sistemas de informação · 2018-09-05 · •subconjunto de um data warehouse –empresa em geral...
Post on 12-Jun-2020
1 Views
Preview:
TRANSCRIPT
Sistemas de Informação
Sistemas empresariais: BI e BSC
Prof. Diego Fernandes diego.fernandes@pitagoras.com.br
1
BI
• BI – Business Intelligence ou Inteligência de Negócios
• Resolução de problemas complexos – Decisões assertivas
• Manter
• Vender
• Comprar
– Inteligência + Informação = Decisão Correta • Qual o meu core business? (Núcleo do negócio)
• Como os funcionários estão trabalhando?
• Como minhas vendas estão evoluindo?
Prof. Diego Fernandes
diego.fernandes@pitagoras.com.br 2
Regra 1 – Guardar informações
• Dados são preciosos, e assim, preciso guardar dados como
– Negócios
– Pessoas
– Produtos
– Etc.
• Porém banco de dados é só armazenamento...
Prof. Diego Fernandes diego.fernandes@pitagoras.com.br
3
O armazenamento será feito...
• Data warehouse – banco de dados que
– Armazena dados correntes e históricos de potencial interesse para tomadores de decisão
– Dados vem de muitos lugares e o data warehouse consolida e padroniza as informações
Prof. Diego Fernandes diego.fernandes@pitagoras.com.br
4
Data warehouse
Prof. Diego Fernandes diego.fernandes@pitagoras.com.br
5
Data mart
• Subconjunto de um data warehouse
– Empresa em geral coloca porção resumida e altamente focalizada dos dados da organização em um banco de dados separado destinado a uma população específica de usuários
Prof. Diego Fernandes diego.fernandes@pitagoras.com.br
6 Figu
ra: B
EVIL
AC
QU
A; B
ITU
, 20
03
, p. 2
9.
Regra 2 – Analisar dados
• Dados + Acesso + Análise = Respostas
– Responder rápida e assertivamente às diversas solicitações do mundo dos negócios
– BI faz este papel, fornecendo ferramentas para
• Relatório de banco de dados
• Ferramentas para análise multidimensional de dados
• Descobrir padrões entre os dados
Prof. Diego Fernandes diego.fernandes@pitagoras.com.br
7
Inteligência Empresarial
Prof. Diego Fernandes diego.fernandes@pitagoras.com.br
8
FONTE: LAUDON; LAUDON, 2010, p. 152.
Processamento analítico on-line
• Imagine se quisesse fazer a pergunta: Do meu leque de produtos, quantas arruelas eu vendi no último trimestre?
• Processamento analítico on-line (OLAP – on-line analytical processing)
– Permite enxergar dados de forma diferente (múltiplas dimensões)
• Ver total
• Volume de vendas no último mês
• Comparar vendas do mês anterior com o mesmo mês do ano anterior
• Comparar verificado com o planejado
Prof. Diego Fernandes diego.fernandes@pitagoras.com.br
9
Data mining (mineração de dados)
– Orientado para descobertas, descobrindo padrões e relacionamentos ocultos, basicamente de 4 formas: • Associações (ocorrências ligadas a um evento): Exemplo, observando
supermercado posso verificar que cada comprador de salgadinhos adquire em 65% das vezes algum refrigerante.
• Sequência (eventos ligados ao longo do tempo): Exemplo, ao se adquirir uma nova casa, em 65% das vezes adquiro posteriormente uma geladeira.
• Classificação (reconhecer grupo ao qual o item pertence): Exemplo, empresa financeira, que descobre padrão de comportamento de cliente já descobrindo quais clientes podem abandonar o serviço.
• Aglomeração (clustering – parecido com classificação quando ainda o grupo não foi definido): Exemplo, tentar classificar perfil de cliente com base em localização.
Prof. Diego Fernandes diego.fernandes@pitagoras.com.br
10
Análise preditiva
• Data mining + dados históricos + suposições sobre o futuro para predizer resultados de eventos
– Exemplo: qual a probabilidade de cliente responder a minha promoção
Prof. Diego Fernandes diego.fernandes@pitagoras.com.br
11
Text-mining & Web-mining
• Text-mining – extrair informações de grande volume de dados não estruturados
• Web mining – extrair informações da web para entender melhor os clientes
Prof. Diego Fernandes diego.fernandes@pitagoras.com.br
12
Data cleasing
• Ou limpeza e padronização, consiste em atividades para detectar e corrigir, dentro do banco de dados, – informações incorretas,
– incompletas,
– formatadas inadequadamente ou
– redundantes
• Para uma boa análise os dados precisam ser igualmente bons...
Prof. Diego Fernandes diego.fernandes@pitagoras.com.br
13
Balanced Scorecard
• Modelo de gestão estratégica (David Norton & Robert S. Kaplan, 1992)
Prof. Diego Fernandes diego.fernandes@pitagoras.com.br
14 Figu
ra: B
EVIL
AC
QU
A; B
ITU
, 20
03
, p. 3
3.
Exemplo de BSC – voos comerciais
Prof. Diego Fernandes diego.fernandes@pitagoras.com.br
15 Figu
ra: B
EVIL
AC
QU
A; B
ITU
, 20
03
, p. 3
6.
BI e BSC
• Softwares de análises BI >> Viabilizar projetos de BSC
• Fase 1 BSC: Construção do modelo estratégico – Escolha dos objetivos e sua tradução nas 4 perspectivas – Desenho das relações causa-efeito
• Fase 2: Implementar estratégia – Incorporação do modelo + comunicação estratégica – Documentação dos processos
• Fase 3: Checar modelo – Verificação e validação
• Fase 4: Ação – Corrigir insucessos e treinar no sucesso
Prof. Diego Fernandes diego.fernandes@pitagoras.com.br
16 Figura: https://en.wikipedia.org/wiki/PDCA#/media/File:PDCA_Process.png
Atividade
• Escolher um ramo de atividade empresarial e pensar em um modelo de BSC. Exemplo abaixo:
Prof. Diego Fernandes diego.fernandes@pitagoras.com.br
17
Pós-Aula
• Fazer leitura e atividade diagnóstica da seção 3.1 do livro institucional
• Fazer os exercícios
– Seção Faça Valer a pena da unidade 2, seção 2.4, p. 56 do livro institucional
– Mais as atividades de aprendizagem da seção 2.4 no portal
Prof. Me. Diego Fernandes
diego.fernandes@pitagoras.com.br 18
top related