01 - Conceitos e Definicoes.pdf

Prévia do material em texto

Sistemas de Informações
Prof. Dimas Ozanam Calheiros
SI-01-Definições e Conceitos
INFORMÁTICA ?INFORMÁTICA ?
Definições e Conceitos
Tratamento Sistemático da informação! 
Prof. Dimas Ozanam Calheiros 2Prof. Dimas Ozanam Calheiros 2
OU...
Tratamento Sistemático da informação! 
OU...
INFORMÁTICAINFORMÁTICA
Informação Automática 
Definições e Conceitos
Prof. Dimas Ozanam Calheiros 3Prof. Dimas Ozanam Calheiros 3
É a ciência que estuda o tratamento automático e 
racional da informação.
OU...
OU...
INFORMÁTICA
Se Mexer, pertence à Biologia
Se não funcionar, pertence Física
Se feder, pertence à Química
Se ninguém entende, é Matemática
Se não faz sentido, é Economia
ou Psicologiaou Psicologia
Se não mexe, não fede,
não funciona,
ninguém entende e
Não faz sentido, 
é INFORMÁTICA!
Prof. Dimas Ozanam Calheiros
Informática Informática –– Sistemas de InformaçãoSistemas de Informação
DADOS ??????????
Definições e Conceitos
Prof. Dimas Ozanam Calheiros 5Prof. Dimas Ozanam Calheiros 5
DADOS ??????????
Dado: É todo elemento conhecido que serve de base à
resolução de um problema.
Dado: É o valor de um atributo. Não chega a transmitir um
significado específico para o negócio.
Informática Informática –– Sistemas de InformaçãoSistemas de Informação
DADOS INFORMAÇÃO 
Definições e Conceitos
Prof. Dimas Ozanam Calheiros 6Prof. Dimas Ozanam Calheiros 6
DADOS INFORMAÇÃO 
Informação: É o conjunto de dados organizado 
com um determinado significado.
Informação: É um conjunto organizado e estruturado de 
dados. Pode ser entendido como o dado já processado.
Definições e Conceitos
Informática Informática –– Sistemas de InformaçãoSistemas de Informação
DADOS INFORMAÇÃO 
Prof. Dimas Ozanam Calheiros 7Prof. Dimas Ozanam Calheiros 7
“Dados que foram convertidos em um contexto 
significativo e útil para usuários finais 
específicos”.
James O’Brien-Sistemas de Informação e as Decisões Gerenciais 
na Era da Internet
Definições e ConceitosDefinições e Conceitos
Informática Informática –– Sistemas de InformaçãoSistemas de Informação
DADOS INFORMAÇÃO 
Prof. Dimas Ozanam Calheiros 8Prof. Dimas Ozanam Calheiros 8
CONHECIMENTO
Consiste de dados e informações organizados e 
processados para transmitir compreensão, 
experiência, aprendizado acumulado e técnica. 
É Abstração interior, pessoal, de algo que foi 
experimentado e vivenciado por alguém.
Conhecimento
Informação
Definições e ConceitosDefinições e Conceitos
Sistema de Informação:
Prof. Dimas Ozanam Calheiros 9Prof. Dimas Ozanam Calheiros 9
Dados
Principal benefício: A transformação de dados, de
forma econômica, em informação e conhecimento.
• Sistema de Informação: “Conjunto de componentes 
inter-relacionados que: 
coleta (recupera) , processa, armazena e distribui informações 
destinadas a apoiar a tomada de decisões, a coordenação e 
o controle de uma organização.” 
Laudon, Kenneth C. Sistemas de Informações Gerenciais 
Definições e ConceitosDefinições e Conceitos
Prof. Dimas Ozanam Calheiros 10Prof. Dimas Ozanam Calheiros 10
Laudon, Kenneth C. Sistemas de Informações Gerenciais 
• Necessidades transacionais são as decorrentes das 
operações da organização.
• Necessidades gerenciais são as voltadas para o 
planejamento, o controle e a tomada de decisão..
