Curso de Bacharelado em Ciência da Computação. Leandro Lopes Schimitt EXPLORANDO DATA MINING COM DATA QUALITY

Tamanho: px
Começar a partir da página:

Download "Curso de Bacharelado em Ciência da Computação. Leandro Lopes Schimitt EXPLORANDO DATA MINING COM DATA QUALITY"

Transcrição

1 Curso de Bacharelado em Ciência da Computação Leandro Lopes Schimitt EXPLORANDO DATA MINING COM DATA QUALITY Canoas, 2009

2 Leandro Lopes Schimitt EXPLORANDO DATA MINING COM DATA QUALITY Monografia apresentada ao Curso de Ciência da Computação do Centro Universitário La Salle, como parte dos requisitos para obtenção do título de Bacharel em Ciência da Computação, sob a orientação da Profa. Dra. Patrícia Kayser Vargas Mangan e coorientação da Profa. Dra. Marisa Tsao. Canoas, Junho de 2009

3 RESUMO Este trabalho tem como temas centrais data mining e data quality management ambos sendo utilizados em uma base de dados de pesquisa oriunda do projeto DATASinos. A utilização do data mining se justifica por ser um processo multidisciplinar que pode envolver conceitos de banco de dados, inteligência artificial, utilização de autômatos, redes neurais, sistemas baseados em conhecimento, busca e reconhecimento de padrões e computação de alto desempenho entre outros. A qualidade de dados agrega valor ao processo dando mais veracidade ao resultado das informações. O trabalho em conjunto com a mineração de dados busca trazer subsídios mais autênticos no processamento da informação, através dessa combinação é que este trabalho foi pautado, trazendo informações a cerca desses assuntos. O assunto qualidade de dados teve seus conceitos baseados na utilização do DMBOK (data management body of knowledge) utilizando uma das atividades do framework com a função de gerenciar a qualidade de dados. Palavras-chave: mineração de dados, gerenciamento de dados do corpo de conhecimento, qualidade de dados.

4 ABSTRACT This paper has as main themes data mining and data quality management, wich are used in a database of research generated DATASinos project. The use of data mining is justified as a multidisciplinary process that may involve concepts of database, artificial intelligence, use of automata, neural networks, knowledge based systems, search and recognition of standards and high performance computing and others.the data quality adds a valuable process to give more accuracy to the result of the information. Working with data mining intends to bring more real benefits in the information processing, through this combination is that this work was based, providing information about such matters. The issue of data quality has its concepts based on the use of DMBOK (data management body of knowledge) using the framework of the activities with the function of managing the data quality. Keywords: data mining, data management body of knowledge, data quality.

5 LISTA DE FIGURAS Figura 1 O functional framework do DMBOK Figura 2 - Nove funções da governança de dados Figura 3 Os sete elementos de ambiente Figura 4 Fluxograma adaptado da concepção metodológica para análise da Microbacia João Corrêa Figura 5 Fluxograma ajustado da concepção metodológica para análise da Microbacia João Corrêa Figura 6 Casos de uso do sistema

6 LISTA DE TABELAS Quadro 1 : Resumo das técnicas de data mining Quadro 2 : Softwares de data mining e fabricantes Tabela 1: Dados Secundários obtidos no projeto DATASinos Tabela 2: Faixas de qualidade de água para o IQA do COMITESINOS Tabela 3 : Parâmetros e pesos relativos para cálculo do IQA da COMITESINOS 42 Quadro 3 : Alguns arquivos da implementação final Tabela 4: Cronograma de atividades do projeto DATASinos

7 LISTA DE SIGLAS COREDE Conselho Regional de Desenvolvimento CTE Coliformes Termotolerantes DBO Demanda Bioquímica de Oxigênio DAMA Data Management DM Data Management DMBOK - Data Management Body of Knowledge DQ - Data Quality DQO Demanda Química de Oxigênio FEPAM Fundação Estadual de Proteção Ambiental IQA Índice de Qualidade da Água NO Nitrato NSF National Sanitation Foudation OD Oxigênio Dissolvido OLAP - On-line Analytical Processing PO Fosfato Total SIG - Sistema de Informações Geográficas STD Sólidos Totais Dissolvidos

8 SUMÁRIO 1 INTRODUÇÃO CONCEITOS DE DATA MINING Tarefas de data mining Técnicas de data mining Indução de regras Árvores de decisão Regras de associação Redes neurais Aproximação de vizinhanças Sofwares de data mining Considerações Finais DMBOK - DATA MANAGEMENT BODY OF KNOWLEDGE Funcionamento do DMBOK Qualidade de dados Considerações Finais DESENVOLVIMENTO DO PROJETO Projeto DATASinos DATASinos em Números Uma reflexão sobre a qualidade dos dados Análise de requisitos ImportarArquivo: Importação de Arquivos CalcularIQA: Cálculo da qualidade da água CruzarInformações: Considerações Finais IMPLEMENTAÇÃO E AVALIAÇÃO DE RESULTADOS Implementação Avaliação CONCLUSÃO REFERÊNCIAS APÊNDICE A PLANILHA PADRÃO PARA COLETA APÊNDICE B TRECHO DE CÓDIGO DE INSERÇÃO NO BANCO... 58

