SAD/ESTA - Business Intelligence & Sistemas de Apoio À Decisão

Business Intelligence
&
Sistemas de Apoio à Decisão
Curso de Licenciatura em Tecnologias da Informação e Comunicação
COLIGIDO POR
13286 Natércia Oliveira, natercialuzia@hotmail.com
13310 Mário Mineiro, mineiro.mario@gmail.com
DOCENTE
Sandra Jardim
28 Maio 2010
Toda a decisão certa é proveniente de

experiência. E toda a experiência é
proveniente de uma decisão errada.
Albert Einstein
2
LISTA DE FIGURAS
Figura 1 - O Custo de Cometer Erros _________________________________________________12

Figura 2 - Abstracto/Tomar Decisões ________________________________________________13
Figura 3 - Abstracto / Perguntas à decisão ____________________________________________16
Figura 4 - Abstracto / Chegar ao fim do processo de decisão ______________________________17
Figura 5 - Abstracto/Soluções alternativas ____________________________________________19
Figura 6 - Pirâmide de Kukulcán (Mário Mineiro 2006) __________________________________20
Figura 7 - Abstracto Componentes BI (Google Image Search) _____________________________27
Figura 8 - Exemplo de Dashboard (Fonte: infovis.net) ___________________________________28
Figura 9 - Fuzzy Logic por Mike Stanfill ©2002 ________________________________________50
Figura 10 - Abstracto MCDM (Fonte Google Images) ____________________________________51
Figura 11 - Cubo OLAP (http://www.relativitycorp.com) _________________________________57
Figura 12 - - Conceito abstracto de Data Mining _______________________________________58
Figura 13- Abstracto/ O Cerebro humano e informação armazenada (Fonte: Google Images) ___59
Figura 14 - Informação por meio electrónico __________________________________________60
Figura 15 – Abstracto / Benefícios dos SAD ___________________________________________61
Figura 16 - Abstracto/Tratamento de Informação relevante. _____________________________62
Figura 17 - Abstracto/Decisões Globais e em Grupo (Fonte: Google Images) _________________64
Figura 18 - Abstracto/Informação Global) ____________________________________________65
Figura 19 - O Mundo da Informação _________________________________________________66
3
LISTA DE ILUSTRAÇÕES
ESQUEMAS
Esquema 1 - Informação necessária a diferentes níveis de gestão versus tipos de Decisão ______14
Esquema 2 – Hierarquia e niveis de Decisão ___________________________________________15
Esquema 3 - Modelo Processo de Decisão em 6 Fases (extensão ao modelo básico de Simon)____18
Esquema 4- Modelo BI (Cavin Griffiths/Maio 2007) _____________________________________21
Esquema 5 - Evolução das TI versus BI _______________________________________________25
Esquema 6 - Cinco Etapas Chave do Processo de BI _____________________________________26
Esquema 7 - Arquitectura e Componentes de um Sistema BI Típico_________________________29
Esquema 8- Relação entre os Sistemas de Informação e os Níveis de Gestão _________________35
Esquema 9 - Os SAD versus outros Sistemas de Gestão __________________________________35
Esquema 10 - Os Sistemas de Apoio à Decisão versus outros Sistemas de Gestão _____________35
Esquema 11 - Evolução Histórica dos SAD e Tecnologias Associadas ________________________37
Esquema 12 - Características Típicas dos SAD/SSD______________________________________38
Esquema 13 - Classificação dos SAD/SSD segundo Steven Alter (1986) ______________________43
Esquema 14 – Arquitectura e Componentes do SAD/SSD (adaptado de várias fontes) __________48
Esquema 15 - O Ciclo do CBR em 6 fases (Reinartz et al. 2001) ____________________________53
Esquema 16 - Exemplo de Árvore de Decisão - Optimização de portofolio Investimento ________54
Esquema 17 Arquitectura Data Warehouse ___________________________________________55
Esquema 18 Data Mart ___________________________________________________________56
Esquema 19- OLAP Online Analytical Processing _______________________________________57
TABELAS
Tabela 1- Tipos de Decisão versus Tipo de Problemas ___________________________________13
Tabela 2 - The Forrester WaveTM: Enterprise BI Plataforms, Q2'08 ________________________30
Tabela 3 - Comparação entre BI e BI 2.0 ______________________________________________33
Tabela 4 - Tabela resumo de alguns problemas inerentes ao SGD (Romão, 2006/07) __________45
Tabela 5 - Resumo da Teoria da Decisão por autor _____________________________________75
Tabela 6 - Comparação entre SAD/SSD e SADG (GDSS) __________________________________80
4
ÍNDICE
Lista de Siglas e Abreviaturas ................................................................................................................................ 8
Resumo ........................................................................................................................................................................ 10
Introdução .................................................................................................................................................................. 12
I – Processo de Decisão ......................................................................................................................................... 13

Decisão e Decisores ................................................................................................................................ 13
Processo de Decisão ............................................................................................................................... 16
Processo de Decisão nas Empresas ............................................................................................. 18
Factores que Afectam a Decisão ........................................................................................................ 19
II - Business Intelligenge....................................................................................................................................... 20
Conceito....................................................................................................................................................... 20
História e Evolução ................................................................................................................................. 23
Arquitectura e Componentes .............................................................................................................. 26
Componentes dum Sistema de BI ................................................................................................. 27
Ferramentas Comerciais ....................................................................................................................... 29
Limitações dos Sistemas de BI ........................................................................................................... 31
Impacto e Futuro ..................................................................................................................................... 32
III – Sistemas de Apoio à Decisão ...................................................................................................................... 34

Conceito....................................................................................................................................................... 34
História e Evolução ................................................................................................................................. 36
Características e Funcionalidades..................................................................................................... 38
Classificação............................................................................................................................................... 40
Orientados a Modelos ....................................................................................................................... 40
Orientados à Comunicação e Grupo ............................................................................................ 40
Orientados a Dados ............................................................................................................................ 41
Orientados a Documentos ............................................................................................................... 41
Orientados ao Conhecimento ......................................................................................................... 41
Baseados em folhas de cálculo ...................................................................................................... 41
Baseados na Web ................................................................................................................................ 42
Outras Classificações ......................................................................................................................... 42
5
Arquitectura e Componentes .............................................................................................................. 44

Gestão de Dados (SGBD) .................................................................................................................. 45
Gestão de Modelos (SGM) ................................................................................................................ 46
Gestão do Conhecimento (SGC) ..................................................................................................... 47
Gestão de Comunicação e Rede (SGCR) ..................................................................................... 47
Interface com o Utilizador (SIU) ................................................................................................... 47
O Utilizador ........................................................................................................................................... 48
Técnicas e Ferramentas ........................................................................................................................ 49
Técnicas de Apoio à Decisão........................................................................................................... 49
Ferramentas.......................................................................................................................................... 54
Impacto dos SAD/SSD ............................................................................................................................ 59
Vantagens .............................................................................................................................................. 62
Desvantagens/Problemas ............................................................................................................... 62
Novas Técnicas e o Futuro ................................................................................................................... 63
Sistemas Orientados ao Individuo ............................................................................................... 63
Sistemas de Grupo (SADG),Organizacionais e a World Wide Web ................................... 64
Conclusão.................................................................................................................................................................... 65
Artigos “Estado da Arte” ....................................................................................................................................... 67

BI 2.0: The Next Generation ................................................................................................................ 67
Business Intelligence 2.0: Simpler, More Accessible, Inevitable .......................................... 71
Literatura Complementar .................................................................................................................................... 74
Teoria da Decisão - um resumo ........................................................................................................ 74
Linha de Tempo (História dos SAD) ................................................................................................. 77
Sistemas de Apoio a Decisão em Grupo (SADG) .......................................................................... 78
Componentes de um SADG e o Software SSDG ....................................................................... 79
Opções para um SADG ...................................................................................................................... 79
Referências Bibliográficas .................................................................................................................................... 81
Recursos na Internet .............................................................................................................................................. 83

Processo de Decisão ............................................................................................................................... 83
Business Intelligence.............................................................................................................................. 83
Sistemas de Apoio à Decisão ............................................................................................................... 83
6
7
LISTA DE SIGLAS E ABREVIATURAS
AHP Analytical Hierarchy Process

AI Artificial Intelligence (ver IA)
AJAX Asynchronous JAvascript and XML
ASP Application Service Providers
BI Business Intelligence (Inteligência Organizacional)
BPM Business Performance Management
BSC Balanced Scorecard
CBR Case-Base Reasoning(Raciocinio Baseado em Casos)
CI Centro de Informação (ver IC)
CRM Customer Relationship Management
DASD Direct Access Storage Device
DBMS Data Management System (ver SGBD)
DDMS Distributed Decision-Making Systems (ver SADD)
DEI Data Extraction and Integration
DM Data Marts
DSS Decision Support Systems (ver SAD e SSD)
DVS Data Visualization Systems
DW Data Warehouse
EDP Electronic Data Processing
EDSS Executive Decision Support Systems
EIS Executive Information System (ver SIE)
ERP Enterprise Resource Planning
ES Expert System (Sistema Especialista ou Inteligente)
ESS Executive Support System
ETL Extract, Transform, Load
GDSS Group Decision Support System
GIS Geographical Information Systems
IBM International Business Machines (http://ibm.com)
IA Inteligência Artificial (ver AI)
IC Information Centre (ver CI)
IDSS Interoperability Decision Support Systems
ISS Intelligent Support System
KB Knowledge Base (Base de Conhecimento)
KMS Knowledge Management System (ver SGC)
MADM Multi-Attribute Decision-Making
MBMS Model Base Management System (ver SGM)
MCDM Multi-Criteria Decision-Making
MDDB Multi-Dimensional Database
MDDM Multi-Dimension Decision-Making
MDSS Model-Driven DSS
MIS Management information system
MIS Management Information System (Sistemas de Gestão de Informação)
MIT Massachusetts Institute of Technology
MODM Multi-Objective Decision-Making
MS Management Systems (Sistemas de Gestão)
MSS Management Support Systems (Sistemas de Suporte À Gestão)
8
NN Neural Network (Redes Neurais)
OAS Office Automation System

OIS Office Information System (Sistema de Informação de Escritório)
OLAP On- Line Analytical Processing
OLTP On-line Transaction Processing
RDBMS Relational Database Management System
RSS Really Simple Syndication
SA Situation Awareness
SAD Sistemas de Apoio à Decisão (ver SDD e DSS)
SADD Sistema de Apoio à Decisão Distribuído (ver DDMS)
SAS Statistical Analysis System (http://www.sas.com/)
SGBD Sistema de Gestão de Dados (ver DBMS)
SGC Sistema de Gestão de Conhecimento (ver KMS)
SGCR Sistema de Gestão de Comunicação e Rede
SGM Sistema de Gestão de Modelos (ver DBMS)
SI Sistemas de Informação
SIAD Sistemas Inteligentes de Apoio à Decisão
SIE Sistema de Informação Executivo (ver EIS)
SIU Sistema de Interface com o utilizador
SQL Structured Query Language
SSD Sistemas de Suporte à Decisão (ver DSS e SAD)
SSDG Software de Suporte à decisão de Grupo
TI Tecnologias de Informação
TOPSIS Technique for the Order Preference by Similarity to Ideal Solution
TPS Transaction processing system
TPS Transaction Processing System
WAN Wide Area Network
XDSS Expert Decision Support Systems
XML eXtensible Markup Language
9
RESUMO
Este documento foi elaborado no âmbito da disciplina de Sistemas de Apoio à Decisão da
licenciatura de Tecnologias de Informação e Comunicação (TIC) da Escola Superior de
Tecnologia de Abrantes (ESTA), e reúne diversa informação coligida (identificada pelos
respectivos autores e/ou fontes) com o objectivo de apresentar os conceitos e a evolução dos
sistemas de “Business Intelligence1” e uma das sua plataformas tecnológicas de apoio à decisão
ou tipo conforme referido por alguns autores: “Decision Support Systems2”.
Para poder falar sobre Business Intelligence (BI) e Sistemas de Apoio à Decisão
(SAD/SSD), é necessário contextualizar os dois assuntos no âmbito do processo de decisão.
Assim, este documento está dividido em três capítulos: o primeiro dedicado ao Processo de
Decisão; o segundo sobre os Sistemas de Business Intelligence; e o terceiro dedicado aos
Sistemas de Apoios à Decisão. Sobre o Processo de Decisão, este documento aborda os
factores que o influenciam, assim como o modo como é encarado nas empresas. No segundo
capítulo, é abordado o conceito de “Business Intelligence”, por ser o mais abrangente, é
considerado por muitos como o “guarda-chuva” de todos os sistemas de informaç~o
organizacionais. O conceito de Business Intelligence é muitas vezes confundido com o de
Decision Support Systems (DSS) e em outros casos até usado erradamente, como é o caso
quando referido em exemplos específicos de tecnologias de BI usadas, como "Business
Intelligence using SQL", "Business Intelligence using Silverlight" ou SAS BI ou ainda Microsoft BI.
No terceiro capítulo sobre os Sistemas de Apoio á Decisão, aborda-se o seu conceito bem
como a sua evolução histórica, assim como uma visão do futuro e impacto nas organizações.
Este documento pretende ainda explicar que, tomar decisões é uma atitude de rotina e
comum para qualquer ser vivo. Com maior ou menor relevância, cada um de nós toma
decisões praticamente do momento em que acorda até o fim do dia. No entanto, na ctualidade,
o que é diferente é o nível de complexidade e velocidade das decisões a serem tomadas. No
caso das organizações3, os volumes de dados e informações têm vindo a crescer de forma
exponencial e isso, em vez de facilitar a tomada de decisões, muitas vezes torna-a mais
complexa e incerta. A evolução dos Sistemas de Informação (SI) e dos recursos de informática,
especificamente com relação aos BI a aos SAD/SSD, tem permitido a intensificação do seu uso
nas mais diversas áreas de trabalho e níveis de gestão, e fazem com que esses sistemas sejam
desenvolvidos para praticamente todo o tipo de actividade, das mais rotineiras até às mais
complexas. A procura de melhores resultados e a rapidez e segurança na tomada de decisões
têm feito com que, todas as organizações que utilizam dados e informações para auxiliar esse
processo, procurem utilizar os recursos tecnológicos mais modernos.
Palavras-Chave
1 O uso de alguns termos, é feito em inglês, não só por ser a sua designação formal e original, como também porque a sua tradução
para Português não faria justiça ao seu significado.
2 O termo Bussiness Intelligence (BI) é referido em Inglês ao longo de todo o documento, no caso de Decision Support Systems (DSS)”
será referido como Sistemas de Apoio á Decisão (SAD), apesar de alguns autores lusófonos referirem DSS na sua forma de tradução directa
Sistemas de Suporte á Decisão (SSD). As abreviaturas BI e SAD/SSD identificam os dois assuntos.
3 Para que não ocorram más interpretações entre a forma como é tratado o conceito de Organização e o de Organização Empresarial,
neste documento o conceito de organização tratado será no sentido restrito do tipo empresarial e por isso sempre referida como se duma
empresa se trate, excepto nos casos em que seja indicado de outra forma.
10
Processo de Decisão, Business Intelligence, BI, Decision Support Systems, DSS, Sistemas de
Apoio à Decisão, SAD, Sistemas de Suporte à Decisão, SSD.
11
INTRODUÇÃO
Nas organizações, durante anos, consideraram a capacidade de decidir como uma arte –
um talento inato conferido á nascença aos gestores ou adquirido através de um longo período
de experiência (onde os erros fazem parte). As actividades de gestão são consideradas quase
como uma manifestação artística pois uma grande variedade de estilos pessoais pode ser
utilizada na abordagem e tratamento do mesmo tipo de problemas práticos de gestão. Estes
estilos são na maior parte baseados em criatividade, intuição, pareceres e experiência, pondo
de lado métodos sistemáticos baseados em abordagens científicas.
No entanto, actualmente o ambiente em que os gestores têm de trabalhar está mudar
muito rapidamente. A actividade organizacional e o ambiente em que se desenvolve é hoje
mais complexo do que nunca e a tendência é a do aumento de complexidade. Hoje é mais
difícil tomar decisões por duas grandes razões. Primeiro, o número de alternativas
disponíveis é muito superior do que as no passado.
Segundo, o custo de cometer erros4 (mesmo nos
pequenos pormenores) pode ser muito elevado, dada
a complexidade e magnitude das operações e a
reacção em cadeia que um erro pode originar em
muitos sectores da organização.
Assim, com estas tendências torna-se difícil
depender apenas de estilos de gestão e abordagens
“artísticas”. Os gestores acabam por ser obrigados a
uma maior sofisticação, aprendendo a utilizar novas
metodologias, tecnologias e técnicas desenvolvidas
para as suas áreas específicas e apoiadas
habitualmente por sistemas de informação como
Business Intelligence e ainda pelos Sistemas de Apoio
à Decisão.
Existem diversas definições académicas e

formais para Business Intelligence e para os Sistemas
de Apoio à Decisão. Muitas delas encontram-se
através de procuras na Internet. Se usarmos um
Figura 1 - O Custo de Cometer Erros
motor de procura como por exemplo o Google e
procurarmos “Business Intelligence” como palavra-chave, mesmo que através duma procura
refinada o número de eventos em 20.03.2010 foi de 13.300.000 e de “Decision Support
Systems” de 1.010.000. No caso do termo em português Sistemas de Apoio à Decisão foram
266.000 e para Sistemas de Suporte à Decisão apenas 102 eventos. Obviamente existe muito
para dizer ou apresentar sobre BI e sobre SAD/SSD.
Aqui fica a minha contribuiç~o…
"Se escolheres não decidir, já tomastes uma decisão."

Neil Peart
4 Figura 1: http://www.mspmentor.net/2009/04/28/how-to-measure-your-performance-against-peer-msps/
12
I – PROCESSO DE DECISÃO
DECISÃO E DECISORES
O sucesso da gestão numa organização, depende do desempenho eficaz das funções
típicas de gestão, tais como planear, organizar, dirigir e controlar5. Para exercerem estas
funções, os gestores estão envolvidos num processo contínuo de tomada de decisões, tais
como a elaborar planos, a selecção de um fornecedor, determinar o preço de um produto
entre outras mais. Nestas situações, os gestores são os tomadores de decisão ou decisores.
Desde sempre, quase tudo o que o Homem faz, envolve tomar decisões. Aí reside a
grande dificuldade de reflectir teoricamente sobre o tema. Quando se aborda este tema,
abordam-se pessoas, actividades humanas, decisões e a forma como as decisões são tomadas.
É um assunto multidisciplinar, que tem atraído o interesse
de economistas, analistas, estaticistas, psicólogos, políticos
e filósofos.
Os decisores podem lidar com vários tipos de
problemas de decisão, desde a operação diária até
estratégias de longo prazo da organização. Os decisores
numa organização actuam em diversos níveis, desde um
gestor de um projecto de desenvolvimento de software até
um presidente executivo de uma grande empresa. Portanto,
a decisão tomada sobre tarefas diferentes e a níveis
diferentes, têm características diferentes e requerem
diferentes técnicas de apoio à decisão. Os tipos de decisão
Figura 2 - Abstracto/Tomar Decisões
estão directamente relacionados com os tipos de problema (Fonte: Google Imagens)
conforme se resume na tabela seguinte.
Decisão  Tipo  Problemas

Problemas rotineiros ou repetitivos para os quais
 Objectivos a curto prazo;
existem soluções estudadas (standard). São
 Controlo diário de tarefas e projectos; Nível Operacional
conhecidos processos para obter uma solução
 Problemas estruturados (embora
óptima ou pelo menos boa para o problema. Os
possam ser complexos); Estruturada/o
objectivos estão claramente definidos e,
 Dados históricos precisos, detalhados
normalmente envolvem a minimização dos
e internos.
custos ou a maximização dos lucros.
Possuem elementos estruturados e elementos
 Objectivos a médio prazo; Nível de Gestão
não estruturados. A resolução destes problemas
 Alocação de recursos de acordo a Intermédia/Táctico
envolve a combinação entre processos de
estratégia definida Semi-estruturada/o
resolução standard e o julgamento humano.
 Objectivos a longo prazo; Problemas complexos para os quais não existe
 Definição das políticas Nível Estratégico nenhuma receita para aplicar. A intuição humana
organizacionais; serve frequentemente de base para a tomada de
 Informação agregada proveniente de Não estruturada/o decisão (exemplo: planeamento de novos
fontes externas. serviços).
Tabela 1- Tipos de Decisão versus Tipo de Problemas
As decisões podem ser feitas por indivíduos ou grupos. As decisões individuais são com
frequência e normalmente feitas aos níveis baixos de gestão e em organizações pequenas,
5 As quatro funções típicas de um Gestor
13
enquanto as decisões de grupo geralmente são feitas aos níveis elevados de gestão e em
grandes organizações. Na tomada de decisão em grupo, cada membro do grupo tem sua
própria compreensão do problema e da solução. Os membros do grupo participam na tomada
de decisões com diferentes capacidades e recursos de acção. A tomada de decisão do grupo, é
mais complexa do que decisões individuais, devido aos conflitos entre si os diferentes
decisores "os interesses próprios e preferências. Portanto, a comunicação e a interacção entre
os membros do grupo são muito importantes na tomada de decisão em grupo.
Como já foi referido anteriormente, decidir está nos dias de hoje, cada vez mais, a
crescer em complicação e dificuldade, devido à sobrecarga de informações e ambientes de
decis~o “flutuantes”. Com as Tecnologias de Informação e Sistemas de Comunicação, podemos
encontrar rapidamente e com facilidade grandes quantidades de informações e assim gerar
mais alternativas. No entanto, a mudança do ambiente impõe incertezas, que exigem decisões
dinâmicas e rápidas. O custo do erro pode ser elevado devido á complexidade das operações,
automação e a reacção em cadeia que o erro possa causar aos vários níveis de actividade da
Organização e externa a ela. Por estas razões, os decisores necessitam de suporte técnico para
os apoiar na qualidade das decisões e num curto espaço de tempo.
É bem entendido que o gestor não é uma peça isolada na estrutura das organizações,
sendo sim parte integrante do sistema de influências que lhe está inerente.
Não-Estruturada  Ad Hoc
 Não Programada
 Resumida
GESTÃO
 Pouco Frequente
ESTRATÉGICA  Prevesiva
 Externa
Para onde  Âmbito Lato
Queremos ir?  ou
Gestores Executivos Operacionais
GESTÃO TÁCTICA
Semi-Estruturadau
Operacionais Como Lá Chegar?
Gestores Intermédios
 Pré-especificada
GESTÃO OPERACIONAL  Programada
 Detalhada
Onde Estou?  Frequente
 Histórica
 Interna
Estruturada Gestores de 1ªLinha ou Operacionais  Âmbito restrito
 ou  ou
Esquema 1 - Informação necessária a diferentes níveis de gestão versus tipos de Decisão
Operacionais Operacionais
Na diversa literatura6 sobre o assunto, encontra-se entre outras, a seguinte classificação

para os diversos níveis da gestão:
 Gestores de 1ª linha - correspondem ao nível mais baixo da organização em que existe um
responsável afecto a determinada equipa de trabalho. Neste nível, e para além das 4 funções tipo
(ver página 11) que o gestor desempenha, é frequente que ele desempenhe ainda outra função: o
Executar. Estes gestores enquadram-se sobretudo no nível Operacional das organizações.
Estabelecesse a associação entre este nível de gestão e a pergunta (formulada do ponto de vista da
organização): Onde Estou?
 Gestores intermédios - dirigem as actividades dos gestores de 1ª linha, sendo também frequente
coordenarem o trabalho dos operacionais. Reportam a outros gestores e dirigem as actividades
que visam implementar as directrizes da empresa. Têm um enquadramento sobretudo Táctico. A
pergunta central que ocupa as pessoas neste nível de gestão é: Como lá chegar?
6 Referências:
Arsham, H., Applied Management Science: making good strategic decisions (http://home.ubalt.edu/ntsbarsh/opre640/opre640.htm)
Simon, H., Administrative Behavior
Stoner, J., Freeman, R., Gilbert Jr., D. , Management
14
 Gestores Executivos ou de topo - ocupam os lugares mais elevados da hierarquia organizacional,

sendo responsáveis pela gestão global da organização. Estes gestores preocupam-se com a
definição das linhas Estratégicas que traçam o rumo da organização: Para onde queremos ir?
A associação das tarefas de gestão aos diferentes níveis de gestão definidos na página
anterior não pode ser feita com base em regras de classificação rígidas, uma vez que existe
uma partilha dessas tarefas, que poderá ser distinguida com base no tempo afecto por cada
um dos níveis a essas mesmas tarefas. Estes níveis de gestão têm latente um determinado
grau de autoridade7 que está na base da modelação da estrutura formal da organização. Ou
seja, pode traduzir-se numa hierarquia. Esta hierarquia inerente aos níveis da gestão parece
estar fortemente correlacionada com a hierarquia de decisões. O comportamento dos
indivíduos que desempenham determinado papel ou função de gestão e/ou operacional é
orientado por objectivos.
O foco do processo de decisão pode ser:
 A selecção dos objectivos de negócio transversais à organização – tipicamente
os objectivos estratégicos, que se propõem a dar resposta a problemas pouco
estruturados (em que existem muitas vezes alternativas conflituosas e em que existe
elevado grau de incerteza e risco sobre a decisão tomada);
 A implementação desses objectivos – tipicamente de carácter operacional, que
dão resposta a problemas altamente estruturados, na medida em que são facilmente
determinados e em que as alternativas de acção são claras e bem definidas.
Tem que se falar em hierarquia porque o estabelecimento de objectivos pelos níveis de

gestão mais altos da hierarquia tem forçosamente impacto na implementação dos objectivos
dos níveis de gestão seguintes. Retomo aqui as funções e actos de Decidir e Executar. A tarefa
de atingir os objectivos de uma organização recai quase sempre sobre as pessoas nos níveis
mais baixos da hierarquia, que dedicam a maior parte do seu tempo ao Executar. Mas a
correcta definição dos objectivos terá de ser determinada pelos níveis superiores, cuja
principal afectação de actividades se centra no Decidir. Contudo, não se deve inferir que esta
hierarquização de objectivos é claramente definida e aceite – as organizações são complexas,
frequentemente multi-objectivos, que são alvo de ponderações (ou prioridades) em função de
níveis de import}ncia ou do grau de influência dos seus “patrocinadores”.
Visão
Missão
Inteligência
Valores Regras e
Cultura
Objectivos
Decisões Problemas
Não Estruturadas Pouco
Tomada de decisão de Nível Conhecimento estruturados
Impacto elevado Estratégico
Demoradas Para onde quero ir?
Risco elevado
Tomada de decisão de Nível Táctico
Informação
Semi-Estruturadas
Como lá chegar? e Modelos
Rotineiras
Rápidas
Tomada de decisão de Nível Operacional
Baixo nível de
consciência Dados Altamente
Onde estou? estruturados
Estruturadas Nº de Decisões
Esquema 2 – Hierarquia e niveis de Decisão
7 Entenda-se “Autoridade” neste contexto como o poder de tomar decisões que influenciam as acções de outros. Implica a noção de
“superior hier|rquico” e, consequentemente, de “subordinado”.
15
O acesso a informação de apoio à decisão ganhou o devido relevo e a extracção de

conhecimento e sabedoria da imensa quantidade de dados gerada pelos sistemas operacionais
através da aplicação de modelos tem hoje uma dimensão claramente estratégica. Os decisores
são encorajados a justificar as suas acções com base no conhecimento extraído dos dados,
pelo que é fundamental representar a importância do conjunto:
Dados - Modelos – Conhecimento - Inteligência.
Com o objectivo de apoiar o gestor a utilizar os dados e modelos inerentes ao seu

negócio de forma a dar resposta às 3 questões fundamentais que determinam o seu sucesso:
Para onde quero ir? Como lá chegar? Onde estou?
Figura 3 - Abstracto / Perguntas à decisão
PROCESSO DE DECISÃO
Como já referido antes, a decidir, é basicamente, a escolha de uma opção entre diversas
alternativas existentes, seguindo determinados passos previamente estabelecidos e
culminando na resolução de um problema de modo correcto ou não.
Na diversa literatura e fontes investigadas, alguns dos modelos de tomada de decisão
pressupõem que a tomada de decisão é sempre a solução um problema. Frequentemente, a
primeira etapa na decisão de processo é identificar o problema.
Pessoalmente não sou da opinião que o objectivo de cada decisão é resolver um
problema no sentido literal da palavra. Por exemplo, decidir sobre o desejo entre chocolate
escuro ou chocolate de leite não é por si mesmo, um quadro de problema mas sim a
necessidade de decidir entre alternativas. Compreendo também que, para algumas pessoas, a
tomada de decisões pode ser um problema! Mas isso não significa que eles são a mesma coisa.
No entanto, apesar da possível discussão de conceito relativamente ao objectivo do
processo de decisão, relativamente ao processo em si não existem muitas dúvidas.
Na generalidade dos casos, o Processo de Decisão começa com o reconhecimento e
assimilação de um problema de decisão, e termina com a escolha da solução final no meio de
16
finitas ou infinitas alternativas. O processo de decisão proposto por Herbert Simon8 (1977)
envolve três fases: Inteligência, Concepção e Escolha. Mais tarde, foi acrescentada uma quarta
fase: Implementação.9
O modelo em quatro fases, pode ser usado como guia para o desenvolvimento específico
de tomada de decisão. Diferentes decisores podem dar mais ênfase a uma fase em detrimento
de outra(s). Assim, como diferentes problemas de decisão podem necessitar de mais detalhes
ou sub-fases numa ou mais fases.
Actualmente existem tantos modelos a ilustrar o Processo de Decisão que obriga até a
que seja preciso decidir qual o modelo adequado á situação. Existem modelos racionais,
intuitivos, racional-iteractivos, irracionais assim como modelos com 5, 6, 7 e até com 9 fases10.
(McDermott, 2010)
O modelo abordado neste trabalho é um modelo típico com uma extensão ao Processo
de Decisão baseado no modelo básico de Simon (1997). O modelo envolve 6 fases tal como
ilustrado no esquema da página seguinte:
 Inteligência: Análise e identificação do problema;

o Determinar requisitos/necessidades
 Concepção: Desenvolvimento de alternativa;

o Estabelecer objectivos e metas
o Gerar Alternativas
 Comparação entre as alternativas;

o Determinar critérios
o Determinar riscos
 Classificação dos riscos de cada alternativa;

o Seleccionar um método
o Estabelecer prioridades e entre risco e solução
 Escolha: Escolher e avaliara melhor alternativa;

o Validar soluções
 Implementação: Execução e avaliação
Figura 4 - Abstracto / Chegar ao fim do processo de decisão

