Académique Documents
Professionnel Documents
Culture Documents
Flvio Ceci
Crditos
Universidade do Sul de Santa Catarina | Campus UnisulVirtual | Educao Superior a Distncia
Avenida dos Lagos, 41 Cidade Universitria Pedra Branca | Palhoa SC | 88137-900 | Fone/fax: (48) 3279-1242 e 3279-1271 | E-mail: cursovirtual@unisul.br | Site: www.unisul.br/unisulvirtual
Reitor Coordenadores Graduao Marilene de Ftima Capeleto Patrcia de Souza Amorim Karine Augusta Zanoni
Ailton Nazareno Soares Alosio Jos Rodrigues Patricia A. Pereira de Carvalho Poliana Simao Marcia Luz de Oliveira
Ana Lusa Mlbert Paulo Lisboa Cordeiro Schenon Souza Preto Mayara Pereira Rosa
Vice-Reitor Ana Paula R.Pacheco Paulo Mauricio Silveira Bubalo Luciana Tomado Borguetti
Sebastio Salsio Heerdt Artur Beck Neto Rosngela Mara Siegel Gerncia de Desenho e
Bernardino Jos da Silva Simone Torres de Oliveira Desenvolvimento de Materiais Assuntos Jurdicos
Chefe de Gabinete da Reitoria Charles Odair Cesconetto da Silva Vanessa Pereira Santos Metzker Didticos Bruno Lucion Roso
Willian Corra Mximo Dilsa Mondardo Vanilda Liordina Heerdt Mrcia Loch (Gerente) Sheila Cristina Martins
Diva Marlia Flemming Marketing Estratgico
Pr-Reitor de Ensino e Horcio Dutra Mello Gesto Documental Desenho Educacional
Lamuni Souza (Coord.) Cristina Klipp de Oliveira (Coord. Grad./DAD) Rafael Bavaresco Bongiolo
Pr-Reitor de Pesquisa, Itamar Pedro Bevilaqua
Ps-Graduao e Inovao Jairo Afonso Henkes Clair Maria Cardoso Roseli A. Rocha Moterle (Coord. Ps/Ext.) Portal e Comunicao
Daniel Lucas de Medeiros Aline Cassol Daga Catia Melissa Silveira Rodrigues
Mauri Luiz Heerdt Janana Baeta Neves
Aline Pimentel
Jorge Alexandre Nogared Cardoso Jaliza Thizon de Bona Andreia Drewes
Pr-Reitora de Administrao Jos Carlos da Silva Junior Guilherme Henrique Koerich Carmelita Schulze Luiz Felipe Buchmann Figueiredo
Acadmica Jos Gabriel da Silva Josiane Leal Daniela Siqueira de Menezes Rafael Pessi
Marlia Locks Fernandes Delma Cristiane Morari
Miriam de Ftima Bora Rosa Jos Humberto Dias de Toledo
Eliete de Oliveira Costa
Joseane Borges de Miranda Gerncia de Produo
Pr-Reitor de Desenvolvimento Luiz G. Buchmann Figueiredo Gerncia Administrativa e Elosa Machado Seemann Arthur Emmanuel F. Silveira (Gerente)
e Inovao Institucional Marciel Evangelista Catneo Financeira Flavia Lumi Matuzawa Francini Ferreira Dias
Renato Andr Luz (Gerente) Geovania Japiassu Martins
Valter Alves Schmitz Neto Maria Cristina Schweitzer Veit
Ana Luise Wehrle Isabel Zoldan da Veiga Rambo Design Visual
Maria da Graa Poyer
Diretora do Campus Mauro Faccioni Filho Anderson Zandr Prudncio Joo Marcos de Souza Alves Pedro Paulo Alves Teixeira (Coord.)
Universitrio de Tubaro Moacir Fogaa Daniel Contessa Lisboa Leandro Roman Bamberg Alberto Regis Elias
Milene Pacheco Kindermann Nlio Herzmann Naiara Jeremias da Rocha Lygia Pereira Alex Sandro Xavier
Onei Tadeu Dutra Rafael Bourdot Back Lis Air Fogolari Anne Cristyne Pereira
Diretor do Campus Universitrio Patrcia Fontanella Thais Helena Bonetti Luiz Henrique Milani Queriquelli Cristiano Neri Gonalves Ribeiro
da Grande Florianpolis Roberto Iunskovski Valmir Vencio Incio Marcelo Tavares de Souza Campos Daiana Ferreira Cassanego
Hrcules Nunes de Arajo Rose Clr Estivalete Beche Mariana Aparecida dos Santos Davi Pieper
Gerncia de Ensino, Pesquisa e Marina Melhado Gomes da Silva Diogo Rafael da Silva
Secretria-Geral de Ensino Vice-Coordenadores Graduao Extenso Marina Cabeda Egger Moellwald Edison Rodrigo Valim
Adriana Santos Ramm Janana Baeta Neves (Gerente) Mirian Elizabet Hahmeyer Collares Elpo Fernanda Fernandes
Solange Antunes de Souza Aracelli Araldi Pmella Rocha Flores da Silva
Bernardino Jos da Silva Frederico Trilha
Diretora do Campus Catia Melissa Silveira Rodrigues Rafael da Cunha Lara Jordana Paula Schulka
Elaborao de Projeto Roberta de Ftima Martins Marcelo Neri da Silva
Universitrio UnisulVirtual Horcio Dutra Mello Carolina Hoeller da Silva Boing
Jucimara Roesler Jardel Mendes Vieira Roseli Aparecida Rocha Moterle Nelson Rosa
Vanderlei Brasil Sabrina Bleicher Noemia Souza Mesquita
Joel Irineu Lohn Francielle Arruda Rampelotte
Equipe UnisulVirtual Jos Carlos Noronha de Oliveira Vernica Ribas Crcio Oberdan Porto Leal Piantino
Jos Gabriel da Silva Reconhecimento de Curso
Jos Humberto Dias de Toledo Acessibilidade Multimdia
Diretor Adjunto Maria de Ftima Martins Vanessa de Andrade Manoel (Coord.) Srgio Giron (Coord.)
Moacir Heerdt Luciana Manfroi
Rogrio Santos da Costa Extenso Letcia Regiane Da Silva Tobal Dandara Lemos Reynaldo
Secretaria Executiva e Cerimonial Rosa Beatriz Madruga Pinheiro Maria Cristina Veit (Coord.) Mariella Gloria Rodrigues Cleber Magri
Jackson Schuelter Wiggers (Coord.) Sergio Sell Vanesa Montagna Fernando Gustav Soares Lima
Marcelo Fraiberg Machado Pesquisa Josu Lange
Tatiana Lee Marques Daniela E. M. Will (Coord. PUIP, PUIC, PIBIC) Avaliao da aprendizagem
Tenille Catarina Valnei Carlos Denardin Claudia Gabriela Dreher Conferncia (e-OLA)
Mauro Faccioni Filho (Coord. Nuvem)
Assessoria de Assuntos Smia Mnica Fortunato (Adjunta) Jaqueline Cardozo Polla Carla Fabiana Feltrin Raimundo (Coord.)
Internacionais Ps-Graduao Ngila Cristina Hinckel Bruno Augusto Zunino
Coordenadores Ps-Graduao Anelise Leal Vieira Cubas (Coord.) Sabrina Paula Soares Scaranto
Murilo Matos Mendona Alosio Jos Rodrigues Gabriel Barbosa
Anelise Leal Vieira Cubas Thayanny Aparecida B. da Conceio
Assessoria de Relao com Poder Biblioteca Produo Industrial
Pblico e Foras Armadas Bernardino Jos da Silva Salete Ceclia e Souza (Coord.) Gerncia de Logstica Marcelo Bittencourt (Coord.)
Adenir Siqueira Viana Carmen Maria Cipriani Pandini Paula Sanhudo da Silva Jeferson Cassiano A. da Costa (Gerente)
Walter Flix Cardoso Junior Daniela Ernani Monteiro Will Marlia Ignacio de Espndola Gerncia Servio de Ateno
Giovani de Paula Renan Felipe Cascaes Logsitca de Materiais Integral ao Acadmico
Assessoria DAD - Disciplinas a Karla Leonora Dayse Nunes Carlos Eduardo D. da Silva (Coord.) Maria Isabel Aragon (Gerente)
Distncia Letcia Cristina Bizarro Barbosa Gesto Docente e Discente Abraao do Nascimento Germano Ana Paula Batista Detni
Patrcia da Silva Meneghel (Coord.) Luiz Otvio Botelho Lento Enzo de Oliveira Moreira (Coord.) Bruna Maciel Andr Luiz Portes
Carlos Alberto Areias Roberto Iunskovski Fernando Sardo da Silva Carolina Dias Damasceno
Cludia Berh V. da Silva Rodrigo Nunes Lunardelli Capacitao e Assessoria ao Fylippy Margino dos Santos Cleide Incio Goulart Seeman
Conceio Aparecida Kindermann Rogrio Santos da Costa Docente Guilherme Lentz Denise Fernandes
Luiz Fernando Meneghel Thiago Coelho Soares Alessandra de Oliveira (Assessoria) Marlon Eliseu Pereira Francielle Fernandes
Renata Souza de A. Subtil Vera Rejane Niedersberg Schuhmacher Adriana Silveira Pablo Varela da Silveira Holdrin Milet Brando
Alexandre Wagner da Rocha Rubens Amorim
Assessoria de Inovao e Jenniffer Camargo
Gerncia Administrao Elaine Cristiane Surian (Capacitao) Yslann David Melo Cordeiro Jessica da Silva Bruchado
Qualidade de EAD Acadmica Elizete De Marco
Denia Falco de Bittencourt (Coord.) Jonatas Collao de Souza
Angelita Maral Flores (Gerente) Fabiana Pereira Avaliaes Presenciais
Andrea Ouriques Balbinot Juliana Cardoso da Silva
Fernanda Farias Iris de Souza Barros Graciele M. Lindenmayr (Coord.)