9 1 INTRODUÇÃO A captação de informações pode ser feita de diversas maneiras e utilizada de igual forma em outras tantas, tentando fazer com que estas informações sejam traduzidas de modo benéfico, coerente e produtivo. As bases de dados computacionais podem trazer informações desconexas, que em um processo de tomada de decisões podem fomentar induções incorretas. Dentro das pesquisas em Ciência da Computação, vários esforços são feitos relativos a avanços na área de Banco de Dados. O data mining vem a somar nesta área, agregando conhecimentos das mais variadas áreas da computação, destacando-se por ser multidisciplinar. Também pode auxiliar em predições, e isso o torna um processo importante na busca do conhecimento das informações, que podem conter algum tipo de padrão que futuramente tornar-se-á uma indução para responder perguntas relevantes. Neste contexto, o tema qualidade vem agregando benefícios para o processo da busca do conhecimento, uma vez que os dados são as peças mais importantes para a mineração dos dados. Este trabalho busca informações de como organizar a qualidade através de atividades descritas em um framework do DMBOK, que passa a ser estudada em conjunto com data mining, para a execução de um projeto. O estudo da área de gerenciamento da qualidade e suas atividades visam dar um grau de confiabilidade maior para os resultados que serão efetuados nas consultas futuras a base de dados. Ao mesmo tempo, a metodologia e os resultados propostos podem servir de ponto de partida para trabalhos futuros em outras bases de dados.

10 10 Segundo Daniel Loschin (2008) : Qualidade dos dados é uma metodologia para identificar a fonte de um problema contínuo e, em seguida, corrigir o problema na fonte para evitar novas ocorrências. Mas, a fim de medir qualidade em uma forma objetiva, deve-se primeiro decidir que tipo de métricas serão utilizadas. Este trabalho tem por proposição perfazer todo o processo desde a coleta destes dados até futuras inferências para busca de respostas. O objetivo é poder captar as informações de base de dados de formatos distintos de maneira automática e, após iniciar o gerenciamento da qualidade de dados do DMBOK para posteriormente aplicar em conjunto o processo data mining. Este trabalho está dividido da seguinte forma : a primeira parte trata de conceitos a respeito de data mining. A segunda parte apresenta o corpo de conhecimento do gerenciamento de dados de uma maneira mais genérica procurando focar em de itens de gerenciamento destinada a qualidade de dados. A terceira parte visa fazer um apanhado geral sobre o projeto DATASinos, destacando a sua importância. A quarta parte mostra um modelo de uso do gerenciamento da qualidade de dados e data mining aplicados na base de dados do projeto DATASinos. A quinta parte apresenta a implementação e uma avaliação deste modelo previsto e seu funcionamento. A sexta parte se destina à conclusão do trabalho.

11 2 CONCEITOS DE DATA MINING Segundo Hand; Manilla; Smyth (2001), a melhor definição para data mining seria análise de padrões de dados (frequentemente grande) observados para achar relacionamentos insuspeitos e resumir os dados em novas formas que serão entendidas e utilizáveis para o responsável. Outros autores ((KLÖSGEN; ZYTKOW, 2001 e HAN; KAMBER, 2001) preferem destacar o data mining como processo relevante na descoberta do conhecimento na base de dados(knowledge Discovery in Databases ou KDD). Sob outra ótica, data mining pode ser considerado como principal processo utilizado na descoberta de conhecimento, como ilustrado no trecho a seguir: Existem várias maneiras de combinar padrões estatísticos e modelos de abordagens tal como regressão ou avanço de modelos lineares generalizados com métodos de mineração de conhecimento. O método data mining pode ser aplicado na fase exploratória para pegar dados familiares e achar variáveis relevantes. (KLÖSGEN; ZYTKOW, 2001) Outro trabalho (HAN ; KAMBER, 2001) trata do data mining como um passo no processo da descoberta do conhecimento, ao afirmar que muitas pessoas tratam data mining como um sinônimo para outro termo popularmente utilizado que é descoberta do conhecimento em base de dados ou KDD. Alternativamente, outras visões de data mining são simplesmente um passo essencial no processo da descoberta do conhecimento na base de dados, onde métodos inteligentes são aplicados para extrair padrões.