(Fonte: http://www.selfempoweringtips.com/)
8 http://en.wikipedia.org/wiki/Herbert_Simon
9 Ver resumo sobre a Teoria da Decisão e Modelos de Decisão, no final deste documento em “Literatura Complementar”
10 http://www.decision-making-confidence.com/9-step-decision-making-model.html
17
Descoberta do problema: Simplificação e

Qual é o problema? INTELIGÊNCIA Pressupostos
Problema
REALIDADE
Validação DA
CONCEPÇÃO do Modelo SITUAÇÃO
Descoberta das Alternativas

Quais são as soluções possíveis?
COMPARAÇÃO CLASSIFICAÇÃO
ALTERNATIVAS Riscos
RISCOS
Alternativa
Escolha da Solução: Verificação e teste

Qual é a melhor solução? ESCOLHA da Solução proposta
FALHA
Solução
IMPLEMENTAÇÃO RESULTADO SUCESSO
Implementação e teste da Solução:

A solução está a funcionar?
O que podemos fazer para melhorá-la?
Esquema 3 - Modelo Processo de Decisão em 6 Fases (extensão ao modelo básico de Simon)
PROCESSO DE DECISÃO NAS EMPRESAS

A função dos gestores de empresas é fundamentalmente uma função de decisão. Os
processos administrativos são basicamente processos de decisão. As decisões de gestão
afectam directamente a sobrevivência da empresa e a vida das pessoas que giram em torno
dela, sejam elas empregados, accionistas, fornecedores ou clientes. Por isso, quem decide é
exposto a inúmeros factores de influência. Todas as pessoas exigem dele um resultado
satisfatório. Muitas vezes, clientes, accionistas e empregados solicitam soluções diferentes e
até antagónicas para solucionar um mesmo problema. O cliente exige: qualidade, preço,
entrega e atendimento. Os accionistas exigem garantia de lucro e o retorno sobre o
investimento, combinados com o alcance das metas e com a imagem positiva da empresa e
dos seus produtos. E os empregados pressionam por melhores condições de trabalho,
incluindo melhores salários, garantia de emprego, assistência médica e odontológica, e outras
reivindicações mais específicas.
É necessário estabelecer prioridades, quando existem objectivos e posições antagónicas,
carências ou disputas de recursos e de informações; transformar os objectivos empresariais
em objectivos colectivos, por meio da participação e da visão do futuro que deve ser
partilhada com todos os membros da empresa. E é necessário, também, satisfazer os clientes
ou utilizadores, sem se descuidar dos interesses dos accionistas e das necessidades dos
empregados. As decisões são actos de poder, no momento em que reúnem recursos, definem
estratégias, conduzem o destino de empresas e de pessoas, os gestores assumem uma
dimensão política muito semelhante á de um governo. No quotidiano, a viabilização desse
processo, que, na maioria das vezes, é cheio de conflitos de interesses, exige objectivos
partilhados, liderança, comunicação efectiva e habilidade de negociação constante.
18
A informação é algo que alguém deseja obter e está disposto a pagar por ela; não é
tangível nem mensurável, mas é um produto valioso no mundo contemporâneo, porque
proporciona poder. O controle da informação é alvo de governos, empresas e pessoas. (Gates
1997). Tal como disse Bill Gates, a procura de informações é actualmente o maior alvo dos
governos e das empresas. É através da informação que é possível ter um melhor suporte ao
processo de decisão. É função das ferramentas, que vão dar suporte a este processo, levantar
as informações necessárias de uma forma rápida, confiável e exibi-las de uma forma
facilmente compreensível.
FACTORES QUE AFECTAM A DECISÃO

A necessidade de tomar uma decisão, aparece sempre que estamos perante um
problema que possui mais do que uma alternativa para a
sua resolução.
Todas as decisões têm consequências e envolvem
riscos. A situação de decidir é geralmente, dependendo
do tipo de problema, fonte de stress para quem decide e,
geralmente, após as tomadas de decisão importantes
acontece um relaxamento geral nos organismos dos
mesmos. Segundo alguns autores, em alguns casos e
diante de determinado perfil de decisor, o stress
provocado é marcado por claras manifestações
psicossomáticas, tais como dores de cabeça, perturbações
gástricas, manifestações de euforia, depressão ou outros
sintomas físicos.
Figura 5 - Abstracto/Soluções alternativas
Existem alguns factores que exercem influência ( Fonte: http://www.mcmullin.ca)
directa no processo de decisão. Antes de existir o
problema, já existem estes factores e, quando o problema surge, o mesmo é inserido num
cenário onde estes factores estão embutidos. Normalmente, estes factores não fazem parte
das variáveis que compõem o problema, ou mesmo das alternativas propostas para a solução
do mesmo, porém, estes factores estão sempre presentes e exercem influência na solução do
problema.
Factores que exercem influência individual
Factores de influência nas empresas
ou colectiva
 a necessidade de produtos ou serviços com qualidade;
 a inteligência e a cultura;  a necessidade de atendimento rápido e personalizado;
 o nível social;  a necessidade de preços competitivos;
 o sexo;  as condições impostas por clientes e/ou fornecedores;
 a religião;  as exigências dos governos e da sociedade;
 os costumes e as crenças;  a concorrência;
 a ética moral e a ética profissional;  as notícias dos media;
 a saúde física e mental;  as tecnologias utilizadas
 a influencia familiar , factor emocional, na  o melhor emprego dos recursos existentes;
hora exacta da tomada de decisão.  as normas existentes na empresa;
 a legislação em vigor;
 o meio ambiente.
Como se pode confirmar, tomar decisões no contexto actual é algo complexo. Administrar
esta complexidade é o desafio do gestor moderno. Boas ferramentas de suporte ao actual e moderno
processo de decisão são imprescindíveis.
19
II - BUSINESS INTELLIGENGE
CONCEITO
A descrição do conceito de Business Intelligence (BI) exige uma complexidade e uma
sensibilidade que ainda não tenho a 100% no entanto apoiado na diversa documentação
investigada aqui fica a minha contribuição.
“Entender o passado para compreender o presente e preparar o futuro.”
Esta frase, que se utiliza muito na actualidade, tantas vezes escutada nas aulas, para
descrever todo o conjunto de ferramentas de software das Tecnologias de Informação (TI)
que permitem tratar toda a informação, e ajudar os gestores na análise de decisões sobre os
negócios da empresa ou da organização, é algo recente? O BI pode ser meramente entendido
apenas no enquadramento de soluções TI? Eu humildemente não concordo!
Dou um exemplo concreto e real. Na construção da pirâmide de Kukulcán em Chichen
Itzá/México11, pela civilização Maya, por
volta de 800 d.C, não foi necessário estudar
e analisar o espaço físico, a posição dos
astros, principalmente do sistema solar, e
outros tantos pormenores? Não foi
necessário cruzar todas estas informações
de modo a decidirem da melhor forma no
que respeita à arquitectura? Claro que sim
e não devemos chamar a isso Business
Intelligence? Figura 6 - Pirâmide de Kukulcán (Mário Mineiro 2006)
A cultura Maya é apenas um exemplo. A história de Portugal foi feita a partir da recolha e
cruzamento de informações, análises efectuadas e muitas decisões tomadas!
Assim, Business Intelligence traduz-se na obtenção de Conhecimento e Sabedoria sobre a
actividade da organização e o processo pelo qual rentabilizam os seus dados, tendo em conta
o contexto em que ocorrem, de forma a tornar-se inteligentes, com base na exploração dos
Sistemas de Informação (SI) de que a organização dispõe, com o objectivo de optimizar os
diversos problemas de tomada de decisão inerentes à Organização. Esse Conhecimento
deverá ser estruturado com base em critérios chave, que permitam avaliar o estado actual da
actividade e fundamentar os planos de acção desenhados pela gestão de topo.
Segundo a maioria dos autores, o processo de obtenção de conhecimento em Business
Intelligence, é dividido em dois tipos tecnológicos12:
 Os Executive Information Systems (EIS) - gestão de SI com o objectivo de facilitar
e suportar a informação e as necessidades de tomada de decisão, fornecendo,
através de uma interface gráfica “amig|vel”, o acesso integrado à informação
externa e interna relevante à estratégia da organização. Os EIS auxiliam os gestores,
analistas e executivos nas suas análises, comparações e permitem monitorizar de
uma forma mais pormenorizada e completa o desempenho/performance da
11 http://pt.wikipedia.org/wiki/Chich%C3%A9n_Itz%C3%A1
12 http://blog.maia-intelligence.com/2008/02/26/business-intelligence-decision-support-systems/
20
organização, bem como identificar oportunidades e problemas. Um exemplo recente

dos EIS, são os dashboards digitais13.
 Os Sistemas de Suporte á Decisão (SAD/SSD) que vão ser explicados em detalhe
no segundo capítulo deste documento.
Os Sistemas de BI podem ajudar as organizações a tornar-se inteligentes, mas o seu

papel não é substituir os seus gestores, mas sim apoiar melhor o processo de decisão das
organizações. A inteligência reside na correcta definição dos problemas das organizações.
Mas, para os resolver, torna-se necessário dar mais um passo – alcançar a sabedoria. A
definição das soluções, dos caminhos para a resolução dos problemas. O BI torna as
organizações inteligentes. Cabe aos gestores torná-las sábias. (Nunes, 2007)
SABEDORIA & INTELIGENCIA
MENTE HUMANA EXPERIÊNCIA
Planos, Processos,
Implementação
Mudanças de sistema
e Uso
Tendências e Ferramentas
Padrões Analíticas
Aplicações de
Relatórios Data
Warehouse
Esquema 4- Modelo BI (Cavin Griffiths/Maio 2007)
Os Sistemas de BI providenciam pontos de vista históricos, correntes e de previsão das

operações organizacionais, na sua maioria através de dados recolhidos via sistemas de Data
Warehouse14 e ocasionalmente directamente através de dados operacionais.
Business Intelligence (BI) refers to computer- Os BI, assumem assim uma importância
based techniques used in spotting, digging-out, and de relevo no processo de decisão duma
analyzing 'hard' business data, such as sales revenue by organização porque:
products or departments or associated costs and incomes.
BI technologies provide historical, current, and predictive  De forma pró-activa identificam
views of business operations. Common functions of tendências de mercado e oportunidades
Business Intelligence technologies are reporting, online  Ajudam a prioritizar actividades para
analytical processing, analytics, data mining, business
performance management, benchmarking, text mining, assegurar o uso mais eficiente dos recursos
and predictive analytics. disponíveis e tomar decisões efectivas
Business Intelligence often aims to support better  Ajudam a tomar decisões inteligentes,
business decision-making. Thus a BI system can be called
a decision support system (DSS). Though the term informadas e assim contribuir para o sucesso
business intelligence is often used as a synonym for da organização
competitive intelligence, because they both support  Permitem ainda actuar nos resultados
decision making, BI uses technologies, processes, and
applications to analyze mostly internal, structured data de análises numa versão completa e
and business processes while competitive intelligence, is consistente de todos os dados da
done by gathering, analyzing and disseminating organização.
information with or without support from technology and
applications, and focuses on all-source information and
data (unstructured or structured), mostly external to, but
13 http://www.microstrategy.pt/digital-dashboard/
also internal to a company, to support decision making.
14 http://pt.wikipedia.org/wiki/Data_Warehouse
(Wikipedia (EN))
21
22
HISTÓRIA E EVOLUÇÃO
A história dos Sistemas de Business Inteligence é recente e começou em 1958, quando o
investigador da IBM Hans Peter Luhn15 num artigo16 usou pela primeira vez o termo “Business
Intelligence”. Nesse artigo, definiu inteligência The term "Business Intelligence" (BI) refers to
como:"the ability to apprehend the "the ability to apprehend the interrelationships of
interrelationships of presented facts in such a presented facts in such a way as to guide action towards
way as to guide action towards a desired goal." aPeter desired goal" (as declared by IBM researcher Hans
Luhn in 1958). In general, the purpose of business
(Luhn, 1958) intelligence is to enable better business decision making
Logo a seguir, durante a década de 60, (i.e. an example of "action" in Luhn's definition), closely
quando os computadores diminuíram de tied with business performance management (i.e. an
example of a "desired goal" in Luhn's definition).
tamanho e as empresas começaram a usar os Scientific advancements needed for the maturity of
dados como fonte de informações decisivas e technology adoption in business intelligence include
que através deles, poderiam obter potenciais business intelligence tooling, business intelligence
platforms that enable general BI capabilities like data
lucros, surge uma fase no fim dos anos 60que mining, analytics, reporting, online analytical processing
se pode designar por Pré-BI, período em que a (OLAP), etc.
 Related research topics include:
linguagem COBOL 17 , transístores e cartões  Enterprise data warehouse
perfurados, eram a realidade da Informática e  In-memory analytics
em que se olhava para o computador como um  Data mining
 Decision optimization: analytics, mining, rules,
desconhecido, um vislumbre de tecnologia filtering etc.
moderna, mas que ainda parecia ser uma  Data visualization & interaction with visualized
realidade distante. data
 Intelligent Search
As décadas seguintes foram marcadas  Business Intelligence as a Service (BIaaS)
pela uma evolução contínua das Tecnologias
de Informação (TI) e a necessidade cada vez (IBM Centers, 2010)
maior de guardar dados, gerar relatórios e a
utilização de ferramentas cada vez mais actuais e modernas. Na década de 70, o panorama
começou a mudar com o aparecimento de novas tecnologias de armazenamento e acesso a
dados – Direct Access Storage Device18 (DASD) e Data Management System19 (DBMS), duas
siglas cujo principal significado era o de estabelecer uma única fonte de dados para todo o
processamento. Assim, o computador passou a ser visto como um elemento de coordenação
central para actividades organizacionais e as bases de dados foram consideradas um recurso
básico para assegurar a vantagem competitiva no mercado.
No inicio dos anos 80, nasceu o conceito de Information Center (IC) ou Centro de
Informação (CI). A ideia de que utilizadores finais poderiam fazer as suas recolhas e análises
foi lentamente difundida. A peça que faltava era ter alguma orientação da ordem por trás da
selecção de ferramentas e as habilidades necessárias para usá-las. O número de utilizadores
capazes de realizar “magia” com dados com pouca assistência era bastante pequeno. A ideia
era que se podia ir a um local central: os CI e obter assistência daqueles cujo trabalho era
especializado nas Tecnologias de Informação e assim encurtar a curva de aprendizagem.
Os Centros de Informação (CI) tradicionalmente, foram criados como uma organização
de apoio central projectada para fornecer um conjunto de serviços para os utilizadores finais
e actuarem como elo de ligação entre as TI e os utilizadores “inexperientes”. Era um centro de
competência que prestava assistência inestimável para os utilizadores a aprenderem o uso
15 http://en.wikipedia.org/wiki/Hans_Peter_Luhn
16 IBM Journal, vol. 2, no. 4, p.314, “A Business Intelligence System”
17 http://pt.wikipedia.org/wiki/COBOL
18 http://en.wikipedia.org/wiki/Direct_access_storage_device
19 http://en.wikipedia.org/wiki/Database_management_system
23
adequado das ferramentas de suporte à organização. O CI era capaz de identificar onde

residiam os dados, como chegar a eles, recomendar as ferramentas e fornecer treino no seu
uso e suporte contínuo.
Apesar dos seus cerca de 30 anos de história, só em 1989, Howard Dresner20, um
analista da empresa americana de consultadoria Gartner Group21, tornou popular o termo de
BI ao propor Business Intelligence como sendo o “guarda-chuva” para os "concepts and
methods to improve business decision making by using fact-based support systems." (Dresner,
1989). Dresner fez referência ao processo inteligente da recolha, organização, análise, partilha
e monitorização de dados, de forma a gerar informações para o suporte de tomada de
decisões no ambiente de negócios. Só a partir de meados da década de 90 é que o termo foi
largamente difundido e usado.
No inicio dos anos 90, a maioria das grandes empresas contava somente com os Centros
de Informação (CI), que embora mantivessem as suas bases de dados, ofereciam pouca
disponibilidade de informação. Mesmo assim, os CI satisfizeram, de certa forma, as
necessidades dos executivos e detentores das tomadas de decisão, fornecendo relatórios e
informações à sua gestão. Neste período, o mercado passou a comportar-se dum modo mais
complexo e as Tecnologias da Informação progrediram rumo ao desenvolvimento e
melhoramento de ferramentas de software, as quais ofereciam informações precisas e no
momento oportuno para definir acções que tinham como foco a melhoria do desempenho das
organizações no mundo dos negócios.
Em 1992/93 surge o primeiro Data Warehouse22 que é uma grande base de dados
informativos, ou seja, um repositório único de dados (os quais foram consolidados, limpos e
uniformizados) considerado pelos especialistas no assunto como a peça essencial para a
execução prática de um projecto de BI e os processos de tratamento de informação: extracção,
integração, filtragem e modelação que traduzem a evolução tecnológica no BI.
Com o passar dos anos, o BI ganhou uma maior abrangência, e num processo de
evolução natural, paralelamente foram criadas um conjuntos de ferramentas tecnológicas –
EIS, SAD/SSD, entre tantas outras, com o objectivo de dinamizar a tomada de decisões e
refinar estratégias que melhor consigam responder aos objectivos delineados e de satisfazer
as necessidades dos clientes.
Chegamos à nossa época em que sistemas de BI, têm o poder de determinar a dianteira
frente à concorrência. Afinal, não basta saber o que o cliente deseja hoje, é preciso antecipar e
saber o que ele vai ambicionar daqui a cinco minutos. Esta é a diferença do sucesso.
Tradicionalmente, os sistemas de Business Intelligence pertenceram ao domínio do
pessoal de TI e dos especialistas em pesquisa de mercado, responsáveis pela extracção de
dados, pela implementação de processos e pela divulgação dos resultados aos executivos
responsáveis pela tomada de decisões. Mas o crescimento da Internet mudou tudo. Se até
então a aplicação desse conceito era a de levar informação a poucos empregados
seleccionados de uma empresa, para que fizessem uso em suas decisões, a Internet
transformou esse cenário. Hoje, a Internet permite disponibilizar soluções de BI para um
número maior de pessoas.
Performance Management ou Gestão de Performance/Desempenho é a nova geração de
BI, é um conjunto de processos que ajudam as organizações a optimizar a sua performance de
negócio. Obter respostas e actuar sobre elas, significa integrar, analisar, planear, e mensurar e
monitorizar – a todos os níveis da organização. Performance Management actua sobre
20 http://www.howarddresner.com/
21 http://www.gartner.com/
22 http://www.dwinfocenter.org/
24
medidas, planos e relatórios em cada área funcional para que sejam tomadas a melhores
decisões possíveis em todo o espectro de actividade e actuação da organização.
- Sistemas centralizados - Microcomputadores - Importância da TI

- Automatizar funções operacionais - Conhecimentos Ti - Evolução da tecnologia
- Processamento em larga escala - Utilizadores e Controlo de acesso - Sistemas integrados de SSD
- Aumento de eficiência - Altos executivos em TI - BUSINESS INTELLIGENCE 2.0
- Registos contabilísticos - Eficiência e produtividade
- Folhas de pagamentos - Impactos na competitividade
- Sistemas centralizados - Alinhamento com o negócio

- Aumento da velocidade - TI integrada às estratégias
- Redução de custos - Ampla informação disponível
- Relatórios - BOOM da Internet
- Implantação de departamentos intermédios
Esquema 5 - Evolução das TI versus BI
Este documento não estaria completo sobre a história e evolução dos sistemas de BI,
sem referir-se aos sistemas de Business Intelligence 2.0 (BI 2.0), o termo usado para referir a
nova geração de sistemas e software BI que é mais pró-activo do que reactivo.
A primeira geração de BI analisa informação envolvida em decisões orientadas para o
negócio, enquanto esta nova geração de BI 2.0 ajuda a tomar decisões antes ou no momento
do acontecimento de eventos. Por outro lado, enquanto os sistemas BI (1.0) analisam ou
apoiam decisões que já foram tomadas, os sistemas BI 2.0 calculam continuamente dados
(Open Loop), são flexíveis, adaptáveis e inteligentes (inteligência artificial) (Rout & Sahoo,
2009). Sobre este assunto está também no fim deste documento um artigo publicado por Neil
Raden em Fevereiro de 2007.
Traditional BI was within the organization in hands of few expert users. BI 2.0 will democratize BI and bring it to
masses. Traditionally BI was complex, difficult and architected for selected analysts. BI 2.0 architecture will open up
host of options for creativity with operational business users getting involved. This next generation BI 2.0 includes
visualization capabilities that let users see the relationships among data, interactivity that lets them manipulate the data
and an intuitive manner of working that suits the way business users think, for example, in asking new questions as they
arise. BI 2.0 tools are more intuitive for business users than traditional business intelligence tools, specialty software
and spreadsheets. They tend to be more adaptable and run faster and are organized around the user’s experience, not
the structure of the data.
Advantages of BI 2.0
 Highly Intuitive user interfaces that depict the cognitive models of the users, not the data models of the
applications, because they are focused on the user experience, not the data.
 Ability to package analytical work and distribute it, not as reports, but as interactive applications that allow the
viewer to engage at the level they are comfortable with-asking and answering their own questions on demand.
 Guides that assist people in accomplishing their goals without having to start with a clean sheet with good user
experience.
 Central administration that is capable of managing security in granular manner, managing versioning,
collaboration and dependencies.
 BI 2.0 Analytics needs, not to just save time but to give back time.
. (Sanjay Mehta (CEO, MAIA Intelligence ), 2010)
25
ARQUITECTURA E COMPONENTES
O conceito de Business Intelligence significa coisas diferentes em diferentes domínios. Do
ponto de vista técnico dos sistemas de informação, BI refere-se ao processo de extrair,
transformar, gerir e analisar dados organizacionais, de forma a apoiar o processo de decisão.
Este processo é orientado a grandes volumes de dados “BI, considerado por alguns,
com o objectivo de disseminar “inteligência e também como espionagem industrial
sabedoria” ou conhecimento por toda a organizaç~o, com o objectivo de recolha de
desde o nível estratégico ao táctico e operacional. informações” (McGuigan, 16Mar2010)
Relacionado com o processo de lidar com dados, BI
referem-se ainda a tecnologias, aplicações e praticas para a recolha, integração, análise, e
apresentação da informação, tais como o Data Warehousing (DW), Data Marts23 (DM), On-line
Analytical Processing24 (OLAP), Reporting25 e Data Mining26, entre outras, que na página
seguinte quando se descrevem os componentes de BI, é visível o seu papel num sistema de BI.
Uma arquitectura BI ideal, consiste num processo em cinco etapas chave27 (CSIRO 2003):
1. Fonte de Dados (Data Sourcing) – Um sistema de BI é capaz de extrair dados de
múltiplas fontes de dados, representando diferentes sectores empresariais, tais
como marketing, produção, recursos humanos e finanças. Os dados extraídos devem
ser “limpos”, tranformados e integrados para an|lise.
2. Análise de Dados (Data Analysis) – Nesta etapa, os dados são convertidos em
informação ou conhecimento através de diferentes técnicas de análise de dados, tais
como Enterprise Reporting8, Data Modeling 28 , Visualização e Data Mining. Os
resultados da análise de dados ajudam os gestores a terem uma melhor
compreensão do ambiente da organização e a tomarem melhores decisões
3. Situation Awareness (SA) – é a profunda compreensão da situação envolvente e
actual da decisão, baseada nos resultados da análise de dados. SA é um pré-requisito
chave para tomar decisões. Os sistemas BI devem ser capazes em ajudar os
decisores a desenvolverem uma boa SA sobre as suas decisões.
4. Análise de Risco – Uma boa SA pode ajudar os gestores a preverem o futuro,
identificar ameaças e oportunidades, em assim responder de acordo. No entanto,
actualmente os negócios são envolvidos num crescente ambiente complexo. O
processo de decisão sofre riscos internos e externos á organização. A análise desse
risco é uma função importante dos BI.
5. Apoio à decisão – O objectivo final dos BI é ajudar os gestores a tomar decisões com
sabedoria baseadas nos dados actuais da sua actividade.
Esquema 6 - Cinco Etapas Chave do Processo de BI
23 http://pt.wikipedia.org/wiki/Data_mart
24 http://pt.wikipedia.org/wiki/OLAP
25 http://en.wikipedia.org/wiki/Report#Enterprise_reporting
26 http://pt.wikipedia.org/wiki/Minera%C3%A7%C3%A3o_de_dados
27 http://www.cmis.csiro.au/bi/what-is-BI.htm
28 http://www.learndatamodeling.com/
26
COMPONENTES DUM SISTEMA DE BI