Carmen Maria Cipriani Pandini Juliana Elen Tizian
Juliana Cardoso Esmeraldino Ana Paula de Andrade
Secretaria de Ensino a Distncia Kamilla Rosa
Maria Lina Moratelli Prado Angelica Cristina Gollo
Assessoria de Tecnologia Samara Josten Flores (Secretria de Ensino) Simone Zigunovas
Mariana Souza
Osmar de Oliveira Braz Jnior (Coord.) Cristilaine Medeiros Marilene Ftima Capeleto
Giane dos Passos (Secretria Acadmica) Daiana Cristina Bortolotti
Felipe Fernandes Adenir Soares Jnior Tutoria e Suporte Maurcio dos Santos Augusto
Felipe Jacson de Freitas Delano Pinheiro Gomes Maycon de Sousa Candido
Alessandro Alves da Silva Anderson da Silveira (Ncleo Comunicao) Edson Martins Rosa Junior
Jefferson Amorin Oliveira Andra Luci Mandira Claudia N. Nascimento (Ncleo Norte- Monique Napoli Ribeiro
Phelipe Luiz Winter da Silva Fernando Steimbach Priscilla Geovana Pagani
Cristina Mara Schauffert Nordeste)
Fernando Oliveira Santos
Priscila da Silva Djeime Sammer Bortolotti Maria Eugnia F. Celeghin (Ncleo Plos) Sabrina Mari Kawano Gonalves
Rodrigo Battistotti Pimpo Lisdeise Nunes Felipe Scheila Cristina Martins
Douglas Silveira Andreza Talles Cascais Marcelo Ramos
Tamara Bruna Ferreira da Silva Evilym Melo Livramento Daniela Cassol Peres Taize Muller
Marcio Ventura Tatiane Crestani Trentin
Fabiano Silva Michels Dbora Cristina Silveira Osni Jose Seidler Junior
Coordenao Cursos Fabricio Botelho Espndola Ednia Araujo Alberto (Ncleo Sudeste) Thais Bortolotti
Coordenadores de UNA Felipe Wronski Henrique Francine Cardoso da Silva
Diva Marlia Flemming Gisele Terezinha Cardoso Ferreira Janaina Conceio (Ncleo Sul) Gerncia de Marketing
Marciel Evangelista Catneo Indyanara Ramos Joice de Castro Peres Eliza B. Dallanhol Locks (Gerente)
Roberto Iunskovski Janaina Conceio Karla F. Wisniewski Desengrini
Jorge Luiz Vilhar Malaquias Kelin Buss Relacionamento com o Mercado
Auxiliares de Coordenao Juliana Broering Martins Liana Ferreira Alvaro Jos Souto
Ana Denise Goularte de Souza Luana Borges da Silva Luiz Antnio Pires
Camile Martinelli Silveira Luana Tarsila Hellmann Maria Aparecida Teixeira Relacionamento com Polos
Fabiana Lange Patricio Luza Koing Zumblick Mayara de Oliveira Bastos Presenciais
Tnia Regina Goularte Waltemann Maria Jos Rossetti Michael Mattar Alex Fabiano Wehrle (Coord.)
Jeferson Pandolfo
Universidade do Sul de Santa Catarina
Business Intelligence
Livro Digital
Palhoa
UnisulVirtual
2012
Copyright UnisulVirtual 2012
005.74
C38 Ceci, Flvio
Business intelligence : livro digital / Flvio Ceci ; design instrucional
Silvana Souza da Cruz Clasen ; Joo Marcos de Souza Alves. Palhoa :
UnisulVirtual, 2012.
176 p. : il. ; 28 cm.
Inclui bibliografia.
ISBN 978-85-7817-465-1
Business Intelligence
Livro Digital
Designer instrucional
Joo Marcos de Souza Alves
Palhoa
UnisulVirtual
2012
Sumrio
5 Sumrio
7 Apresentao
9 Palavras do Professor
11 Plano de estudo
15 Unidade 1
O poder da informao e do conhecimento nas organizaes
45 Unidade 2
Colocando inteligncia nos negcios
63 Unidade 3
Data Warehouse
95 Unidade 4
Descobrindo o conhecimento
131 Unidade 5
Processo OLAP
169 Referncias
Apresentao
Caro/a estudante,
Tais materiais didticos foram construdos especialmente para este curso, levando
em considerao as necessidades da sua formao e aperfeioamento profissional.
Atenciosamente,
Equipe UnisulVirtual
Palavras do Professor
timos estudos!
Flvio Ceci
Plano de estudo
Objetivo geral
As empresas devem tomar decises em todos os nveis organizacionais e em
todas suas reas de atuao. Ter informao precisa e de qualidade pode ser
a diferena entre tomar decises certas ou no. Nesse sentido, a qualidade
da informao um diferencial competitivo nas empresas. Apenas armazenar
dados sobre clientes, fornecedores, vendas, compras e colaboradores, no o
suficiente. Asorganizaes buscam a qualidade dos dados e sua transformao
em informaes que gerem conhecimento dentro da empresa, apoiando o
processo de tomada de deciso. O objetivo da disciplina trazer para o aluno
conhecimento sobre conceitos, arquitetura e componentes dos sistemas de
BI (BusinessInteligence). Os sistemas de BI fornecem uma arquitetura com a
viso do analista de negcios, permitindo s organizaes a transformao e a
extrao dos dados coletados em seus sistemas de informao, em informao e
conhecimento, para auxlio ao processo decisrio das organizaes.
Ementa
Informao e deciso nas organizaes. Dados, informao e conhecimento.
Sistemas de Informao nas organizaes: sistemas transacionais e de apoio
deciso. Arquitetura e componentes de uma soluo de BI-BusinessIntelligence.
Data Warehouse: motivao, conceitos, definio e caractersticas.
ModeloDimensional: fatos, dimenses, medidas e granularidade. Sistemas ETL:
extrao limpeza, transformao e carga de um modelo dimensional. rea de
apresentao: caractersticas das tcnicas analticas (OLAP) como ferramentas de
apresentao e extrao de informao.
Contedo programtico/objetivos
A seguir, as unidades que compem o livro digital desta disciplina e os seus
respectivos objetivos. Estes se referem aos resultados que voc dever alcanar
ao final de uma etapa de estudo. Os objetivos de cada unidade definem o
conjunto de conhecimentos que voc dever possuir para o desenvolvimento de
habilidades e competncias necessrias a este nvel de estudo.
Unidades de estudo: 5
Ps-graduao
Unidade 3 Data Warehouse
Business Intelligence
Unidade 1
O poder da informao e do
conhecimento nas organizaes
Objetivos de Aprendizagem
Compreender o papel da informao e do conhecimento como
facilitadores para a tomada de decises e planejamento em organizaes.
Entender em que mbito a tecnologia contribui no processo de tomada
de decises.
Diferenciar sistemas de informao dentro de um ambiente organizacional.
Introduo
No novidade que as organizaes esto cada vez mais utilizando recursos
computacionais para auxiliar nas suas operaes. Com o uso indiscriminado
dos computadores, gerase, diariamente, uma quantidade enorme de dados
estruturados(em banco de dados), semiestruturados(emails, logs, entre outros)
e no estruturados(texto livre como, por exemplo: relatrios, manuais, artigos,
entre outros).
A cada dia mais e mais as pessoas esto produzindo dados de maneira involuntria,
seja efetuando compras, navegando pela internet, escutando msicas online,
fazendo buscas em sites como Google, Yahoo e Bing, participando de redes sociais,
entre outras atividades. Esses dados de maneira bruta no revelam segredos,
apenas apresentam trajetrias e dados provenientes de operaes, mas a partir
do seu processamento podese chegar a valiosas informaes.
Tendo esse cenrio como atual, muitas empresas esto utilizando no apenas os
seus dados operacionais(dados provenientes de operaes como, por exemplo,
uma venda ou compra de um determinado produto) e transacionais(dados em
nvel de transao), mas tambm os disponveis na web, como por exemplo,
textos publicados em microblogs, como o twitter, para identificar a opinio de
um grupo sobre um dos seus produtos ou servios. Esses dados disponveis na
web combinados com os internos da organizao geram informaes ainda mais
relevantes e estratgicas para a etapa da tomada de deciso.
Don Tapscott considerado por muitos como gnio das estratgias empresariais
em seu bestseller Wikinomics, lanado em 2006, e escrito em parceria com seu
colega de trabalho Anthony D. Williams, fala sobre como a colaborao pode
auxiliar e muito as organizaes. Nesse livro apresentado um caso em que
uma organizao tinha um problema que no conseguia encontrar uma soluo
Ps-graduao
17
Processamento
Dados Informao
Imaginase que todas as notas dos alunos esto armazenadas numa mesma tabela,
no banco de dados, como apresentado abaixo:
Percebese que a informao traz mais benefcios que os dados para a camada
tomadora de deciso de uma organizao. Segundo Primak(2008), a informao
faz parte da base da construo do conhecimento. Para Fialho et al.(2006),
podese definir conhecimento como um conjunto completo de informaes,
dados e relaes que auxiliam os indivduos na tomada de deciso, realizao de
tarefas e a gerao de novas informaes e conhecimentos. Outra definio para
Ps-graduao
19
Ps-graduao
21
Ps-graduao
23
Referncias
GHISI, Fernando B.; CECI, Flvio; SELL, Denilson. Aspectos relacionados com a eficcia
do processo de aquisio de conhecimento a partir de apresentao de informaes
numricas: sumrios textuais podem ser mais adequados que representaes grficas?