12 12 Poderia se resumir estas definições do seguinte modo: data mining é a descoberta de respostas para determinadas questões utilizando a extração de dados da base de dados através de um algoritmo inteligente. O problema concentra-se em identificar padrões, garimpar dados, para em um passo posterior poder conduzir as inferências com uma possibilidade de obter melhores resultados, reduzindo a probabilidade de futuros ruídos ou até induções erradas. Essas ocorrências têm de refletir se não a realidade, o mais próximo dela, extraindo fontes de dados desconexas para algo compreensível e possivelmente utilizável. Nas próximas seções são abordadas questões como as tarefas, técnicas e softwares de data mining, procurando descrever questões iniciais para o desenvolvimento de um futuro projeto, que são utilizadosneste trabalho. 2.1 Tarefas de data mining A execução das tarefas mais tradicionais dos algoritmos de data mining incluem(agrawal ;IMIELINSKI; SWAMI, 1993a): - Classificação. A construção dos agrupamentos, processo que permite encontrar propriedades comuns em conjuntos de objetos. É efetuada verificando a variável (ou variáveis) definida(s) pelo usuário e as classes a considerar. A classificação lida com valores discretos. - Segmentação (clustering). O usuário não tem o poder de interferir nesta tarefa, já que o mesmo não exerce qualquer influência em sua execução. A segmentação permite enquadrar os dados em diversas classes, determinadas a partir dos dados existentes, ao contrário da classificação, em que as mesmas são predefinidas pelo usuário. - Sumarização. O resultado desta etapa é a obtenção de um determinado subconjunto de dados obtido através da generalização, permitindo uma descrição resumida dos mesmos (CHEN; HAN; YU, 1996). Entre os exemplos mais simples

13 13 de sumarização, encontra-se a determinação da média ou desvio padrão de uma amostra (FAYYAD et al., 1996a). - Associação. Permite determinar relacionamentos entre atributos da Base de Dados, verificando a correlação que existe entre os mesmos. As correlações encontradas deveram satisfazer o nível de suporte e confiança exigido pelo usuário (AGRAWAL ;IMIELINSKI; SWAMI, 1993a). - Sequência. É utilizada para determinar relações temporais em conjuntos de dados que apresentam várias transações separadas no tempo. É, assim, utilizada na análise de séries temporais, e tem como objetivo modelar os desvios e evolução dos seus registros ao longo do tempo (AGRAWAL et al., 1996). Regras de sequência podem ser vistas como um caso particular de regras de associação, nas quais o(s) antecedente(s) e o consequente de uma dada regra estão relacionados por componentes temporais. 2.2 Técnicas de data mining Existe uma grande variedade de técnicas de data mining (FAYYAD et al., 1996b). Elas são agrupadas em quatro grandes grupos: indução de regras (que inclui as árvores de decisão e as regras de associação), redes neurais, algoritmos genéticos e aproximação de vizinhanças. A escolha da regressão constitui uma das principais técnicas de previsão (BERRY; LINOFF, 2000). A sua forma mais comum, regressão linear, combina numa equação todas as variáveis de entrada (variáveis independentes) de forma a determinar o valor da variável de saída (variável dependente). Na regressão, os dados são analisados de uma forma geométrica. Os valores dos atributos considerados são utilizados para definir pontos no espaço. A equação de regressão descreve a linha que melhor se adapta a estes dados, isto é, a que minimiza a distância média dos pontos à linha. A regressão, está disponível como técnica em diversas ferramentas de data mining, mas apenas pode ser utilizada com dados numéricos e é muito sensível à

14 14 distribuição apresentada pelos dados. No quadro 1 pode ser observado o resumo das técnicas de data mining que são descritas neste capítulo. Quadro 1 : Resumo das técnicas de data mining Técnicas de data mining Características Indução de regras Árvores de decisão Processo de aprendizagem considerando todos os registros do banco de dados como regras. Estruturas que representam um conjunto de decisões. Nodos possuem os atributos, ramos descrevem valores possíveis para os nodos. Regras de associação Encontrar relacionamento entre os atributos Redes neurais existentes na base de dados. São agrupados em 3 grandes grupos: nodos de entrada, nodos de saída e nodos intermediários. 2 estágios, primeiro aprendizagem,e o segundo a previsão. Aproximação de vizinhanças É baseada no princípio de que registros Fonte: Autoria própria semelhantes estão próximos uns dos outros Indução de regras Na indução de regras, que permite gerar árvores de decisão ou regras de associação, os registros da Base de Dados são tratados como regras, que são sucessivamente generalizadas de modo a resumirem o seu conteúdo (RAINSFORD; RODDICK, 1996). Entre as vantagens da utilização desta técnica encontra-se: a) facilidade na interpretação dos resultados, apresentados em regras de fácil compreensão; b) facilidade de incorporação de conhecimento do domínio, explícito em regras, no processo de descoberta de conhecimento; e