Nos diversos documentos consultados sobre o assunto, existem diferentes termos para
identificar os componentes num sistema de BI e nalguns casos até o numero dos que o
compõem, não é a mesma. Apesar de alguma subjectividade
no assunto, encontram-se algumas certezas, e uma delas é
que o lado tecnológico dos sistemas de BI é frequentemente
composto por diversos componentes. Dependendo de quais
as metas a atingir pelo BI e de acordo com o processo tipo e a
etapas implementadas, podem-se adicionar ou remover
componentes e assim definir a estrutura tecnológica do
sistema. O uso de diversas tecnologias e ferramentas de BI
dependerá do tipo de estrutura.
Depois de alguma investigação, rapidamente se percebe
que a diferença de termos e conceitos diverge apenas no
tempo em que foram publicados, resultado da rapidez do
desenvolvimento dos sistemas BI. Actualmente, os Figura 7 - Abstracto Componentes BI
(Google Image Search)
componentes29 numa arquitectura típica de BI para satisfazer
as 5 etapas chave apontadas antes e directamente relacionadas com níveis organizacionais,
consistem em quatro apontados tipicamente mais um Módulo de Gestão de Metadados -
Metadata Management Module30 (ver Esquema 7):
 Fontes de dados (Data Sources) - Nível Sistemas Operacionais

Tipicamente sistemas transaccionais usados para levar a cabo a actividade da
organização. Estes incluem sistemas Enterprise Resource Planning31 (ERP), ”Logs” de
servidores Web, Sistemas de Fabrico/Produção, OLTP32, etc. Em alguns casos, os dados
podem ser recolhidos manualmente numa folha de papel. No entanto, devemos ter em
mente que, a partir de determinado ponto todos os dados devem residem num sistema
para ser acedido pelos componentes de Movimentos de dados.
As fontes de dados dum sistema BI encontram-se ao nível dos sistemas operacionais,
tais como Online Transaction Processing (OLTP) que apoiam as operações diárias da
organização, tais como processamento de ordens de clientes, sistemas financeiros,
sistemas gestão de recursos humanos.
 Movimento de dados (Data Movement) - Nível Aquisição Dados

É o inicio de uma solução técnica robusta. Ao mover dados das fontes de dados, está a
isolar e minimizar o impacto no desempenho dos sistemas críticos à actividade da
organização e a fornecer a oportunidade para mais ajustes de performance às consultas
(Queries). Outro ponto a ter em conta: não se está apenas a mover dados, mas também a
reorganizá-los duma forma que a sua recolha para o processo de Reporting será mais fácil
e rápida. O componente “Movimento de Dados” é um componente de pré-processamento
de dados que inclui 3 fases: Extrair, Transformar e Carregar (Extract Transform Load –
ETL). Uma organização normalmente tem diferentes sistemas operacionais e
transaccionais (OLTP) a produzir elevadas quantidades de dados. Estes dados são
primeiro extraídos dos sistemas OLTP através do processo ETL e depois transformados
29 Os termos para designar os componentes estarão em Português e na sua forma original em Inglês.
30 Codd et al. 1993; Inmon 2002
31 http://pt.wikipedia.org/wiki/ERP
32 http://pt.wikipedia.org/wiki/OLTP
27
de acordo com determinadas regras. Os dados transformados são limpos, unificados, e

agregados e finalmente carregados num sistema central de Data Warehouse. ETL é mais
fundamental dos componentes dum sistema de BI porque a qualidade dos dados
processados por todos os outros componentes a montante dependem do processo ETL.
Na concepção e desenvolvimento do ETL, qualidade de dados, flexibilidade e velocidade
de processamento são as maiores preocupações.
 Armazenamento de dados (Data Storage)

Os dados movidos das fontes de dados através do processo ETL, têm que ser
armazenados num Data Warehouse que é tradicionalmente implementado pelo uso de
Sistemas de Gestão de Base de Dados Relacionais – Relational Database Management
Systems33 (RDBMS). Um RDBMS é concebido para suportar o processamento do processo
ETL. Por contraste, um Data Warehouse é orientado a assuntos, variações-tempo, dados
não voláteis e integrados (Inmon 1993) 34. Os dados, dos sistemas OLTP da organização
s~o “ETL” no Data Warehouse baseados em esquemas pré-definidos. O esquema em
Estrela (Star Schema) e o Snowflake Schema são os esquemas mais populares.
Uma base de dados configurada para um sistema transaccional é radicalmente
diferente que uma base de dados (ex: Data Warehouse, Data Marts) configurada para BI.
Num sistema transaccional, o objectivo é recuperar um registo tão rápido quanto possível.
Entretanto, uma base de dados dum sistema BI irá adquirir milhões de registos, sumarizá-
los e depois retornar um resultado conciso. Não importa que tipo de esquema se use na
concepção de um Data Warehouse, o DW inclui sempre dois tipos básicos de tabelas: fact
tables e dimension tables.
 Apresentação de Dados (Data Presentation) – Nível Analítico

Este componente é o interface do utilizador aos dados, que fornece a capacidade para
recolha de dados dos Sistemas de Armazenamento e processá-los para visualização
(Output). A visualização aparece em várias formas que incluem Relatórios, Dashboards35,
RSS Feeds, Desktop Widgets36, Aplicações móveis (PDA/WAP), etc. São várias as aplicações
analíticas desenvolvidas para satisfação das necessidades deste este último componente e
nível Analítico do sistema de BI: Os sistemas de BI suportam dois tipos básicos de funções
analíticas: Reporting e Online Analytical Processing (OLAP).
Além de Reporting e OLAP, existem
outros tipos de aplicações analíticas que
podem ser usadas tendo como base o DW,
tais como Data Mining, Executive Dashboards,
Customer Relationship Management (CRM), e
Business Performance Management (BPM).
Tecnicamente estas aplicações não são
necessariamente usadas com base num DW.
No entanto, integrá-las em sistemas DW
tornou-se uma prática comum em muitos
sistemas BI. Figura 8 - Exemplo de Dashboard (Fonte: infovis.net)
33 http://en.wikipedia.org/wiki/Relational_database_management_system
34 Esta é a definição original de DW. Os sistemas actuais de DW podem ser do âmbito de toda a organização e os dados podem ser
actualizados por sistemas BI em tempo diferido, instância ou em tempo real.
35 http://pt.wikipedia.org/wiki/Dashboard
36 http://en.wikipedia.org/wiki/Widget_engine#Desktop_widgets
28
 Gestão de Metadados (Metadata Management)

Metadados são um tipo especial de dados sobre outros dados (DW, Regras de negócio,
Autorização de acessos) e duma forma diferente como são extraídos e transformados.
Os Metadados são cruciais para produzir informação com exactidão, consistência e
manutenção do sistema. Afecta o processo global de concepção, desenvolvimento, testes,
implementação e uso de sistemas BI (Caserta 2004; Inmon 2002).
Multiplas Fontes de Dados Movimento Dados Armazenamento Apresentação de Dados
Sistemas Operacionais Aquisição Dados de Dados Ferramentas BI Utilizador
EXTRAIR
SAD
DM DM
OLAP EIS
TRANSFORMAR DM
Consultas
BSC
OLTP Base Reporting
Dados
RH Intermédia Etc..
CARREGAR
DW
Finanças Data Mining
ETL
Gestão de Metadados
Esquema 7 - Arquitectura e Componentes de um Sistema BI Típico
Os componentes da arquitectura do sistema de BI, cooperam entre eles de forma a

facilitar as funções básicas do sistema: extrair dados dos sistemas operacionais da
organização, armazenar os dados extraídos num DW central, e recuperar os dados
armazenados para várias aplicações de análise.
E aqui vale destacar que informações a princípio desconexas e sem relação aparente
podem, quando correctamente analisadas, mostrar um padrão de comportamento, capaz de
proporcionar um resultado nunca antes imaginado. São informações preciosas que podem por
exemplo, levar desde a criação de um novo produto ou serviço ou adequação de um já
existente até a criação de uma campanha de marketing bem sucedida, de forma a fazer a
diferença entre as demais organizações.
FERRAMENTAS COMERCIAIS
Actualmente, a variedade de aplicações de software que se acomodam sob o imenso
guarda-chuva baptizado de Business Intelligence é muito elevada e continua em constante
evolução. Existem diversas categorias de componentes de software e muitas empresas
fornecedoras com diferentes tamanhos, custos e capacidades. No actual leque de ofertas,
encontram-se desde pacotes configuráveis, até ferramentas isoladas e inclusive soluções que
permitem às organizações se aventurarem no desenvolvimento de um sistema totalmente
caseiro e personalizado. Encontramos desde os simples dashboards, geradores de consultas
(queries) e relatórios, Sistemas de Apoio à Decisão (Decision Support Systems – DSS), EIS
(Executive Information System), ferramentas OLAP (On-line Analytical Processing), – e suas
derivadas como ROLAP, MOLAP, HOLAP e DOLAP, ferramentas de BAM (Business Activity
Monitoring), até soluções mais sofisticadas, como as ferramentas de Back End– como os ETL,
29
Metadados, BPM (Business Performace Monitoring) e Data Mining. O que todas estas
ferramentas têm em comum é a característica de facilitar a transformação dos dados em
informações “amig|veis” de forma a auxiliar os diversos níveis de uma empresa na tomada de
decisões. A escolha por uma ou outra ferramenta, depende basicamente da necessidade
específica de cada empresa e da sua capacidade de investimento. O que os especialistas de BI
das organizações devem ter em mente é adoptar ferramentas que permitam aceder a detalhes
pertinente das bases volumosas de dados, com o menor custo e mantendo o desempenho, sem
perder a integração.
Exemplo de categorias para aplicações de Software de BI:
 Database Management Systems (DBMS)
 Ferramentas de Data Extraction and Integration (DEI):
o Ferramentas ETL
Exemplos de Software
o Ferramentas de Data warehouse  SAS Business Intelligence
 Ferramentas para “Querying” e “Reporting”: http://www.sas.com/technologies/bi/
 IBM Cognos Business Intelligence
o Ad Hoc Queries www.ibm.com
o Pivot Tables  SAP BusinessObjects BI
www.sap.com
o Report Management  Oracle Hyperion
o Trend Analysis http://www.oracle.com/
 Sybase IQ
o OLAP e Cubos OLAP http://www.sybase.com
o Notificação e Alertas  SPSS (Agora da IBM)
http://www.spss.com/
 Interfaces de Utilizador (Data Visualisation)  The Bee Project
o Graphing http://sourceforge.net/projects/bee/
 JasperSoft BI Suite
o Business Dashboards http://www.jaspersoft.com/
o Excel Dashboards  Openi
http://openi.org/
o Scorecards  Pentaho
o Mobile Access http://ww.pentaho.com
o GIS (Geographical Information Systems)

O instituto Forrester, em 2008, disponibilizou um relatório37 onde faz a avaliação de
ferramentas e plataformas comerciais de BI. O Relatório apresenta ainda uma visão actual do
conceito de BI. Forrester define
BI como um conjunto de
metodologias, processos,
arquitecturas e tecnologias que
transformam dados brutos em
informação representativa e
útil, usada para permitir
insights e tomadas de decisão
mais efectivas nos níveis
estratégico, táctico e
operacional. O relatório,
apresenta ainda uma vasta lista
de ferramentas de BI, que vai
muito além do ultrapassado
conceito de apenas “relatórios e
an|lises”.
Tabela 2 - The Forrester WaveTM: Enterprise BI Plataforms, Q2'08
37The Forrester Wave™: Enterprise Business Intelligence Platforms, Q3 2008, por Boris Evelson e outros, 2008-07-31
(http://www.sas.com/news/analysts/forresterwave_bi_0708.pdf)
30
LIMITAÇÕES DOS SISTEMAS DE BI

Os sistemas de Business intelligence prometem transformar dados em conhecimento e
ajudar os gestores a sobreviver ao “tsunami” de dados e informações e eventualmente ter
sucesso na tomada de decisões. No entanto, os sistemas BI como já foi referido anteriormente,
são sistemas orientados a dados e de apoio à decisão. Os sistemas BI actuais apenas
parcialmente apoiam o trabalho dos gestores (Singh et al. 2002). A ênfase na análise é dada a
manipulação de volumes elevados de dados, ao invés de apoiarem os gestores na tomada de
decisões na perspectiva cognitiva.
Um sistema BI é capaz de fornecer aos gestores quantidades elevadas de dados internos
e externos á organização, mas mais dados não é igual a informação mais valiosa (Endsley et al.
2003). Por um lado, a função Reporting é principalmente uma representação de informação
pré-definida. Isto é, os relatórios da organização são gerados em modelos fixos em tipo e
forma ao serem executadas consultas pré-configuradas e definidas ao DW. Os relatórios pré-
definidos são eficientes e efectivos no caso de eventos de negócios estruturados e repetitivos,
por exemplo relatórios periódicos (diários, semanais, mensais, trimestrais e anuais) de
vendas dum produto. No entanto, relatórios pré-definidos não são nada flexíveis como muitos
eventos mal estruturados ou imprevisíveis requerem, como por exemplo, campanhas de
marketing imprevisíveis e pontuais. Por outro lado, Análises ad-hoc baseadas em OLAP
fornecem aos gestores o total controlo dos seus dados. Os gestores podem facilmente obter
qualquer informação ou dado do seu interesse ao seleccionar objectos de análise e
personalizar a dimensão da análise. (Li Niu, 2009)
Um estudo realizado em 2006 pelo Economist Intelligence Unit38 (2006) revela que 73%
dos gestores de topo concordam que é importante ter menos mas mais dados atempados para
melhorar a qualidade e velocidade da tomada de decisões. Este resultado comprova o
resultado da investigação de Sutcliffe and Weber (2003) sobre a exactidão do conhecimento.
A investigação indica que ter muitos factos sobre uma situação de decisão é menos
importante que ter uma clara e consistente ideia. Muitos criticam o conceito actual de
dashboards e a sua ênfase no melhoramento das funcionalidades de análise de dados
enquanto ficam muito aquém das considerações cognitivas das situações. Em 2007 um
relatório do grupo InfoWorld Media revela que “BI has a reputation for being a resource sink
that delivers reports almost no one reads. It doesn't have to be that way. And you can no longer
afford to let it be” (Gruman 2007, p. 22).
Critical Success Factors of Business Intelligence Implementation

Although there could be many factors that could affect the implementation
process of a BI system, a research by 'Naveen K. Vodapalli' shows, the
following are the critical success factors for a business intelligence
implementation:
 Business driven methodology & project management
 Clear vision & planning
 Committed management support & sponsorship
 Data management & quality issues
 Mapping the solutions to the user requirements
 Performance considerations of the BI system
 Robust & extensible framework
(Wikipedia (EN))
38 http://www.eiu.com/
31
IMPACTO E FUTURO
Semanas para obter relatórios sobre a actividade e o desempenho da organização, para
só então corrigir decisões e estipular novas acções. Hoje é inconcebível que essas correcções
de rumo, ou mesmo novas estratégias, se baseiem apenas no "feeling" dos executivos das
organizações. A demora para tomar de decisão e planeamentos orientados apenas pelas
impressões e intuição dos gestores aos diversos níveis de gestão pode induzir em erros e
condenar a organização, no mínimo, a perder pontos para a concorrência e reduzir o seu
poder de competitividade, o que numa economia global pode ser fatal. Se no passado recente
era apenas imprescindível implementar sistemas transaccionais para automatizar as
operações e optimizar os processos de trabalho, de forma a integrar a organização como um
todo, já se começa a perceber que apenas isso não é mais suficiente. É preciso ir mais além.
Com base nesse cenário, organizações de todos os tipos, porte e ramos de actividade
começam a direccionar os investimentos em projectos de Business Intelligence (BI).
Com o avanço das ferramentas de produtividade individual no trabalho e o maior nível
de automação e informatização dos processos de negócios, os gestores tendem a gastar mais
tempo a planear e analisar a actividade da sua organização.
Assim, ferramentas de extracção e correlação de dados, relatórios pré-formatados e
acompanhamento de índices de performance terão o seu uso crescente nos próximos anos.
Muitos factores colaboram para o crescimento do sector de BI, entre os quais a globalização,
ambiente de negócios mais complexo, mais rápido e mutável, o crescimento das operações via
Internet e a evolução da tecnologia Wireless (dispositivos móveis e redes sem fio), que no
conjunto forçam as organizações a não procurar apenas maior eficiência, como também, e
principalmente, a serem mais ágeis nas decisões e em acções efectivas. E, em consequência, a
investir em soluções e ferramentas tecnológicas que as auxiliem nesse sentido.
Pelo muito que actualmente se escreve, pela rapidez de desenvolvimento e procura das
organizações para implementar sistemas de Business Intelligence, estamos a ir pelo “bom
caminho”, ou para alguns, na direcção certa. E porquê? Porque cada vez mais, as necessidades
empresariais são maiores, não somente da satisfação do cliente, mas também dos tempos de
execução, de um maior retorno do investimento e fundamentalmente, de uma necessidade
cada vez maior de tomar decisões correctas.
The future of business intelligence E de que maneira podemos
A 2009 Gartner paper predicted these developments in garantir o sucesso destes factores? Em
business intelligence market primeiro lugar, por um aumento da
 Because of lack of information, processes, and tools, capacidade intrínseca dos gestores,
through 2012, more than 35 percent of the top 5,000 analistas e técnicos em BI
global companies will regularly fail to make insightful
decisions about significant changes in their business Em segundo lugar, por um maior
and markets. manuseamento dos
 By 2012, business units will control at least 40 funcionários/departamentos de uma
percent of the total budget for business intelligence. empresa, em ferramentas BI,
 By 2010, 20 per cent of organizations will have an garantindo não apenas, mais e melhor
industry-specific analytic application delivered via
software as a service as a standard component of informação, mas também, uma maior
their business intelligence portfolio. visibilidade na performance do
 In 2009, collaborative decision making will emerge as segmento do seu negócio. Por fim, não
a new product category that combines social menos importantes, a credibilidade das
software with business intelligence platform organizações na informação em tempo
capabilities.
 By 2012, one-third of analytic applications applied to real, a crescente necessidade dos
business processes will be delivered through coarse- gestores empresariais efectuarem
grained application mashups. (Wikipedia (EN)) análises em tempo real.
32
Investimentos crescentes em Business Intelligence indicam que podem trazer valor para
as organizações. Benefícios tais como a capacidade de tomar decisões pertinentes e oportunas
podem ser de enorme valor quando o uso das informações existentes tornou-se mais uma
questão de sobrevivência ou falência de uma organização, de lucros ou perdas.
Na contínua evolução dos sistemas de BI, actualmente fala-se muito em Business
Intelligence 2.0. O termo BI 2.0 tal como já descrito na parte da história e evolução de BI,
refere-se de forma geral à próxima geração de BI, da mesma forma que Web 2.0 refere-se à
próxima geração da Web. Relatórios estáticos criados por equipas de TI sobrecarregadas e
apresentados sob a forma de páginas e páginas de dados tabulares estão certamente com os
seus dias contados. Actualmente, os utilizadores querem outras opções quando precisam de
informações sobre negócios; eles querem informações precisas e em tempo real; desejam
tocar e visualizar interactivamente as informações; querem ter a possibilidade de fazer
alterações nos relatórios imediatamente; precisam do acesso a qualquer hora e em qualquer
lugar às informações; e querem partilhar facilmente as informações com outros utilizadores.
Da mesma forma que a Web 2.0 enfatiza a colaboração on-line, e adopta tecnologias tais
como XML, RSS e AJAX, tudo isto faz parte do BI 2.0. O termo BI 2.0 é reservado para se referir
à próxima geração de BI e às tecnologias e recursos específicos de BI que isto engloba.
Os sistemas de BI assumem um papel cada vez mais crítico no amanhã cada vez mais
rápido, cada vez mais global, cada vez mais competitivo de uma organização. Para atender a
essas necessidades, os futuros sistemas de BI devem ser em tempo-real ou quase em tempo-
real, pró-activos e partilháveis. Os utilizadores estão cada vez mais a exigir essas capacidades
e fornecedores de software começam a responder. Antevê-se um futuro brilhante e emergente
para business intelligence.
BI BI 2.0
Comunidades de utilizadores dinâmicas, colaboração activa e partilha
Consumo estático de relatórios
imediata das informações
Fornecimento de informações dinâmicas e interactivas, com
Envio e apresentação de relatórios estáticos para os utilizadors utilizadores que elaboram os seus próprios relatórios ou assinando
as informações que necessitam
Soluções económicas e rentáveis disponibilizadas para a organização
Função de alto custo e considerada um luxo dentro da organização
como um todo
BI para todos dentro da organização, na medida em que for
BI para uns poucos utilizadores especializados
necessário
Relatórios orientados para impressão Aplicações de geração de relatórios interativas e baseadas na Web
Gráficos com barras estáticas e gráficos circulares segmentados Visualização de dados intuitiva, dinâmica e interactiva
OLAP com outras alternativas inovadoras, menos complexas e de alto
OLAP para análise
desempenho e geração ad hoc de relatórios
Instalação, upgrade e uso complexo e de alto consumo de tempo Instalação, upgrade e uso simplificados
Relatórios integrados com eventos e processos automatizados;
Relatórios baseados no desktop ou em HTML estático
relatórios como serviços da Web (via XML)
Aplicações de geração de relatórios para desktop, com Active-X e Aplicações baseadas na Web com ambientes e interfaces altamente
smart client interactivos
Parâmetros de pesquisa pré-definidos Pesquisas dinâmicas ou de estilo livre e exploração de dados
Conjunto ampliado de tipos de dados suportados, inclusive dados não
Dados estruturados estruturados e Serviços XML da Web, assim como misturas de
conteúdo
Relatórios em tempo real e quase em tempo real, assim como análise
Análise pós-facto devido à latência dos dados
para a resolução de problemas críticos ou operacionais
Licenciamento de software por servidor para um número ilimitado
Licenciamento de software por utilizador
de utilizadores ou licenciamento baseado em assinatura
Conjunto de recursos e funcionalidade completos de BI, oferecidos
Componentes de BI discrepantes e oferecidos em pacotes separados
numa plataforma aberta e unificada
Tabela 3 - Comparação entre BI e BI 2.0
33
III – SISTEMAS DE APOIO À DECISÃO

O processo de decisão, é pela sua natureza, um processo cognitivo, envolvendo
diferentes tarefas cognitivas, como recolher informações, avaliar a situação, gerar e
seleccionar alternativas e implementá-las. O acto de decidir nunca é à prova de erros, os
decisores como seres humanos, são propensos às suas facetas cognitivas. Portanto, os
Sistemas de Apoio à decisão são usados pelos decisores para minimizarem os seus erros
cognitivos e maximizarem o desempenho das suas acções.
CONCEITO
Os Sistemas de Apoio a Decisão (SAD) têm como função a de auxiliarem no processo de
tomada de decisão oferecendo informações nas áreas de planeamento estratégico, controle
táctico ou de gestão e controle operacional para os utilizadores finais. O facto de um Sistema
de Apoio à Decisão fornecer informações e subsídios que contribuem para o processo de
tomada de decisão, diferencia-o dos demais tipos de Sistemas de Informação.
Os SAD/SSD inserem-se no contexto bastante amplo dos Sistemas de Informação (SI) e
das ciências de gestão (MS - Management Sciences). Os SI evoluíram a par da tecnologia
adoptando grande variedade de nomes. Os meios de processamento electrónico de dados
(EDP - Electronic Data Processing) foram melhorados através dos sistemas de informação
aplicados á gestão (MIS – Management Information Systems), da burótica (office automation) e
finalmente através dos sistemas de apoio á decisão (Decision Support Systems). Ao mesmo
tempo, muito do esforço de análise inicialmente desenvolvido sob títulos como ciências de
gestão, investigação operacional, simulação, técnicas quantitativas e análise estatística,
convergiu para os SI, pois tal análise é, agora, impensável sem recurso a meios de cálculo
automático. Vendo os SAD/SSD, por um lado, como instância evolutiva dos SI, por outro como
ponto de convergência de utilização de diversas técnicas de análise, e por outro como umas
das plataformas tecnológicas do sistemas BI, compreende-se a dificuldade de os definir
completa e rigorosamente.
Assim, uma das possíveis definições é a de que os Sistemas de Apoio à Decisão39 são
sistemas de informação computacionais complexos que permitem acesso total à base de
dados da organização, modelação de problemas, simulações, possuem um interface amigável,
e além disso, auxiliam os gestores em todas as fases do processo de tomada de decisão,
principalmente, nas etapas de concepção, comparação e classificação dos riscos, além de
fornecer subsídios para a escolha de uma boa alternativa.
O conceito dos Sistemas de Apoio à decisão, também conhecidos como Sistemas de
Suporte à Decisão que deriva da tradução directa do termo original em inglês Decision Support
System (DSS), surgiu por necessidade no inicio dos anos 70, devido a factores como, a
crescente competição entre as organizações, a necessidade de informações mais rápidas para
tomar decisões, entre outros. O conceito estimulou grande interesse na investigação e nas
suas aplicações. Gorry e Scott-Morton (1971) definem SAD/SSD/DSS como “interactive
computer-based systems which help decision makers utilize data and models to solve ill-
39 Considerando apenas o âmbito dos sistemas de informação e que surgiram a partir dos sistemas transaccionais e utilizam
modelos para solucionar problemas não estruturados
34
structured problems”. Uma definição subsequente de Keen e Scott-Morton (1978), diz que os
sistemas SAD/SSD juntam os recursos intelectuais do indivíduo com as capacidades do
computador para melhorar a qualidade das suas decisões.
Inicialmente estes sistemas eram executados em grande parte em mainframes, eram
vistos como uma nova geração nos Sistemas de Gestão de Informação, que na altura, eram
relativamente “armazéns” de dados organizacionais inflexíveis.
Os SAD/SSD, são destinados a apoiar, ao invés de substituir, o papel de decisão dos
gestores na resolução de problemas. As capacidades dos decisores são estendidas através do
uso de sistemas SAD/SSD particularmente em situações de decisões mal estruturadas. Neste
caso uma solução satisfatória em detrimento de uma óptima, pode ser a meta do processo de
decisão. Resolver e solucionar problemas mal estruturados, com frequência depende da
interacção repetida entre o decisor e o SAD/SSD.
O processo de decisão num SAD/SSD desenrola-se através da interacção do utilizador
com um ambiente de apoio à decisão especialmente criado para dar subsídio às decisões a
serem tomadas. Os gestores criam as informações que necessitam para vários tipos de
decisões num sistema interactivo de informação computadorizado que utiliza modelos de
decisão e bases de dados especializadas para auxiliar os processos de tomada de decisão. Um
SAD/SSD também serve para auxiliar a resolução de problemas estruturados
Outro conceito relacionado com os SAD/SSD, é o dos sistemas interactivos, que auxiliam
na resolução de problemas não-estruturados por um conjunto de decisores que trabalham
juntos como um grupo. Este tipo de SAD, denomina-se Sistemas de Apoio à Decisão a Grupos40
(SADG). Este sistema auxilia grupos, especialmente grupos de gestores, na análise de
situações problemáticas e na realização de tarefas de tomada de decisão do grupo.
Também, se falarmos em SAD/SSD com a capacidade de classificação cognitiva nas
funções de decidir e baseados em inteligência artificial (AI) ou tecnologias agentes de
inteligência estamos a falar de Sistemas Inteligentes de Apoio à Decisão (SIAD)41.
Sistemas
Sistemas de Apoio Processamento
à Gestão (MSS) Transacionais
(TPS)
Sistemas
Gestão
Informação
Sistemas (MIS)
Sistemas
EIS Apoio Informação
Decisão
Executivos Sistemas
(SAD & (EIS) Inteligentes
Estratégico SAD SADG)
(ES)
SADG
Sistemas
Hibridos
Táctico Redes
OIS MIS Neurais
Sistemas (NN)
Fuzzy Logic
Operacional TPS Esquema 9 - Os SAD versus outros Sistemas de Gestão
Esquema 8- Relação entre os Sistemas de Informação e os Níveis de Gestão