5CIDI Congresso Internacional de Design da Informao. Florianpolis, 2011.
GOUVEIA, Lus B.; RANITO, Joo. Sistemas de informao de apoio gesto. Porto,
Portugal: Sociedade Portuguesa de Inovao, 2004.
PRIMAK, Fbio Vincius. Decises com B.I. Rio de Janeiro: Editora Cincia Moderna, 2008.
TANCER, Bill. Click: O que milhes de pessoas esto fazendo online e por que isso
importante. Editora Globo S.A. So Paulo, 2009.
Sistemas de informao
Glucio Adriano Fontana e Flvio Ceci
Ps-graduao
25
Qualidade
Compras Compras Fabricao Qualidade Fabricao
Marketing Marketing
Pessoal Vendas Vendas
Recepo Recebimento
Ps-graduao
27
Viso Estratgica
Engenharia da Informao
Dados Corporativos
Modularizao
Priorizao
Plano de Ao
Fonte: Almeida(1998).
Ps-graduao
29
Pessoas Gesto de
atividades
Sistema de
informao
Tecnologia
Referncias
BIO, Srgio Rodrigues. Sistemas de informao: um enfoque gerencial. So Paulo: Atlas, 1996.
CECI, Flavio. O conhecimento nas organizaes como um sistema adaptativo complexo. In:
ROVER, Aires J.; CARVALHO Marisa A..(Org.). O sujeito do conhecimento na sociedade em
rede. 001 ed. Florianpolis: Editora: Fundao Jos Arthur Boiteux, 2010, v. 001, p. 2072010
GORDON, Steven R.; GORDON, Judith. Sistemas de informao: uma abordagem gerencial.
3. ed. Rio de Janeiro: LTC, 2006.
GOUVEIA, Lus B.; RANITO, Joo. Sistemas de informao de apoio gesto. Porto,
Portugal: Sociedade Portuguesa de Inovao, 2004.
Ps-graduao
31
Apoio s
Estratgias para
Vantagem Competitiva
Ps-graduao
33
Sistemas de
Informao
Sistemas de Apoio
Apoio s Sistema de
Apoio s Tomada de
Operaes Apoio Gerencial Deciso Gerencial
Operaes
Esses sistemas tm por objetivo processar dados, isto , fazer clculos, armazenar
e recuperar dados(consultas simples), ordenar e apresentar de forma simples
dados para os usurios. Seu benefcio principal a agilizao nas rotinas e tarefas,
incluindo documentao rpida e eficiente, busca acelerada de informaes
e clculos rpidos e precisos. Outros benefcios podem ser conseguidos com
esse tipo de sistema, como, por exemplo, confiabilidade, reduo de pessoal e
custos e melhor comunicao(interna entre setores ou externa com clientes
efornecedores). Incluemse entre eles: sistemas de cadastro em geral(incluso,
excluso, alterao e consulta), como de clientes, produtos e fornecedores;
ossistemas de contabilidade(contas a pagar e a receber, balanos, fluxo de caixa,
etc.); sistemas de vendas e distribuio(pedidos, entregas), folha de pagamento,
controle de estoque.
Ps-graduao
35
Como o prprio nome diz, os SIGs surgiram com o intuito de auxiliar gerentes em
suas funes. Com o passar do tempo, esse tipo de sistema acabou sendo usado
por qualquer funcionrio que tome decises.
Eles atuam como um espelho de um setor, dando uma ideia das atividades
sumarizadas de um departamento.
A diferena para o SIG que um SAD interativo(o usurio pode entrar com
vrias alternativas) e ainda avalia as alternativas por meio de tcnicas de
whatif(= e se eu fizer isso, o que acontecer... tipo de anlise que testa
mudana das variveis e suas consequncias), tais como projeo e regresso.
Referncias
OLIVEIRA, Andr Luis B.; CARREIRA, Marcio Luis; MORETI, Thiago Moura. Aprimorando a
gesto de negcios com a utilizao de tecnologias de informao. Revista de Cincias
Gerenciais. Vol XIII, N 17, 2009.
Ps-graduao
37
Reconhecimento
Desenho
Escolha
Ps-graduao
39
Gerenciador Gerenciador
de Dados de Modelos
Software
SAD
Interface
Usurio
Ps-graduao
41
Figura 3 - Arquitetura de BI
Data Mining
ERP Fonte de
dados
Sistema de Operacionais
Gesto da Empresa
Data
Warehouse
Fonte de
dados OLAP
Operacionais Metadados
Metadados
Metadados
Business Intelligence
Fonte: Fourlan; Gonalves Filho, 2005.
Referncias
BARBOSA, Gilka Rocha; ALMEIDA, Adiel Teixeira de. Sistemas de apoio deciso sob o
enfoque de profissionais de TI e de decisores. XXII Encontro Nacional de Engenharia de
Produo. Curitiba, 2002.
GOUVEIA, Lus B.; RANITO, Joo. Sistemas de informao de apoio gesto. Porto,
Portugal: Sociedade Portuguesa de Inovao, 2004.
Ps-graduao
43
Atividades de Autoaprendizagem
1) Levando em considerao o contedo apresentado nesta unidade, assinale as
alternativas verdadeiras com V e as falsas com F:
h. ( ) Uma organizao pode ser vista como um sistema, desde que ela faa uso
de computadores.
Atividade colaborativa
Nesta unidade, voc estudou uma srie de conceitos relacionados com sistemas
de informao e de apoio deciso. Responda pergunta a seguir utilizando a
ferramenta Frum, no se esquea de comentar as respostas dos seus colegas.
Sntese
Nesta unidade foi apresentada uma viso geral entre dado, informao e
conhecimento, quais as suas fronteiras e sua aplicabilidade. Aps isso, foi visto o
que so sistemas de informao, qual a sua utilidade e como se pode classificlos.
Por fim, foi apresentada uma viso geral sobre os sistemas de apoio deciso e
como eles podem agregar valor camada gerencial das organizaes.
Saiba Mais
Artigos muito interessantes que valem a pena serem lidos para complementar o
estudo desta unidade.
Ps-graduao
Unidade 2
Objetivos de Aprendizagem
Assimilar conceitos bsicos de Business Intelligence;
Examinar a arquitetura bsica de um sistema de BI e suas partes;
Identificar o BI em diferentes meios.
Introduo
As organizaes esto inseridas num cenrio que est em constante modificao
e mutao. Teorias baseadas na ideia da complexidade so aplicadas sobre o
modelo organizacional, para terse um melhor entendimento e uma possvel
previso de modificao em curto prazo.
Histrico
O termo Business Intelligence foi patenteado pela empresa Gartner, mas, na
prtica, esse conceito j era aplicado muito antes do invento dos computadores,
pelos povos antigos. A sociedade do Oriente Mdio antigo utilizavase dos
princpios bsicos de BI quando cruzavam informaes obtidas pela natureza
Ps-graduao
47
Alto 2002
Ao - BI
Interao com o usurio
Baixo Relatrios
Baixo Recursos analticos Alto
Fonte: Adaptado de Rasmussen, Goldy e Solli(2002).
Definio
Percebese que as prticas de business intelligence representam uma das
abordagens mais modernas da evoluo dos sistemas de apoio s decises
tradicionais. Mas afinal, o que business intelligence?
Ps-graduao
49
Objetivos
O foco de solues de BI facilitar o entendimento do negcio das organizaes,
fornecendo a todos os nveis das organizaes informaes relevantes sobre
suas operaes internas e o ambiente externo, incluindo clientes e competidores,
parceiros e fornecedores(SELL, 2006). O ambiente externo inclui ainda variveis
independentes que possam impactar no negcio, como tecnologia, leis e
economia mundial, entre outros(BROHMAN et al., 2000 apud SELL 2006).
Evoluo
A evoluo das solues de BI est relacionada com a evoluo do papel dos
sistemas de informao nas organizaes. Inicialmente, nos anos 70 e at
meados dos anos 80, solues de processamento e impresso de relatrios em
lote dominavam a cena do processo de apoio deciso. Os usurios tinham,
ento, que trabalhar sobre extensos relatrios para extrair elementos bsicos de
informao. Com a proliferao dos terminais de acesso aos mainframes, o acesso
aos relatrios digitais foi disseminado, mas o acesso informao era dificultado
devido complexidade dos sistemas da poca(SELL, 2006).
Ps-graduao
51
O termo BI 2.0 vem sendo cada vez mais utilizados em notcias e artigos cientficos,
ele se refere a uma prxima gerao do BI que promete seguir a mesma linha da
web 2.0 e apostar nos dados colaborativos. Xavier e Pereira(2009) desenvolveram
o quadro a seguir, apresentando um comparativo entre BI 1.0 e BI 2.0:
BI BI 2.0
Comunidades de usurios dinmicas,
Consumo esttico de relatrios. colaborao ativa e compartilhamento
imediato das informaes.
Fornecimento de informaes dinmicas
Envio e apresentao de relatrios e interativas, com usurios elaborando
estticos para os usurios. seus prprios relatrios ou assinando
as informaes de que necessitam.