15 15 c) facilidade de armazenamento das regras encontradas numa base de conhecimento. As regras obtidas podem ser derivadas utilizando indução top-down ou bottom-up. Na aproximação bottom-up o sistema inicia o processo de aprendizagem considerando todos os registros da Base de Dados como regras, as quais são posteriormente generalizadas. Na estratégia top-down o processo é iniciado partindo de conceitos gerais, que descrevem os dados, os quais são posteriormente refinados por um processo de especialização. Essas regras são apresentadas ao usuário de acordo com o número de vezes que estão corretas e pela freqüência que são aplicadas. Os resultados encontrados pelo sistema de indução de regras são apresentados na forma de condicionais (por exemplo, SE profissão = atleta ENTÃO idade < 30 anos) Árvores de decisão São constituídas por estruturas em árvore que representam um conjunto de decisões. Possuem uma representação simples sendo facilmente interpretadas pelos utilizadores. Os algoritmos de indução de árvores permitem gerar regras de classificação dos dados, baseadas na informação armazenada na base de dados. Além de poderem lidar com grandes quantidades de dados, permitem utilizar diretamente o resultado/conhecimento nelas explícito (ADRIAANS; ZANTINGE, 1996). Em uma árvore de decisão, nos nodos das árvores possuem os atributos a classificar, enquanto que os ramos descrevem os valores possíveis para esses atributos. As folhas da árvore agrupam as diversas classes em que cada registro pode ser classificado (RAINSFORD; RODDICK, 1996). As árvores de decisão podem ser representadas por conjuntos de regras. Cada folha da árvore dá origem a uma regra, sendo o seu conteúdo apresentado na parte que diz respeito a consequência (resultado). A parte antecedente da

16 16 regra constitui uma conjunção de valores, respeitando os atributos existentes no ramo que une a folha à raiz da árvore Regras de associação A descoberta de regras de associação em grandes bases de dados foi inicialmente analisada por Agrawal; Imielinski; Swami(1993b), com o objetivo de determinar regras que relacionem uma conclusão (por exemplo, a compra de um produto) com um conjunto de condições (por exemplo, a compra de outros produtos). As regras de associação (ADRIAANS; ZANTINGE, 1996) permitem encontrar relacionamentos entre os atributos existentes em uma base de dados representado-os na forma da seguinte regra: Se X Então Y ou X => Y. Dada uma Base de Dados T, que armazena um conjunto de atributos A, tal que A = A1,A2,...,An, uma regra de associação existente em T é representada por X => Y, sendo X um subconjunto de atributos de A. Y representa um único atributo de A, não presente em X (AGRAWAL et al., 1993b). A regra X => Y é verificada no conjunto das transações de T com um fator de confiança c, 0 c 1, se c% das transações de T que satisfazem X também satisfazem Y (MOHAN, 2000). O suporte de uma regra indica o número de transações de T que suportam a regra, isto é, o subconjunto de registros que satisfazem a união dos atributos que integram a parte antecedente (X) e consequente (Y) da regra. Estas duas medidas de interesse, das regras encontradas, permitem conhecer a força de uma regra, confiança, e a sua significância estatística, suporte. Devem ser analisadas simultaneamente, uma vez que o suporte pode ser elevado (percentagem de registros que satisfazem a regra), e a regra possuir uma associação fraca, confiança pequena, sendo diminuto o número de registros em que é possível prever Y, conhecendo X.

17 Redes neurais Redes neurais são sistemas de classificação modelados segundo os princípios do sistema nervoso humano. São compostas por um conjunto de unidades, organizadas em níveis. As diversas unidades (nodos) encontram-se conectadas através de ligações, as quais têm associado um determinado peso. Os diversos nodos que constituem uma rede encontram-se agrupados em três grandes grupos: Nodos de entrada, encarregados de receber os dados a analisar, nodos de saída que transmitem os sinais à saída da rede e um número ilimitado de níveis intermediários que contêm os nodos intermediários(adriaans ; ZANTINGE, 1996). Existem dois estágios distintos na utilização destas redes. O primeiro diz respeito à aprendizagem, no qual a rede é treinada para a execução de determinada tarefa. A segunda fase trata da previsão, na qual a rede é utilizada para classificar registros desconhecidos (ADRIAANS ; ZANTINGE, 1996) Aproximação de vizinhanças A técnica de aproximação de vizinhanças (nearest neighbour) é baseada no princípio de que registros semelhantes estão próximos uns dos outros, quando analisados numa perspectiva espacial. A verificação da localização dos registros, interpretados como pontos no espaço, permite a identificação de regiões, denominadas classes (ou segmentos), que definem características comuns para os registros que representam (ADRIAANS; ZANTINGE, 1996). Esta técnica apresenta-se com um desempenho que exige muito do processamento, pois sua complexidade aumenta à medida que o número de registros a serem analisados também aumenta, já que cada registro é comparado com os registros restantes da amostra.

18 18 A implementação desta técnica passa pela construção de partições, dos objetos armazenados na Base de Dados, num conjunto de k classes, sendo k um parâmetro de entrada. Cada classe pode ser representada pelo seu centro de gravidade (estratégia k-means), isto é, pela localização média de todos os membros do segmento, ou por um dos objetos da classe próximo do seu centro (estratégia k-medoid) (ESTER; KRIEGEL; SANDER, 1998). Para determinar as classes, cada registro é transformado num ponto no espaço, apresentando este tantas dimensões quantos os atributos em análise. O valor de cada campo é interpretado como a distância da origem até a sua localização num dado eixo (BERRY; LINOFF, 2000). 2.3 Sofwares de data mining Algumas empresas de grande porte já utilizam deste processo para poderem comercializar seus sistemas, dentre elas o Quadro 1 apresenta algumas e seus respectivos softwares de data mining: Quadro 2 : Softwares de data mining e fabricantes. Nome Fabricante Funções Intelligent Miner IBM algoritmos para regras de associação, MineSet Clementine DBMiner Genamics Expression Fonte: Autoria própria Silicon Graphics Inc. Integral Solutions Ltd. DBMiner Technology Inc. Genamics Developer classificação, regressão, padrões sequenciais, clustering. algoritmos para regras de associação, classificação, análise estatística. algoritmos de regras de indução, redes neurais, classificação e ferramentas de visualização. algoritmos de regras de associação, classificação, clustering. algoritmos de análise de sequências