Processamento
Programas e Sistemas
Pessoas
Equipamentos
Armazenamento,
Entradas
Problemas do
Negócio:
Dados
Saídas
Soluções
Informações
Relatórios
Gráficos
Cálculos
Visão esquemática de um sistema de informação
Definições e ConceitosDefinições e Conceitos
Prof. Dimas Ozanam Calheiros 11Prof. Dimas Ozanam Calheiros 11
Armazenamento,
Transacional e Analítico 
Dados
Instruções
Oportunidades
Cálculos
Posicionamentos
Táticas e estratégias
Controle
Tomadores de Decisão
Autocontrole
Feedback
Aplicação
Sistema: Operacional x Analítico
• OPERACIONAL: Foco nos processos de Negócio
Prof. Dimas Ozanam Calheiros 12Prof. Dimas Ozanam Calheiros 12
Aplicação
Operacional
BANCO 
RELACIONAL
• ANALÍTICO: Foco em ASSUNTO de Negócios 
Sistema: Operacional x Analítico
Ferramenta
de Análise
Prof. Dimas Ozanam Calheiros 13Prof. Dimas Ozanam Calheiros 13
BANCO 
ANALÍTICO
de Análise
Data Warehouse
ANALÍTICO
BANCO 
Aplicação
Operacional
Ferramenta
de Análise
OPERACIONAL
Sistema: Operacional x Analítico
Prof. Dimas Ozanam Calheiros 14Prof. Dimas Ozanam Calheiros 14
Aplicação
Operacional
BANCO 
RELACIONAL
BANCO 
RELACIONAL
BANCO 
ANALÍTICOExtraçãoTransformação
Carga
de Análise
Data Warehouse
Operacional:
• Sistemas que suportam as operações do dia a dia da 
empresa.
• São sistemas de processamento On-line e Batch, 
atualizados diariamente.
Processamento: Operacional X Analítico
Prof. Dimas Ozanam Calheiros 15Prof. Dimas Ozanam Calheiros 15
Analítico:
• Sistemas que disponibilizam informações usadas 
para analisar um problema ou uma situação.
–Obtenção de vantagem competitiva
– Oportunidades de negócio.
Aplicação
• Informações refletem o momento atual.
• Os usuários efetuam operações de leitura e escrita.
• Pode estar distribuído em várias aplicações.
Processamento Operacional
Prof. Dimas Ozanam Calheiros 16Prof. Dimas Ozanam Calheiros 16
Aplicação
Operacional
Aplicação
Operacional
Processamento Analítico
• Informações refletem um instante específico no tempo.
• Os usuários efetuam operações apenas de leitura.
• Visão única dos dados da empresa com foco no negócio.
Prof. Dimas Ozanam Calheiros 17Prof. Dimas Ozanam Calheiros 17
Data Warehouse
Ferramenta
de Análise
BANCO 
ANALÍTICO
SI- Business Intelligence: Ferramentas que 
viabilizam o uso estratégico da informação e busca 
de oportunidades de negócio.
SI- GROUPWARE
Workflow, Gerenciamento Eletrônico de Documentos, 
Gestão do Conhecimento.
SI- Transacionais, de Informações Gerenciais e de 
Sistemas de Informação – BD – Infra-estrutura
INFRAESTRUTURA DE HARDWARE
SISTEMAS OPERACIONAIS DE REDE
Banco de Dados Cliente-Servidor
WWW
Banco de Dados Analítico
INFRAESTRUTURA DE REDE - LAN e WAN
PROTOCOLOS DE COMUNICAÇÃO
SI- Transacionais, de Informações Gerenciais e de 
apoio à Decisão.
Troca de Mensagens
“utilização de várias fontes de informação para 
definição de estratégias de competitividade nos 
Ferramentas de Apoio à Decisão, gestão de performance
e oportunidades de negócios.
– Business Intelligence
Prof. Dimas Ozanam Calheiros 19Prof. Dimas Ozanam Calheiros 19
definição de estratégias de competitividade nos 
negócios” (BARBIERI, 2001)
“processos, tecnologias e ferramentas para tornar 
dados em informações, informações em conhecimento 
e conhecimento em planos que guiam ações em 
negócios lucrativos” (LOSCHIN, 2003)
É um conjunto de processos e metodologias, 
implementadas por meio de ferramentas de 
software, para obter informação e conhecimento útil
para a tomada de decisão.
Business Intelligence
Prof. Dimas Ozanam Calheiros 20Prof. Dimas Ozanam Calheiros 20
•Business Intelligence
BI 
OLAP
Data warehouse Data Marts
Prof. Dimas Ozanam Calheiros 21Prof. Dimas Ozanam Calheiros 21
Data Mining
EIS
BSC
Foco: Prover o acesso; 
A apresentação da informação;
Objetivos estratégicos;
Oportunidades de negócios. 
Business Intelligence
Faz uso:
Prof. Dimas Ozanam Calheiros 22Prof. Dimas Ozanam Calheiros 22
Faz uso:
- Armazém de dados -Data Warehouse;
- Ferramentas analíticas e recursos gráficos - OLAP;
- Identificação automatizada de Padrões e 
relacionamentos- Data Mining..
• É um grande repositório de dados 
coletados de diversas fontes que 
destina-se a gerar informações para o 
nível gerencial sendo fonte para 
tomadas de decisão. 
Data Warehouse - DWData Warehouse - DW
O que é?
Prof. Dimas Ozanam Calheiros 23Prof. Dimas Ozanam Calheiros 23
tomadas de decisão. 