Funo de alto custo e considerada Solues econmicas e rentveis
um luxo dentro da organizao. disponibilizadas para a empresa como um todo.
BI para todos dentro da organizao,
BI para uns poucos usurios especializados.
na medida em que for necessrio.
Aplicaes de gerao de relatrios
Relatrios orientados para a impresso.
interativas e baseadas na Web.
Grficos com barras estatsticas e Visualizao de dados intuitiva,
grficos circulares segmentados. dinmica e interativa.
OLAP junto a alternativas inovadoras,
OLAP para anlise. menos complexas e de alto desempenho
e gerao ad hoc de relatrios.
Instalao, upgrade e uso complexos
Instalao, upgrades e uso simplificados.
e de alto consumo de tempo.
Relatrios integrados com eventos e
Relatrios baseados no desktop
processos automatizados; relatrios
ou em HTML estticos.
como servios na Web(via XML).
BI BI 2.0
Aplicaes baseadas na Web com
Aplicaes de gerao de relatrios para
ambientes de usurios ricos e interfaces
desktop, com ActiveX e smart client.
de usurios altamente interativas.
Pesquisas dinmicas ou de estilo
Parmetros de pesquisa predefinidos.
livre e explorao de dados.
Conjunto ampliado de tipos de dados
suportados, inclusive dados no
Dados estruturados.
estruturados e servios XML da Web,
assim como mixagem de seu contedo.
Fonte: Xavier e Pereira(2009).
Ps-graduao
53
Gerenciador
de Anlises
Mdulos Funcionais
Gerenciador Gerenciador
de Servios de Ontologias
Mecanismos
Infraestrutura WSS Reasoner
de Inferncia
Ontologia
do Domnio Repositrios
de Ontologias
Ontologia Ontologia
de Servios BI
Fonte: Sell(2006).
Existem trabalhos que utilizam o termo Business Intelligence 3.0 para arquiteturas
de BI que fazem uso de fontes de dados no estruturadas a partir de mdias sociais.
Essas informaes so muito importantes para a organizao e podem auxiliar
a inteligncia competitiva, a anlise de opinio sobre os produtos e servios da
organizao(LUNARDI, 2011).
Referncias
GORDON, Steven R.; GORDON, Judith. Sistemas de informao: uma abordagem gerencial.
3. ed. Rio de Janeiro: LTC, 2006.
INMON, W. H. Como construir o Data Warehouse. Rio de Janeiro: Campus, 1997. 388 p.
KIMBALL, Ralph. Data warehouse toolkit. So Paulo: Makron Books, 1998. 379 p.
NAPOLI, Marcio. Aplicao de ontologias para apoiar operaes analticas sobre fontes
estruturadas e no estruturadas. 2011. Dissertao(Mestrado) Universidade Federal de
Santa Catarina, Programa de PsGraduao em Engenharia e Gesto do Conhecimento,
Florianpolis, 2011.
Ps-graduao
55
PRIMAK, Fbio Vincius. Decises com B.I. Rio de Janeiro: Editora Cincia Moderna, 2008.
RASMUSSEN, Nils; GOLDY, Paul S.; SOLLI, Per O. Financial Business Intelligence Trends,
Technology, Software Selection, and Implementation. John Wiley and Sons, Inc., New
York, 2002.
SILVA, Dhiogo Cardoso da. Uma arquitetura de business intelligence para processamento
analtico baseado em tecnologias semnticas e em linguagem natural. 2011.
Dissertao(Mestrado) Universidade Federal de Santa Catarina, Programa de
PsGraduao em Engenharia e Gesto do Conhecimento, Florianpolis, 2011.
XAVIER, Fabrcio S. V.; PEREIRA, Leonardo Bruno R. SQL dos Conceitos s Consultas
Complexas. Editora Cincia Moderna, Rio de Janeiro, 2009.
Arquitetura tpica de BI
Flvio Ceci
Muitas das prticas utilizadas no BI j eram utilizadas pelos povos antigos para
auxiliar na sua prtica na agricultura e pecuria. O termo em si ganhou mais
representao quando suportado por ferramental computacional. medida
que novas tendncias surgem, as arquiteturas de BI se moldam para atender os
novos desafios e de modo a utilizar os novos recursos da organizao. possvel
perceber essa linha de evoluo olhando o surgimento do conceito de Semantic
Business Intelligence, junto popularizao e ascenso da rea de Web Semntica,
ou ainda, com o surgimento e a grande utilizao das redes sociais surgem
trabalhos que alguns autores utilizam o termo business intelligence 3.0, como
sendo os que utilizam os dados desse tipo de mdia para auxiliar a anlise e
tomada de deciso nas organizaes. Tambm so utilizadas tcnicas avanadas
de processamento de linguagem natural, alm dos componentes da arquitetura
tpica(clssica) de BI.
Essa leitura est mais focada na aplicao das solues de BI, bem como na sua
arquitetura clssica. Dando continuidade aos nossos estudos, apresentado
abaixo um quadro adaptado por Sell(2006), que exibe as caractersticas de
utilizao das solues de BI:
Ps-graduao
57
Fonte: Silva(2011).
Ps-graduao
59
Iniciando um projeto de BI
A implantao de uma soluo de BI em nvel organizacional no uma tarefa
fcil, nem to pouco rpida! necessrio um bom planejamento e reservar uma
boa parcela de tempo para ter sucesso nesse processo. Segundo Primak(2008),
deve ficar claro que apesar desses projetos envolverem o uso de ferramentas e
solues de Tecnologia da Informao(TI), importante entender que BI um
projeto de negcio aplicado para a empresa no contexto geral. O que o autor
quer dizer com a afirmao anterior que o uso de uma soluo de BI no igual
ao uso de um sistema de informao comum, necessrio que a organizao
esteja preparada para utilizar o sistema e saber como chegar s informaes e aos
conhecimentos implcitos.
Para Primak(2008), existem dois tipos de planejamento que devem ser feitos para
a execuo bemsucedida de um projeto de BI, que so:
Planejamento Estratgico Corporativo(PEC): explicitam as oportunidades,
os riscos, os pontos fortes e fracos da organizao. Esse procedimento que
traa as principais metas e as estratgias para alcanlas.
Planejamento Estratgico da Informao(PEI): de responsabilidade
darea de administrao de dados e visa a identificar todos os sistemas
da organizao, suas bases de dados, alm da avaliao da qualidade
dosdados.
Aps a construo do DW, necessrio criar rotinas para carga, para isso se
utilizam ferramentas ETL. Essas ferramentas devem ler os dados armazenados
nas vrias bases operacionais da organizao, processlos(de modo que os
agrupe de modo mais natural para a anlise) e, posteriormente, carreglos nas
tabelas do DW.
Os prximos captulos apresentam mais detalhes sobre cada uma das camadas da
arquitetura de business intelligence tradicional.
Referncias
PRIMAK, Fbio Vincius. Decises com B.I. Rio de Janeiro: Editora Cincia Moderna, 2008.
SILVA, Dhiogo Cardoso da. Uma arquitetura de business intelligence para processamento
analtico baseado em tecnologias semnticas e em linguagem natural. 2011.
Dissertao(Mestrado) Universidade Federal de Santa Catarina, Programa de
PsGraduao em Engenharia e Gesto do Conhecimento, Florianpolis, 2011.
Ps-graduao
61
Atividades de Autoaprendizagem
1) Levando em considerao o contedo apresentado nesta unidade, assinale as
alternativas verdadeiras com V e as falsas com F:
Atividade colaborativa
Nesta unidade, voc estudou uma srie de conceitos relacionados com sistemas
de informao e sistemas de apoio deciso. Responda pergunta a seguir
utilizando a ferramenta Frum, no se esquea de comentar as respostas dos
seuscolegas.
Sntese
Nesta unidade, estudado com mais detalhes a arquitetura de BI, qual a sua
origem, seus fatores histricos, quais so os seus principais objetivos, como
se deu a sua evoluo, quais as suas tendncias(BI 2.0, BI 3.0...). Tambm
apresentado como iniciar um projeto de BI e quais so os principais componentes
de uma arquitetura de BI.
Saiba Mais
O artigo abaixo foi publicado em 2012 e traz uma viso geral sobre BI e como as
tecnologias semnticas podem dar suporte as suas anlises, vale muito a pena
esta leitura:
SELL, Denilson; SILVA, Dhiogo, C.; GHISI, Fernando B.; NAPOLI, Marcio; TODESCO,
Jos L. Adding Semantics to Business Intelligence: Towards a Smarter Generation
of Analytical Tools. In. Business Intelligence: Solution for Business Development.
InTech, 2012.Disponvel em: <http://www.intechopen.com/articles/show/title/
adding-semantics-to-business-intelligence-towards-a-smarter-generation-of-
analytical-tools>.
Ps-graduao
Unidade 3
Data Warehouse
Objetivos de Aprendizagem
Compreender a construo e o funcionamento dos Data Warehouses,
como suporte ao armazenamento das informaes das organizaes;
Identificar as principais caractersticas de um Data Warehouses;
Entender o que modelagem dimensional.
Introduo
A crescente produo de dados pelos sistemas transacionais da organizao,
de maneira distribuda pelos vrios setores e ferramentas, acaba dificultando a
visualizao e a anlise dos dados pela camada gerencial.
Componentes de um DW
Flvio Ceci e Glucio Adriano Fontana
Com o aumento do uso dos sistemas de informaes transacionais, cada vez mais
so armazenados dados em bases no centralizadas. O que funciona bem para o
controle operacional dos setores da organizao apresenta um problema para a
camada gerencial, que atua transversalmente, pois no traz uma viso sistmica
das operaes organizacionais.