19 19 O Intelligent Miner possui os seguintes tipos de funções de pesquisa: Associações, Classificação Neural, Classificação em Árvore, Agrupamento Demográfico, Agrupamento Neural, Padrões Sequenciais, Sequências Similares, Previsão Neural e Previsão RBF (Função de Base Radial). (INTELLIGENT MINER). O MineSet consiste em 3 componentes básicos (MINESET): - Um módulo de controle centralizado, consistindo de uma ferramenta de interface gráfica chamada pela ferramenta gerencial, e um processo conhecido como DataMover, o qual executa no servidor parte do Mineset. - Data mining analítico, com nove ferramentas de data mining : Gerador de Regras de Associação, Filas Automáticas, Gerador de Cluster (Agrupamentos), Coluna Importante, Tabela de Decisão - Indutor e Classificador, Árvore de Decisão Indutor e Classificador, Evidencia - Indutor e Classificador, Árvore de Opção - Indutor e Classificador e Árvore de Regressão - Indutor e Regressor. - Ferramenta de visualização, mostra os dados utilizando diferentes visões: Cluster(Agrupamentos), Tabela de Decisão, Evidência, Mapas, Registro, Dispersão, Splat, Estatística e Árvore. Para a prospecção de dados, a ferramenta Clementine disponibiliza um conjunto técnicas de modelação que incluem: redes neurais, indução de regras, regras associativas e agrupamentos: redes neurais a ferramenta tem a operação "Train Net" que permite criar e treinar uma rede neural. Definindo os campos de input e de output dos dados de treino, a rede neural "aprende" a classificar ou prever os valores dos campos de output através dos valores dos campos de input. Note-se que as regras de decisão para a classificação são internas à rede neural, sendo difícil de acompanhar o raciocínio usado no processo de tomada de decisão. Indução de regras a ferramenta dispõe de duas operações ("Build Rule" e C5.0) que produzem regras sob a forma de árvores de decisão, representando como classificar os dados em diferentes resultados. A estrutura das árvores representa explicitamente o raciocínio da tomada de decisão. Regras de associação estas regras associam uma condição particular a um conjunto de

20 20 condições. A ferramenta dispõe dos algoritmos (Generalised Rule Induction) "GRI" e APRIORI que automaticamente encontram associações que existam entre os atributos, explicitando essas regras associativas. Agrupamentos (clustering) a ferramenta dispõe do algoritmo "K-Means" que cria um modelo de agrupamento, isto é, descobre semelhanças nos dados originais e agrupa-os de forma a maximizar a similaridade dentro do grupo e a maximizar a diferença entre grupos. Regressão linear esta operação produz uma equação que melhor adequa os valores numéricos de output aos valores numéricos de input. (BATISTA et al. 1999) O DbMiner oferece os seguintes recursos: OLAP Browser, Cube Browser, Associação, Classificação e Clustering (agrupamentos). Genamics Expression é uma aplicação para análise de DNA e sequência de proteínas. As opções da ferramenta são as seguintes: Sequência de Anotação, Mapa de Sequência, Restrição Análise, Primer Design e Análise, ORF Predição, Encontrar Padrão, Tradução Reversa, Degenerate DNA/Protein Support, GenBank Searching, Padrão e Motif Identificação, Alinhamento de Sequência Múltipla, Matriz de Distância, Predição da estrutura da proteína, Algoritmo Lightning-fast e Plugin Arquitetura para Desenvolvedores. 2.4 Considerações Finais Neste capítulo foram abordados conceitos de data mining, seguindo as definições de vários autores sobre o assunto, além de serem tratadas outras questões como tarefas (classificação, segmentação, sumarização, associação e seqüências), técnicas (indução de regras, árvores de decisão, regras de associação, redes neurais, aproximação de vizinhança) e apresentando alguns softwares com suas principais características. No próximo capítulo são abordados alguns conceitos sobre DMBOK e questões referentes à qualidade de dados, o qual alguns destes conceitos são utilizados como referência para a execução deste trabalho.

