponto de vista estratégico empresarial, esse tipo de sistema pode melhorar cada etapa do ciclo de um produto, desde a descoberta de clientes até a expedição dos produtos
Benefícios dos Sistemas Especialistas
Velocidade na determinação dos problemas;
Decisão fundamentada em uma base de conhecimento;
Estender as facilidades de tomada de decisão para muitas pessoas;
Exige pequeno número de pessoas para interagir como sistema;
Dependência decrescente de pessoal específico;
Flexibilidade;
Integração de ferramentas;
Ajuda a preservar e reproduzir o conhecimento dos especialistas;
Evita interpretação humana de regras operacionais;
Aumenta a eficiência dos processos empresariais, melhorando a produtividade e desempenho de seus usuários;
Gera novos produtos ou serviços baseados em conhecimento;
Reduz o grau de dependência que as organizações mantêm quando se veem em situações críticas;
Limitações dos Sistemas Especialistas
Os Sistemas Especialistas não conseguem raciocinar sobre seu próprio escopo e restrições, é necessário um programador para fornecer instruções para estabelecer como o sistema deverá aprender. Incapacidade de aprender com a experiência.
A aquisição do conhecimento continua sendo um dos maiores obstáculos à aplicação de tecnologia dos Sistemas Especialistas. A falta de capacidade para aprender e por ser uma aplicação especifica impede novos domínios da tecnologia.
Foco limitado. O acesso ao conhecimento é especifico. Não possuem conhecimentos mais genéricos e abrangentes. São limitados a regras definidas. Não lidam com conhecimentos mesclados;
Custo elevado do desenvolvimento e manutenção;
Ineficiente nas tomadas de decisões gerenciais de caráter subjetivo;
Devem ter o seu conhecimento modificado quando novo know-how é necessário para acompanhar suas áreas de especialidade;
Lidam com conhecimento de base humana. Se as informações não forem corretas ou incompletas, o sistema será afetado negativamente.
Gerador de SSD
Interface com o Usuário
Banco
de Dados
Corporativo
Acesso a
Banco de dados
Externo
Acesso à internet, à Intranet e outros Sistemas
SGM
SGBD
Banco de modelos
Banco de dados