O DW permite ter uma base de dados integrada e histrica para anlise dos dados,
isso pode e deve se tornar um diferencial competitivo para as empresas. Tendo
uma ferramenta desse porte na mo, o executivo pode decidir com muito mais
eficincia e eficcia. As decises sero embasadas em fatos e no em intuies,
podero ser descobertos novos mercados, novas oportunidades, novos produtos,
podemse criar relaes melhores com clientes, por exemplo, conhecendo hbitos
mais a fundo e com mais detalhes do que se poderia imaginar.
Ps-graduao
65
Ano
Data Warehouse
66
Acesso
Remoo Carga
Remoo
Insero Alterao Acesso
Registro por registro/ Carga em massa/
Manipulao de dados acesso aos dados
Fonte: Adaptado de Inmon(2007), p.34.
importante destacar que a consolidao dos dados poderia ser feita sobre
outra unidade atmica de tempo que no seja dia. Poderia ser feita por ms ou
ano, caso tivesse muitas operaes, seria por hora. Esse tipo de deciso deve ser
tomada pensando no tipo de anlise que se pretende efetuar e da distribuio da
massa de dados.
Ps-graduao
67
A integrao talvez seja a parte mais importante desse processo, pois ela ser
responsvel por sincronizar os dados de todos os sistemas existentes na empresa
e coloclos no mesmo padro.
Data Warehouse
68
A Figura 4 representa como funciona a integrao dos dados das tabelas azul,
vermelha e laranja, ou seja, registros em vrias bases de dados distribudos pelos
sistemas transacionais da organizao. Nesse exemplo vse que a informao
relacionada com o sexo apresentada de trs maneiras completamente
diferentes, no caso da tabela azul, est por extenso, na tabela vermelha utilizado
M para masculino e F para feminino, j no caso da tabela laranja, o sexo masculino
representado pelo nmero inteiro 0 e o feminino pelo 1. A tabela em verde
demonstra a integrao dos dados, essa tabela representa uma dimenso Sexo
que possui um identificador padro, ou seja, em todas as tabelas do DW que tiver
referncia para sexo, ser utilizado um identificador que, nesse caso, M para
masculino e F para feminino.
Viso geral do DW
O uso dos Data Warehouse traz uma srie de benefcios para a tomada de
deciso da camada gerencial da organizao, os autores Teorey, Lightstone
e Nadeau(2007), desenvolveram uma tabela que compara os sistemas
transacionais(OLTP online transaction processing):
Ps-graduao
69
Data Warehouse
70
Muitos dos requisitos apresentados j haviam sido abordados nessa leitura, alm
dos requisitos importante identificar os principais componentes de um DW,
esses so apresentados a seguir.
Principais Componentes de um DW
Sabese que os data warehouses so repositrios de dados, mas eles, por si s, no
trazem suporte s etapas de apoio deciso. Para viabilizar um projeto de DW,
fazse necessria a presena de uma srie de componentes. Turban et al(2009)
desenvolveram a seguinte figura para ilustrar esses componentes e suas interaes:
Ps-graduao
71
Aplicaes
Personalizadas
Acesso Ferramentas
A de produo
Replicao Data P de relatrios
Seleo Mart I
S
Legados Marketing Ferramenta
Extrair Relatrios de de consulta
metadados M relacional
Transformar i Visualizao
Data d
OLTP Mart de Informao
Integrar Data d
warehouse Gesto l OLAP/ROLAP
Manter empresarial e
Externos de Risco
w
Preparao a
Sistemas Data r
Mart Navegadores
operacionais/ Banco de dados alvo e Web
dados (HDB, MDDB) Engenharia
Minerao
de Dados
Data Warehouse
72
Referncias
CIELO, Iv. Data Warehouse como diferencial competitivo. Artigo on line. Disponvel em
<http://www.always.com.br/site2005/internet_clip07.html> Acesso em: julho de 2008.
INMON, W. H.; TERDEMAN, R. H.; IMHOFF, Claudia. Data Warehousing: como transformar
informaes em oportunidades de negcios. So Paulo: Berkeley, 2001. 266 p.
INMON, W. H.. Como construir o Data Warehouse. Rio de Janeiro: Campus, 1997. 388 p.
KIMBALL, Ralph. Data warehouse toolkit. So Paulo: Makron Books, 1998. 379 p.
XAVIER, Fabrcio S. V.; PEREIRA, Leonardo Bruno R. SQL dos Conceitos s Consultas
Complexas. Editora Cincia Moderna, Rio de Janeiro, 2009.
Ps-graduao
73
Data Warehouse
74
Tendo as duas primeiras etapas concludas, partese para a execuo que est
dividida em trs frentes:
Arquitetural: essa frente inicialmente est focada no projeto tcnico
da arquitetura do DW, como sua estrutura, tanto de carga quanto de
consumo de informao e definise a interface de acesso. O prximo
passo a identificao de ferramental que possa auxiliar esses processos.
Essa leitura trar mais detalhes sobre esta frente;
Modelagem de dados: nesta frente concebida a modelagem dos dados
a partir dos assuntos levantados na etapa de definio das necessidades
de negcios. Nesta frente tambm so levantadas as dimenses de
anlise para o cruzamento das informaes;
Analtica: para esta frente, levantamse quais abordagens analticas so
mais indicadas para responder s questes levantadas anteriormente.
Arquitetura
As implementaes de Data Warehouse possuem algumas possveis arquiteturas
para a sua implantao. Entendese como arquitetura de um DW, a estrutura fsica
dos componentes, como esto organizados e relacionados. Segundo Dill(2002),
uma arquitetura de DW um conjunto de normas que possibilitam uma viso da
sua estrutura e auxilia no entendimento de como ocorre o fluxo dos dados ao
longo do processo.
Ps-graduao
75
Data Warehouse
76
Data
Fonte Warehouse
Corporativo Data Data
Warehouse Warehouse
Integrao Departamental Departamental
Fonte de Dados
Transformao de Dados
Fonte
Usurios
Fonte: Dill(2002), p. 19
Ps-graduao
77
Data Warehouse
Integrador
BD BD BD
Data Warehouse
78
Integrao de dados
O processo de integrao de dados uma dos mais importantes relacionados com
o ciclo de vida de um data warehouse, ele garante que os dados que alimentaro o
DW sejam de qualidade e representativos para os assuntos escolhidos.
Ps-graduao
79
Esse processo mais complexo que apenas identificar as alteraes nos dados.
Como j sabido, a modelagem de dados utilizados pelos DWs os organizam
como fotografias de um perodo especfico. Tendo em vista essas caractersticas,
devese verificar todos os novos dados inseridos nas bases operacionais,
no intervalo de tempo escolhido para compor as fotografias. A seguir
apresentado um exemplo:
O processo de ETL responsvel pela carga das tabelas do DW. A Figura 5, aseguir,
elaborada por Turban et al(2009), ilustra este processo:
Data Warehouse
80
Fonte de dados
temporrios
Aplicao
pronta
Data
warehouse
Ps-graduao
81
Referncias
KIMBALL, Ralph; ROSS, Margy. The Data Warehouse Toolkit: The Complete Guide to
Dimensional Modeling. Wiley, 2002.
NAPOLI, Marcio. Aplicao de Ontologias para apoiar operaes analticas sobre fontes
estruturadas e no estruturadas. 2011. Dissertao(Mestrado) Universidade Federal de
Santa Catarina, Programa de PsGraduao em Engenharia e Gesto do Conhecimento,
Florianpolis, 2011.
Data Warehouse
82
Modelagem Dimensional
Flvio Ceci
Ps-graduao
83
Data Warehouse
84
Sabese que o DW trabalha com dados consolidados por tempo, isso leva a crer
que os sistemas de controle de processos das empresas armazenam os dados
direto na base operacional(relacional).
Ps-graduao
85
399 620 87
Loja
10 3
2
1
Perodo 01/2003 02/2003 03/2003
Fonte: Campos(2005).
Data Warehouse
86
Como base de dados para a carga do DW, existe um sistema transacional que
gerencia as operaes dirias dessa biblioteca. A Figura 3 apresenta a modelagem
relacional da base de dados utilizados por esse sistema:
O modelo apresentado acima serve como base para a carga do DW, o sistema
transacional que o utiliza gerencia as operaes dirias da biblioteca, como
porexemplo:
Gerenciamento de usurios;
Gerenciamento do acervo;
Controle das multas referente a atrasos na devoluo de livros.
O que foi identificado junto aos gestores que se deseja ganhar agilidade
na compra dos livros, para isso necessrio identificar quais ttulos so mais
solicitados, para a compra de mais exemplares. Alm desse ponto, desejase
Ps-graduao
87
Como foi verificado que todas as decises que se deseja tomar so relacionadas
aos valores dos emprstimos, no existe a necessidade de ter outras tabelas fato,
mas importante lembrar que num modelo dimensional podem existir muitas
tabelas fato.
Data Warehouse
88
Ps-graduao
89
Data Warehouse
90
Alguns autores afirmam que possvel trabalhar com uma abordagem mista,
que utiliza vantagens especficas de cada modelo para o seu cenrio em
questo(DILL, 2002).
Evoluo do DW
A ideia do uso dos repositrios do tipo DW est cada vez mais presente nas
organizaes, por conta dessa demanda, comum novos trabalhos sobre esse
tema, o que muito bom, pois faz com que essa abordagem acompanhe a
evoluo dos cenrios que as emprega.