21 3 DMBOK - DATA MANAGEMENT BODY OF KNOWLEDGE A DAMA international e a DAMA foundation (DAMA, 2009) estão desenvolvendo um guia para o gerenciamento dos dados o DMBOK guide. Uma comissão editorial de trabalho foi formada para orientar no desenvolvimento do DMBOK e publicações conexas. O editorial inclui a participação de instituições locais dos membros do capítulo DAMA. Os membros da DAMA são voluntários para contribuir e rever projetos. Na opinião do DAMA(2009): Todo o corpo de conhecimento sobre gestão de dados é bastante grande e está em constante crescimento. A idéia do guia é fornecer uma introdução definitiva à gestão de dados, onde são apresentados um padrão de visão para as funções de gerenciamento de dados, terminologias e melhores práticas sem descrever métodos e técnicas específicas. O guia DMBOK não tentará ser uma completa autoridade sobre qualquer função específica de gerenciamento de dados. Este guia visa introduzir alternativa válida de opiniões e aceita discutir onde possam existir possíveis divergências. (...) As metas do DMBOK são: criar um consenso para uma visão geral de dados de funções de gestão, fornecer a definição de funções de gestão de dados comumente utilizados, resultados, papéis e outras terminologias, identificar os princípios orientadores para a gestão de dados, visão comumente aceite de boas práticas, métodos e técnicas amplamente adotadas, abordagens alternativas e significativas,

22 22 identificar brevemente questões culturais e organizacionais comuns, clarificar o âmbito e limites da gestão de dados e orientar os leitores a recursos adicionais para uma maior compreensão. (DAMA,20009) O DMBOK trata sobre functional framework, qual seria a razão de sua existência: O DMBOK functional framework existe para fornecer uma estrutura coerente para documentação do DMBOK, definir os termos e definições para os processos de gerenciamento de dados, papéis e produtos citados consistentemente ao longo do guia DMBOK, guia as avaliações da função de uma organização de gerenciamento de dados e sua estratégia, e orienta e sugere iniciativas para implementar e melhorar o gerenciamento. O functional framework do DMBOK identifica 9 dados principais das funções de gestão, cada um descrito por 7 elementos de ambiente. A figura 1 apresenta o functional framework do DMBOK. Os elementos de ambiente utilizados do functional framework para este trabalho são Activities(Atividades) e Practices & Techniques (Práticas e Técnicas) conforme demonstrada na figura 1.

23 23 Figura 1 O functional framework do DMBOK. Fonte: DAMA, O gerenciamento da qualidade de dados é somente uma categoria das funções que o DMBOK oferece. Existem nove funções para gerenciamento de dados como são mostradas na figura 2. Esta categoria, assim como as outras, oferece 4 atividades com suas respectivas tarefas e descritas abaixo conforme DAMA(2009).

24 24 Figura 2 - Nove funções da governança de dados. Fonte: DAMA, Governança de dados (Data Governance) planejar, supervisionar e controlar os dados utilizados; - Arquitetura de dados, análise e desenho (Data Architecture, Analysis & Design) - modelagem e especificação de dados; - Gerenciamento da base de dados (Database Management) desenho, implementação e suporte da base de dados; - Gerenciamento da segurança de dados(data Security Management) assegura privacidade, acesso e confidencialidade apropriados; - Gerenciamento da qualidade de dados(data Quality Management) definir, monitorar e melhorar a qualidade de dados; - Referencia e mestre de gerenciamento de dados(reference & Master Data Management) gestão da versão principal e réplicas; - Data Warehousing & Gestão de inteligência de negócios(data Warehousing & Business Intelligence Management) habilita relatório e análise; - Documentar, registrar & gestão de conteúdo (Document, Record & Content Management ) gestão de dados fora da base;

25 25 - Gestão de meta dados ( Meta Data Management ) integração, controle e fornecer meta dados; E por fim, para encerrar esta seção é importante falar sobre um dos componentes do Functional Framework do DMBOK, os elementos de ambiente, que no DMBOK são em número de sete. Os sete elementos de ambiente proporcionam uma forma lógica e coerente para descrever cada função. Os elementos fornecem uma estrutura para: Uma apresentação consistente em cada capítulo do DMBOK, organizar questões de avaliação, conclusões e recomendações e orientar o planejamento estratégico para cada função. A idéia de elementos de ambiente não é nova. O functional framework identifica sete elementos conforme figura 3. Figura 3 Os sete elementos de ambiente. Fonte: DAMA, 2009 Os elementos básicos segundo DAMA(2009) são : a) Metas e princípios(goals & Principles) Direcionar o objetivo de cada função e o princípio fundamental que são referência para o desempenho da mesma; b) Atividades(Activities) Cada função é decomposta em níveis de atividades. Algumas atividades são agrupadas em sub-funções. As atividades podem ser decompostas em tarefas e passos; c) Produtos(Deliverables) A informação, a base de dados física e as documentações criadas como resultados intercalares e finais de cada função. Alguns destes produtos são considerados essenciais,