40Mais explicação sobre este conceito est| disponível no fim deste documento em “Literatura Complementar”
41Referência: Sistemas Inteligentes de Apoio à Decisão de Marley Maria B. Rebuzzi Vellasco, Marco Aurélio Cavalcanti Pacheco
OIS – Office Information System - Sistema de Informação de Escritório - Suporta os restantes sistemas de informação, fornecendo-lhes
uma infra-estrutura para o fluxo de dados e informação por toda a organização e não apenas no escritório. Actualmente, este sistema
abrange diversos componentes electrónicos e computadorizados, interligados por redes locais ou alargadas
35
HISTÓRIA E EVOLUÇÃO
No final dos anos 60, iniciam-se experiências da utilização de modelos sistemáticos
quantitativos computadorizados, no apoio ao processo de decisão e planeamento. Os Sistemas
de Informação disponibilizavam relatórios estruturados e periódicos. O primeiro SAD/SSD foi
desenvolvido usando sistemas computacionais interactivos (Scott Morton)
No início da década de 70 os SAD/SSD eram descritos como sistemas computacionais
complexos de auxílio ao processo de decisão. Little (1970), definiu os Sistema de Apoio à
decisão como sendo “um conjunto de procedimentos computacionais, baseado em modelos,
para processar dados e julgamentos e para assistir um gestor nas suas decisões”. Little
argumenta que para que um sistema deste género tenha sucesso é necessário que possua as
seguintes características: simplicidade, robustez, facilidade de controlo, adaptabilidade e
comunicação fácil. O ponto de partida, ainda que não mencionado explicitamente na literatura
da época, foi a aplicação de técnicas de computacionais interactivas às tarefas de gestão, com
o objectivo de melhorar as decisões. Em meados da mesma década, o movimento dos
SAD/SSD enfatiza os sistemas informáticos interactivos que auxiliavam os agentes de decisão
através de bases de dados e bases de modelos.
Em 1975-1980 surgiram SADs financeiros com modelos de análise. Steve Alter defendeu
sua dissertação no MIT e teorizou uma classificação dos SAD/SSD em sete tipos distintos.
No início dos anos 80, empresas e universidades realizam actividades associadas ao
desenvolvimento e estudo dos SAD, o resultado foi a proliferação do conceito e das aplicações
associadas, que emergiram para além do domínio tradicional da aplicação. Surgem os
Sistemas de Informação Executivos (EIS) e SAD/SSD orientados a grupos (SADG) e o conceito
de interactividade já se encontrava firmemente estabelecido na comunidade dos SAD/SSD.
Bonczek (1980) define o SAD/SSD como sendo um “sistema computacional constituído por
três componentes que interagem: um subsistema de comunicação entre o utilizador e os
outros componentes do sistema, um subsistema de conhecimento do domínio de aplicação do
SAD/SSD e um subsistema de processamento de problemas”. O conceito de interactividade
aparece com tal força que se isola o subsistema de interface homem/máquina. Quase sem
excepção todos os programas de fácil utilização foram produzidos nesta época com o rótulo
de SAD. Disciplinas como a investigação operacional e a psicologia cognitiva passaram a fazer
parte da área dos SAD/SSD.
Aparecem pela primeira vez, ainda que por vezes não explicitamente, os conceitos de
problema não estruturado ou semi-estruturado e de apoio extensivo. Moore e Chang (1980)
definem um sistema de apoio à decisão como um «sistema extensivo, capaz de suportar
processos ad hoc de análise de dados e modelação de problemas, orientado para o
planeamento (do futuro) e utilizado em intervalos de tempo irregulares e não planeáveis».
Watson e Hill (1983) utilizam explicitamente a questão da estrutura de um problema,
definindo um SAD como sendo um «sistema interactivo que permite ao utilizador fácil acesso
a modelos de decisão de dados, com o objectivo de apoiar tarefas de decisão semi-
estruturadas ou mesmo não-estruturadas (rever página 9).
Neste período, os SAD/SSD era consideradas aplicações computacionais “high-end” as
reservadas para decisões estratégicas ocasionais, não recorrentes pelos gestores de topo.
No final da década de 80 a ênfase das tentativas de definição foi desviado: Keen (1987),
por exemplo, prefere definir “apoio à decisão” em detrimento de “sistema de apoio á decisão”.
Uma das razões que aponta para o facto de os SAD/SSD não terem definição assente reside no
facto da tecnologia estar em constante evolução, não havendo nenhuma técnica base ou
característica dos SAD/SSD que perdure. À medida que novos métodos e/ou técnicas mais
adequadas se tornem disponíveis, novos tipos de SAD/SSD serão construídos. Qualquer
36
definição baseada na tecnologia utilizada terá uma vida tão curta, que provavelmente não
sobreviverá o tempo necessário para aparecer na literatura científica.
Segundo Keen (1987), os SAD/SSD juntam três perspectivas diferentes de esforço,
necessidade de conhecimento e critérios de acção:
 Sistema – enfatiza directamente características tecnológicas como projecto (design),
arquitectura, hardware, etc;
 Apoio – foca a percepção e implementação da forma como os seres humanos agem e
da forma de os ajudar;
 Decisão – relaciona-se com os aspectos não tecnológicos, funcionais e analíticos dos
SAD/SSD e ainda com os critérios para seleccionar acções.
No início dos anos 90 surgem os SAD/SSD cliente/servidor, è a explosão do conceito dos

sistemas de Business Inteligence (Inmon e Ralph Kimball). Em 1995 surgem os Data
warehousing, Data Mining e os sistemas baseados na Web. Em 1998 surgem sistemas para
avaliação de desempenho em empresas e o BSC (Balanced Scorecard)
Ainda nos anos 90, observa-se o aparecimento de novas técnicas para os SAD/SSD: as
estações de trabalho inteligentes. (Inteligentes no sentido de habitualmente atribuído pela
disciplina de inteligência artificial). São feitas diversas tentativas de integração de técnicas de
inteligência artificial nos Sistemas de Apoio á Decisão. Alguns autores chegam a propor a
linguagem Prolog e a “lógica” como ferramentas para implementar SAD/SSD. Biaswas (1988)
propôs a conceptualização de um Expert Decision Support System (XDSS) para estender as
capacidades do SAD/SSD “tradicional”. Estas capacidades são obtidas integrando nos
SAD/SSD bases de conhecimento e a modelação semântica de dados. Esta integração aparece
sobre diversos nomes (Expert System (ES)/DSS, XDSS, Intelligent DSS, EDSS) e aumenta a
efectividade dos SAD/SSD assim como habilita-os a solucionar problemas bem complexos42.
No inicio do novo milénio, faz-se uso da tecnologia para o desenvolvimento de sistemas
onde é possível obter todas as informações on-line, com rapidez e com a capacidade para
realizar a sua análise e formatação da informação de acordo com as necessidades. Surgem os
ASP (Application Service Providers) e os portais web.
Estudos
Teóricos
SAD (Web)
DW ASP
EIS OLAP
SAD/SSD SADG
Vertente SADO
Práctica (ODSS)
Esquema 11 - Evolução Histórica dos SAD e Tecnologias Associadas
42 Decision Support and Expert Systems: Management Support Systems (4th Edition), E. Turban, Prentice-Hall, 1995
37
CARACTERÍSTICAS E FUNCIONALIDADES
As funções e características dos SAD/SSD variam significativamente e com diferenças
dependendo do domínio a onde o sistema é aplicado. Turban e Aronson (1998) resumiram a
dez as características comuns dos sistemas SAD/SSD. Spangue e Carlson limitaram a quatro
identificadas com (*):
 Lidam com problemas de decisão não estruturados e subespecificados pois

conseguem juntar o pensamento humano e a informação computadorizada. *
 Apoiarem os gestores em níveis diferentes.
 Apoiarem indivíduos (decisores) e grupos de decisão. Certos problemas menos
estruturados podem necessitar do envolvimento de várias pessoas ou
departamentos.
 Suportarem uma variedade de estilos de decisão e processos.
 Adaptabilidade e flexibilidade para levarem a cabo as tarefas de apoio à decisão, a
aproximação com os utilizadores e acompanharem as mudanças do domínio de
aplicação e dos processos de decisão. *
 Interactividade e utilização amigável para permitirem a interacção fácil por
decisores não familiarizados com informática. *
 Combinarem o uso de técnicas analíticas e modelos com funções de acesso a dados. *
 Combinarem o uso de Bases de Conhecimento e Inteligência Artificial.
 Acederem a uma larga variedade de Bases de Dados. Devem permitir o acesso a
várias fontes, tipos e formatos de dados.
 Integraç~o e ligaç~o “Web”.
Interactividade
Uso de
Inteligência
artificial e Base Flexiilidade
de
Conhecimento
SAD/SSD
Recolha de
Dados (multiplas Acessibilidade
fontes)
Modelos e
Adaptabilidade
Analitico
Esquema 12 - Características Típicas dos SAD/SSD
38
Às características típicas da página anterior, juntam-se outras mencionadas na literatura

investigada, consideradas também fundamentais e desejáveis para caracterizar os SAD/SSD:
 O decisor deve ter o controlo absoluto sobre todos os passos do processo de tomada
de decisão quando está a resolver um problema. O objectivo do SAD é apoiar e não
substituir o decisor.
 Construção de Modelos e resolução e optimização de problemas.
 Devem permitir várias decisões independentes ou sequenciais.
 Devem abranger todas as fases do processo de decisão: identificação, desenho,
selecção e implementação.
 Possibilidade de desenvolvimento rápido, com a participação activa do utilizador em
todo o processo;
 Facilidade para incorporarem novas ferramentas de apoio à decisão, novas
aplicações e novas informações;
 Flexibilidade na recolha, procura, visualização e manipulação das informações;
 Individualização e orientação para o individuo que toma as decisões, com
flexibilidade de adaptação ao estilo pessoal de tomada de decisão do utilizador;
 Pertinência real ao processo de tomada de decisão, ajudando o utilizador a decidir
através de subsídios relevantes;
 Facilidade para que o utilizador o utiliza e entenda, use e modifique de forma
interactiva com fortes capacidades gráficas e com um interface utilizador-máquina
amigável e que possa aumentar a sua eficiência
 Devem tentar melhorar a eficiência das suas decisões (ao nível da qualidade, tempo,
exactidão) em vez de se preocupar com o custo dessas decisões
 Tentam combinar modelos ou técnicas analíticas com as funções tradicionais de
processamento de dados, como acesso e a recuperação de informações;
 Os sistemas de apoio à decisão devem acompanhar as tendências, evolutivos, sendo
mais flexíveis e adaptáveis a mudanças;
 Devem fornecer subsídios para um rápido encaminhamento e implementação dos
resultados obtidos a partir da tomada de decisão.
 O Apoio à decisão é necessário em todos os níveis de gestão da empresa.
A selecção das funcionalidades e características acima identificadas, depende dos

requisitos do utilizador. Um SAD/SSD pode ser tão simples como uma folha de cálculo em
Excel, ou extremamente complexo como um sistema com base num Data Warehouse.
39
CLASSIFICAÇÃO
De acordo com diferentes critérios, e diferentes autores, os SAD/SSD podem ser
classificados em vários tipos, tais como SAD/SSD Pessoais, de Grupo (SADG), Institucionais,
Ad-hoc, Sistemas de Suporte Executivo (ESS), SAD/SSD Web, Desktop DSS, SAD/SSD
Estratégicos e de Planeamento e Finanças (Arnott & Pervan 2005), entre outros…
Golden, Hevner and D.J. Power (1986) diferenciam os SAD/SSD pela forma como
fornecem e recolhem a informação:
 Orientados a Modelos (model-driven DSS - MDSS),
 Orientados à Comunicação e Grupo (communication-driven and Group DSS)
 Orientados a Dados (data-driven DSS)
 Orientados a Documentos (document-driven DSS)
 Orientados ao Conhecimento (knowledge-driven DSS)
 Baseados em folhas de cálculo (spreadsheet-driven DSS)
 Baseados na Web (Web-based DSS) .
ORIENTADOS A MODELOS 43 Model-Driven DSS emphasize access to and

manipulation of a model, for example, statistical,
Model-driven DSS - MDSS financial, optimization and/or simulation models.
Os SAD/SSD orientados a modelos, enfatizam a Simple statistical and analytical tools provide the
most elementary level of functionality. Some OLAP
criação e manipulação da optimização estatística, systems that allow complex analysis of data may be
financeira, ou modelos de simulação (Power 2002). O classified as hybrid DSS systems providing both
modeling and data retrieval and data
modelo de optimização com base em programação summarization functionality. In general, model-
linear é um dos modelos mais utilizados pelos driven DSS use complex financial, simulation,
optimization or multi-criteria models to provide
SAD/SSD. Este tipo de SAD/SSD exige que os decision support. Model-driven DSS use data and
utilizadores (decisores) especifiquem os parâmetros parameters provided by decision makers to aid
decision makers in analyzing a situation, but they
do modelo de acordo com seus problemas de decisão. are not usually data intensive, that is very large
As saídas (outputs) do modelo são usadas para ajudar data bases are usually not need for model-driven
DSS. Early versions of Model-Driven DSS were
a avaliar as suas alternativas de decisão. Sistemas called Computationally Oriented DSS by Bonczek,
Multi-objectivo (MODSS) são um caso típico deste tipo Holsapple and Whinston (1981). Such systems
have also been called model-oriented or model-
de SAD/SSD, onde modelos de decisão multi-critério based decision support systems. (Power, 2002)
são adoptados (Lu et al. 2007).
Communications-Driven DSS is a type of DSS that
ORIENTADOS À COMUNICAÇÃO E GRUPO 44 emphasizes communications, collaboration and
shared decision-making support. A simple bulletin
Communication-driven and Group DSS board or threaded email is the most elementary
Este tipo de SAD/SSD orientados por level of functionality. The comp.groupware FAQ
defines groupware as "software and hardware for
comunicação oferecem suporte à tomada de decisão shared interactive environments" intended to
dentro de um grupo de decisores, através da troca support and augment group activity. Groupware is
a subset of a broader concept called Collaborative
eficiente de informações (Power 2002). Também são Computing. Communications-Driven DSS enable
chamados SAD de Grupo (SADG/GDSS). A troca de two or more people to communicate with each
other, share information and co-ordinate their
informações estimula o desenvolvimento de activities. Group Decision Support Systems or GDSS
inteligência e de integração, que promove decisões is a hybrid type of DSS that allows multiple users to
work collaboratively in groupwork using various
baseadas no consenso entre diferentes decisores.. software tools. Examples of group support tools
Exemplos deste tipo, são sistemas de e-mail e sistemas are: audio conferencing, bulletin boards and web-
conferencing, document sharing, electronic mail,
de reunião electrónicos, sistemas de “bulletin board”. computer supported face-to-face meeting software,
and interactive video. (Power, Communications-
Driven DSS, 2002)
43 http://dssresources.com/dsstypes/mddss.html
44 http://dssresources.com/dsstypes/cdss.html
40
ORIENTADOS A DADOS45 Data-driven DSS is a type of DSS that emphasizes

access to and manipulation of a time-series of
Data-driven DSS internal company data and sometimes external
data. Simple file systems accessed by query and
Um SAD/SSD orientado a dados, concentra-se no retrieval tools provide the most elementary level of
acesso e manipulação de uma grande quantidade de functionality. Data warehouse systems that allow
the manipulation of data by computerized tools
dados da organização a partir de fontes internas e tailored to a specific task and setting or by more
externas (Power 2002). A tomada de decisão baseia-se general tools and operators provide additional
functionality. Data-driven DSS with On-line
em perceber e compreender a saída (output) de Analytical Processing (OLAP) provides the highest
informações integradas pelo sistema. Exemplos deste level of functionality and decision support that is
linked to analysis of large collections of historical
tipo de DSS são ferramentas estatísticas, sistemas de data. Executive Information Systems (EIS) and
gestão de informações (MIS) e sistemas de BI. Geographic Information Systems (GIS) are special
purpose Data-Driven DSS. (Power, Data-Driven
DSS, 2002)
ORIENTADOS A DOCUMENTOS 46
Document-driven DSS
Este tipo de SAD/SSD, está preocupado com a gestão e manipulação de informações não-
-estruturadas numa variedade de ficheiros electrónicos, tais como e-mails e relatórios.
Exemplos deste tipo de SAD/SSD são sistemas de gestão de bibliotecas, motores de busca e
sistemas de recuperação de documentos.
ORIENTADOS AO CONHECIMENTO47
Knowledge-driven DSS
Os SAD/SSD orientados no conhecimento geram Knowledge-Driven DSS can suggest or
sugestões de decisão com base na experiência humana recommend actions to managers. These DSS are
person-computer systems with specialized
(conhecimentos). As formas comuns de conhecimento problem-solving expertise. The "expertise" consists
são processos de negócios, regras e factos. of knowledge about a particular domain,
understanding of problems within that domain,
Normalmente, estes sistemas baseados no and "skill" at solving some of these problems. A
conhecimento são projectados para verificar grandes related concept is Data Mining. It refers to a class of
analytical applications that search for hidden
volumes de dados e identificar padrões ocultos nesses patterns in a database. Data mining is the process
dados e apresentar recomendações com base nos of sifting through large amounts of data to produce
data content relationships. (Power, Knowledge-
padrões encontrados. Exemplos deste tipo, são os Driven DSS, 2002). Tools used for building
sistemas de Data-Mining, sistemas inteligentes e Knowledge-Driven DSS are sometimes called
Intelligent Decision Support methods (cf., Dhar and
sistemas de pergunta-resposta. Stein, 1997).
BASEADOS EM FOLHAS DE CÁLCULO 48

Spreadsheet-based DSS
Os SAD/SSD que foram ou serão implementados com o uso de sistemas folhas de cálculo
podem ser definidos como SAD/SSD baseados em folhas de cálculo (Power 2002). Ou seja, por
exemplo os SAD/SSD orientados a Modelos e/ou de Dados podem ser construídos com o uso
de Folhas de Cálculo. As Folhas de Cálculo oferecem aos decisores, representações de grandes
quantidades de dados fáceis de interpretar e entender. Além disso, os dados nas folhas de
cálculo são organizados de modo a tornar mais fácil a conversão entre os dados e a
visualização da informação para auxiliar ainda mais os decisores.
Visualization is more than a method of computing! It is a process of transforming information into a
visual form enabling the viewer to observe, browse, make sense, and understand the information…
(29Mar10/http://infovis.org/)
45 http://dssresources.com/dsstypes/ddss.html
46 http://dssresources.com/dsstypes/docddss.html
47 http://dssresources.com/dsstypes/kddss.html
48 http://dssresources.com/faq/index.php?action=artikel&id=56
41
BASEADOS NA WEB49 Web-Based DSS deliver decision support

information or decision support tools to a manager or
Web-based DSS business analyst using a "thin-client" Web browser like
Qualquer tipo de DSS pode ter como base a Netscape Navigator or Internet Explorer that is accessing
the Global Internet or a corporate intranet. The computer
“Web”. O termo que os distingue e classifica, server that is hosting the DSS application is linked to the
simplesmente descreve qualquer sistema de user's computer by a network with the TCP/IP protocol.
Web-Based DSS can be communications-driven, data-
apoio à decisão, em que o seu acesso é feito driven, document-driven, knowledge-driven, model-driven
através do interface de um navegador Web (ex: or a hybrid. Web technologies can be used to implement
any category or type of DSS. Web-based means the entire
Firefox), mesmo que os dados usados para application is implemented using Web technologies; Web-
suporte à decisão permaneçam confinados a um enabled means key parts of an application like a database
remain on a legacy system, but the application can be
sistema como um Data Warehouse. accessed from a Web-based component and displayed in a
browser. (Power, Web-Based DSS, 2002)
Um SAD/SSD específico é geralmente a

combinação de alguns dos sete tipos diferentes de sistemas referidos em cima. No entanto, o
SAD/SSD orientado a Modelos (model-driven DSS) domina a investigação e a aplicação
tradicional (Arnott & Pervan 2005). Como resultado, na prática muitos SAD/SSD são
desenvolvidos com a inclusão de um componente de Gestão de Modelos, apesar de também
suportarem outras funções, ex. Comunicação em grupo e análise analítica intensiva de dados
OUTRAS CLASSIFICAÇÕES
Além da classificação mais comum de Daniel J. Power, outros autores deram o seu
contributo para classificarem os Sistemas de Apoio à decisão.
Donovan e Madnick (1977) classificaram os SAD/SSD como:
 Institucionais – Os que apoiam as decisões que são recorrentes
 Ad Hoc – Os que oferecem suporte a problemas que imprevisíveis e que não deverão
ocorrer novamente.
Hackathorn e Keen (1981) classificaram os SAD/SSD em três distintas, mas no entanto
inter-relacionadas categorias: Individuais; de Grupo e por fim Organizacionais.
Steven Alter (1986) classificou os SAD/SSD de acordo com as saída de resultados
(Output) dos sistemas. A ideia de Alter era de que os SAD/SSD devem ser classificados em
termos da operação geral que efectuam, independentemente do problema, área funcional ou
perspective da decisão. Alter conduziu um estudo em 56 SAD/SSD que classificou em sete
tipos distintos de SAD/SSD:
 Sistemas “File drawer”

Permitem o acesso imediato aos dados. São basicamente versões mecanizadas de
sistemas de arquivo manuais. Exemplos incluem equipamento de monitorização em
tempo real, sistemas de monitorização. As Ferramentas de consulta (query) e
relatórios que acedem ao OLTP fazem parte deste tipo.
 Sistemas de Análise de Dados
Permitem a manipulação de dados por utilizadores especializados nessa tarefa. São
sistemas tipicamente usados por utilizadores no suporte da análise de ficheiros de
dados, sendo estes tanto históricos como actuais. A maioria das aplicações de Data
Warehouse enquadram-se neste tipo.
 Sistemas de Análise de Informação
Providenciam acesso a uma série de bases de dados orientadas à decisão e modelos
pequenos para fornecerem informações e gestão. Os sistemas OLAP são deste tipo.
49 http://dssresources.com/dsstypes/webdss.html
42
 Orientados a Modelos de Contabilidade e Finanças

Calculam as consequências de acções planeadas com base em definições
contabilísticas e financeiras e de formulas mensuráveis. Estes tipos de modelos
devem ser usados perante “E se?” ou an|lise sensitiva.
 Orientados a Modelos Representativos ou Simulação
Estimam as consequências de acções com base em modelos de simulação que
incluem relações casuais e parcialmente não definidas (representativas) assim como
definições mensuráveis. Exemplos deste tipo são modelos de resposta de mercado,
modelos de análise de risco e simulações de produção.
 Optimization model-based DSS
Providenciam linhas-guia para acção, gerando uma solução óptima consistente com
uma série de problemas.
 Suggestion DSS based on logic models
Realizam um trabalho lógico conduzindo a uma decisão específica sugerida para
uma tarefa razoavelmente estruturada. Geram acções sugeridas com base em
fórmulas ou procedimentos matemáticos.
Sistemas de
Sugestão baseados Sistemas File
em Modelos Drawer
Lógicos.
Sistemas de Análise
Orientados a de Dados
Modelos de
Optimização
Sistema Orientados a Dados
Orientados a
Modelos Sistemas de
representativos Análise de
ou Simulação Informação
Orientados a
Modelos de Sistema Orientados a Modelos
Contabilidade e
Finanças
Esquema 13 - Classificação dos SAD/SSD segundo Steven Alter (1986)
Holsapple and Whinston (1996) identificaram seis categorias:

 Orientados a Texto
 Orientados a Bases de Dados
 Orientados a Folhas de Cálculo
 Orientados à Solução
 Orientados a Regras
 Composto/Complexo
43
ARQUITECTURA E COMPONENTES
Tal como para a definição de SAD/SSD, também para o conceito da arquitectura existem
algumas perspectivas por parte de investigadores temporalmente diferentes mas
conceptualmente semelhantes. Ou seja, apesar das diferenças significativas, criadas pela
tarefa específica e o âmbito de aplicação, todos os Sistemas de Apoio à Decisão possuem
componentes técnicos e conceptuais semelhantes e partilham um propósito comum: apoiar a
tomada de decisões. Na prática, a arquitectura Sprague and Carlson (1982) identify three
dos SAD/SSD é baseada na diferente ênfase dada fundamental components of DSS: (a) the database
aos componentes quando os sistemas são management system (DBMS), (b) the model-base
desenvolvidos e que devido à diversidade de management system (MBMS), and (c) the dialog
generation and management system (DGMS).
aplicações reais, não há uma arquitectura única, Hättenschwiler (1999) identifies five
mas sim uma arquitectura válida em domínios components of DSS: (a) users with different roles or
functions in the decision making process (decision
diferentes. maker, advisors, domain experts, system experts, data
Daniel J. Power (2002), considera que os collectors), (b) a specific and definable decision
investigadores e estudiosos na área dos context, (c) a target system describing the majority of
SAD/SSD, tipicamente desenvolvem os sistemas the preferences, (d) a knowledge base made of
external data sources, knowledge databases, working
com base nos quatro componentes seguintes: databases, data warehouses and meta-databases,
 Interface do Utilizador mathematical models and methods, procedures,
inference and search engines, administrative
 Base de Dados programs, and reporting systems, and (e) a working
 Modelo e as Ferramentas de análise environment for the preparation, analysis and
 Arquitectura e Rede dos SAD/SSD documentation of decision alternatives.
(Hättenschwiler, 1999)
No entanto, outros autores, entre eles George M Marakas (1999), Turban e Aronson
(2001), Serrano (2004) propõem uma arquitectura comum semelhante, também composta
por quatro componentes à que (Marakas, 2003) junta um quinto - os utilizadores”:
 O Subsistema Gestor de Dados;
 O Subsistema Gestor de Modelos
 O Motor de Conhecimento
 O interface de Utilizador e Os Utilizadores
Independente da composição considerada pelos diversos autores, a arquitectura de um
SAD/SSD depende assim da complexidade do sistema, engloba um planeamento de hardware,
software, uma estrutura de rede e um interface com o utilizador que deve ir ao encontro das
exigências e possibilidades da organização e com a sua cultura. Os sistemas de apoio à
decisão, para concretizarem o seu objectivo principal (Apoiar a Decisão), devem por isso, ser
constituídos por um conjunto de componentes ou subsistemas, com a finalidade de garantir a
sua aplicabilidade, desenvolvimento e funcionalidade.
Depois da análise das arquitecturas consideradas, com base nas suas semelhanças e dos
componentes que as distinguem, e do que foi dito no parágrafo anterior, pode-se considerar
que a arquitectura mais adequada dos SAD/SSD, é a que resulta da união das mencionadas
anteriormente e assim composta pelos seguintes componentes:
 Gestão de Dados (SGBD50);
 Gestão de Modelos (SGM)
 Gestão de Conhecimento (SGC)
 Gestão de Comunicação e Rede (SGCR)
 Interface com o Utilizador (SIU)
 O Utilizador
50 SGBD – Sistema de Gestão de Base de Dados
44
GESTÃO DE DADOS (SGBD)