� Para criar uma visão única e centralizada dos dados 
que estavam dispersos em diversos BDs
• Permite que usuários finais executem consultas, 
gerem relatórios e façam análises.
Para que serve?
Data WarehouseData Warehouse
• Orientado ao assunto
– Os dados em um DW são organizados de modo a 
facilitar a análise dos dados
– Dados são organizados por assunto e não por 
aplicação, como em BDs operacionais
Prof. Dimas Ozanam Calheiros 24Prof. Dimas Ozanam Calheiros 24
Aplicação
de Venda
Análise
de Vendas
Produtos
Histórico 
de Vendas
Estoque
Clientes
– É um DW relativo a uma área específica para análise de 
negócios.
– Podem ser independentes, ou derivados de uma visão 
única concebida a partir do Data Warehouse.
Ferramenta
Data MartsData Marts
Prof. Dimas Ozanam Calheiros 25Prof. Dimas Ozanam Calheiros 25
BANCO 
ANALÍTICO
Extração
Transformação
Carga
de Análise
BANCOS 
OPERACIONAIS
ÁREA ESPECÍFICA DE NEGÓCIO
ÁREA ESPECÍFICA DE NEGÓCIO
DW
Ferramenta
de Análise
OLAP
On Line Analitical Processing
OLAP
On Line Analitical Processing
Prof. Dimas Ozanam Calheiros 26Prof. Dimas Ozanam Calheiros 26
� Conjunto de processos para criação, gerência e 
manipulação de dados multidimensionais.
� Facilidade para fazer análises;
� Agregações e cruzamentos, permitindo visualizar os 
OLAP - On Line Analitical Processing OLAP - On Line Analitical Processing 
Prof. Dimas Ozanam Calheiros 27Prof. Dimas Ozanam Calheiros 27
� Agregações e cruzamentos, permitindo visualizar os 
dados através de múltiplos níveis. 
OLAP juntamente com o SGBD, é base do ambiente 
de DW .
AD-HOC
Consultas 
• Permite a recuperação de informações de forma 
dinâmica e flexível, através de uma interface muito 
simples. 
OLAP - On Line Analitical Processing OLAP - On Line Analitical Processing 
Prof. Dimas Ozanam Calheiros 28Prof. Dimas Ozanam Calheiros 28
Consultas 
imprevistas,
de acordo com as 
necessidades de 
cruzamento de 
informação
SLICE-AND-DICE
Consultas sob
diferentes prismas
DRILL DOWN/UP
Consultas em 
diferentes níveis de 
detalhes -
subir ou descer 
níveis de 
detalhamento
Situação: Vendemos produtos em vários mercados, e 
nós medimos nosso desempenho ao longo do tempo.
• O modelo de dados mais adequado para representar diversas 
relações entre grandezas é o modelo dimensional.
OLAP: Modelo DimensionalOLAP: Modelo Dimensional
Prof. Dimas Ozanam Calheiros 29Prof. Dimas Ozanam Calheiros 29
TEMPO
MERCADO
PRODUTO
Cada ponto do 
cubo representa 
uma combinação 
de Produto, 
Mercado e Tempo
OLAP: Visão MultidimensionalOLAP: Visão Multidimensional
Prof. Dimas Ozanam Calheiros 30Prof. Dimas Ozanam Calheiros 30
Gerente Regional
Gerente Financeiro Ad Hoc viewsAd Hoc viewsAd Hoc viewsAd Hoc views
Gerente de Produto MMMMEEEERRRRCCCCAAAADDDDOOOO
TempoTempoTempoTempo
VendasVendasVendasVendas
Data Mining 
Mineração de Dados
Data Mining 
Mineração de Dados
Prof. Dimas Ozanam Calheiros 31Prof. Dimas Ozanam Calheiros 31
Mineração de DadosMineração de Dados
Conjunto de técnicas cuja finalidade é permitir a 
descoberta de padrões, tendências e correlações
ocultas nos dados o que pode propiciar uma vantagem 
competitiva estratégica.
Conjunto de técnicas cuja finalidade é permitir a 
descoberta de padrões, tendências e correlações
ocultas nos dados o que pode propiciar uma vantagem 
competitiva estratégica.
Data Mining – Mineração de Dados
REDES NEURAIS INDUÇÃO DE REGRAS
Prof. Dimas Ozanam Calheiros 32Prof. Dimas Ozanam Calheiros 32
REDES NEURAIS
constrõem 
representações internas 
de modelos ou padrões 
achados nos dados
INDUÇÃO DE REGRAS
detectam tendências dos 
dados, apresentando 
uma “lista não 
encomendada”
ÁRVORES DE DECISÃO
Identificam associações dos dados, formando as “regras 
sobre o dado”
Data Mining – Mineração de Dados
• Faz uso da análise intensiva de grandes dados 
históricos, utilizando inteligência artificial e técnicas 
estatísticas e matemáticas.
