Prévia do material em texto
JEAN PIERRY ALVES DE SOUZA, LUIZ HENRIQUE SALGADO ANDRADE CARDOSO SISTEMAS DE INFORMAÇÃO PARA O SETOR PÚBLICO Artigo: Business Intelligence e Big Data LAVRAS – MG 2016 1. Introdução A globalização e as constantes alterações do mercado obrigam as empresas a uma grande destreza na implementação das suas estratégias. Atualmente, mais do que nunca, a criação de valor e a diferenciação de uma empresa no mercado consistem num dos principais fatores de sucesso para o seu crescimento e para a sua sustentabilidade (CISCO, 2013). Como tal, é essencial as empresas construírem estratégias capazes de sustentar o seu crescimento num panorama altamente competitivo e com condições de mercado voláteis. Atualmente, a cada minuto que passa são gerados cerca de 1700 biliões de bytes de dados em todo o mundo. Estes dados têm origem nas mais diversas fontes, como por exemplo: pessoas, máquinas ou sensores; e nos mais diversos formatos, como por exemplo: mensagens, fotos digitais e vídeos, localizações GPS, registo de transações bancárias ou de compras, entre outros (Comissão Europeia, 2015). É neste cenário é que ferramentas como Business Intelligence (BI) e Big Data ganham força, permitindo a diminuição dos custos e o aumento da eficiência na mineração, processamento, transmissão e armazenamento dos dados. A utilização de BI suportado por tecnologia Big Data está a revolucionar a gestão e a criar novos desafios no mercado empresarial. Atualmente, as empresas obtêm novas perspectivas de forma mais célere, permitindo-lhes criar e ajustar mais eficazmente o seu posicionamento de mercado através da análise de dados em tempo real, incrementando consideravelmente a competitividade e a agressividade no mercado. 2. Business Intelligence Segundo Turban (2008, p. 27), Business Intelligence (BI) “é um termo guarda-chuva que inclui arquiteturas, ferramentas, bancos de dados, aplicações e metodologias”. Entretanto, em virtude de ser uma expressão livre de conteúdo, pode transmitir significados diversos, gerando certa confusão em torno desse conceito. Segundo Negash (2004), o BI se caracteriza pela extração e integração de dados de diversas fontes, procurar relações de causa e efeito e transformar todos os dados obtidos nessas atividades para informação útil a empresa. A partir da análise dos dados, os tomadores de decisão ficam aptos a tomar decisões melhores e mais informadas. O processo do BI baseia-se na transformação de dados em informações, depois em decisões e finalmente em ações (TURBAN, 2008). 2.1 Componentes e Ferramentas de BI O BI tem quatro grandes componentes principais: um data warehouse; a análise de negócios, uma coleção de ferramentas para manipular dados no data warehouse, incluindo data mining; business performance management(BPM) para monitoria e análise do desempenho; e uma interface de usuário. 2.1.1 Data Warehouse Segundo Date (2004) “Data Warehouse é um deposito de dados orientado por assunto, integrado, não volátil, variável com o tempo, para apoiar as decisões gerenciais”. Tratam-se de bancos de dados organizados de forma estruturada visando obter dados analíticos e também a integração de todos os dados e partes do sistema, construído de forma integrada para um determinado assunto e representando um histórico do mesmo. A criação de Data Warehouse é imprescindível para a estruturação dos dados e para que se tenha uma análise apropriada dos mesmos, além de proporcionar rapidez na obtenção de informações (BASTOS et al, 2015). O Data Warehouse também pode ser desenvolvido em subconjuntos determinados Data Marts. Os Data Marts apresentam um papel de representação departamental ou funcional, proporcionando dados classificados e organizados. 2.1.2 Análise de Negócios Essas ferramentas surgiram originalmente com o nome de processamento analítico online (do inglês, Online Analytical Processing - OLAP). Elas permitem a análise das atividades no nível operacional a fim de suportar os estudos no nível estratégico, interpretando mudanças e novas variáveis no tocante ao negócio e mercado da organização (BASTOS et al, 2015). 2.1.3 Data Mining Data Mining é uma classe de análise de informações, baseadas em banco dados, que procura por padrões ocultos em coleções de dados que podem ser usados para prever comportamentos futuros (TURBAN, 2008). Ela apresenta a extração de informações contidas nos Data Warehouses e Data Marts cujo resultado é a obtenção de novas perspectivas, padrões ou tendências onde a análse humana não os faria. Para tal fim, utilizam-se conceitos tecnológicos e sofisticados, tais como redes neurais, árvore de decisão, entre outros (BASTOS et al, 2015). 