Este componente ou subsistema engloba um conjunto de dados provenientes de várias
fontes internas (dados transaccionais51), externas e pessoais52, onde está a informação
relevante para a situação Tem como função, a de garantir a integridade e a coerência desses
dados e proporcionar uma fácil introdução dos dados, bem como a sua actualização,
manutenção e segurança. Este subsistema, normalmente é gerido por uma plataforma
tecnológica a que se dá o nome de Data Management System (DBMS).
Uma base de dados no SAD/SSD, é uma colecção de dados estruturados, actuais e
históricos, que foram organizadas para o acesso e análise fáceis. Existem diversas
preocupações relacionadas com a análise, extracção e armazenamento da base de dados, bem
como o formato como essas informações serão disponibilizadas de forma que o utilizador
possa aproveitar ao máximo as informações ali contidas.
Problema Causa típica Possíveis soluções

Desenvolvimento de um método sistemático para
Erros na inserção dos dados garantir a correcção dos dados
Incorrecção
Erros na geração ou recolha de dados Examinar cuidadosamente os dados e o processo
de geração dos mesmos
O método de geração ou recolha de dados

Atrasos não é suficientemente rápido para as Modificar o sistema de geração de dados
necessidades
Recolha dos dados é feita com uma lógica ou

Medição ou Desenvolver um sistema que recalcule ou
periodicidade inconsistente com as
indexação recombine os dados
necessidades da análise
incorrecta Desenvolver modelos mais simples e mais
Dificuldade de geração e manutenção dos
dos dados agregados
coeficientes em modelos muito detalhados
Guardar os dados, quer seja necessário ou não,

Nunca foram recolhidos e armazenados para utilização futura (os custos de
Inexistência dados que agora são necessários armazenamento e manutenção podem ser
Os dados não existem impraticáveis)
Tentar gerar ou estimar os dados
Tabela 4 - Tabela resumo de alguns problemas inerentes ao SGD (Romão, 2006/07)
Diversas tecnologias informáticas e técnicas tais como Data Warehousing, Data Mining53,
On-Line Analytical Processing (OLAP)54 e Data Visualization Systems (DVS) estão relacionadas
com o componente de gestão de dados para a recolha, tratamento e atribuir sentido aos dados
estruturados ou documentos da base de dados. Algumas dessas técnicas são descritas no
Titulo a seguir em Técnicas Tradicionais do SAD/SSD (ver página 43).
Data Warehouse
Algumas organizações em virtude do grande movimento de dados existente nas suas base de dados têm
sistemas de dados complexos, muitas vezes distribuídos em locais distantes (como filiais por exemplo). Neste caso é
mais difícil a recolha e compilação das informações. Um Data Warehouse é um arquivo de informações recolhidas em
diversas fontes que possibilita gerar consultas de apoio à decisão através de um interface único e acesso a dados
históricos, uma vez que armazena informações por um longo período de tempo.
51 Dados tratados pelo TPS – Transaction Processing System

52 Alguns utilizadores podem contribuir com a sua experiência e sabedoria.
53 Técnica que revela dados escondidos, encobertos, e não óbvios.
54 O OLAP inclui actividades como geração de consultas (queries), pedidos de relatórios e execução de análise estatística, que são
desenvolvidos pelo utilizador final.
45
GESTÃO DE MODELOS (SGM)

Ferramenta de software com base em modelos matemáticos e analíticos normalmente
quantitativos, que disponibilizam aos SAD/SSD capacidades analíticas através de ferramentas
de análise e de gestão. Tem como função, a de garantir a manutenção de um conjunto de
modelos de decisão, que se baseiam em modelos de investigação operacional, entre outros.
Estes modelos precisam de ser validados e actualizados constantemente, para o bom
funcionamento dos mesmos. Este Subsistema, faz a representação de eventos, factos ou
situações e gera simulações. Este subsistema, normalmente é gerido por uma plataforma
tecnológica a que se dá o nome de Model Base Management System (MBMS).
Os modelos matemáticos e analíticos são os componentes principais do Subsistema de
Gestão de Modelos. Estes incluem modelos com finalidades específicas tais como:
 Modelos de Processo
 Modelos de Escolha
 Modelos Financeiros
 Modelos de Análise Estatística – resumos estatísticos, projecções e tendências,
testes de hipóteses;
 Modelos Gráficos – apoiam o decisor a projector, desenvolver e utilizar
apresentações gráficas;
 Modelos de Gestão de Projectos - manipulam e coordenam grandes projectos para
descobrir tarefas críticas que podem atrasar ou colocar o projecto em risco.
 Modelos Fuzzy Logic55 - simula o processo de raciocínio humano, permitindo ao
computador comportar-se de forma menos precisa e lógica que convencionalmente.
Um subsistema de Gestão de Modelos (SGM) tem um conjunto específico de finalidades e

daqui modelos diferentes são necessários e usados. Escolher os modelos apropriados é
primordial para a concretização dos resultados pretendidos. Também, o software usado para
criar modelos específicos, necessita de gerir e controlar os dados relevantes assim como o
interface do utilizador. No SGM, os valores das variáveis ou dos parâmetros chaves são
mudados frequentemente e repetidamente, para reflectir as mudanças potenciais nos factores
ambientais e internos da organização.
Um sistema eficiente de gestão de modelos faz com que os aspectos estruturais e
algorítmicos da organização de modelos e do processamento de dados a eles associados se
tornem invisíveis para o utilizador (ex: a especificação das relações explícitas entre os
modelos e a determinação de que resultados de um modelo são as entradas de outro modelo
devem ser feitas pelo sistema e não pelo utilizador). Um SGM deverá possuir capacidades
similares aos SGBD. (Romão, 2006/07)
O uso de modelos tem como vantagens as de permitirem a manipulação e
desenvolvimento a baixo custo e ainda agilizarem o processo de decisão por serem um
procedimento rápido. No entanto, apresentam algumas desvantagens tais como a do
desperdício de tempo na escolha do modelo apropriado e a de que alguns modelos não
simulam sistemas reais e efectuam conclusões falsas e até conduzem a erros.
55Tutorial Fuzzy Logic (http://www.fuzzy-logic.com/)

http://en.wikipedia.org/wiki/Fuzzy_logic
46
GESTÃO DO CONHECIMENTO (SGC)

Este componente pode realizar as suas tarefas em conjunto com qualquer um dos outros
subsistemas ou agir de forma independente. É responsável por fazer aumentar a "inteligência"
do próprio decisor. Permite ao utilizador adquirir conhecimentos, e procura dar uma
perspectiva transversal do processo de gestão da organização, melhorando assim a tomada de
decisão. O Subsistema de Gestão do Conhecimento56 (SGC) pode melhorar e ampliar as
capacidades do SAD, quer fornecendo sabedoria acerca do assunto em estudo, quer
fornecendo conhecimento acerca da gestão e modelação de dados (Romão, 2006/07).
Todo o conhecimento relacionado com um determinado problema que é usado num
sistema de inteligência artificial (IA) é organizado numa base de conhecimento. Uma vez
construída a base de conhecimento (KB), as técnicas de IA são usadas para dar ao computador
capacidade de inferência baseada nos factos e relações da base de conhecimento.
Funções do SGC (Romão, 2006/07):

• Apoia as etapas do processo de decisão que não podem ser desempenhados por
processos matemáticos. Ex: a selecção apropriada dos dados de entrada dos modelos
requer sabedoria;
• Apoia a construção, gestão e armazenamento de modelos num SAD/SSD com múltiplos
modelos, melhorando as capacidades do SGM;
• Apoia a análise de incerteza, onde é necessário saber seleccionar e aplicar as
ferramentas apropriadas, desde o fuzzy logic até redes neuronais;
• Podem melhorar substancialmente o interface com o utilizador, que tem um papel
principal no campo dos SAD/SSD. ex: linguagem natural, reconhecimento de voz.
GESTÃO DE COMUNICAÇÃO E REDE (SGCR)

Este componente dos SAD/SSD refere-se como é que o hardware é organizado, e como é
que o software e dados são distribuídos pelo sistema, e ainda como é que os componentes da
arquitectura do SAD/SSD são integrados e interligados. Um dos assuntos importantes e
actuais é o da disponibilidade dos SAD/SSDS através de um web browser na intranet da
organização e também disponível na Internet global. Os gestores e o pessoal especializado dos
precisam de desenvolver uma compreensão das restrições técnicas e das questões de
segurança relativas à comunicação dos SAD/SSD, à estrutura de rede e à Internet.
Comunicação, integração e interligação são os factores chave dos SAD/SSD, especialmente dos
orientados por comunicações (ver página 34)
INTERFACE COM O UTILIZADOR (SIU)

Tanto os analistas de SAD/SSD como os gestores precisam de dar mais ênfase a este
componente. Em muitas formas, este componente é o mais importante da arquitectura dos
SAD/SSD. Um bom interface com o utilizador é um requisito básico para a implementação de
SAD/SSD, pois por melhor que seja a estrutura dos restantes componentes, da recolha de
informações e a riqueza dos relacionamentos, ainda assim o sistema poderá apresentar-se
como de pouca importância se subaproveitado pelo utilizador.
O SIU, é o subsistema que permite ao utilizador a interacção com o SAD/SSD, contacto
esse que é feito através de comandos. Neste componente, exigem-se cuidados na apresentação
56Também conhecido como Knowledge Management System (KMS)

http://en.wikipedia.org/wiki/Knowledge_management_system
http://www.allkm.com/
47
e disposição dos dados, permitindo assim uma clara comunicação entre os mesmos, bem
como a eficácia de todo o processo de interacção. Deve-se utilizar uma linguagem simples,
natural e de fácil percepção, variando-as de acordo com a familiaridade dos utilizadores finais
com a informática. Que melhora a interactividade do utilizador com o sistema.
Muito do esforço de concepção e desenvolvimento deve focar-se no interface com o
utilizador, pois o que o decisor visualiza e a forma como lhe são apresentados os dados,
influência fortemente a percepç~o do decisor. “O SAD/SSD é que se vê”. Por esse motivo, o
sistema deve ser fácil e aprender e amigável de usar, e as informações devem estar dispostas
de forma que a pessoa aproveite ao máximo o potencial intrínseco das informações ali
contidas.
As ferramentas para concepção do interface com o utilizador são muitas vezes,
ferramentas de relatórios e consultas, e pacotes de desenvolvimento front-end.
O UTILIZADOR
O utilizador também é normalmente referido como parte do sistema e por isso um
componente do SAD/SSD. Há investigadores que defendem que muitas das contribuições
dadas pelos SAD/SSD são derivadas da interacção intensa que existe entre o computador e o
decisor. Alguns sistemas mais recentes, têm preocupação, inclusive, em dispor ao utilizador
informações complementares, que podem ser do seu interesse, apesar de não terem sido
solicitadas.
Outros Sistemas de Internet – Intranets

Informação Extranets
Múltiplas Fontes de
Dados Gestão Dados Gestão Modelos Modelos
SGBD/DBMS SGM/MBMS Externos
Dados
Externos DW
Data Marts Gestão
OLAP Conhecimento
Data Mining (KMS)
Data Visualization
Dados
Internos Arquitectura e Rede
Gestão Interface com o
TPS Utilizador Comunicação e Rede
(SGCR)
Utilizador
Decisor
Base de Conhecimento
(KB) da Organização
Esquema 14 – Arquitectura e Componentes do SAD/SSD (adaptado de várias fontes)
48
TÉCNICAS E FERRAMENTAS
Nesta parte do documento são apresentadas as técnicas e ferramentas típicas usadas
pelos SAD/SSD que estão disponíveis às organizações. Algumas existem ainda antes dos
Sistemas de Apoio à Decisão, outras destinam-se exclusivamente ao apoio à decisão, e outras
têm objectivos mais amplos. De algumas ainda não se conhecem todas as suas potencialidades
uma vez que são relativamente recentes.
TÉCNICAS DE APOIO À DECISÃO

Os Sistemas de Apoio à decisão baseiam-se em diversas técnicas de apoio de decisão,
incluindo modelos, métodos, algoritmos e ferramentas. Wayne (Zachary, 1986)57 propôs uma
taxonomia baseada em cognição para técnicas de suporte de decisão, incluindo seis classes
básicas:
1. Modelos de Processo - São modelos computacionais que auxiliam a projecção de

processos complexos reais e fornecem hipóteses sobre o processo e uma decisão
hipotética. Um modelo de processo típico é o caso dos Modelos Probabilísticos que
calculam a distribuição probabilística dos resultados de uma probabilidade das condições
de entrada através de um tratamento analítico de inputs e o comportamento do processo.
Cadeias de Markov58 são um exemplo comum de um modelo de processo probabilístico.
2. Modelos de Escolha - Modelos que apoiam a integração dos critérios de decisão entre
alternativas para seleccionar a melhor alternativa de um conjunto discreto ou espaço de
descrição contínua das alternativas de decisão. Um modelo de escolha típico é o modelo
multi-critério de tomada de decisão.
3. Técnicas de Controlo de Informação - Fornece funções de representação, manipulação,
acesso e monitorização de dados e conhecimento. As técnicas típicas incluem ferramentas
de gestão de base de dados, e técnicas de recuperação de dados e de conhecimento, Data
Warehouse, Data Mining e Agregação Automática.
4. Técnicas de Análise e Raciocínio – Aplicações que suportam procedimentos de
raciocínio peritos em problemas específicos, tais como programação matemática,
inferência orientada a objectivos, inferência orientada a processos e inferência orientada
a dados. Programação de objectivos, raciocínio de provas, raciocínio baseado em casos
(CBR)59 e análise de sensibilidade.
5. Ajudas de Representação - Suportam a expressão e a manipulação de uma
representação específica de um problema de decisão. Técnicas típicas desse tipo incluem
processamento de linguagem natural, interface gráfico do utilizador e técnicas de
processamento cognitivo humano. Alguns exemplos são árvores de decisão, tabelas de
decisão e mapeamento cognitivo.
6. Técnicas para Amplificar/Refinar a Capacidade de Julgamento Humano – Auxiliam
os decisores na quantificação de julgamentos heurísticos. Os decisores são capazes de
resolver problemas heuristicamente ou intuitivamente com resultados que geralmente
são muito bons, mas quase nunca verdadeiramente ideais" (Zachary, 1986). Técnicas
57 http://portal.acm.org/citation.cfm?id=1453770
58 Teoria Elementar das Cadeias de Markov (PE0809-07Mai09)
http://ferrari.dmat.fct.unl.pt/personal/mle/DocPE/PE0809/Docmts-3/CadeiasdeMarkov.pdf
59 Case-Based Reasoning (http://www.aiai.ed.ac.uk/links/cbr.html)
49
típicas nesta classe incluem a optimização de ajuda humana (Human-aided Optimization),

modelagem do utilizador adaptável e previsão, bem como actualização Bayesiana60.
A classificação das técnicas de apoio à decisão, baseadas na cognição, fornece uma
orientação para a selecção das técnicas para a resolução de problemas de decisão e para o
desenvolvimento dos SAD/SSD. Na prática, um SAD/SSD frequentemente usa duas ou mais
das técnicas mencionadas na página anterior, para resolver um problema de decisão.
Qualquer que seja a técnica de decisão, uma questão crítica que é necessário lidar é a
incerteza. As fontes de dados e os ambientes de decisão possuem vários factores incertos,
que resultam em incertas relações entre os objectivos de decisão e entidades. Entretanto, os
dados em si possuem incertezas. Por exemplo, as preferências de um indivíduo por soluções
alternativas e o julgamento de critério são muitas vezes expressas por termos linguísticos, tais
como 'baixa' e 'alta', o que implica uma espécie de incerteza. Abordagens matemáticas e
inferência precisas não são eficientes para combater tais variáveis incertas.
Foram desenvolvidas, diversas técnicas de processamento de informações incertas. A
teoria de decisão de lógica difusa ou Fuzzy Logic, ou seja, a aplicação de conjuntos fuzzy em
actividades de decisão, é uma dessas técnicas bem desenvolvidas. Resultados de investigação
incluem modelos de decisão fuzzy, fuzzy multi-objectivo, fuzzy multi-critério, fuzzy do
raciocínio baseado em casos, árvore de decisão fuzzy, recuperação de dados fuzzy, Regras
fuzzy associadas a Data Mining e aplicações relacionadas. Devido à extensão do conceito e à
abrangência de aplicações, neste documento fica apenas a referência a estas técnicas, sendo
possível em rodapé encontrar diversas referências de estudo a este assunto61.
Figura 9 - Fuzzy Logic por Mike Stanfill ©2002 (http://www.privatehand.com/comics/fuzzy_logic/fuzzy01.html)
Na página a seguir, apresentam-se quatro técnicas de suporte de decisão popular sob a

taxonomia referida por Zachary e em título próprio, algumas das ferramentas mencionadas
nas Técnica de Controlo de Informação (3).
60 http://en.wikipedia.org/wiki/Bayesian_inference
61 - Fuzzy Logic Tutorial: http://www.seattlerobotics.org/Encoder/mar98/fuz/flindex.html
- Fuzzy Logic for "Just Plain Folks" - Thomas E. Sowell, 2003, Rev Set08: http://www.fuzzy-logic.com/
- Fuzzy Logic and Hyperknowledge A New, Effect Paradigm for Active DSS
http://www.computer.org/portal/web/csdl/doi/10.1109/HICSS.1997.663189
- Fuzzy Multi-Criteria: http://users.abo.fi/rfuller/fs13.pdf
50
Multi-Critérios
[Modelo de Escolha (2)]
A técnica de tomada de decisão multi-critério (MCDM62), está associada também aos
conceitos de multi-atributo (MADM63), multi-dimensão (MDDM64) e multi-objectivo (MODM)
e refere-se à tomada de decisões de preferência (por exemplo, avaliação, prioritização e
selecção) na presença de múltiplos e contraditórios
"Multi-Criteria Decision Making (MCDM)
critérios sobre alternativas disponíveis. Um modelo de is the study of methods and procedures by
utilidade MCDM combina simultaneamente todos os which concerns about multiple conflicting
critérios de uma alternativa dada através de uma criteria can be formally incorporated into
fórmula utilitária específica ou de uma função the management planning process"
International Society on Multi-Criteria DM
utilitária usada. Os problemas para MCDM podem http://www.mcdmsociety.org/
variar desde os da nossa vida diária, tais como a
compra de um carro, até aqueles que afectam nações inteiras, como a utilização sensata de
dinheiro para a preservação da segurança nacional. No entanto, mesmo com essa diversidade,
todos os problemas MCDM partilham as seguintes características comuns (Huang & Yoon
1981):
 Um conjunto de alternativas: geralmente há um número limitado de alternativas
pré-determinadas.
 Múltiplos critérios: cada problema tem vários critérios. Por exemplo, o custo de
desenvolvimento, a qualidade do interface e qualidade da segurança são critérios
para a selecção de um software.
 Critérios em conflito: existem vários critérios conflituantes entre si, por exemplo, o
critério de "baixo custo" e o conflito de "alta qualidade da função de segurança”.
 Unidade incomensuráveis: os critérios podem ter diferentes unidades de medida.
Por exemplo, a unidade de custo é o euro, enquanto a do design de interface é o grau
de satisfação.
 Selecção: a solução para um problema MCDM é para seleccionar a melhor entre
alternativas finitas especificadas anteriormente. A selecção, aqui é baseada
normalmente na maximização do um
valor da função multi-critério (ou
utilitária) eleita pelos decisores.
Mapeando as alternativas para uma
escala cardinal de valor, a alternativa
com a cardinalidade mais elevada
implicitamente é o melhor.
Os métodos e técnicas multi-critério de

tomada de decisão foram e continuam a ser
amplamente desenvolvidos. Alguns MCDM
populares incluem o método TOPSIS65 (Huang &
Yoon 1981) e o método Analytical Hierarchy Figura 10 - Abstracto MCDM (Fonte Google Images)
Process66 (AHP) (Thomas Saaty 1980).
62 Multi-Criteria Decision Making

http://rfptemplates.technologyevaluation.com/multi-criteria-decision-making-mcdm.html
63 Multi-Attribute Decision Making
64 Multi-Dimensions Decision-Making
65 Technique for the Order Preference by Similarity to Ideal Solution
http://ieeexplore.ieee.org/iel5/4756935/4756936/04756946.pdf?arnumber=4756946
66 http://rfptemplates.technologyevaluation.com/Analytical-Hierarchy-Process-%28AHP%29.html
51
Optimização
[Técnica de Análise e Raciocínio (4)]
A Optimização, também chamada de programação matemática, refere-se ao estudo dos
problemas de decisão em que procura minimizar ou maximizar uma função escolhendo
sistematicamente os valores das variáveis de um conjunto de permitidos. Um modelo de
programação matemático (quantitativo) inclui três conjuntos de elementos: variáveis de
decisão, objectivos da função(ões), e restrição(ões) (funcionais, e de não negatividade), onde
as variáveis incontroláveis ou parâmetros estão no âmbito dos objectivos das funções e
restrições. Muitos problemas reais de decisão podem ser modelados por um modelo de
programação matemático. Existem muitos tipos de modelos matemáticos de programação tais
como:
 Programação linear (Benayoun et al. 1971),
 Programação multi-objectivo (Huang & Masud 1979),
 Bi-niveis/Multi- níveis de programação (Anandalingam & Friesz 1992).
A Programação linear67 é um tipo importante de modelo matemático de optimização no

qual a função do objectivo e todas as restrições são lineares. Existem problemas de
programação lineares puros correspondentes a algoritmos especializados em soluções.
Existem também outros tipos de problemas de optimização, incluindo um problema de
programação linear como um sub-problema. Programação linear é fortemente usada em
várias actividades de gestão, quer para maximizar o lucro ou minimizar o custo.
Raciocínio baseado em casos (CBR 68)

[Técnica de Análise e Raciocínio (4)]
Os sistemas especialistas (ES) totalmente automatizados foram utilizados como um tipo
de sistema de apoio à decisão para produzir uma solução para um determinado problema.
Tais sistemas foram altamente bem sucedidos na resolução dos problemas em muitos
domínios bem circunscritos. No entanto, eles não foram bem sucedidos no apoio à tomada de
decisões que exigem criatividade, conhecimento amplo de bom senso ou julgamento estético
(Kolodner, 1991)
O Raciocínio Baseado em Casos (CBR) fornece uma metodologia para SAD/SSD na
resolução de problemas novos, com base na solução de problemas semelhantes do passado.
A técnica núcleo do CBR é ter uma capacidade de aprendizagem poderosa que pode usar
experiências do passado como base para lidar com problemas emergentes. O CBR, portanto,
pode facilitar o processo de aquisição de conhecimento, eliminando o tempo necessário para
extrair soluções especialistas. CBR parece ser o método preferido de raciocínio ao alterar
dinamicamente situações onde muito é desconhecido e as soluções nada claras.
O CBR é representado por um ciclo de quatro fases (4Rs): recuperar, reutilizar, rever e
reter (1994 Aamodt & Plaza).
1. Recuperar - quando dá entrada um novo problema, o CBR recupera o caso mais

semelhante do caso base.
2. Reutilizar - a solução do caso recuperado é reutilizada.
3. Rever - a solução é revista para se adequar ao novo problema.
4. Reter - a solução revista e os problemas, são retidos para reutilização futura.
67 Linear Programming – A Concise Introduction – Thomas S.Ferguson

http://www.usna.edu/Users/weapsys/avramov/Compressed sensing tutorial/LP.pdf
68 Case-Based Reasoning
http://www.aiai.ed.AC.uk/links/CBR.html
52
Obviamente, o CBR é naturalmente, adequado para a tomada de decisões baseadas no

conhecimento. O sucesso de um sistema CBR está sujeita à adequação dos conhecimentos e ao
grau de raciocínio correctos.
Reinartz et al. (2001) estendeu o ciclo típico do CBR de quatro fases com duas fases
(mais 2 R’s) adicionais: revisão e restauro. Na fase de revisão, o estado actual de um sistema
CBR e os seus conteúdos de conhecimento são monitorizados e avaliados; o sistema, incluindo
a sua base de conhecimento, é adaptado na fase de restauração para melhorar o desempenho
do sistema69.
Fase Manutenção Fase Aplicação
Restauro Recuperar
Conteúdos de
Contéudos de
Conhecimento
Conhecimento
Revisão Reutilizar
Reter Rever
Esquema 15 - O Ciclo do CBR em 6 fases (Reinartz et al. 2001)
Os SAD/SSD baseados em CBR podem ser passivos ou activos. Podem ser usados para
ajudar e apoiar a decisão a decisores com pouca experiência ou os mais experientes e podem
ser usados para ajudar numa grande variedade de actividades de decisão.
A maior vantagem dos métodos CBR é que considerado como um processo de raciocínio
natural dos seres humanos. Normalmente, os decisores são bons no uso de casos, mas não tão
bons, em recordar os correctos. Assim, o CBR pode estender a memória dos decisores,
fornecendo os casos adequados.
A grande desvantagem do método CBR é que o espaço de solução não pode ser
plenamente explorado. Como resultado, não há nenhuma garantia de uma solução ideal para
um problema de decisão.
69Six Steps in Case-Based Reasoning: Towards a maintenance methodology for case-based reasoning systems (2001)
http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.18.3249
Case-Based Reasoning [The AI-CBR Homepage]: http://www.ai-cbr.org/
53
Árvores de decisão 70
[Ajudas de Representação (5)]
Uma árvore de decisão é um gráfico de decisões e suas possíveis consequências bem
como os eventos aleatórios relacionados, usado para criar um plano para alcançar o objectivo
de uma decisão. Uma árvore de decisão é um modelo de previsão para mapear as observações
sobre um item com as conclusões sobre o valor de destino do item e permite a
conceptualização e o controle de um bom número de problemas de decisão sujeitas a riscos
Cada nó (de decisão e de escolha) interior corresponde a uma variável; um arco para uma
“ramo” representa um valor possível dessa variável. As folhas representam o valor previsto da
variável alvo, dando os valores das variáveis representadas pelo caminho desde a raiz. Os
ramos terminam em nós de finais.
O esquema seguir mostra um exemplo de uma árvore de decisão utilizado para
optimizar um portfólio de Investimento.71
Esquema 16 - Exemplo de Árvore de Decisão - Optimização de portofolio Investimento (Wikipedia)
FERRAMENTAS
Neste título, pretende mencionar-se algumas das ferramentas de gestão de base de
dados, usadas segundo a taxonomia de Zachary pelas Técnicas de Controlo de Informação. Os
SAD/SSD têm sido um auxiliar precioso a processos de decisão muito complexos e ambiciosos.
No entanto, o apoio á decisão evoluiu dos sistemas de pergunta/resposta para um conjunto
muito variado de técnicas de análise de dados. Este conjunto de ferramentas pretende utilizar
toda a informação disponível para melhorar a forma de gerir as organizações. Os DW são o
núcleo de todas estas ferramentas ou plataformas tecnológicas:
Data Warehouses
Um Data Warehouse ou armazém de dados é um sistema informático que tem como
função armazenar informações relativas às actividades de uma organização em bases de
dados, de forma segura. O Data Warehouse tem um desenho específico que possibilita a
análise de grandes volumes de dados, recolhidos dos sistemas transaccionais OLTP. São
chamadas de séries históricas, ou seja facilitam a análise de eventos passados, oferecendo
suporte às tomadas de decisões presentes e a previsão de eventos futuros.
70 Decision Trees Tutorial: http://www.autonlab.org/tutorials/dtree.html

Decision Trees & Data Mining – Tuturial and Resources: http://www.decisiontrees.net/
71 http://en.wikipedia.org/wiki/Decision_tree
54
Por definição, os dados de um Data Warehouse estão disponíveis somente para leitura
pelo que, não podem ser alterados, esta situação só é alterada em caso de ser necessário fazer
correcções em dados previamente carregados.
Os Data Warehouse surgiram como conceito académico na década de 80, mas com a
evolução das tecnologias e a necessidade de uma melhor análise de dados por parte das
empresas, já que os sistemas OLTP não permitiam a análise mas apenas uma simples geração
de relatórios, a implementação do Data Warehouse passou a ser uma realidade nas grandes
organizações.
Nesse contexto, o universo de ferramentas utilizadas pelo Data Warehouse também
cresceu, sendo cada vez mais desenvolvidas e sofisticadas de maneira a apoiar uma utilização
estruturada.
Concluindo os Data Warehouse são sistemas de armazenamento de dados que vieram
revolucionar as organizações em avanços tão simples como a melhoria do tempo de resposta
a solicitação de dados ou mais complexos como a melhoria da previsão de comportamentos.
Os DW são sistemas integrados, não voláteis, variantes no tempo, constituídas por um
conjunto de bases de dados relacionais e multidimensionais (MDDB) que são optimizadas
para suportar processos de tomada de decisão, sendo separadas das bases de dados
operacionais. As bases de dados multidimensionais organizam os dados em n-dimensões para
que os utilizadores possam visualizar todo um conjunto de dados referentes à mesma área de
negócio, tal como por exemplo produtos, regiões de acção, variação das vendas, critérios
temporais, etc.
Actualmente, pela sua capacidade de resumir e analisar grandes volumes de dados, o
Data Warehouse é o núcleo dos sistemas de informações de apoio à decisão.
Bases de ETL
Extracção Data
OLAP Dados
Transformação Warehouse
Limpeza
Relatórios
Operacionais
Relatórios
Estratégicos
Esquema 17- Arquitectura típica de um Data Warehouse
55
Data Marts
Data Mart ou armazém de dados, é subconjunto de dados de um Data Warehouse.