• Data Mining diferencia das ferramentas de OLAP, pois 
pode ser usado para prever comportamentos ao 
Prof. Dimas Ozanam Calheiros 33Prof. Dimas Ozanam Calheiros 33
pode ser usado para prever comportamentos ao 
invés de analisar dados históricos.
• O usuário pode deixar para o sistema descobrir os 
relacionamentos entre a grandeza que quer analisar. 
(Lucro) e as outras dimensões (mercado, perfil do usuário, etc)
Data Mining: Aplicações
• Segmentação:
Agrupar consumidores de acordo com segmentos de 
mercado.
• Classificação:
Associar dados novos a padrões pré-estabelecidos.
Prof. Dimas Ozanam Calheiros 34Prof. Dimas Ozanam Calheiros 34
• Preferência:
Determinar a preferência de grupos representativos da 
maioria dos clientes.
• Associação:
Descobrir relacionamentos e oportunidades de negócio.
Associar dados novos a padrões pré-estabelecidos.
OLAP x Data Mining OLAP x Data Mining 
Prof. Dimas Ozanam Calheiros 35Prof. Dimas Ozanam Calheiros 35
Prof. Dimas Ozanam Calheiros 36Prof. Dimas Ozanam Calheiros 36
CASESCASES
Prof. Dimas Ozanam Calheiros 37Prof. Dimas Ozanam Calheiros 37
CASESCASES
• O Projeto “Intelligent Acquisition” : 
Incorporar à base de clientes os mais 
rentáveis proponentes, gerando clientes de 
alto valor a um custo baixo de aquisição.
• O sucesso mensurado através de quatro medidas:
Prof. Dimas Ozanam Calheiros 38Prof. Dimas Ozanam Calheiros 38
• O sucesso mensurado através de quatro medidas:
• Volumes de cartões vendidos: Aumento de 93%
• Taxa de eficiência: Aumento de 24% 
• Custo por cartão: Redução de 17%
• Volume de proponentes abordados: Redução de 55%.
CASESCASES
• A “OPA - Operações Portas Abertas Renault” é a maior 
ação de varejo da Renault e consiste em uma ação 
coordenada de mala direta, e-mail e mídia de massa, 
convidando o prospect a visitar a concessionária e fazer 
um test-drive nos veículos da marca.
• Após 13 edições do OPA realizadas nos últimos quatro anos, o desafio 
da Renault era elevar a quantidade de visitas às revendas e garantir 
um perfil de visitantes mais qualificado, aumentando o índice de 
Prof. Dimas Ozanam Calheiros 39Prof. Dimas Ozanam Calheiros 39
um perfil de visitantes mais qualificado, aumentando o índice de 
conversão dos visitantes em compradores efetivos de veículos da 
marca.
• Foram selecionados os nomes com maior propensão de resposta 
para a campanha através da aplicação de ferramentas de Dataming na 
base de respondentes e não respondentes da ação OPA anterior.
• O grupo selecionado com Datamining, foi 4,7 vezes 
maior do que o retorno da OPA anterior, quando 
não houve a aplicação dessas tecnologias.
___________________________________________________________
� comissão técnica alemã analisou vídeos de cobranças de penalts de
dois anos anteriores ao mundial; 
� Obteve a predição do tipo de cobrança de cada jogador;
� informações foram passadas à Lehmann, no momento da cobrança;
Mundial de futebol 2006 – Alemanha X Argentina
CASESCASES
Prof. Dimas Ozanam Calheiros 40Prof. Dimas Ozanam Calheiros 40
_____________________________________________________________________
� informações foram passadas à Lehmann, no momento da cobrança;
� Lehmann utilizou a informação e a Alemanha venceu!
___________________________________________________________Bank of América
CASESCASES
A Ação: Enviou cartas oferecendo linhas 
• O Desafio: “Selecionar numa base de 
dados, contendo mais de 36 milhões de 
Clientes, aqueles com menor risco de não 
pagar o empréstimo.
Prof. Dimas Ozanam Calheiros 41Prof. Dimas Ozanam Calheiros 41
A Ação: Enviou cartas oferecendo linhas 
de crédito para os clientes cujos filhos 
tivessem idade entre 18 e 21 anos e, 
portanto, poderiam precisar de dinheiro 
para ajudar os filhos a comprar o próprio 
carro, uma casa ou pagar os gastos do 
ensino superior.
O Resultado: Crescimento de 15% na carteira
___________________________________________________________
Wall Mart
CASESCASES
• Outros...
Natura
Prof. Dimas Ozanam Calheiros 42Prof. Dimas Ozanam Calheiros 42
_____________________________________________________________________
Natura
FIMFIM
Prof. Dimas Ozanam Calheiros 43Prof. Dimas Ozanam Calheiros 43
FIMFIM