26 26 alguns geralmente recomendados, e outros opcionais dependendo das circunstâncias; d) Papéis e responsabilidades(roles and Responsibilities) O negócio e o papel da tecnologia da informação na realização e supervisão das funções, e as responsabilidades específica para cada papel em cada função. Muitos papéis participarão em várias funções; e) Práticas e técnicas(practices & Techniques) - Métodos e técnicas comuns e populares usadas para executar os processos e produzir resultados. Podem também incluir convenções comuns, recomendações de melhores práticas e abordagens alternativas sem elaboração; f) Tecnologia(Technology) Categoria de tecnologia de apoio (principalmente software), padrões e protocolos, critério de seleção de produtos e as curvas de aprendizagem. De acordo com política DAMA, vendedores ou produtos não devem ser mencionados; e g) Organização e cultura(organization and Culture) Podem incluir : Gestão de métricas incluindo medidas de tamanho, esforço, tempo, custo, qualidade, eficácia, a produtividade, o sucesso e o valor empresarial; fatores críticos de sucesso; relatando as estruturas; estratégia utilizada; orçamento e alocação de recursos; trabalho em equipe e dinâmica de grupo; autoridade e autorizados; valores e crenças compartilhados; expectativas e atitudes; estilo pessoal e diferentes preferências; ritos culturais, rituais e símbolos, organização patrimonial e gerenciamento cultural e organizacional. 3.1 Funcionamento do DMBOK Esta seção mostra um esboço das funções, sub-funções e atividades através do ponto de vista da DAMA. Segundo a DAMA(2009), o padrão adotado é

27 27 o seguinte: funções e sub-funções são nomeados com substantivo, enquanto as atividades são nomeadas com verbo. Cada atividade é classificada como pertencente a um dos quatro Grupos de Atividade: a) Planejamento de atividades(p) Atividades que definem o rumo estratégico e tático para outras atividades de gerenciamento de dados. O planejamento de atividades pode ser executado em uma base recorrente; b) Controle de atividades(c) Supervisiona atividades executadas na base corrente; c) Desenvolvimento de atividades(d) Atividades desenvolvidas no interior do projeto e reconhecidas como parte do sistema do ciclo de vida do desenvolvimento(sdlc), criando produtos através de análise, desenho, construção, testes e implantação; d) Atividades operacionais(o) Atividades de serviço e suporte executadas na base corrente. 3.2 Qualidade de dados Segundo Terra ( 2007), o problema da qualidade de dados é definido da seguinte maneira: " Os problemas de qualidade de dados são gerados por, entre outras razões, erros de entrada de dados, acomodação indevida de informações devido à inexistência de uma forma adequada de armazená-las, integração de fontes de dados, erros sistêmicos como modelagem inadequada ou insuficiente e softwares incompletos na validação de entrada de dados, bem como devido à integração de fontes de dados, evolução e a necessidade de interação de novos sistemas com outros sistemas legados."

28 28 Outro artigo(lima;maçada;vargas, 2006) trata de como a qualidade pode ser vista através de um mapa conceitual onde foram separadas seções de trabalho e classificadas com as seguintes visões: Organizacional : refere-se ao impacto da qualidade da informação na organização, seu gerenciamento, influencia na estrutura e produção, e abordagens de táticas e estratégias;. Comportamental: analisa o aspecto humano na qualidade de dados, na performance das tarefas diárias, a inserção da qualidade de dados na habilidade profissional e capacidades e acima de tudo uma visão interna e externa dos clientes da organização; Operacional : examina os aspectos técnicos e metodológicos da qualidade de dados, bem como medidas, os desenvolvimentos de aplicação, ferramentas para controle de dados e sistemas de informações; denota aproximação operacional. Apresentados esses conceitos pode-se observar o gerenciamento da qualidade de dados com uma da perspectiva diferente, à do DMBOK, que apresenta as seguintes atividades: - Desenvolver e promover a conscientização da qualidade de dados; - Definir métricas da qualidade de dados; - Definir requerimentos e regras de negócio da qualidade de dados; - Análise / Perfil / Medida / Monitor da qualidade de dados; - Ajuste dos níveis de serviço da qualidade de dados; - Certificado da qualidade de dados; - Identificar, encaminhar e resolver problemas de qualidade de dados; - Conduzir campanhas de limpeza; - Desenhar e Implementar procedimentos Operacionais de qualidade de dados; - Monitorar procedimentos operacionais da qualidade de dados; - Testar e Validar requerimentos da qualidade dados; - Auditar a qualidade de dados.

29 29 Cada atividade é classificada como pertencente a um dos quatro Grupos de Atividade. No data quality mangament as atividades são distribuídas da seguinte maneira : Atividades de Desenvolvimento: Definir a qualidade dos dados Requisitados e Regras de Negócios; Desenho, Implementação e Procedimentos Operacionais; Testar e validar a qualidade dos dados Requisitados. Atividades de Planejamento: Definir métricas da qualidade de dados; Ajuste dos níveis do serviço de qualidade de dados. Atividades de Controle: Analise / Perfil / Medida / Monitor de qualidade dos dados; Certificado da qualidade de dados; Identificar, Encaminhar e Resolver Problemas de qualidade de dados; Monitor Data Quality Management - Procedimentos Operacionais; Auditar a qualidade dos dados. Atividades Operacionais: Desenvolver e promover a qualidade dos dados Conscientes; Realização de campanhas de limpeza. Dentre as atividades apresentadas foi escolhida a de controle: Identificar, Encaminhar e Resolver Problemas de Qualidade de Dados, levando-se em consideração que a base de dados a que este trabalho foi submetido está sendo utilizada para consultas e os seus dados não devem ser modificados, pois o projeto desta base de dados é muito anterior a este trabalho. O que está sendo sugerido, é uma mudança para coletas futuras, uma tentativa de identificação de padrões que possam ser adotados nos processos, pontos que possam ser ajustados, e novos procedimentos na utilização desta base de dados visando um retorno com uma qualidade melhorada desde o processo de coleta de informações até a sua utilização através da Ciência da Computação como facilitador e apoiador de pesquisa. 3.3 Considerações Finais Neste capítulo foram abordadas questões referentes à qualidade dos dados, o DMBOK Guide e seu funcionamento descrevendo suas funções e