Geralmente são dados referentes a um assunto em específico (ex: vendas, stock) ou mais de
uma área específica sob diferentes tipos de sumário (ex: vendas anuais, vendas mensais,
vendas a 5 anos).
Os dados para o Data Mart são obtidos do Data Warehouse e indexados de maneira a
suportar uma pesquisa intensa por parte do Data Mart, que por sua vez extrai e ajusta os
dados de maneira a servir os requisitos específicos de grupos ou departamentos.
A nível de implementação, planeamento e projecto o Data Mart funciona como o Data
Warehouse, Criado á posteriori utiliza dados extraídos do Data Warehouse de forma a atender
a necessidades de um sector dentro da empresa.
O Data Warehouse e o Data Mart, são dois sistemas na realidade muito semelhantes,
onde a maioria dos requisitos são similares (integração, tempo, agregação, análise e dados
vol|teis), tendo unicamente o “objectivo” como requisito dispare.
Sendo assim o Data Warehouse tem como objectivo atender á empresa como um todo, e
o Data Mart tem como objectivo atender apenas a um subconjunto dentro da empresa,
independentemente de esse subconjunto poder ou não reunir vários sectores.
Concluindo os Data Mart são um sistema de armazenamento dependente dos DW
orientados para uma área específica da Organização e dos conjuntos de dados.
Data Warehouse
Data Mart
Esquema 18- Representação típica de Data Mart
56
On-line Analytical Processing (OLAP)

O processamento analítico online (Online Analytical Processing, OLAP) é uma tecnologia
utilizada para manipular, analisar e organizar um grande volume de dados sob múltiplas
perspectivas.
As ferramentas OLAP são capazes de navegar pelos dados de um Data Warehouse,
possuindo uma estrutura adequada tanto para a realização de pesquisas como para a
apresentação de informações.
As bases de dados OLAP são divididas num ou mais cubos,
e cada cubo é organizado e estruturado por um administrador
do cubo de forma a ajustar-se à forma que utilizada para obter e
analisar dados, para que seja mais fácil criar e utilizar os
relatórios de Tabela Dinâmica e de Gráfico Dinâmica de que
necessita.
Nas ferramentas de navegação OLAP, é possível navegar
entre diferentes níveis de detalhe de um cubo de dados. Através
de um processo chamado Drill o utilizador pode aumentar ou
diminuir o nível de detalhe dos dados. Outra possibilidade Figura 11 - Cubo OLAP
apresentada pela maioria das ferramentas de navegação OLAP (http://www.relativitycorp.com)
é o recurso chamado Slice and dice. Esse recurso é usado para
criar visões dos dados por meio da sua reorganização, de forma que eles possam ser
examinados sob diferentes perspectivas.
O OLAP inclui actividades como geração de querys, pedidos de relatórios e execução de
análise estatística, que são desenvolvidos pelo utilizador final. Para facilitar as operações
OLAP é necessário trabalhar com o Data Warehouse e um conjunto de ferramentas com
capacidades multidimensionais, que incluem ferramentas de query, folhas de cálculo,
ferramentas de Data Mining e de visualização.
O OLAP faz uso das técnicas de cruzamento e consolidação de dados sobre eixos
múltiplos, permitindo a análise de tendências e projecções de mercado de uma forma
heurística e interactiva.
Comunicação
Querying
Fontes de
Dados
Geração de
relatórios
Aquisição
Internas extracção, Análise, Apresentação
distribuição e Data modelação, e visualização
transporte de warehouse previsão de dados
Externas dados
Multimédia
Esquema 19 - OLAP Online Analytical Processing
57
DataMining
Desde que a informática passou a fazer parte das nossas vidas, imensos volumes de
informação têm sido recolhidos e armazenados. Isso trás um enorme benefício, pois já não é
necessário procurar informação em volumosos arquivos de papel. Apesar disso, apenas
recolher e arquivar informação não é suficiente, e è nesse sentido que o Data Mining se insere.
O processo de Data Mining permite que se investigue dados à procura de padrões que
tenham valor para a empresa.
Um ser humano é capaz de fazer até 8 comparações ao mesmo tempo. A função do Data
Mining é precisamente ampliar esta comparaç~o até ao “infinito” e tornar isso visível ao olho
humano.
O ser humano sempre aprende com a observação de padrões, formulando hipóteses que
testa e para as quais vai descobrindo regras. A informática é uma tecnologia que armazena um
enorme volume de dados, os quais não conseguem ser avaliados á procura de padrões num
prazo de tempo razoável. A solução foi criar uma ferramenta capaz de detectar padrões que
sejam novos e úteis. O Data Mining surge então com essa finalidade podendo ser aplicado
tanto em pesquisa científica como para impulsionar os lucros de uma empresa
O Data Mining basicamente é a aplicação de técnicas estatísticas complexas que são
analisadas por técnicos especializados.
Trata-se de um processo que utiliza
diversos algoritmos que processam os
dados e encontram "padrões válidos,
novos e valiosos". É no entanto
necessário perceber que embora os
algoritmos actuais sejam capazes de
descobrir padrões "válidos e novos",
ainda não existe uma solução eficaz para
determinar padrões valiosos. Por essa
razão, Data Mining ainda requer uma
interacção muito forte com analistas
humanos, que são, em última instância,
os principais responsáveis pela
determinação do valor dos padrões
encontrados.
Resumindo o Data Mining pode ser
descrito como um conjunto de técnicas
de análise e processamento de grandes
quantidades de dados permitindo extrair
padrões ocultos de dados relevantes e a Figura 12 - - Conceito abstracto de Data Mining
sua classificação de acordo com (Fonte: http://techpubs.sgi.com)
comportamentos ou relações semelhantes, a modelação explícita de dependências entre
variáveis e a detecção de desvios em variáveis chave, permitindo utilizar o passado para
prever tendências futuras a fim de fornecer aos decisores 'conhecimento' para auxiliar a
tomada de decisão. O processo de Data Mining assenta na descoberta de dados que devido à
sua natureza não são tão visíveis (ou directos) como os dados armazenados em DW. O
objectivo baseia-se em tentativas de extracção automática de conhecimento das bases de
dados de maior dimensão, quer sejam DW ou outro tipo de sistemas de bases de dados.
58
IMPACTO DOS SAD/SSD

Um Sistema de Apoio à decisão bem concebido, desempenha um papel muito importante
ao compilar informação útil a partir de dados brutos, documentos, conhecimento pessoal, e
modelos com o objectivo de auxiliar na resolução de problemas. Permite aos decisores
efectuar um número elevado de processamento rapidamente. Assim, a implementação de
SAD/SSD nas organizações, que se deparam com muitos problemas de decisão e complexos, é
cada vez maior e o seu uso do SAD é muito vantajoso.
As organizações que não fazem uso de SAD/SSD, o processo de tomada de decisões é
feita apenas com base em dados históricos e em experiências individuais. No entanto, quando
se usa um SAD/SSD para apoiar o(s) decisor(es) no processo de tomada de decisão, as
informações fornecidas pelo sistema são incorporadas nos dados históricos e nas experiências
individuais, e com este processo, disponibiliza melhores condições para a tomada de decisão.
Sendo que a saída ou a mudança do decisor pode causar grande impacto na organização,
devido à perda da história de como as decisões foram tomadas.
Apesar da reconhecida vantagem no uso dos SAD/SSD nas organizações, o impacto nas
organizações da sua implementação e dos sistemas de informação associados e tecnologias
associadas, é alvo de muitos estudos. De acordo com Rockart e De Long (1988)72 a utilização
de sistemas computacionais por parte de gestores é no mínimo controversa. Esta controvérsia
é tanto maior quanto mais elevada for a posição hierárquica dentro da organização. O
principal argumentado apontado é o seguinte. Os executivos debatem-se com múltiplas
questões, normalmente estratégicas, num ambiente não estruturado, complexo e em
constante mutação. Para lidar com este ambiente necessitam de informação actualizada e
orientada para o exterior, na sua maior parte informação não quantitativa e genérica (soft
information). A melhor forma de obter este tipo de informação é através de subordinados, ou
outros, quer pessoalmente quer através do telefone (leia-se meios de comunicação sem
impacto da palavra escrita – o correio electrónico possui por vezes esta característica). Os
sistemas computacionais fornecem tipicamente dados quantitativos e detalhados (hard
information), históricos e orientados para o interior da organização. Parecem portanto pouco
plausíveis como substitutos de fontes de informação humanas.
No entanto, apesar das críticas, a utilização de
ferramentas informáticas no apoio à gestão aumenta
de ano para ano. A tecnologia quer em termos de
hardware quer de software, tem melhorado
rapidamente. Computadores de baixo custo e grande
capacidade juntam-se actualmente a aplicações de
fácil utilização. Algumas aplicações que eram
tecnicamente impossíveis há algum tempo atrás são
agora muito fáceis de implementar. Para além disso,
cada vez mais, há gestores com formação na área das
TI. Para alguns deveu-se a um desejo de saber mais,
outros sentiram a necessidade de saber como os
seus subordinados utilizavam as TI e finalmente há
também os que consideram a questão estratégica em Figura 13- Abstracto/ O Cerebro humano e
informação armazenada (Fonte: Google Images)
termos organizacionais. Também não se pode por de
parte o resultado da passagem do tempo implicando a promoção a lugares de gestão
indivíduos cujas tarefas dependiam primordialmente da utilização de computadores.
72 http://en.scientificcommons.org/john_f_rockart
59
A informação ao dispor de uma organização está hoje em dia armazenada numa

combinação dos seguintes meios:
 Na “cabeça” de alguém,
 Em papel,
 Em microfilme ou outro suporte substituto directo do papel
 Num computador em suporte digital.
Os gestores utilizam muito frequentemente a informação que possuem na “cabeça” ou a

sua intuição, no entanto a proporção das decisões baseadas unicamente neste tipo de
informação está a decrescer rapidamente. Há medida que as situações envolventes se tornam
mais complexas mais se torna necessário informar as decisões.
Com o aumento da quantidade de
informação o meio de armazenamento mudou
do papel para o computador. De facto, a partir
de uma determinada quantidade, os registos
em computador tornaram-se muito mais
baratos do que em papel. Claramente que não é
só necessário determinar o custo do
armazenamento mas também da recuperação e
utilização da informação. Embora os registos
possam ser utilizados para informar decisões,
verifica-se que uma organização tenta
primordialmente manter a informação com o
propósito de arquivar historicamente o
passado. Estes arquivos podem crescer
desmesuradamente e colocar alguns problemas
aos processos de decisão, pois para informar
uma decisão não é só necessário recolher,
armazenar, recuperar e eventualmente
Figura 14 - Informação por meio electrónico eliminar informação, é principalmente
necessário utilizá-la. A qualidade de uma decisão pode ser prejudicada tanto por falta de
informação, como por demasiada informação. A ignorância pode ser comum às duas situações:
se há demasiada informação um gestor pode falhar os factos essenciais, ou mesmo desistir de
usar tão grande quantidade de informação e refugiar-se em apenas alguns pontos que julga
essenciais, regressando ao ponto de partida.
Em resumo, os SAD/SSD e ferramentas computacionais são hoje em dia incontornáveis
para gerir a informação que se destaca como um importante recurso organizacional, mas
levantam duas grandes questões à investigação nestas áreas: Quais as tarefas mais
apropriadas para serem apoiadas computacionalmente? E como construir sistemas tentando
minimizar os aspectos negativos? É reconhecido pela generalidade da literatura actual que o
sucesso de um sistema depende de quão é aceitável para os utilizadores alvo, para os
potenciais compradores (nem sempre utilizadores) e para todos aqueles que são afectados
pela sua introdução e utilização, numa organização.
A utilidade e a facilidade de utilização no caso de plataformas tecnológicas são
consideradas factores primordiais na aceitação e utilização de um sistema de SAD/SSD.
Gerou-se no entanto, bastante confusão entre estes dois conceitos e com a sua importância
relativa para a utilização efectiva de um sistema. Por utilidade entende-se normalmente o
grau segundo o qual uma pessoa acredita que a utilização de um determinado sistema vai
melhorar a prestação do seu trabalho. Por facilidade de utilização, entende-se normalmente o
60
grau segundo o qual uma pessoa acredita que a utilização de um determinado sistema será
livre de esforço. As definições apresentadas evidenciam claramente o carácter subjectivo dos
termos. Mas, mais importante, é a constatação que por muito que se melhore o interface de
um sistema se a sua utilidade for baixa, ele continuará a não ser utilizado. E mais, os
potenciais utilizadores continuarão a afirmar que o sistema não é de fácil utilização. O que
leva a crer que, ao contrário do que normalmente se considera, a facilidade de utilização não é
uma característica intrínseca do interface de um sistema, não podendo, portanto, ser
optimizada em separado.
Ewusi-Mensah (1997) 73 investigou quais os factores que levam ao abandono de
projectos de desenvolvimento de sistemas de informação. Os seus resultados indicam que o
cancelamento de projectos pode ser atribuído a mistura de factores, por ordem de frequência:
 Objectivos do projecto – Falta de um acordo global sobre um conjunto bem articulado de
objectivos do projecto e da organização.
 Constituição da equipa do projecto – Equipas onde os elementos são problemáticos e
difíceis de gerir em conjunto, ou de proveniências tão díspares que não conseguem
comunicar entre si.
 Gestão e controlo do projecto – Má liderança e falta de sistemas de medida de progresso e
de identificação atempada de problemas potenciais.
 Conhecimento técnico – O nível de conhecimentos da equipa, quer no domínio da
aplicação quer no plano técnico, é insuficiente para os desafios colocados pelo projecto.
 Infra-estrutura técnica – O nível organizacional de tecnologia informática de base não é
adequada ao projecto.
 Envolvimento da administração – Decisões politicas em momentos cruciais do desenrolar
do projecto são delegadas em especialistas técnicos.
Como conclusão, para que o SAD funcione bem ele depende dos seguintes factores:
 O modelo construído deve atender às necessidades gerais da organização e não somente às
necessidades específicas de um utilizador/decisor;
 Mudanças no sistema devem ser feitas rapidamente pelo analista de sistemas para atender a
novas necessidades de informação para apoio à decisão;
 Informações sobre as decisões tomadas devem ser armazenadas e estar disponíveis para
que outras pessoas as utilizem em novos processos de tomada de decisão;
 O interface com o utilizador deve ser o mais amigável possível;
 A obtenção de informações, internas e externas à organização, deve ser imediata;
 Os benefícios da utilização de SAD devem ser disseminados na organização através de
formação.
Figura 15 – Abstracto / Benefícios dos SAD
73 Software Development Failures - Anatomy of abandoned projects. Kweku Ewusi-Mensah (Set2003) ISBN-10: 0-262-05072-2
61
VANTAGENS
 Rapidez
 Ultrapassa limites cognitivos (através do computador)
 Qualidade (obtenção do valor óptimo mais próximo dos nossos objectivos)
 Decisões mais eficazes e mais eficientes
 Melhor comunicação entre os decisores
 Melhor utilização do processo de aprendizagem
 Diminuição de custos com software: administração e suporte
 Retorno sobre investimento mais rápido para projectos implantados com BI;
 Maior controlo das informações e redução das taxas de dados incorrectos;
 Maior segurança das informações;
 Alinhamento de informações estratégicas e operacionais;
 Facilidade de controlo de acesso, com definição de níveis;
 Rapidez na recolha de informação para tomada de decisões estratégicas;
 Informação consistente em vários locais dispersos;
 Vantagem competitiva.
 Exactidão nas informações necessárias à tomada de decisão
 Obtenção de informações precisas e actualizadas a respeito de comportamentos
 Obtenção de informações (ex: lucro e produtividade) como um todo, permitindo
detalhes por critérios específicos
 Análise comparativa por períodos de tempo;
 Satisfação da administração de topo no que diz
respeito ao pronto atendimento na procura de
informações;
 Conferência e acertos de dados, devido à maior
visibilidade das informações, permitindo correcções
dos sistemas OLTP.
DESVANTAGENS /PROBLEMAS
 Custo elevado das soluções
Figura 16 - Abstracto/Tratamento
 Pouca flexibilidade (ex: relatórios) de Informação relevante.
 Limitação de recursos (Fonte: Google Images)
 Os relatórios são apenas informação resumida da
actividade operacional
 Há falta de visão da evolução temporal
 Há dúvidas sobre quem é proprietário ou autor da informação
 Problema de acção
 Orientação para a escolha de alternativas/soluções
 Suposição da relevância da resposta do sistema
 Transferência de poder ao sistema que não é intencional
 É mais difícil atribuir responsabilidades
Como grande desvantagem há a registar que, acompanhando os modelos, ferramentas e

técnicas mais avançadas, surgiu também, na área dos SAD/SSD uma abordagem técnico-
racional à resolução de problemas e aos processos de decisão, que, ao enfatizar a análise
quantitativa e a eficiência computacional, subestima ou mesmo despreza factores qualitativos
e psico-sócio-culturais dos decisores.
62
NOVAS TÉCNICAS E O FUTURO

Uma quantidade considerável de ferramentas e tecnologias estão a ser dotadas de novas
capacidades no domínio dos Sistemas de Apoio à Decisão. Tal facto obriga a mudanças e
actualizações ao nível das empresas cujo principal objectivo é o desenvolvimento deste tipo
de sistemas. As mudanças referidas acontecem principalmente ao nível do hardware, do
software baseado em critérios matemáticos (software matemático), das técnicas de
inteligência artificial, agentes inteligentes, técnicas de Data Mining, bases de dados
multidimensionais (MDDB) e Data Warehouses, sistemas de Enterprise Resourse Planning
(ERP), processos de análise on-line (OLAP), tecnologias de comunicação bem como todo um
conjunto de ferramentas baseadas em tecnologias “World Wide Web” e internet.
SISTEMAS ORIENTADOS AO INDIVIDUO

Actualmente a dimensão de um problema a solucionar por um determinado software
comercial poderá ser virtualmente ilimitado, dependendo apenas do tamanho da memória
disponível no computador ao dispor do utilizador (não podemos também ignorar o factor
paciência, por parte desse utilizador). Muitos destes sistemas são implementados em
aplicações comerciais tais como, por exemplo folhas de cálculo no Excel do Microsoft. Office ou
o Quattro-Pro da Borland, aplicações que a maioria de nós reconhece que possuem uma
interface gráfica intuitiva aliada ao facto de proporcionarem uma ligação a uma qualquer base
de dados.
Com a constante evolução das redes e comunicações a nível global, os sistemas do tipo
Single User foram alterando a sua natureza passando cada vez mais a sistemas distribuídos e
integrados, ou seja, vão surgindo os Sistemas de Apoio à Decisão Distribuídos (SADD / DDM –
Distributed Decision-making Systems). Os SADD são constituídos por um agrupamento de
vários sistemas Single-User, sendo possível a estes sistemas realizarem as suas tarefas quer
em conjunto, quer de uma forma independente entre si, obtendo assim decisões de um modo
sequencial. Os SADD não se podem considerar sistemas independentes e autónomos, na
medida em que dependem directa ou indirectamente de outros (tipos de) sistemas, obrigando
assim que o futuro dos SADD esteja directamente ligado ao futuro e aos avanços no
desenvolvimento de um conjunto alargado de outras tecnologias, onde se podem destacar a
título de exemplo as Data Warehouse, técnicas de Data Mining e agentes inteligentes.
Os agentes inteligentes (também conhecidos como interfaces inteligentes ou
adaptativos) são entidades emergentes interdisciplinares de pesquisa onde se envolvem
algumas áreas intervenientes nos processos de sistemas de apoio à decisão, tais como:
conhecimento cognitivo, psicologia, bases de dados, etc. A pesquisa em tecnologias ligadas aos
agentes inteligentes tem contribuído para as novas gerações de sistemas inteligentes de apoio
à decisão e Executive Information System (EIS).
Os sistemas de apoio à decisão agora e para o futuro, estão equipados com ferramentas
que agem como conselheiros ou mentores para a decisão do momento e do modo como são
fornecidos aos utilizadores conselhos e “poder” de crítica. Utilizadores constantemente
sujeitos a estímulos de agentes electrónicos, que formulam problemas e inquerem o sistema
sobre os problemas formulados. A essência da decisão activa será o suporte a actividades que
tem como base a monitorização do processo de tomada de decisão, estimulando as ideias e a
criatividade dos decisores.
Por outras palavras pode dizer-se que o método de decisão activa funciona como um
decisor, no extremo do conceito pode mesmo afirmar-se que este método é um decisor
63
SISTEMAS DE GRUPO (SADG),ORGANIZACIONAIS E A WORLD WIDE WEB

A World Wide Web está a ser cada vez mais usada como plataforma cliente-servidor de
muitas organizações devido á rede e independência da plataforma e aos baixos custos de
software/instalação/manutenção. Mais e mais, o Groupware estará ligado intrinsecamente à
internet. A World Wide Web está a tornar-se a infra-estrutura para a próxima geração de
SAD/SSD e aplicações Groupware. Muitos produtos de Groupware, como o Lotus Domino74 e o
Microsoft Exchange75 estão a integrar cada vez mais protocolos na sua composição. As novas
versões do Office já fazem por eliminar as fronteiras entre a World Wide Web e o Groupware.
Muitas companhias estão a utilizar tecnologia Groupware para aumentar o business-to-
business através de intranets e extranets.
Outro desenvolvimento na área dos sistemas de informação é a importância crescente
dos sistemas ERP (Enterprise Resource Planning). Os sistemas ERP são a nova geração de
sistemas de informação que integram informação e processos baseados na informação em
áreas funcionais da organização. Os sistemas ERP têm como foco principal o processamento
de dados resultantes da criação de bases de dados organizacionais extensas que consistem em
unidades individuais de negócio através do globo. As extensas bases de dados criadas pelo
sistema ERP disponibilizam uma plataforma para apoio à decisão, Data Warehousing, Data
Mining e sistemas de apoio a executivos. As soluções integradas disponibilizadas pelos
sistemas ERP são atribuídas ao uso de uma base de dados comum.
Á medida que entramos na era da aldeia global onde as fronteiras geográficas e
temporais se vão desvanecendo rapidamente, os SAD/SSD globais emergem como novas
fronteiras na área dos sistemas de informação para a gestão. Na próxima década, os SAD/SSD
irão focar-se em equipas, grupos de trabalho e distribuídas e descentralizadas estruturas
organizacionais. Consequentemente, muitas organizações aumentam o desenho e a
implementação de SADG e organizacionais.
Os MSS (Management Support Systems) globais imergirão como elemento chave no
processo de decisão na gestão e como uma arma essencial contra os adversários globais.
Suportar actividades de negócio globais está-se a tornar uma importante e extremamente
complexa tarefa e as SAD/SSD globais não são suficientes. É essencial desenvolver e integrar
MSS globais com sistemas de informação para executivos, redes neuronais, e por aí fora.
Figura 17 - Abstracto/Decisões Globais e em Grupo

(Fonte: Google Images)
74 Lotu Domino: http://www-01.ibm.com/software/lotus/products/domino/

75 Microsoft Exchange Server 2010: http://www.microsoft.com/exchange/2010/en/us/default.aspx
64
CONCLUSÃO
Este documento não pretende nem pretendeu esgotar o assunto, mas sim ser uma
pequena contribuição ao tão complexo mundo da gestão de informação nas empresas com o
objectivo de auxiliarem no processo de tomada de decisão.
Os sistemas de informação têm sido desenvolvidos para optimizar o fluxo de informação
relevante no âmbito de uma organização, desencadeando um processo de conhecimento e de
tomada de decisão e intervenção na realidade. De um modo geral, existe um consenso de que
um sistema de informação deve ser estratégico e contribuir para que uma organização possa
alcançar os seus objectivos.
Para isso, a abordagem metodológica no seu desenvolvimento deve ser voltada para a
determinação das necessidades, a organização, a disseminação e a representação da
informação, com o objectivo de aperfeiçoar o valor do sistema. De notar que os sistemas de
informação e as plataformas tecnológicas actualmente disponíveis são bastante poderosos,
sendo a sua utilização tanto maior quanto maior é a sua facilidade de utilização.
Com a crescente evolução das novas tecnologias e a sua efectiva utilização no âmbito
organizacional, os sistemas de informação tornaram-se ferramentas essenciais no quotidiano
organizacional. A crescente importância destes sistemas e o nascimento da Internet fizeram
com que empresas e particulares tivessem rapidamente acesso às enormes quantidades de
informação.
Figura 18 - Abstracto/Informação Global (Fonte: http://www.teamwox.com/en/teamwox/groupware)
A existência de ferramentas que alteraram completamente a forma de como realizar as

actividades rotineiras da empresa, que permitiram a automatização de algumas dessas
tarefas, a constante criação de aplicações que permitiam cada vez mais uma maior
organização e estruturação e representação da actividade empresarial fez com que os
investigadores começassem a estudar formas de modelar a Tomada de Decisão Empresarial.
O crescimento do mercado de BI é claramente visível. Existem dados que comprovam
não se tratar de uma moda passageira. É, claro, que ajustes de infra-estrutura e na integração
dos sistemas são necessários, mas o retorno do investimento tem sido comprovado por várias
organizações que adoptaram sistemas de BI.
À medida que as tecnologias de informação evoluem, as ferramentas de BI vão sendo
rebaptizadas e reagrupadas. Soluções anteriormente denominadas EIS e SAD como sistemas
independentes acabaram por ser incorporadas com outras ferramentas e, mesmo quando
oferecidas em separado, recebem outras denominações para ganhar um ar de modernidade.
65
Na história do BI e dos SAD/SSD, existem muitos relatos de iniciativas de sucesso e

também de projectos que não deram certo. Todas essas experiências trouxeram lições
importantes para o mercado, e ajudaram a identificar as melhores práticas, as tendências de
tecnologias e factores que afectam o sucesso estratégico dos sistemas de BI e SAD/SSD. As
melhores práticas actualmente e por que os sistemas de BI são mais abrangentes que os
SAD/SSD focam, essencialmente, a arquitectura de BI e do Data Warehouse, a limpeza dos
dados históricos, a organização dos dados e a apresentação da inteligência e do conhecimento.
Para a implementação efectiva de uma solução de apoio à decisão, a condição essencial,
segundo defende a maioria dos analistas de mercado, é a de existir um repositório único de
dados que seja sólido e confiável. Consultores e especialistas referem a necessidade de
conquistar mais visibilidade sobre as informações que suportam o processo de tomada de
decisões, em todos os níveis da organização, ou seja: viram a necessidade de implementação
de um Data Warehouse, para unificar a visão, e capacitar a tomada de decisões com base em
informações mais precisas e
que toda a organização pode
aceder.
A descrição do conceito
de BI e o de SAD/SSD, em que
através de um conjunto de
ferramentas TI se pode
transformar os dados em
informação, e por sua vez, em
conhecimento, subsidiando
aos decisores uma mais-valia
na tomada de decisão sobre a
actividade da organização, ou
seja, em todas as medidas de
performance, permitindo o
aumento da produtividade e
da competitividade.
Figura 19 - O Mundo da Informação
De referir igualmente que tanto os Sistemas de BI como os SAD/DSS envolvem tarefas de

reunir, armazenar, analisar e avaliar dados utilizando uma variedade de ferramentas, sejam
estas de pesquisa e apresentação de relatórios, OLAP, Data Mining, etc
Sobre os temas, descrevi o impacto nas organizações, e como se podiam ‘adaptar’ a
outras realidades e não apenas à empresarial.
Resta dizer que tanto os sistemas de Business Inteligence como os Sistemas de

Apoio á Decisão por si só não decidem nada. Estes apenas orientam o agente decisor
para a tomada de decisão.
66
ARTIGOS “ESTADO DA ARTE”

BI 2.0: THE NEXT GENERATION
Information Management Magazine, November 2006
http://www.information-management.com/issues/20061101/1066763-1.html
(Charles Nicholls, 2006) Founder and Chief Strategy Officer of SeeWhy.