Referncias
INMON, W.; STRAUSS, D.; NEUSHLOSS, G. DW 2.0 The Architecture for the Next
Generation of Data Warehousing. 2007.
KIMBALL, Ralph; ROSS, Margy. The Data Warehouse Toolkit: The Complete Guide to
Dimensional Modeling. Wiley, 2002.
Ps-graduao
91
NAPOLI, Marcio. Aplicao de Ontologias para apoiar operaes analticas sobre fontes
estruturadas e no estruturadas. 2011. Dissertao(Mestrado) Universidade Federal de
Santa Catarina, Programa de PsGraduao em Engenharia e Gesto do Conhecimento,
Florianpolis, 2011.
SILVA, Dhiogo Cardoso da. Uma arquitetura de business intelligence para processamento
analtico baseado em tecnologias semnticas e em linguagem natural. 2011.
Dissertao(Mestrado) Universidade Federal de Santa Catarina, Programa de
PsGraduao em Engenharia e Gesto do Conhecimento, Florianpolis, 2011.
Data Warehouse
92
Atividades de Autoaprendizagem
1) Levando em considerao o contedo apresentado nesta unidade, assinale as
alternativas verdadeiras com V e as falsas com F:
a. ( ) A utilizao dos repositrios do tipo DW esto cada vez mais presentes nas
empresas.
Atividade colaborativa
Nesta unidade, voc estudou uma srie de conceitos relacionados com sistemas
de informao e sistemas de apoio deciso. Responda pergunta a seguir
utilizando a ferramenta Frum, no se esquea de comentar as respostas dos
seuscolegas.
Nesta unidade, foi estudado sobre os repositrios data warehouse, tambm foi
visto que Inmon, considerado como um dos pais dessa abordagemj trabalha
com o conceito do DW2.0. Sendo assim, faa um paralelo dessa evoluo com a
evoluo do BI, BI 2.0 e BI 3.0.
Ps-graduao
93
Sntese
Nesta unidade, so estudados os componentes de um DW, bem como qual o
seu ciclo de vida de desenvolvimento, qual a sua importncia para a tomada de
deciso, sua arquitetura bsica, como se d a integrao e carga dos seus dados,
quais as suas possveis abordagens e construes.
Saiba Mais
Bill Inmon apresenta um artigo para o site Information Management, falando
sobre as novas tendncias dos Data Warehouse e mais detalhes sobre DW2.0;
uma leitura bastante interessante, vale a pena:
http://www.informationmanagement.com/issues/20060401/10511111.html
Data Warehouse
Unidade 4
Descobrindo o conhecimento
Objetivos de Aprendizagem
Compreender as fases do processo de descoberta de conhecimento
emvolume de dados.
Conhecer tcnicas de minerao existentes e aplicveis em um sistema
de Business Intelligence.
Julgar o uso de cada tcnica levando em considerao o contexto
doproblema.
Introduo
O conhecimento junto aos ativos intangveis das organizaes est cada vez
mais ganhando espao como um dos bens mais valiosos para as chamadas
organizaes do conhecimento. Os sistemas de apoio deciso surgiram como
resposta falta de sistemas focados em auxiliar a camada gerencial.
Entendese como dados estruturados aqueles que possuam uma estrutura que
facilite a sua organizao, armazenamento e recuperao, podese citar como
exemplo aqueles armazenados em bancos de dados, em arquivos XML, JSON,
entre outros.
Ps-graduao
97
Descoberta de
conhecimento
KDT KDD
Banco de
Dados
Documentos
no estruturados
Fonte: Elaborao do autor(2012).
Descobrindo o conhecimento
98
KDD
Data Mining
Fonte: Carvalho(2002).
Sistema
Especialista
Aprendizado Estatstica
de Mquina
Descoberta de
Conhecimento
Visualizao Processamento de
Linguagem natural
Ps-graduao
99
Referncias
ADRIAANS, P.; ZANTINGE, D. Data mining. Addison Wesley Longman, England, 1996.
GARCIA, Ana Cristina B.; VAREJO, Flvio M.; FERRAZ, Inhama N. Aquisio de
Conhecimento. In Sistemas Inteligentes: Fundamentos e Aplicaes. Organizao:
REZENDE, Solange O. Editora Manole, So Paulo, 2005.
Descobrindo o conhecimento
100
O processo de KDD
Flvio Ceci e Glucio Adriano Fontana
Ps-graduao
101
Descobrindo o conhecimento
102
Ps-graduao
103
Descobrindo o conhecimento
104
Dados Dados
Integrao
Conhecimento
Fonte: Romo(2002).
Ps-graduao
105
Descobrindo o conhecimento
106
Referncias
Ps-graduao
107
O uso das tcnicas de minerao de dados(em ingls Data Mining) com a criao
de repositrios de dados organizacionais representam processos imprescindveis
para a descoberta de conhecimento. Para Rezende(2003), o uso de tcnicas
de minerao de dados se d pela combinao de uma srie de algoritmos que
definem um paradigma de extrao de conhecimento, importante destacar que
para uma mesma tcnica podese utilizar mais de um algoritmo.
Descobrindo o conhecimento
108
Base de
Dados Bruta Visualiza
Assimilao do
Conhecimento
4 Etapa de
Anlise dos dados
Ps-graduao
109
Descobrindo o conhecimento
110
Ps-graduao
111
Descobrindo o conhecimento
112
N de registros com X e Y
Confiana (R) =
N de registros com X
Ps-graduao
113
Quem leva mercrio tambm leva gaze? Vale comentar aqui que essa relao nem
sempre comutativa. Veja as linhas 3 e 4 da tabela. Ela contm valores diferentes
e regras invlidas e vlidas, respectivamente, simplesmente modificando a ordem
dos produtos, como precedente e consequente. Como voc pode notar, podese
confiar que quem leva mercrio, leva gaze(87% dos clientes), mas est abaixo do
limiar afirmar que quem leva gaze, leva mercrio. O precedente normalmente ser
o carrochefe das vendas, ele chamar o cliente para dentro do estabelecimento e
o far consumir mais.
A distncia euclidiana entre dois pontos p =(p1, p2,, pm) e q =(q1, q2,, qm)
definida como:
m 2
dist ( p, q) =
i=1
( pi qi )
Descobrindo o conhecimento
114
Idade Renda
5 0,00
27 3.000,00
42 5.000,00
29 3.500,00
18 500,00
22 1.000,00
31 3.200,00
39 4.600,00
20 800,00
10 0,00
6 0,00
46 4.500,00
40 1.500,00
42 1.000,00
39 1.200,00
Fonte: Arago(2008)
Para usar esses clusters como classes, precisamos antes identificlos e nomelos
adequadamente. Por exemplo:
C1: Crianas. Nesses clusters temos apenas crianas, que no podem trabalhar,
portanto, sua renda nula.
C2: Jovens Iniciando a Carreira. Nesses clusters temos pessoas com idade
prxima mnima para poder trabalhar. Mas, como provavelmente no possuem
formao superior nem experincia, tm uma renda relativamente baixa.
C3: Profissionais com Curso Superior. Nesses clusters temos pessoas que
j tmexperincia e pelo patamar salarial provavelmente tambm possuem
formao superior.
C4: Altos Executivos. Nesses clusters temos pessoas de certa idade que, para
ter uma renda to alta em tal faixa etria, provavelmente fazem parte de alto
escalo gerencial.
Ps-graduao
115
3.000
2.000 C2 C5
1.000 C1
0
0 10 20 30 40 50
Idade
Fonte: Arago(2008).
Pensar em agrupar pode ser muito til se quisermos, por exemplo, conhecer
diferenas entre hbitos de consumo de diferentes clientes em uma loja que
vende diferentes produtos. Sazonalidade de compras, qual produto determinado
cliente leva e quem mais compra este produto, e onde vivem esses clientes com
gostos e comportamentos semelhantes. Talvez seja interessante abrir uma filial
prxima a eles, no? Criando classes, estamos prospectando negcios.
Concluso
O uso das tcnicas de minerao de dados para apoiar o processo de tomada de
deciso pela camada gerencial, possibilitaa descoberta de conhecimento a partir
dos seus repositrios de dados.
Descobrindo o conhecimento
116
Referncias
BERGER, Gideon et al. Discovering Unexpected Patterns in Temporal Data using Temporal
Logic; Temporal Databases Research and Practice. Heidelberg: Ed SpringerVerlag, 1998.
QUONIAM, Luc; et al. Inteligncia obtida pela aplicao de data mining em base de teses
francesas sobre o Brasil. Cincia da Informao, v. 30, n.2, p, 2028. Braslia, 2001.
WITTEN, Ian H.; FRANK, Eibe. Data Mining Practical Machine Learning Tools and
Techniques with Java Implementations. Morgan Kaufmann Publishers. 2000.
Ps-graduao
117
O processo KDT
Flvio Ceci
Descobrindo o conhecimento
118
Minerao de Textos
Conhecimento
Pr-processamento
Extrao de
Informao
Padres
Dado
Data set Pr-processado
Texto
Fonte: Gonalves(2006).
Ps-graduao
119
Anlise de mercado
Padres sequenciais Estatstica, teoria dos conjuntos.
sobre o tempo.
Fonte: Gonalves(2006).
Descobrindo o conhecimento
120
Indexao
O processo de indexao fundamental para a minerao de texto, pois organiza
os dados presentes no texto de uma forma que seja facilmente recuperado. Por
conta disso, a indexao uma das tarefas mais importantes para a recuperao
de informao(CECI, 2010).