2.1.4 Business Performance Management Esse componente baseia-se na metodologia Balanced Scorecard, que se trata de uma estrutura para definir, implementar e gerenciar a estratégia de negócios de uma empresa conectando objetivos a medidas fatuais. Ele conecta métricas de nível superior a desempenhos reais de todos os níveis hierárquicos da organização. O BPM usa a análise, a geração de relatórios e as consultas de BI. Seu objetivo é otimizar o desempenho geral de uma organização (TURBAN, 2008). 2.1.5 Interface de Usuário Interfaces de usuários são as ferramentas de visualização que apresentam as informações de uma maneira compreensível aos usuários. Estas podem ser dashboards, que fornecem uma visão abrangente e amigável dos indicadores chaves de desempenho e suas tendências e exceções; um cubo multidimensional; ou até mesmo a realidade virtual (TURBAN, 2008). 2.2 Benefícios do BI Autores como Eckerson (2003) e Thompson (2004) apontam que o BI apresenta vários benefícios para organizações, tais como: Economia de tempo; Versão única da verdade; Melhores estratégias e planos; Melhores decisões táticas; Processos mais eficientes; Economia de custos; Geração de relatórios mais rápida e precisa; Melhor tomada de decisões; Melhor serviço ao cliente e maior receita. Entretanto, para Turban (2008), avaliar o valor do BI para o negócio é complexo devido aos muitos benefícios intangíveis que a solução oferece e pelo fato de o Data Warehouse ser uma infraestrutura que serve a muitas aplicações. 2.3 BI no Setor Público O Setor Público por ser uma área tão burocrática e devido à constante necessidade de informações gerenciais de diversos órgãos combinados, pode fazer do Business Intelligence uma forte ferramenta para a gestão. Sistemas de BI permitem a otimização da eficiência se bem estruturados, proporcionando aos gestores e usuários do sistema melhor visualização dos dados. Ao que se espera, o uso de um sistema no Setor Público pode minimizar as assimetrias informacionais existentes entre o Estado e a sociedade, e até mesmo sobre si, o que acarreta em maior satisfação da sociedade com os serviços prestados pelo Estado, visto que aumenta-se a eficiência na utilização dos recursos disponíveis, e acarreta, também, na melhoria do clima organizacional interno, por estar intimamente ligado a maximização dos recursos humanos (MATOS). De acordo com Souza (2009), BI traz diversas vantagens para o Setor Público, sendo elas: Centralização das informações gerenciais/estratégicas do Estado em um ambiente tecnológico; Garantia da confiabilidade da informação; Processo de tomada de decisão com maior visibilidade de todas as informações sobre o negócio; Extração e análise de dados para facilitare agilizar a tomada de decisão; Acompanhamento de Indicadores estratégicos de Forma gráfica; Informações de cunho gerencial, em tempo hábil e de forma confiável; Efetiva a atuação do Gestor Público como a gente de mudança; Permite gestão integrada dos recursos, apoiando as decisões do gestor; Incorpora práticas de sucesso da iniciativa privada; Reduz custos, melhora a eficiência e a qualidade dos serviços prestados. 3. Big Data Nos últimos anos sociedade tornou-se hiper-conectada, participando ativamente do envio e recebimento de dados através da internet. As redes sociais, dados de GPS, mensagens de texto, envio de vídeos, registro de transações de compras, cliques em sites, sensores em dispositivos, entre outros, fazem parte de um grande banco de dados não estruturado que está disponível para organizações que querem investir em tomada de decisões (CISCO, 2013). Considerando esse grande volume massivo de dados gerados na última década, as organizações começaram a ter necessidade de desenvolver tecnologia que as capacitasse a tratar volumes de dados massivos, provenientes de várias fontes e com enorme variedade de formatos, através de algoritmos de processamento velozes e com alta capacidade para processar todo o tipo de dados em tempo real. O Big data expõe uma nova geração de tecnologia e arquitetura, destinada a extrair valor de uma imensa variedade de dados permitindo alta velocidade de captura, descoberta e análise, transformando dados em informações valiosas (RANDAL, 2008). Segundo Manyika (2011), Big data deriva do fato de que os conjuntos de dados são tão grandes que os típicos sistemas de banco de dados não são capazes de armazená-los e analisá-los. Eles são grandes porque os dados não são mais tradicionais dados estruturados, mas os dados de diversas novas fontes, incluindo e-mail, mídias sociais e sensores acessíveis pela Internet. Definidos pela INTEL (2012), três ”Vs” são frequentemente usados para caracterizar os diversos aspectos do Big Data, são eles: Volume. A escala maciça e crescimento de dados não estruturados