He incorporated the company in 2003 with a vision to create a new generation of real-time analytics
to revolutionize the way we analyze and use customer data.
We live in real time, minute by minute. News is In short, how can we build smarter business
no longer delayed by days; it is streamed in real time. processes that give our organizations competitive
We bank online and check our real-time balances. We advantage? How can we build the intelligent business?
book flights with real-time visibility of seat
availability, and we select the seat we want online in
real time. All these transactions generate data - lots of The Client/Server Legacy
data. The BI tools most organizations use today were
To allow us to adapt our business models to designed to solve a problem that arose in the early
today's real-time world, software applications are now 1990s with the spread of the relational database. As
built using event-driven technologies. Data moves more information was stored in databases, simply
around in real time over service-oriented extracting it became a chore for IT departments
architectures (SOAs), using loosely coupled and highly because most users weren't interested in becoming
interoperable services that promote standardized experts in writing SQL queries. Getting the data out of
application integration. databases truly became an end in itself and drove the
Yet business intelligence (BI) today has not rise of BI as we know it. Consequently, BI tools today
changed in concept since the invention of the focus on the presentation of data.
relational database and the SQL query - until the As it turns out, though, extracting data that is
advent of BI 2.0. hours or days old and publishing it into reports, while
BI 2.0 is a term that encapsulates several useful, doesn't provide clear guidance on what users
important new concepts about the way that we use should do right now to improve business performance.
and exploit information in businesses, organizations As a result, at many companies, BI users don't even
and government. The term is also intrinsically linked review the reports that are sent to them - they relegate
with real-time and event-driven BI but is really about them to reference documents. This is often expressed
the application of these technologies to business by users who complain that the information arrives
processes. too late to be really useful.
At the heart of this architecture are events, Strikingly, this is the antithesis of the real-time,
specifically XML messages. Ultimately, most modern actionable intelligence that many organizations need
processes themselves are actioned by events. to provide the quality of service customers demand. At
Consequently, when you think about how to add the most basic, such information is a day late and a
intelligence to modern processes, the humble SQL dollar short in most industries. In retail, for example,
query looks far from ideal. three to four percent of potential revenue is foregone
The traditional data warehouse has enabled due to items not being adequately stocked all the time.
significant advances in our use of information, but its The store manager is sent a stock report, but this
underlying architectural approach is now being arrives the next morning, after the close of business
questioned. Its architecture limits our ability to and too late to replenish the shelves.
optimize every business process by embedding BI Faster data warehouse queries or prettier
capabilities within. We need to look to event-driven, dashboard reports — the focus of BI system
continuous in-process analytics to replace batch- improvements until now — clearly do not begin to
driven reporting on processes after the fact. solve the problem because they do not get to the heart
of the architectural issue. It is undeniably the case that
by the time data has been entered into the data
67
warehouse and then extracted, it is out of date. This If the goal of BI 2.0 is to reduce latency - to cut
isn't a problem for some applications, but it is terminal the time between when an event occurs and when an
for those that must run off real-time or near real-time action is taken - in order to improve business
knowledge. performance, existing BI architectures will struggle.
A common misconception is that real-time data With BI 2.0, data isn't stored in a database or
isn't needed because there is no way that operations extracted for analysis; BI 2.0 uses event-stream
teams could analyze it. This is applying BI 1.0 thinking; processing. As the name implies, this approach
simply delivering more reports faster doesn't solve the processes streams of events in memory, either in
problem. What's needed is a way to put relevant parallel with actual business processes or as a process
insight into the hands of operations staff in time to step itself.
make a difference to day-to-day operations. Typically, this means looking for scenarios of
Reports are not the optimal deliverable of BI events, such as patterns and combinations of events in
systems. Reports need analyzing and interpreting succession, which are significant for the business
before any decisions can be made, and there is problem at hand. The outputs of these systems are
evidence that users don't look at them until they usually real-time metrics and alerts and the initiation
already know they have a problem. Rather than of immediate actions in other applications. The effect
reporting on the effectiveness of a process after the is that analysis processes are automated and don't rely
fact, BI should be used within the process as a way of on human action, but can call for human action where
routing workflow automatically, based on what a it is required.
customer is doing. In order to do this, you have to not BI 2.0 gets data directly from middleware, the
only capture data in real time, but you need to analyze natural place to turn for real-time data. Standard
and interpret it as well. middleware can easily create streams of events for
This is essentially event-driven BI - analyzing analysis, which is performed in memory. When these
up-to-the-minute data in the context of historic real-time events are compared to past performance,
information - so that actions can be initiated problems and opportunities can be readily and
automatically. The data warehouse isn't good at this. automatically identified.
Perhaps it is simply being asked to support functions it
Intelligent Processes
was not designed to handle.
In order to make a difference to the bottom line,
BI Services Arrive businesses need to make processes smarter. This
Over the past few years, companies have means either building outstanding ability into
started to present their data warehouses as Web automated processes, or providing operations staff
services for use by other applications and processes with actionable information and changing the day-to-
connected by SOA or middleware such as an day standard operating procedure to drive data-driven
enterprise service bus (ESB). A fundamental limitation processes. The solution is to leverage the messaging
to this approach is that the data warehouse is the technologies underpinning transactional systems,
wrong place to look for intelligence about the business process management and SOA, and event-
performance of a current process. Real-time process driven real-time BI technologies. These fit together
state data, so relevant to this in-process intelligence, is very naturally; you can think of real-time BI as
unlikely to be in the data warehouse anyway. analysis services in an SOA world.
Even layering a BI dashboard onto the data BI 2.0 needs to work with both well-defined
warehouse is inadequate for many operational tasks processes and less-defined areas. Many processes
because they rely on a user noticing a problem based can't be modeled and explicitly defined using business
on out-of-date data. Dashboards aggregate and process management. In fact, the majority of processes
average. They remove details and context and present today aren't modeled but rather are less explicitly
only a view of the past. Decisions require detail and defined. Business users often can't describe their
need to be made in the present. processes accurately enough, and yet operational
It's clear that data warehouses will remain, but processes still need intelligence.
their role can be clarified as the system of record, as BI 2.0 is driven by this need for intelligent
opposed to the only place that BI is done. Reporting processes and has the following characteristics:
and presentation of historical data will continue to be  Event driven. Automated processes are driven
done here - it was designed for that. Given the by events; therefore, it is implicit that in order to
challenges associated with trying to move to a real- create smarter processes, businesses need to be
time data warehouse, however, it is clear that able to analyze and interpret events. This means
information required to support and indeed drive analyzing data, event by event, either in parallel
daily operational decisions must come from a different with the business process or as an implicit
approach to avoid the latency introduced through the process step.
extract, transform, load and query cycle.  Real time. This is essential in an event-driven
world. Without it, it is hard to build in BI
The Vision for BI 2.0
68
capabilities as a process step and nearly Real-Time, Event-Driven BI

impossible to automate actions. By comparison, BI 2.0 represents both a bold new vision and a
batch processes are informational - they report fundamental shift in the way businesses can use
on the effectiveness of a process but cannot be information. It extends the definition of BI beyond the
part of the process itself unless time is not traditional data warehouse and query tools to include
critical. Any application that involves trading, dynamic in-process and automated decision-making.
dynamic pricing, demand sensing, security, risk, In the past, organizations have been forced to
fraud, replenishment or any form of interaction rely on out-of-date information and to attempt to fix
with a customer is a time-critical process and problems long after they occur. BI 2.0 changes that
requires real-time processing. because it allows BI capabilities to be built into
 Automate analysis. In order to automate day-to- processes themselves - in short, it lets companies
day operational decision-making, organizations create smarter processes.
need to be able to do more than simply present When BI steps up to identifying problems and
data on a dashboard or in a report. The challenge initiating corrective actions, not just presenting data, it
is turning real-time data into something has definitely evolved. It is ever closer to providing
actionable. In short, businesses need to be able to really useful information that can make a difference to
automatically interpret data, dynamically, in real the bottom line. Isn't this what BI was supposed to be
time. What this means in practice is the ability to all along?
compare each individual event with what would
normally be expected based on past or predicted
future performance. BI 2.0 products, therefore,
must understand what normal looks like at both
individual and aggregate levels and be able to
compare individual events to this automatically.
 Forward looking. Understanding the impact of
any given event on an organization needs to be
forward looking. For example, questions such as
"Will my shipment arrive on time?" and "Is the
system going to break today?" require forward-
looking interpretations. This capability adds
immediate value to operations teams that have a
rolling, forward-looking perspective of what their
performance is likely to be at the end of the day,
week or month.
 Process oriented. To be embedded within a
process in order to make the process inherently
smarter requires that BI 2.0 products be process-
oriented. This doesn't mean that the process has
been modeled with a business process
management tool. Actions can be optimized
based on the outcome of a particular process, but
the process itself may or may not be explicitly
defined.
 Scalable. Scalability is naturally a cornerstone of
BI 2.0 because it is based on event-driven
architectures. This is critical because event
streams can be unpredictable and occur in very
high volumes. For example, a retailer may want
to build a demand-sensing application to track
the sales of every top-selling item for every store.
The retailer may have 30,000 unique items being
sold in 1,000 stores, creating 30 million
store/item combinations that need tracking and
may be selling 10 million items per day. Dealing
with this scale is run of the mill for BI 2.0. In fact,
this scalability itself enables new classes of
applications that would never have been possible
using traditional BI applications.
69
70
BUSINESS INTELLIGENCE 2.0: SIMPLER, MORE ACCESSIBLE, INEVITABLE

Say goodbye to complicated interfaces, disconnected analytics and shelfware. An emerging era for BI will bring
simplicity, broad access and better ties between analysis and action.
Fevereiro 1, 2007
http://intelligent-enterprise.informationweek.com/showArticle.jhtml?articleID=197002610
(Raden, Neil, 2007) founder of Hired Brains, providers of consulting, research and analysis
in Business Intelligence, Performance Management, real -time analytics and
information/semantic integration. Write him at nraden@hiredbrains.com.
Why do three billion people a day use a Web integration, data quality, data cleansing, data
site that has a Spartan interface, a weird name warehouse, data mart, data modeling, data
(Google) and the capacity to do only one thing (the governance, data stewardship. BI tools are dependent
original search engine, that is, not the newer on these efforts.
applications)? Perhaps the reason is that it always Existing BI solutions are designed primarily for
gives you more than you asked for, but what you want people who can understand the data models and who
is usually on the first page. No one needs to install have time to build analyses from them, recall them for
software, to do upgrades or, for that matter, to pay for future use and provide information for others. Within
it. And no one needs a training class. most organizations, these experts account for about 5
Contrast this with Business Intelligence (BI) percent of the salaried workforce. That was fine for a
tools today, with complicated interfaces, software that decade or so while we worked out the problems and
is very expensive to purchase and maintain, and fine-tuned the architectures and methodologies, but
version upgrades that are often painful. These tools the people who are supposed to be served by this
generally offer very broad functionality, but somehow effort have largely voted with their feet and marched
it's never quite enough to solve the problem. There back to shadow systems, particularly spreadsheets,
are, at best, a few million copies licensed worldwide where the bulk of analytical work still takes place.
(across all BI vendors), yet more than a third of these While the number of BI users is increasing, the bulk of
seats are shelfware, according Optima Publishing's the increase is in passive report distribution, not
OLAP Survey 4. active analysis, collaboration or decision-making.
One could argue that phenomenon of the Web is Along with data, reporting drives BI. What is a
so unique that it is unfair to measure BI's performance report? At the simplest level, a report is the rendering
against it. The problem is that this is the second time of information requested from existing data, with at
BI has been eclipsed by another technology, as proven least some level of formatting and usually some added
by the fact that there are more than 200 million calculations, such as subtotals and totals at a
licensed copies of Microsoft Excel in use today. minimum. Reports are read-only. Originally, reports
Rest assured, the current era of BI is coming to were distributed on either paper or microfiche, but
an end and will be succeeded by a BI 2.0 era that about 25 years ago it became possible to see them
promises simplicity, universal access, real-time electronically. Today, they can be delivered to the
insight, collaboration, operational intelligence, Web, to portals, to cell phones, PDAs -- just about
connected services and a level of information anywhere.
abstraction that supports far greater agility and speed Making reports "interactive" doesn't really
of analysis. The motivation for this "version upgrade" change their nature. The ability to select parameters,
for BI is the need to move analytical intelligence into for instance, is actually a reporting application
operations and to shrink the gap between analysis and surrounding just another report. The ability to
action. navigate through the elements of the data model
interactively, such as OLAP, ultimately ends up as the
BI 1.0 Defined
visual display of just another report. No matter how
Despite its drawbacks, BI is not a failure. In many ways the fetching and formatting of data is
most ways, the facility for getting information to embellished, it is still a report. Some OLAP tools are
people where and when they need it is dramatically not read-only, but their use represents a tiny fraction
better than it was more than a decade ago, when of the BI use which, in turn, is an almost imperceptible
reports were usually paper-based and required fraction of the daily use of alternatives, especially
months of development to line up the data. But if you spreadsheets.
boil BI down to its basics, it is derived from only two
things: data and reports. Most of the effort in BI in the
last decade has been focused on the data issue " data
71
operations of the enterprise will fade as BI

becomes ubiquitous and mission-critical.
BI 2.0: What to Expect
 Batch Data Warehousing: This activity will
The new era of BI, which is already here, goes continue, but at a reduced rate as the need for
far beyond data and reporting. BI is becoming information exchange with partners, customers,
proactive, real-time, operational, integrated with regulators and other stakeholders become a 24/7
business processes, and extending beyond the proposition. Faster computers, more memory and
boundaries of the organization. To become pervasive better metadata (semantic models) will support
and grow out of its reporting niche, BI has to provide better data comprehension and reduce the need
simple, personal analytical tools on an as-needed basis for data integration.
with a minimal footprint and cost. Rather than relying  Methodologies: Data warehouse methodologies
solely on a rigid metaphor like data warehousing, BI that have been laid down and tuned for the past
needs the ability to access data anywhere it can be decade will take a while to pry loose from the
found and to performing integration on the fly, if collective consciousness. Many best practices will
necessary. Locating the right information to solve be largely invalidated by BI 2.0 and new ones will
problems must be a semantic process, not requiring emerge, but conventional wisdom is tenacious.
knowledge of data structures or canonical forms. Expect a lot of friction here. Remember 3NF
Directed search, based on the meanings of and versus Star Schema MOLAP versus ROLAP?
relationships among objects, allows practically any  The "Pyramid": This model of BI usage needs to
person or service to find what is needed without be scrapped. The idea of separating people into
assistance, whether it is structured information like bands of a pyramid based in whether they are
relational databases, message queues, logs, web power users or report readers never worked in
services or even unstructured content. the first place. Even "unsophisticated" users had a
The Web was not just a brilliant idea, it was and need to do a little modeling once a while, that's
is a world-changing phenomenon. Yet even in light of why they have Excel. In BI 2.0, roles are infinitely
this success, it is quickly moving to an entirely new malleable and a person can operate in different
plane of existence, one that is more collaborative, roles simultaneously.
intelligent, rich, semantically aware and simple. Web  BI Licensing: It's very likely that BI software
2.0 is about closing the loop, from being a collection of sales and licensing will evolve, too. If
web pages to a being the single platform for just about organizations can transform from 100 BI users to
everything. The physical resources are in place and 10,000 in a month, the market will not allow the
attractively priced, the open standards are evolving incumbents to reap a 100x windfall in revenue.
without fracturing the confederacy of technology Open-source and On-Demand channels will put
players, large and small. The missing piece is the more pressure on the traditional vendors to
semantic technology, but even that is progressing retire expensive, per-seat perpetual licenses.
nicely as semantics pure plays are gobbled up by more  Data Comprehension: Data integration is a
well-heeled operations like IBM, Google and painstaking process that is sifted through by
webMethods. people, and then the process is automated with a
BI needs a 2.0 initiative too. BI 2.0 won't replace tool. Tools are emerging that can take over the
BI, it will extend it. Current BI capabilities are well- tedious integration work, at least to some extent,
suited to many tasks, such as individualized and the rise of Master Data Management (MDM)
dashboards of overnight data or providing a rich hubs can further reduce the time-consuming
environment for interactive exploring of data, by work load. Coupled with better semantics-based
people and by algorithms. But current BI practices metadata, on-the-fly data comprehension
have always been weak dealing with the unexpected solutions -- for both internal data and for
and the urgent because of their "data first" orientation. connected flows of data from partners " will be
Spreadsheets shine here, but they lack too many emerging within the next 12-18 months.
architectural prerequisites to be useful, such as
Close the Loop
collaboration, security, abstraction and versioning,
among others. If spreadsheet tools develop these Today, analytics is a singular process. An individual
characteristics, and they are heading in that direction, views a report in some form or creates a query to
they will not usurp BI, they will become BI. understand something. No matter how sophisticated
or nave, the result is always the same (assuming it
Game Changers
works); the analyst has informed his or her opinion or
BI 2.0 will disrupt the BI industry in quite a few hypothesis, but the analytical tool stops there. It isn't
ways, and foot-dragging can be expected. Some more possible to replay the steps and show others how the
obvious effects will be: question was resolved. Nor is it possible, without a
 Convergence: The unnatural separation of BI custom-made application, to transfer this new
technology and staff from the rest of the knowledge to a system or service that can act on it
72
immediately. Nor is it possible -- again, without what they need without a lot of ceremony. BI 2.0 is
building an application -- to track the results of the inevitable.
decision explicitly (as in, "Orville, the action you took What should you do to prepare? Mostly,
on pricing based on the new parameters that entered readjust your thinking so you are open to the best
the system on Tuesday are showing a marked offers. Here are six ideas that will give you to start:
improvement in on-time arrivals at the terminal."). 1. Recognize the situation " People and technology
Delivering such capabilities would bring a Nirvana of have shifted to a new plane
decision support, something we have all been 2. Rethink analytics " Informing people to make
envisioning for a decade or more, but BI in its current better decisions is out; changing the nature of
state is not designed to close the loop. That's the work is in
promise of BI 2.0, and, in fact, it's the single driving 3. Think out of the BI box " Is compartmentalized
reason for this new era to emerge. security logical? Is role-based BI provisioning
useful?
Try New Thinking
4. Shift your focus from data to people " Pretend
Learning new skills is important and it's easy. What's data is like water. Now what do you do?
difficult is wrapping your brain around all of this and 5. Think less about process and more about
getting ready to walk away from what you now accept experience " Reactions to internal software are
as the correct approach. For instance, here are six BI now flavored by the Web.
1.0 fallacies that fall by the wayside in the BI 2.0 era: 6. Think less about features and more about how
people work effectively " MOLAP vs. ROLAP is
Prepare for the Inevitable
history; social networking and collaboration are
BI 2.0 is a natural evolution, but it isn't the future.
happening in a smooth, continuous fashion. It's more 7. BI is not a failure and it's not dead, either. BI 1.0
tectonic; forces build and changes happen abruptly. provided a great deal of utility, but the next
Enterprise technologies tend to be sticky because of wave will be hoisted up, as Issac Newton
their cost -- not just to implement but also to replace. described his superhuman accomplishments,
However, all enterprise applications are following the like "standing on the shoulders of giants." So
lead of the Web, especially Web 2.0. With billions of climb on. The view is great.
daily users, the Web is the cohort for a massive
longitudinal study. The results are in. People love
collaboration, social networks, mash-up's, no-cost
software, versionless software and the ability to get
BI 1.0 Fallacies BI 2.0 Realities
The Consumer Web invalidates this idea. When given

Most users want to be spoon-fed information and will
simple tools to do something that is important and/or
never take the initiative to create their own environment
useful to them, people find a way to "mash up" what they
or investigate the best way to get the answers they need.
need.
They will, but demographics will pressure them. Most BI

Vendors will obfuscate and slow down the drive for
"users" will be members of a generation that lives in
simpler and more affordable tools to preserve their bases
technology and will reject the functionality of current BI
Only air traffic controllers and credit card approval The availability of fresh data, from ever-widening sources,
applications need real-time data generates its own demand
Analytics cannot be supported until there is an enterprise Data comprehension will displace data warehousing, to
data warehouse, with a metadata repository, data some extent. The single version of the truth will give way
stewards and a comprehensive data model that to context, contingency and the need to relate information
represents the "single version of the truth." quickly from many sources
There is no longer a good reason for this prohibition. In

Operational systems cannot be queried for analytics
fact, with SOA, it doesn't even make sense.
Message queues, logs, sensors " transient data and caches,

Data must exist in a persistent data store for analytics temporary aggregates, lingering partial results files " all of
these can be leveraged now with the resources at hand.
73
LITERATURA COMPLEMENTAR
TEORIA DA DECISÃO - UM RESUMO 76
Quase tudo o que o Homem faz envolve tomada de Decisões. Aí reside a grande
dificuldade de reflectir teoricamente sobre Decisões. Quando se aborda este tema, abordam-
se pessoas, actividades humanas, decisões e a forma como as decisões são tomadas. É um
assunto multidisciplinar, que tem atraído o interesse de economistas, estaticistas, psicólogos,
políticos e filósofos.
Inúmeras teorias têm vindo a ser desenvolvidas, ficando aqui um breve resumo das
principais correntes sobre esta temática.
Condorcet (filósofo francês, 1743- 1794) – está na origem da primeira teoria geral faseada do
processo de decisão, dividindo-o em 3 fases (First Discussion, Second Discussion,
Resolution).
Modelos sequenciais
Na primeira fileira da discussão moderna sobre teoria da decisão está John Dewey, que
estende as 3 fases identificas por Condorcet a 5 fases que acontecem de forma sequencial.
Este tipo de modelos é designado sequencial por dividir o processo de decisão em partes
que seguem uma determinada sequência.
Herbert Simon (1916 – 2001, Nobel da Economia em 1998) modificou esta listagem de 5
fases, de modo a torná-la adequada ao contexto da tomada de decisões nas organizações. De
acordo com Simon, o processo de tomada de decisão consiste em 3 fases principais:
 Fase 1 – Intelligence: ocasiões que despoletam uma tomada de decisão;

 Fase 2 – Design: encontrar possíveis formas de acção;
 Fase 3 – Choice: escolher entre diferentes formas de acção
Brins et al. propõem também outra sub-divisão do processo de decisão.
 Fase 1 – Identificação do problema

 Fase 2 – Obtenção da informação necessária
 Fase 3 – Produção de soluções possíveis
 Fase 4 – Avaliação dessas soluções
 Fase 5 – Selecção de uma estratégia de desempenho
 (Fase 6 – Implementação de uma decisão)
Modelos Não Sequenciais
76 Adaptado de Sven Ove Hansson, "Decision Theory - A Brief Introduction"

http://asmarques-siad.blogspot.com/2007/10/teoria-da-deciso-um-resumo.html
74
Alguns autores consideram que, para um modelo mais realista, as várias partes do processo
de decisão não devem ter uma ordenação pré-definida, sendo esta inerente ao problema a que
se refere.
Mintzberg, Raisinghani and Théorêt identificam fases distintas mas sem uma relação
sequencial, tendo como base as 3 fases identificadas por Simon. Os autores consideram que o
decisor pode alternar entre rotinas (designação dada às sub-fases) durante o processo de
decisão e, não encontrando nenhuma solução aceitável, regressar à fase de Design
(desenvolvimento de alternativas).
Uma das discussões que se levanta é o tempo afecto a cada uma das fases identificadas
pelos diversos autores. Simon defende que os executivos passam a maior parte do seu tempo
na chamada fase de “Design”, dedicando muito pouco tempo { fase de Escolha. Outros estudos
suportam essa convicção, revelando que é a fase de levantamento de soluções domina as
restantes.
Isto contrasta com o facto de que a Teoria da Decisão focar-se sobretudo com a parte da
escolha entre alternativas, que é na perspectiva de muitos autores menos significativa do que
as fases de diagnóstico e design. A defesa do foco da Teoria da Decisão na rotina de avaliação e
escolha de alternativas reside precisamente no facto de essa rotina em si traduzir o processo
de decisão. De qualquer forma, importa realçar que não se deve por isso negligenciar as
outras fases …
Tabela 5 - Resumo da Teoria da Decisão por autor
75
76
LINHA DE TEMPO (HISTÓRIA DOS SAD)77
Ano Principais Etapas