Ps-graduao
121
Uma das tcnicas mais utilizadas a baseada em ndice invertido, de acordo com
BaezaYates e RibeiroNeto(1999 apud AIRES, 2005). A Tcnica de Arquivo(ou
ndice) Invertido trabalha com uma lista de palavraschave ordenadas, onde cada
palavra est ligada ao documento que a possui. Esse documento associado
a uma lista invertida de palavraschave, que passa a ser ordenada por ordem
alfabtica. Essas palavraschave possuem um peso. Aps o processamento, alista
fica dividida em dois arquivos, um de vocabulrio e outro de endereamento.
AFigura 3 apresenta um exemplo de um ndice invertido:
Prprocessamento
Esta etapa no possui um nico algoritmo ou tcnica disponvel, na verdade,
existem algumas operaes que podem ser feitas dependendo diretamente do
contexto e da anlise pretendida.
Descobrindo o conhecimento
122
Minerao de texto
Como j foi afirmado anteriormente, as tcnicas de minerao de texto so
baseadas em mtodos estatsticos e algoritmos da rea de inteligncia artificial.
Nessa etapa, que de fato descoberto novos conceitos e relacionamentos.
Podese reparar que no existe uma nica forma para trabalhar com minerao
de dados e texto, esse tipo de soluo diretamente dependente do contexto do
problema que se deseja resolver, ou do tipo de informao que pretende extrair.
Ps-graduao
123
Para exemplificar uma situao vamos imaginar que uma organizao pretende
desenvolver um mapa de conhecimento baseado nos principais termos que a
representam, para isso podese obter tais termos a partir da frequncia que eles
ocorrem nos documentos relevantes para o contexto organizacional. Alguns
problemas que so encontrados inicialmente.
Descobrindo o conhecimento
124
Pelo fato do tamanho do texto no ser muito grande, no foi necessrio construir
um ndice textual, fazendo o levantamento dos termos em memria e numa
estrutura prpria do modelo proposto pelos autores. O texto a seguir foi o
utilizado na pesquisa:
Ps-graduao
125
Descobrindo o conhecimento
126
Ps-graduao
127
Referncias
AIRES, Rachel Virgnia Xavier. Uso de marcadores estilsticos para a busca na Web em
portugus. 2005. 202 f. Tese(Doutorado) Programa de Ps Graduao em Cincias da
Computao e Matemtica Computacional Instituto de Cincias e Matemticas e de
ComputaoICMC, Universidade de So PauloUSP, So Carlos(SP).
CECI, Flavio; SILVA, Dhiogo C.; SELL, Denilson; GONALVES, Alexandre L. Towards a
SemiAutomatic Approach for Ontology Maintenance. 7 CONTECSI International
Conference on Information Systems and Technology Management. USP, So Paulo, 2010.
EBECKEN, Nelson F. F.; LOPES, Maria Celia S.; COSTA, Myrian C. A. Minerao de texto.
In: REZENDE, Solange O.(Coord.). Sistemas inteligentes: fundamentos e aplicaes. So
Paulo: Manole, 2005.
KORFHAGE, Robert R. Information storage and retrieval. New York: Wiley Computer
Publishing, 1997.
Descobrindo o conhecimento
128
Atividades de Autoaprendizagem
1) Levando em considerao o contedo apresentado nesta unidade, assinale as
alternativas verdadeiras com V e as falsas com F:
Atividade colaborativa
Nesta unidade, foram estudados conceitos de descoberta de conhecimento em
bases de dados e em texto, sabendo que muito do conhecimento organizacional
est disponvel em documentos no estruturados. Responda pergunta a seguir
utilizando a ferramenta Frum, no se esquea de comentar as respostas dos
seuscolegas.
Ps-graduao
129
Sntese
Nesta unidade, so estudados os processos de descoberta de conhecimento,
tanto utilizando como base repositrios DW quanto por meio da anlise dos
seusdocumentos.
Saiba Mais
Dborah Oliveira, da Computerworld, apresenta um artigo com o seguinte ttulo:
Data mining comea a conquistar espao na estratgia empresarial, leitura
bastante recomendada:
http://cio.uol.com.br/gestao/2012/03/19/data-mining-comeca-a-conquistar-espaco-na-
estrategia-empresarial/
Descobrindo o conhecimento
Unidade 5
Processo OLAP
Objetivos de Aprendizagem
Identificar o processo OLAP, bem como as suas caractersticas.
Examinar as funcionalidades exploratrias do processamento OLAP.
Entender qual a sua participao numa arquitetura de BI.
Introduo
As solues de Business Intelligence so compostas por uma srie de componentes
tecnolgicos que possibilitam um ambiente propcio tomada de deciso. Essas
solues podem combinar os componentes para cada situao, para a camada de
apresentao dos dados e das informaes utilizamse as solues OLAP.
A distino entre OLAP e minerao de dados vai alm das distines entre dados
de resumo e detalhes. As funes ou algoritmos normalmente encontrados
em ferramentas OLAP so funes de modelagem descritiva, no caso da
minerao de dados, so funes de descoberta de padro e modelagem
explicativa(THOMSEN, 2002).
Ps-graduao
133
produtos;
entre outros.
Processo OLAP
134
Para entender os conceitos por trs do cubo multidimensional, podese fazer uma
analogia com o brinquedo cubo mgico ou cubo de Rubik). Nesse brinquedo, a
pessoa deve mover as fases do cubo e chegar at a situao em que todas as fases
fiquem com a mesma cor. A Figura 2 apresenta este brinquedo.
Ps-graduao
135
Da mesma forma que quem manipula o brinquedo movendo uma das fases
tem uma nova viso sobre o mesmo brinquedo, no cubo dimensional, ao mover
uma das dimenses do cubo gerase uma nova viso sobre os mesmos dados
do repositrio. Essa interao entre as dimenses possibilita uma anlise muito
maior e chega a informaes antes no conhecidas. Cada dimenso que o cubo
possui pode ser uma tabela de dimenso de um modelo dimensional como o
apresentado na Figura 3.
Processo OLAP
136
Ps-graduao
137
Concluindo
De maneira geral, podese verificar que as solues OLAP possuem uma grande
importncia para a tomada de deciso, elas podem ser utilizadas de maneira
isolada numa arquitetura de Business Intelligence, ou combinadas com tcnicas de
minerao de dados e texto.
Processo OLAP
138
Referncias
CASTRO, Sergio A.; GONALVES, Pablo R.; CAZARINI, Edson W. O uso do OLAP na
estratgia de vendas em uma indstria de calados alavancando a gesto de cadeia de
suprimentos. XXIV Encontro Nacional de Engenharia de Produo, Florianpolis, 2004.
VINCI, Wilson L.; NARCISO, Marcelo G. Integrao AccessExcel para produzir um sistema
de apoio deciso que simula um Data Warehouse e OLAP. XIII SIMPEP, Simpsio de
Engenharia de Produo, Bauru, 2006.
Ps-graduao
139
As solues de Business Intelligence tem ganhado cada vez mais espao entre as
organizaes, o motivo para tal a falta de ferramentas eficientes e focadas na
tomada de deciso.
Processo OLAP
140
Ps-graduao
141
4
Atributo 3
3 (3 dimenso)
2 3
2
1 1
1 2 3 4
Atributo 2
(2 dimenso)
Fonte: Silva e Saias(2011).
Processo OLAP
142
Ps-graduao
143
Caracterstica Descrio
Possibilitar a ao direta sobre as clulas e os recursos
Manipulao de dados intuitiva
dosgrficos.
Acessibilidade Disponibiliza uma viso lgica nica dos dados da empresa
Permite que a ferramenta OLAP rode em um cliente,
Arquitetura Cliente/Servidor
acesse dados e faa operaes em um servidor.
Permite inserir as funcionalidades OLAP dentro do
Transparncia
contexto de uma aplicao do domnio do usurio final.
Suporte para multiusurios Possibilitar operaes simultneas de leitura e escrita.
Fonte: Sell(2006).
Caracterstica Descrio
Apresentar dimenses de um cubo por meio de
Relato flexvel
diferentes combinaes de linhas, colunas e pginas.
Preservar o desempenho da apresentao medida
Desempenho coerente do relato
que o volume de dados e dimenses aumente.
Tratamento dinmico A organizao fsica dos dados deve ser sensvel mudana
de matriz esparsa das caractersticas dos dados ao longo do tempo.
Fonte: Sell(2006).
Caracterstica Descrio
Viso conceitual A viso conceitual do usurio analista deve possibilitar
multidimensional a anlise do negcio sobre diferentes perspectivas.
Cada dimenso deve ser equivalente tanto em sua estrutura
Dimensionalidade genrica
quando nas capacidades exploratrias aplicveis.
A estrutura criada no servido dever possibilitar a criao
Dimenses e nveis de
detantas dimenses e cubos quanto necessrio para se
agregao limitados
analisar o negcio.
Permitir clculos e manipulao de dados por meio
Operaes irrestritas de
dequalquer quantidade de dimenses e relacionamento
dimenso cruzada
dedados.
Fonte: Sell(2006)
Processo OLAP
144
Referncias
DONALD, B. High performance Oracle Data Warehousing. USA: The Coriolis Group, 1997.
VINCI, Wilson L.; NARCISO, Marcelo G. Integrao AccessExcel para produzir um sistema
de apoio deciso que simula um Data Warehouse e OLAP. XIII SIMPEP, Simpsio de
Engenharia de Produo, Bauru, 2006.