superar armazenamento tradicional e soluções analíticas. Variedade. Big data é coletado a partir de novas fontes que não foram minadas no passado. Processos tradicionais de gestão de dados não podem lidar com a diversidade e variação dos dados do Big data, que vem em formatos tão diferentes como e-mail, redes sociais, vídeo, imagens, blogs, e sensores de dados. Velocidade. Os dados são gerados em tempo real, com as exigências de informação útil a ser servida. Deste modo, Big data cria valor para as organizações descobrindo padrões e relacionamentos entre dados que antes estavam perdidos não apenas em Data Warehouses internos, mas na própria Web. 3.1 Big Data no setor público Apesar de o Brasil ser uma referência na adoção de tecnologias no setor público, com exemplos bem-sucedidos, como a inovação na declaração do Imposto de Renda de Pessoa Física on-line e com a realização das eleições por meio de votos eletrônicos, existem hoje novas soluções analíticas fundamentais para auxiliar o governo a aperfeiçoar a administração pública (ELIAS, 2013). Hoje, a maioria dos sistemas é informatizada e a população está cada vez mais conectada a diferentes mídias e nas redes sociais. Com isso, o volume de dados gerados dia a dia é gigantesco, o que exige imediatismo na coleta e armazenamento das informações, integração de muitas fontes e tecnologias, bem como uma infraestrutura robusta para analisar e separar o joio do trigo. O valor agregado está na identificação e classificação às informações essenciais para a tomada de decisões (ELIAS, 2013). Com a evolução tecnológica e com a pressão constante da população por melhores serviços, os gestores precisam estar atentos à adoção de novas soluções capazes de integrar os sistemas legados, com amplo potencial analítico. Isto porque gerir o “Big Data” significa entender e atender melhor os cidadãos, adotar processos e ações mais eficazes a curto, médio e longo prazo, ter maior controle e reduzir os custos. Estudos realizados em diversos países tem mostrado que iniciativas envolvendo o uso do Big data podem trazer diversos benefícios para o setor público. 3.1.1 Serviços de saúde Nos cuidados com a saúde, o Big data pode utilizar sensores no hospital ou em casas para prover um monitoramento contínuo dos principais marcadores bioquímicos, realizando a análise em tempo real dos dados. O sistema de análise pode alertar individualmente cada pessoa e o respectivo médico, exigindo uma visita ao mesmo ou até mesmo alertando o socorro para um evento que esteja prestes a acontecer. Este serviço tem o potencial de ampliar e melhorar a qualidade de vida de milhões de pessoas (TECHAMERICA, 2012). 3.1.2 Redução da criminalidade Pesquisas realizadas nos Estados Unidos mostram que 75% dos funcionários estaduais de TI daquele país, consideram os benefícios práticos do Big data na segurança pública, extremamente importantes. Os departamentos de polícia estão usando o Big data para desenvolver modelos de previsão sobre quando e onde os crimes podem ocorrer, ajudando a reduzir significativamente os índices de criminalidade em locais específicos (FÉ, 2013). 3.1.3 Transporte urbano O Big data tem o potencial de transformar o transporte de diversas maneiras. Uma delas é o uso de sensores distribuídos em dispositivos móveis, em veículos e nas estradas que poderão fornecer informações em tempo real do trafego que é analisado e compartilhado. Esta informação, juntamente com algumas características autônomas em alguns carros permite que os condutores dirijam de forma mais segura e com menos engarrafamentos. Este novo conceito de trafego ecológico tem o potencial de transformar a maneira como usamos nossas estradas (TECHAMERICA, 2012). 3.1.4 Investimentos governamentais Atualmente, muitos dos investimentos feitos pelo governo se baseiam em análises superficiais, ignorando todo um cenário de mercado que poderia oferecer muitos outros parâmetros para a tomada de decisão. A escolha de fornecedores é algo complexo e que deveria ser feita da maneira mais criteriosa possível, prevendo situações em médio e longo prazo, além de ser capaz de reagir rapidamente a situações inesperadas, como falência de empresas e demandas emergenciais (VERT, 2015). O Big Data poderia nutrir o governo de informações estratégicas para que ações fossem tomadas antes que grandes problemas sociais surgissem, tornando os investimentos públicos muito mais eficientes, inclusive reduzindo os gastos e melhorando a qualidade dos serviços prestados à população. 