1945 Bush proposed Memex
1947 Simon book titled Administrative Behavior
1952 Dantzig joined RAND and continued research on linear programming
1955 Semiautomatic Ground Environment (SAGE) project at M.I.T. Lincoln Lab uses first light pen; SAGE completed 1962, first data-driven DSS
1956 Forrester started System Dynamics Group at the M.I.T. Sloan School
1960 Simon book The New Science of Management Decision; Licklider article on “Man-Computer Symbiosis”
1962 Licklider architect of Project MAC program at M.I.T.; Iverson’s book A Programming Language (APL); Engelbart's paper "Augmenting Human
Intellect: A Conceptual Framework"
1963 Englebart established Augmentation Research Center at SRI
1965 Stanford team led by Feigenbaum created DENDRAL expert system; Problem Statement Language/Problem Statement Analyzer (PSL/PSA)
developed at Case Institute of Technology
1966 UNIVAC 494 introduced; Tymshare founded and Raymond article on computer time-sharing for business planning and budgeting
1967 Scott Morton’s dissertation completed on impact of computer-driven visual display devices on management decision-making process; Turban
reports national survey on use of mathematical models in plant maintenance decision making
1968 Scott Morton and McCosh article; Scott Morton and Stephens article; Englebart demonstrated hypermedia—Groupware system NLS (oNLine
System) at Fall Joint Computer Conference in San Francisco
1969 Ferguson and Jones article on lab study of a production scheduling computer-aided decision system running on an IBM 7094; Little and Lodish
MEDIAC, media planning model; Urban new product model-based system called SPRINTER
1970 Little article on decision calculus support system; Joyner and Tunstall article on Conference Coordinator computer software; IRI Express, a
multidimensional analytic tool for time-sharing systems, becomes available; Turoff conferencing system
1971 Gorry and Scott Morton SMR article first published use of term Decision Support System; Scott Morton book Management Decision Systems;
Gerrity article Man-Machine decision systems; Klein and Tixier article on SCARABEE
1973 PLATO Notes, written at the Computer-based Education Research Laboratory (CERL) at the University of Illinois by David R. Woolley
1974 Davis’s book Management Information Systems; Meador and Ness article DSS application to corporate planning
1975 Alter completed M.I.T. Ph.D. dissertation "A Study of Computer Aided Decision Making in Organizations"; Keen SMR article on evaluating
computer-based decision aids; Boulden book on computer-assisted planning systems
1976 Sprague and Watson article "A Decision Support System for Banks"; Grace paper on Geodata Analysis and Display System
1977 Alter article "A Taxonomy of Decision Support Systems", Klein article on Finsim; Carlson and Scott Morton chair ACM SIGBDP Conference DSS
Conference
1978 Development began on Management Information and Decision Support (MIDS) at Lockheed-Georgia; Keen and Scott Morton book; McCosh and
Scott Morton book; Holsapple dissertation completed; Wagner founded Execucom to market IFPS; Bricklin and Frankston created Visicalc
(Visible Calculator) microcomputer spreadsheet; Carlson from IBM, San Jose plenary speaker at HICSS-11; Swanson and Culnan article
document-based systems for management planning
1979 Rockart HBR article on CEO data needs
1980 Sprague MISQ article on a DSS Framework; Alter book; Hackathorn founded MicroDecisionware
1981 First International Conference on DSS, Atlanta, Georgia; Bonczek, Holsapple, and Whinston book; Gray paper on SMU decision rooms and GDSS
1982 Computer named the “Man” of the Year by Time Magazine; Rockart and Treacy article “The CEO Goes On-Line” HBR; Sprague and Carlson book;
Metaphor Computer Systems founded by Kimball and others from Xerox PARC; ESRI launched its first commercial GIS software called ARC/INFO;
IFIP Working Group 8.3 on Decision Support Systems established
1983 Inmon Computerworld article on relational DBMS; IBM DB2 Decision Support database released; Student Guide to IFPS by Gray; Huntington
established Exsys; Expert Choice software released
1984 PLEXSYS, Mindsight and SAMM GDSS; first Teradata computer with relational database management system shipped to customers Wells Fargo
and AT&T; MYCIN expert system shell explained
1985 Procter & Gamble use first data mart from Metaphor to analyze data from checkout-counter scanners; Whinston founded Decision Support
Systems journal; Kersten developed NEGO
1987 Houdeshel and Watson article on MIDS; DeSanctis and Gallupe article on GDSS; Frontline Systems founded by Fylstra, marketed solver add-in for
Excel
1988 Turban DSS textbook; Pilot Software EIS for Balanced Scorecard deployed at Analog Devices
1989 Gartner analyst Dresner coins term business intelligence; release of Lotus Notes; International Society for Decision Support Systems (ISDSS)
founded by Holsapple and Whinston
1990 Inmon book Using Oracle to Build Decision Support Systems; Eom and Lee co-citation analysis of DSS research 1971–1988
1991 Inmon books Building the Data Warehouse and Database Machines and Decision Support Systems; Berners-Lee’s World Wide Web server and
browser, become publicly available
1993 Codd et al. paper defines online analytical processing (OLAP)
1994 HTML 2.0 with form tags and tables; Pendse’s OLAP Report project began
1995 The Data Warehousing Institute (TDWI) established; DSS journal issue on Next Generation of Decision Support; Crossland, Wynne, and Perkins
article on Spatial DSS; ISWorld DSS Research pages and DSS Research Resources
1996 InterNeg negotiation software renamed Inspire; OLAPReport.com established;
1997 Wal-Mart and Teradata created then world’s largest production data warehouse at 24 Terabytes (TB)
1998 ACM First International Workshop on Data Warehousing and OLAP
1999 DSSResources.com domain name registered
2000 First AIS Americas Conference mini-track on Decision Support Systems
2001 Association for Information Systems (AIS) Special Interest Group on Decision Support, Knowledge and Data Management Systems (SIG DSS)
founded
2003 International Society for Decision Support Systems (ISDSS) merged with AIS SIG DSS
77 Power, D.J. A Brief History of Decision Support Systems. DSSResources.COM, World Wide Web,
http://DSSResources.COM/history/dsshistory.html, version 4.0, March 10, 2007.
77
SISTEMAS DE APOIO A DECISÃO EM GRUPO (SADG)

Extraído e adaptado de um documento sem referência bibliográfica no Scribd78
Os Sistemas de Apoio à Decisão em Grupo (SADG) ou Group Decision Support System

(GDSS) resultaram a partir da necessidade de melhoria do processo de decisão em grupo,
embora nem todos os empregados e gestores estejam envolvidos no processo de decisão em
grupo, alguns gerentes de nível táctico e estratégico podem despender mais da metade do
tempo para a tomada de decisão na configuração do grupo, esse grupo necessita de uma
ferramenta que os auxilie nesse processo, e os SAD acrescido do software SADG oferece um
suporte efectivo aos ambientes de tomada de decisão em grupo. Os SADG estão a tornar-se
uma ferramenta vital no processo de decisão para empresas de todos os portes.
Os que participam no desenvolvimento dos SADG procuram tirar proveito dos sistemas
de suporte individual, tendo em vista que um sistema de tomada de decisão em grupo requer
novas e adicionais abordagens. Alguns SADG permitem o intercâmbio da informação e das
experiências entre as pessoas sem, contudo, inquirir reuniões ou interacção face-a-face.
 A abordagem SADG reconhece que procedimentos, dispositivos e abordagens são
necessários nos ambientes de tomada de decisão em grupo.
 Facilidade de uso. Um SADG deve ser fácil de aprender e usar.
 Flexibilidade. Um SADG efectivo precisa não só dar suporte às diferentes abordagens que
norteiam as decisões dos gestores, bem como encontrar um meio para integrar as suas
diferentes perspectivas numa visão comum em relação à questão em foco.
 Suporte à decisão. Um SADG pode dar suporte a diferentes abordagens na tomada de
decisão, incluindo a abordagem delphi, na qual os decisores encontram-se em diferentes
lugares geográficos do país ou do mundo. Essa abordagem encoraja a diversidade entre os
membros do grupo e estimula a criatividade e o pensamento original na tomada da
decisão.
 A abordagem de consenso do grupo força os membros dum grupo a encontrar uma
decisão unânime. A técnica nominal de grupo permite a participação de cada tomador de
decisão; com essa técnica, que encoraja o feedback de um indivíduo do grupo, a decisão
final resulta de uma votação semelhante à usada nas eleições políticas.
 Contribuição anónima. Muitos SADG permitem a participação anónima, onde a identidade
do indivíduo que contribui é desconhecida dos outros participantes. Na participação
anónima, o grupo de tomadores de decisão concentrar-se-á apenas nos méritos da
contribuição, sem considerar quem a forneceu. Alguns estudos têm revelado que quando
o grupo opta pela contribuição anónima as decisões são mais certeiras e os resultados são
superiores comparados aos dos grupos que ignoram essa abordagem.
 Redução do comportamento negativo do grupo. Uma característica fundamental de
qualquer SADG é a de suprimir ou eliminar o comportamento de grupo que atrapalha ou é
danoso á efectiva tomada de decisão. Em alguns grupos, os indivíduos dominantes podem
tomar conta da discussão, impedindo que outros membros apresentem alternativas
criativas. Hoje, muitos dos que estão na concepção de SADG, estão a desenvolver sistemas
de hardware e software direccionados para minimizar esses tipos de problemas.
Procedimentos referentes ao planeamento efectivo e à gestão das sessões em grupo
podem ser incorporados na abordagem SADG.
 Comunicação paralela. Nas reuniões tradicionais, normalmente uma pessoa fala na sua
vez sobre vários assuntos. Com um SADG, é possível que, simultaneamente, todos os
78 http://www.scribd.com/
78
membros do grupo façam comentários ou formulem questões por meio de um PC. Esses
comentários e assuntos são exibidos imediatamente em cada PC dos membros do grupo.
 Manutenção automática dos registos. Cada comentário digitado num PC de um membro
do grupo pode ser registado no anonimato.
 Factores de custo, controle e de complexidade. Um SADG pode implicar gastos
expressivos, exigindo grande quantidade de computadores pessoais, software sofisticado,
estruturas de redes, pessoal e suporte. A complexidade dos vários componentes de um
SADG, abrange o software e o modo como ele é controlado e usado, também são factores a
ser levados em conta antes de sua aquisição e implementação.
COMPONENTES DE UM SADG E O SOFTWARE SSDG

Os componentes dos SADGs e sua interacção variam de acordo com o seu uso. Muitos
desses sistemas possibilitam o acesso simultâneo de múltiplos utilizadores a arquivos
comuns, bancos de dados e á Internet, permitindo que os membros do grupo trabalhem sobre
a mesma tarefa enquanto estão no ambiente de grupo.
O software SADG constitui o coração do SADG, proporcionando muitas ferramentas úteis
para o trabalho de grupo. Por exemplo, os documentos compostos podem conter informações
provenientes de dashboards, pacotes de banco de dados, processadores de texto e outros
aplicativos que podem ser criados, usados e partilhados pelo grupo.
Os documentos compostos – capacitados a, inclusive, conter arquivos de multimédia,
como áudio e vídeo – são armazenados num único arquivo, enquanto os aplicativos
tradicionais exigem arquivos separados para cada aplicação (um para documentos de texto,
um para gráficos e assim por diante). Alguns programas de SADG também permitem que
documentos compostos incluam aplicativos de diferentes empresas de software.
O software SADG, também conhecido como Groupware ou software de Workgroup,
permite o suporte ao agendamento, á comunicação e a gestão num ambiente de grupo. Um
pacote popular, como o Lótus Notes, pode capturar, armazenar, manipular e distribuir
memorandos e comunicações criadas durante os projectos em grupo. O Notes da Microsoft
suporta a partilha de aplicações permitindo ligações de varias partes e partilha uma tarefa de
cada vez. O utilizador designado para actuar como “operador” selecciona uma aplicação
anteriormente accionada e cada participante escolhe se colabora ou não. Qualquer
participante colaborador pode assumir o controlo do “rato” e trabalhar na aplicação
partilhada enquanto os outros observam? O Exchange da Microsoft, outro exemplo de
Groupware, é um software que permite aos utilizadores montar quadros de avisos
electrónicos, programar reuniões de grupo e usar o correio electrónico num ambiente de
grupo.
OPÇÕES PARA UM SADG

Os SADG, podem aceitar várias alternativas de configuração de rede, dependendo da
necessidade do grupo, da decisão a ser suportada e da localização geográfica dos membros do
grupo. A frequência do uso do SADG e a localização dos tomadores de decisão são dois
factores importantes.
 Sala de decisão. É ideal para situações nas quais os decisores estão localizados no mesmo
edifício ou área geográfica e, também, quando são utilizadores esporádicos da abordagem
SADG. Nesses casos, uma ou mais salas de decisão ou instalações podem ser montadas
para acomodar a abordagem SADG. Podem usar as salas de decisão, grupos de pesquisa
de marketing, grupos de gestão da produção, equipas de controlo financeiro ou comités
de controlo da qualidade.
79
 A rede local. Pode ser utilizada quando os membros de um grupo estão localizados no
mesmo edifício ou região geográfica e sob condições em que sejam frequentes as decisões
em grupo.
 A alternativa de teleconferência. É utilizada em situações em que a frequência de decisões
é baixa e os membros do grupo estão distantes entre si. Os encontros, ocasionais e a
distância, podem reunir múltiplas salas de tomadas de decisões, espalhadas pelo país ou
pelo mundo, utilizando um SADG. Usando a tecnologia de comunicação a longa distancia,
as salas de decisão estão ligadas electronicamente e possuem mecanismos de
teleconferência e videoconferência. Esta alternativa pode oferecer um alto grau de
flexibilidade.
 A rede de longa distância. É usada em situações em que a frequência de decisões é alta e
os membros do grupo estão distantes entre si. Neste caso, os decisores requerem o uso
frequente ou constante da abordagem do SADG. Essa situação requer que os tomadores
de decisão situados por todo o país ou pelo mundo, sejam interligados por meio de uma
rede de longe distância (WAN). Esta alternativa do SADG permite aos profissionais
trabalhar em grupos de trabalhos virtuais, onde as pessoas localizadas pelo mundo
podem trabalhar em problemas comuns.
SAD SADG
Flexibilidade na procura e no uso das Acesso a informação externa, Ferramentas de
Característica
informações Software, Pessoas
Facilidade de incorporar novas Reunir opiniões, aumentar eficácia nas
Objectivo
informações reuniões, decisão mais eficiente,
Utilizadores finais: gerente,
Quem utiliza Pessoas que trabalham em grupo cooperativo.
administrador
Gera informações necessárias para a Sistema baseado em computador que facilita a
O que faz
tomada de decisões. solução de problemas
Procura tirar proveito dos sistemas de suporte
individual, sendo que um SADG requer novas
Desenvolvimento rápido
Distinção 1 abordagens. Permitem o intercâmbio da
Fácil entendimento
informação e das experiências entre as
pessoas.
Facilidade para incorporar ferramentas Facilidade de uso. Um SADG deve ser fácil de
Distinção 2
novas. aprender e usar.
Precisa encontrar um meio para integrar as
Especialidade Facilidade de modificar as ferramentas. suas diferentes perspectivas numa visão
comum em relação à questão em foco.
Utilização de modelos é mais rápida que a
implementação de sistemas reais, além da Custos expressivos, exigindo grande
Custo diminuição dos riscos e um custo mais quantidade de computadores pessoais,
baixo, e exigência de grande números de software sofisticado, redes, pessoal e suporte.
profissionais
Tabela 6 - Comparação entre SAD/SSD e SADG (GDSS)
Mais referências:
Group Decision Support System - GDSS
http://ksi.cpsc.ucalgary.ca/courses/547-95/kooy/gdss.html
http://www.toodoc.com/GDSS-ppt.html
GDSS: Possibilities, Applications and Benefits (TBRC_200245112011.pdf)
http://www.tbrc.fi/publication.php?PUBID=91
GDSS: Limitações e Oportunidades (R020.pdf ):
www.di.fc.ul.pt/~paa/reports/R020.pdf
80
REFERÊNCIAS BIBLIOGRÁFICAS
Charles Nicholls. (2006, Novembro). BI 2.0: The Next Generation. Obtido em Março 19, 2010, de
Information Management Magazine:
http://www.information-management.com/issues/20061101/1066763-1.html
Dresner, H. (1989).
Hättenschwiler, P. (1999). Decision Support Systems. Obtido em 30 de Março de 2010, de

Switzerland - University of Fribourg - Department of Informatics - DS Group:
http://diuf.unifr.ch/ds/courses/dss2002/
IBM Centers, I. C. (2010). IBM Centers for Advanced Studies: CAS Sites - CAS Canada - CAS Canada
Research. Obtido em 21 de Março de 2010, de IBM CAS Canada Research:
https://www-927.ibm.com/ibm/cas/canada/research/index.shtml#busintel
Kolodner, J. L. (1991). Improving Human Decision Making through Case-Based Decision Aiding.
Obtido em 10 de Abril de 2010, de AI Magazine Volume 12 Number 2 (1991) (© AAAI):
http://www.aaai.org/ojs/index.php/aimagazine/article/view/895/813
Li Niu, J. L. (2009). Studies in Computational Intelligence,Volume 238 - Cognition-Driven Decision

Support for Business Intelligence. Polónia: Springer.
Luhn, H. P. (1958). IBM Journal .
Marakas, G. M. (2003). Decision Support Systems in the 21st Century. Indiana: Prentice Hall.
McDermott, D. D. (2010). Decision Making Models Overview. Obtido em Março 27, 2010, de Decision
Making Confidence:
http://www.decision-making-confidence.com/decision-making-models.html
McGuigan, B. (16Mar2010). What is Business Intelligence? Obtido em Março 22, 2010, de wiseGEEK:
http://www.wisegeek.com/what-is-business-intelligence.htm
Nunes, F. (27 de Dezembro de 2007).Obtido em 15 de Março de 2010, de Integraded Decision

Support Systems:
http://nunesf.blogspot.coml
Power, D. J. (2002). Communications-Driven DSS. Obtido em Março 28, 2010, de DSS Resources.com:
http://dssresources.com/dsstypes/cdss.html
Power, D. J. (2002). Data-Driven DSS. Obtido em 28 de Março de 2010, de DSS Resources.com:

http://dssresources.com/dsstypes/ddss.html
Power, D. J. (2002). Knowledge-Driven DSS. Obtido em 28 de Março de 2010, de DSS Resources.com:

http://dssresources.com/dsstypes/kddss.html
Power, D. J. (2002). Model-Driven DSS. Obtido em 28 de Março de 2010, de DSS Resources.com:

http://dssresources.com/dsstypes/mddss.html
81
Power, D. J. (2002). Web-Based DSS. Obtido em 29 de Março de 2010, de DSS Resources.com:

http://dssresources.com/dsstypes/webdss.html
Raden, Neil. (01 de Fevereiro de 2007). Business Intelligence 2.0: Simpler, More Accessible, Inevitable.
Obtido em 19 de Março de 2010, de Intelligent Enterprise:
http://intelligent-enterprise.informationweek.com/showArticle.jhtml?articleID=197002610
Romão, T. (2006/07). Sistemas de Apoio à Decisão. Aulas de SAD - Departamento de Informática.

Évora: Universidade de Évora.
Rout, S. P., & Sahoo, S. P. (2009). Business Intelligence 2.0. TECHNOVATION'09 (p. 13).
Hyderabad/India: Mechatronics(MCT) dept. of MGIT.
Sanjay Mehta (CEO, MAIA Intelligence ). (2010). Business Intelligence. Obtido em Março 23, 2010, de
MAIA intelligence:
http://www.maia-intelligence.com/Articles/BI-2-Technology.html
Wikipedia (EN). (s.d.). Business Intelligence. Obtido em 20 de Março de 2010, de Wikipedia - The
Free Enciclopedia: http://en.wikipedia.org/wiki/Business_intelligence
Zachary, W. (1986). A cognitively based functional taxonomy of decision support techniques. In W.

Zachary, Human-Computer Interaction Volume 2 , Issue 1 (March 1986) (pp. 25-63). Hillsdale, NJ,
USA: L. Erlbaum Associates Inc.
D. J. POWER (2007-03-10). "A Brief History of Decision Support Systems, v4.1". DSSResources.COM.
Obtido em 20 de Março de 2010, de:
http://dssresources.com/history/dsshistory.html.
"GARTNER Reveals Five Business Intelligence Predictions for 2009 and Beyond",
http://www.gartner.com/it/page.jsp?id=856714
INSTRUCTIONAL MATERIALS DECISION SUPPORT SYSTEMS - A Knowledge-Based Approach

Obtido em 20 de Março de 2010, de:
http://www.uky.edu/BusinessEconomics/dssakba/instmat.htm
LI NIU, JIE LU, AND GUANGQUAN ZHANG. Cognition-Driven Decision Support for Business
Intelligence. Studies in Computational Intelligence,Volume 238. Springer 2009
ISBN 978-3-642-03207-3
CURSO BUSINESS INTELLIGENCE. NextGenerationCentre. Intel

http://www.nextg.com.br
SAMBIT ROUT, SOUMENDRA SAHOO. Business Intelligence 2.0. Konark Institute of Science &
technology. Technovation’09 (2009)
LARISSA T. MOSS; SHAKU ATRE. Business Intelligence Roadmap: The Complete Project Lifecycle for
Decision-Support Applications. Addison-Wesley Professional. 2003
ISBN 978-0-201-78420-6
82
RECURSOS NA INTERNET
PROCESSO DE DECISÃO
 http://home.ubalt.edu/ntsbarsh/opre640/opre640.htm
 http://www.decision-making-confidence.com/
 http://tutor2u.net/business/organisation/decisionmaking.htm
 http://en.wikipedia.org/wiki/Decision_making
BUSINESS INTELLIGENCE
 http://www.tdwi.org/
 http://dssresources.com/
 http://www.managementhelp.org/prsn_prd/prb_bsc.htm
 http://www.infra.kth.se/~soh/
 http://www.businessintelligence.com.br/portal/index.php
 http://www.gartner.com
 http://www.ralphkimball.com
 http://www.InmonGif.com
 http://www.dmreview.com
 http://blog.maia-intelligence.com/
 http://en.wikipedia.org/wiki/Business_Intelligence_2.0
 http://pt.wikipedia.org/wiki/Business_intelligence
SISTEMAS DE APOIO À DECISÃO

 http://www.dssresources.com/
 http://www.cs.bris.ac.uk/~SolEuNet/Education/dss_collection.html
 http://www.isworld.org/dss/dssteaching.htm
 http://mis.ucd.ie/students/ecomm9596/lacy/global/links.html
 http://en.wikipedia.org/wiki/Decision_Support_Systems
 http://pt.wikipedia.org/wiki/Sistema_de_suporte_%C3%A0_decis%C3%A3o
83

SAD/ESTA - Business Intelligence & Sistemas de Apoio À Decisão

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

SAD/ESTA - Business Intelligence & Sistemas de Apoio À Decisão

Transféré par

Droits d'auteur :

Formats disponibles

Business Intelligence

Toda a decisão certa é proveniente de

Figura 1 - O Custo de Cometer Erros _________________________________________________12

I – Processo de Decisão ......................................................................................................................................... 13

III – Sistemas de Apoio à Decisão ...................................................................................................................... 34

Arquitectura e Componentes .............................................................................................................. 44

Artigos “Estado da Arte” ....................................................................................................................................... 67

Referências Bibliográficas .................................................................................................................................... 81

Recursos na Internet .............................................................................................................................................. 83

LISTA DE SIGLAS E ABREVIATURAS

AHP Analytical Hierarchy Process

NN Neural Network (Redes Neurais)

OAS Office Automation System

Existem diversas definições académicas e

"Se escolheres não decidir, já tomastes uma decisão."

Decisão  Tipo  Problemas

5 As quatro funções típicas de um Gestor

Na diversa literatura6 sobre o assunto, encontra-se entre outras, a seguinte classificação

 Gestores Executivos ou de topo - ocupam os lugares mais elevados da hierarquia organizacional,

Tem que se falar em hierarquia porque o estabelecimento de objectivos pelos níveis de

Esquema 2 – Hierarquia e niveis de Decisão

O acesso a informação de apoio à decisão ganhou o devido relevo e a extracção de

Dados - Modelos – Conhecimento - Inteligência.

Com o objectivo de apoiar o gestor a utilizar os dados e modelos inerentes ao seu

Para onde quero ir? Como lá chegar? Onde estou?

Figura 3 - Abstracto / Perguntas à decisão

 Inteligência: Análise e identificação do problema;

 Concepção: Desenvolvimento de alternativa;

 Comparação entre as alternativas;

 Classificação dos riscos de cada alternativa;

 Escolha: Escolher e avaliara melhor alternativa;

 Implementação: Execução e avaliação

Figura 4 - Abstracto / Chegar ao fim do processo de decisão

Descoberta do problema: Simplificação e

Descoberta das Alternativas

Escolha da Solução: Verificação e teste

IMPLEMENTAÇÃO RESULTADO SUCESSO

Implementação e teste da Solução:

Esquema 3 - Modelo Processo de Decisão em 6 Fases (extensão ao modelo básico de Simon)

PROCESSO DE DECISÃO NAS EMPRESAS

FACTORES QUE AFECTAM A DECISÃO

organização, bem como identificar oportunidades e problemas. Um exemplo recente

Os Sistemas de BI podem ajudar as organizações a tornar-se inteligentes, mas o seu

MENTE HUMANA EXPERIÊNCIA

Esquema 4- Modelo BI (Cavin Griffiths/Maio 2007)

Os Sistemas de BI providenciam pontos de vista históricos, correntes e de previsão das

adequado das ferramentas de suporte à organização. O CI era capaz de identificar onde

- Sistemas centralizados - Microcomputadores - Importância da TI

- Sistemas centralizados - Alinhamento com o negócio

Esquema 5 - Evolução das TI versus BI

Esquema 6 - Cinco Etapas Chave do Processo de BI

COMPONENTES DUM SISTEMA DE BI

 Fontes de dados (Data Sources) - Nível Sistemas Operacionais

 Movimento de dados (Data Movement) - Nível Aquisição Dados

de acordo com determinadas regras. Os dados transformados são limpos, unificados, e

 Armazenamento de dados (Data Storage)

 Apresentação de Dados (Data Presentation) – Nível Analítico

 Gestão de Metadados (Metadata Management)

Os componentes da arquitectura do sistema de BI, cooperam entre eles de forma a

o GIS (Geographical Information Systems)

LIMITAÇÕES DOS SISTEMAS DE BI

Critical Success Factors of Business Intelligence Implementation

III – SISTEMAS DE APOIO À DECISÃO