XAVIER, Fabrcio S. V.; PEREIRA, Leonardo Bruno R. SQL dos Conceitos s Consultas
Complexas. Editora Cincia Moderna, Rio de Janeiro, 2009.
Ps-graduao
145
Esta seo no deve ser encarada como uma metodologia, mas sim como um
guia que explica as etapas prticas associadas ao projeto e implementao da
soluo OLAP, ou ainda como o prprio autor explica essas orientaes: Elas
foram escritas para o projetista e o implementador do modelo OLAP(THONSEN,
2002, p.302).
Processo OLAP
146
O autor sugere que para identificar o ponto de partida, devese procurar o ponto
em que o projetista se sinta mais vontade e confiante sobre o que feito ou que
precisa ser feito e trabalhar a partir disso. Por exemplo, caso ele tenha domnio
sobre os dados em questo, mas no tem certeza sobre todas as finalidades para
as quais os usurios finais iro utilizlos, nesse caso, podese adotar um sequncia
de passos de baixo para cima, ou seja, dos dados para a funo.
Ps-graduao
147
Processo OLAP
148
Ps-graduao
149
Projeto da soluo
O primeiro passo para a definio do projeto da soluo a definio do modelo
lgico, essa definio nada mais que a concepo do modelo multidimensional.
Para o desenvolvimento desse modelo podese utilizar de qualquer metodologia j
conhecida para esta etapa.
Processo OLAP
150
Referncias
Ps-graduao
151
Processo OLAP
152
Esse tipo de ambiente traz uma srie de benefcios, j que bastante intuitivo e
permite que o seu usurio final no precise ser um especialista em computao,
bastando apenas ter um conhecimento mdio em informtica e, principalmente,
conhecer o domnio em questo.
Ps-graduao
153
Processo OLAP
154
Ps-graduao
155
As solues OLAP so hoje uma das solues grficas mais utilizadas e efetivas
para apresentar os dados e informaes contidos nos modelos dimensionais.
Vale lembrar que as solues OLAP apresentam os dados histricos e para
acompanhamento em tempo real da situao da organizao. A combinao
dessas solues com as tcnicas de descoberta de conhecimento possibilitam
a construo de previses a partir dos dados passados, tanto para descobrir
informaes implcitas quanto para montar simulaes para a previso de
situaes futuras.
Referncias
Processo OLAP
156
Atividades de Autoaprendizagem
1) Levando em considerao o contedo apresentado nesta unidade, assinale as
alternativas verdadeiras com V e as falsas com F:
c. ( ) Podese fazer uma analogia das solues OLAP com o brinquedo cubo mgico.
Atividade colaborativa
Nesta unidade, voc estudou sobre as solues OLAP. Responda pergunta a
seguir utilizando a ferramenta Frum, no se esquea de comentar as respostas
dos seus colegas.
Ps-graduao
157
Sntese
Nesta unidade, so estudadas as solues OLAP, os seus conceitos, como so
montadas, quais as suas dependncias tecnolgicas e exemplos.
Saiba Mais
A professora Cynthia Aurora Anzanello, da Universidade Federal do Rio Grande do
Sul, escreveu um timo artigo falando sobre OLAP e suas utilizaes, vale a pena
ler este material:
http://www.fag.edu.br/professores/limanzke/Administra%E7%E3o%20de%20
Sistemas%20de%20Informa%E7%E3o/OLAP.pdf
Processo OLAP
Para concluir os estudos
Chegamos ao final deste livro sobre Business Inteligence, onde passamos pelas
principais reas que esto relacionadas com essa proposta. Inicialmente, foi
abordada uma reviso sobre o conceito de dado, informao e conhecimento,
chegando aos sistemas de informao. Nesse tpico verificouse que no existe
uma classificao nica, mas que iramos nos concentrar no tipo de sistemas de
informao chamado de sistemas de apoio deciso.
Podese verificar que cada vez mais os dados no estruturados esto fazendo
parte das solues de BI, o motivo para tal que muito do conhecimento
organizacional est implcito nas bases de documentos. O cruzamento e
carga dessas informaes cada vez mais comum nos repositrios e bases de
conhecimento, alm dos dados no estruturados provenientes dos documentos
da organizao. Tambm, cada vez mais esto utilizando como base os dados
publicados em mdias sociais, que representam um canal direto do cliente com as
organizaes, podendo auxiliar e muito no processo de tomada de deciso.
Ps-graduao
Minicurrculo
Unidade 1
Atividades de Autoaprendizagem
1) Gabarito: F V F F V V F F
h. ( F ) Uma organizao pode ser vista como um sistema, desde que ela faa uso
de computadores.
Atividade colaborativa
O uso de dados disponveis na Web (como por exemplo, em mdias sociais) pode
auxiliar os sistemas de apoio deciso na entrega de uma informao mais
estratgica para a organizao?
Unidade 2
Atividades de Autoaprendizagem:
1) Gabarito: F F F V F V
Comentrio: O processo de ETL responsvel pela coleta dos dados das bases
operacionais, processamento, transformao e carga desses dados no DW.
Ps-graduao
165
Atividade colaborativa
Comentrio: O uso de recursos semnticos est cada vez mais presente na web
(web semntica) e dentro das organizaes. Os artifcios semnticos podem estar
presentes tanto no processamento das informaes, podendo classificlas levando
em considerao o contexto do dado em questo, bem como na apresentao das
informaes, sabendo qual a melhor maneira de apresentla.
Unidade 3
Atividades de Autoaprendizagem:
1) Gabarito: V F V V V F
Atividade colaborativa
Business Intelligence
166
Unidade 4
Atividades de Autoaprendizagem:
1) Gabarito: F F V F V F
Atividade colaborativa
Ps-graduao
167
Unidade 5
Atividades de Autoaprendizagem:
1) Gabarito: F V V F F V
Atividade colaborativa
Business Intelligence
168
Ps-graduao
Referncias
ADRIAANS, P.; ZANTINGE, D. Data mining. Addison Wesley Longman, England, 1996.
AIRES, Rachel Virgnia Xavier. Uso de marcadores estilsticos para a busca na Web em
portugus. 2005. 202 f. Tese (Doutorado) Programa de Ps Graduao em Cincias
da Computao e Matemtica Computacional Instituto de Cincias e Matemticas e
de Computao-ICMC, Universidade de So Paulo-USP, So Carlos (SP).
BARBOSA, Gilka Rocha; ALMEIDA, Adiel Teixeira de. Sistemas de Apoio Deciso
sob o enfoque de Profissionais de TI e de Decisores. XXII Encontro Nacional de
Engenharia de Produo. Curitiba, 2002.
CASTRO, Sergio A.; GONALVES, Pablo R.; CAZARINI, Edson W. O uso do OLAP
na estratgia de vendas em uma indstria de calados alavancando a gesto
de cadeia de suprimentos. XXIV Encontro Nacional de Engenharia de Produo,
Florianpolis, 2004.
Ps-graduao
171
CECI, Flavio; SILVA, Dhiogo C.; SELL, Denilson; GONALVES, Alexandre L. Towards
a semiautomatic approach for ontology maintenance. 7 CONTECSI - International
Conference on Information Systems and Technology Management. USP, So
Paulo, 2010.
EBECKEN, Nelson F. F.; LOPES, Maria Celia S.; COSTA, Myrian C. A. Minerao de
texto. In: REZENDE, Solange O. (Coord.). Sistemas inteligentes: fundamentos e
aplicaes. So Paulo: Manole, 2005.
Business Intelligence
172
GARCIA, Ana Cristina B.; VAREJO, Flvio M.; FERRAZ, Inhama N. Aquisio de
Conhecimento. In: Sistemas inteligentes: fundamentos e aplicaes. Organizao:
REZENDE, Solange O. Editora Manole, So Paulo, 2005.
GHISI, Fernando B.; CECI, Flvio; SELL, Denilson. Aspectos relacionados com a
eficcia do processo de aquisio de conhecimento a partir de apresentao
de informaes numricas: sumrios textuais podem ser mais adequados
que representaes grficas? 5 CIDI Congresso Internacional de Design da
Informao. Florianpolis, 2011.
Ps-graduao
173
INMON, W.; STRAUSS, D.; NEUSHLOSS, G. DW 2.0 The architecture for the next
generation of data warehousing. 2007.
KIMBALL, Ralph. Data warehouse toolkit. So Paulo: Makron Books, 1998. 379 p.
KIMBALL, Ralph; ROSS, Margy. The data warehouse toolkit: the Complete guide
to dimensional modeling. Wiley, 2002.
Business Intelligence
174
OLIVEIRA, Andr Luis B.; CARREIRA, Marcio Luis; MORETI, Thiago Moura.
Aprimorando a gesto de negcios com a utilizao de Tecnologias de
Informao. Revista de Cincias Gerenciais. Vol XIII, N 17, 2009.
PRIMAK, Fbio Vincius. Decises com B.I. Rio de Janeiro: Editora Cincia
Moderna, 2008.
QUONIAM, Luc; et al. Inteligncia obtida pela aplicao de data mining em base
de teses francesas sobre o Brasil. Cincia da Informao, v. 30, n.2, p, 20-28.
Braslia, 2001.
Ps-graduao
175
TANCER, Bill. Click: o que milhes de pessoas esto fazendo on-line e por que isso
importante. Editora Globo S.A., So Paulo, 2009.
Business Intelligence
176
WITTEN, Ian H.; FRANK, Eibe. Data mining practical machine learning tools and
techniques with Java implementations. Morgan Kaufmann Publishers. 2000.
Ps-graduao