3.1.5 Agricultura Os pagamentos de produtos agrícolas, compras de insumos e subsídios podem ajudar os governos a prever melhor as tendências de produção de alimentos e incentivos. Esse conhecimento pode ser usado para garantir a disponibilidade de armazenamento de culturas adequadas, reduzir resíduos e desperdício, e fornecer melhor informação sobre que tipos de serviços financeiros são necessários para os agricultores (WEF, 2012). 4. Conclusão Tanto o Busniess Intelligence, quanto o Big data estão ávidos a serem manipulados. A potencialidade dessas poderosas ferramentas ainda não está sendo plenamente utilizada, há sinais claros dessa importância como: seu impacto e suas funcionalidades em cada ramo de negócio. Elas estão disponíveis para a sociedade, que quer usufruir desse imenso volume de dados e as vantagens do Big data e dos sistemas de BI que auxiliam na criaçãode elementos de suporte à decisão para os gestores para ajudar a resolver diversos tipos de problemas como prevenção de epidemias, transporte, questões sócio econômicas, entre outras. Os exemplos são múltiplos. Mas a principal mensagem é que com a gestão do BI e do Big data, os governos passam a ter condições mais favoráveis para unificar os sistemas, analisar melhor os dados, cruzar diferentes indicadores em diversos formatos para definir mais assertivamente seus objetivos e estratégias para aperfeiçoar o atendimento aos cidadãos, propiciar mais bem-estar à sociedade e contribuir para o desenvolvimento do País como um todo. 5. Referências BASTOS, F. M. C. et al. Análise de Melhoria de um Sistema de Business Intelligence no Setor Público: Um Estudo de Caso na SEFAZ-PI. Fortaleza: XXXV Encontro Nacional de Engenharia de Produção, 2015. CISCO. Cisco Visual Networking Index: Global Mobile Data Traffic Forecast Update, 2012–2017. Disponível em: <www.cisco.com/en/US/solutions/collateral/ns341/ns525/ns537/ ns70 5/ns827/white_paper_c11-520862.html>, acesso em 01/08/2016. DATE, C. J. Introdução a Sistemas de Bancos de Dados. 8ª Ed., Rio de Janeiro: Campus, 2004. ECKERSON, W. Smart Companies in the 21st Century: the secrets of creating successful business intelligent solutions. Seattle, WA: The Data Warehousing Institute, 2003. ELIAS, Fábio. Big Data é a Oportunidade Para o Setor Público. 2013. Disponível em: <http://www.guiadascidadesdigitais.com.br/site/pagina/big- data-oportunidade-para-o-setor-pblico>. Acesso em: 30 jul. 2016. FÉ, Ana Lúcia Moura. Big Data gera impactos imediatos na atuação de governos e pode salvar vidas. 2013. Disponível em: <http://convergecom.com.br/tiinside/webinside/05/03/2013/big-data-gera- impactos-imediatos-na-atuacao-de-governos-e-pode-salvar-vidas-diz- pesquisa/>. Acesso em: 01 ago. 2016. INTEL. Integrated Electronics Corporation. Big Data 101: Unstructured Data Analytics A Crash Course on the IT Landscape for Big Data and Emerging Technologies, June 2012. Disponível em: <http://www.intel.com/content/www/us/en/big-data/unstructured-data- analytics-paper.html>, acesso em 30/07/2016. MATOS, L. dos S. BERNARD, R. R. S. Uma proposta de sistema Business Intelligence para a gestão pública: maximização da eficiência com foco na necessidade popular. Punta del Este: XII Congresso Internacional de Costos, 2011. MANYIKA, J. e CHUI, M. e BROWN, B., et al. Big data: The next frontier for innovation, competition, and productivity. McKinsey Global Institute, 2011. Disponível em: <http://www.mckinsey.com/insights/business_technology/big_data_the_next _frontier_for_innovation>, acesso em 29/07/16. NEGASH, S. Business intelligence. Communications of the Association for Information Systems, vol. 13, pp. 177-195, 2004. RANDAL E. BRYANT, RANDY H. KATZ, BERKELEY EDWARD D. LAZOWSKA. Big-Data Computing: Creating revolutionary breakthroughs in commerce, science, and society, Versão 8, Dezembro 2008. Disponível em: <http://www.cra.org/ccc/docs/init/Big_Data.pdf>, acesso em: 01/08/2016. SOUZA, G. B. de. et al. Otimização da Gestão Pública Através de Técnicas de Business Intelligence. Mato Grosso: II Congresso Consad de Gestão Pública – Painel 5: Novas técnicas para a otimização da gestão pública, 2009. TECHAMERICA. TechAmerica Foundation Federal Big Data Commision. Demystifying big data: A Practical Guide to Transforming The Business of Government, 2012. Disponível em: <http://www.techamerica.org/Docs/fileManager.cfm?f=techamerica- bigdatareportfinal.pd f>, acesso em: 01/08/2016. THOMPSON, O. Business intelligence success, lesson learned. Technology Evaluation, 2010. Disponível em: <http://www.sydmart.com/artic/bi_success. pdf>. Acesso em: 11 out. 2010. TURBAN, E. Business intelligence: um enfoque gerencial para a inteligência do negócio. São Paulo: Bookman, 2009. WEF. World Economic Forum. Big Data, Big Impact: New Possibilities for International Development, 2012. Disponível em <http://www3.weforum.org/docs/WEF_TC_MFS_BigDa taBigImpact_Briefing_2012.pdf>, acesso em 31/07/2016.