30 30 atividades e como estas trabalham sobre a base de dados e de que maneira contribuem para a qualidade. Foram apresentadas doze atividades para a função de gerenciamento de qualidade, e levando-se em conta o cronograma de entrega, e qual das atividades se encaixaria melhor neste trabalho, a escolhida entre as doze foi a atividade de identificar, encaminhar e resolver problemas de qualidade de dados. Com base nos conceitos apresentados neste capítulo e no capítulo 2 (Conceitos de data mining) tem-se subsídios para o desenvolvimento do projeto o qual é abordado no próximo capítulo, e que traz também uma descrição sobre o projeto DATASinos e os módulos que são implementadas para este trabalho.

31 4 DESENVOLVIMENTO DO PROJETO Considerando-se os conceitos apresentados nos capítulos anteriores, podese constatar, através de suas características, que as áreas de data mining e data quality podem ter um vasto campo para utilização e influenciam de maneira positiva os resultados. Ainda assim, existe uma necessidade bastante grande de aplicar estas teorias em situações reais para avaliar a eficácia das propostas. Este trabalho se propõe a fazer um estudo de caso no Projeto DATASinos (descrito na Seção 4.1) com o intuito de aplicar técnicas de data mining e data quality facilitando os trabalhos futuros e a análise dos dados atuais. Na Seção 4.2 é tratada da análise de requisitos detalhada para o desenvolvimento deste projeto. 4.1 Projeto DATASinos O projeto DATASinos (2009) apresenta um sistema informações sociais, econômicas e ambientais via WEB, utilizando o sistema de informações geográficas SPRING e o programa para definição de zonas ecológico-econômicas ZEEBRA, subsidiando a tomada de decisões nas esferas pública e privada, com vistas ao desenvolvimento sustentável da região do Vale do Rio dos Sinos composta de 14 municípios ( Araricá, Campo Bom, Canoas, Dois Irmãos, Estância Velha, Esteio, Ivoti, Nova Hartz, Nova Santa Rita, Novo Hamburgo, São Leopoldo, Sapiranga e Sapucaia do Sul ), com objetivo de fomentar a pesquisa e a mobilidade do conhecimento no âmbito da região.(datasinos, 2009)

32 32 Com este projeto a região passou a conhecer sua estrutura e passou a avaliá-la em seu potencial para possíveis investimentos, além de identificar possíveis problemas para poder torná-los visíveis para futuramente tratá-los de maneira concreta e decidida, diagnosticar áreas de carência, fazendo isto através da coleta de dados, e a abertura de suas informações para eventuais trabalhos no âmbito acadêmico, que visam ter uma agregação científica a despeito dos problemas, e possíveis soluções para a região. Estes procedimentos de abertura possibilitam que áreas de conhecimento distintas atuem de forma solidária corroborando no intercâmbio de informações. Segundo o relatório técnico-científico parcial (DATASINOS, 2004): O projeto DATASinos se motiva no atendimento da demanda da sociedade segundo o processo de Participação Popular(PPP). Envolve um conjunto de atividades e ações interligadas a serem empreendidas por uma equipe multidisciplinar de pesquisadores das mais diversas áreas (Economia, Computação, Geoprocessamento, Química, História, Geologia, Biologia, Ciências Políticas). Alguns objetivos do Projeto DATASinos(2004) são: - Estruturar a base de dados - SIG - Sistema de Informações geográficas centralizada, com informações sociais, econômicas e ambientais secundárias; - Realizar coleta de dados primários sócio-econômico-ambientais, em locais de provável impacto, nas áreas a serem definidas pelo levantamento no banco de dados; - Padronizar e disponibilizar o sistema de acesso às informações aos usuários do COREDE e demais interessados; - Apoiar pesquisas sociais, econômicas e ambientais sobre a região do Vale do Rio dos Sinos; e - Subsidiar a análise e a tomada de decisões para o desenvolvimento regional sustentável.. Este trabalho faz referências ao projeto DATASinos, pois é baseado em informações sócio-econômicas com informações físico-químicas dos recursos

33 33 hídricos contidas em seu escopo, que serviu como base para o desenvolvimento da ferramenta, contendo o gerenciamento de qualidade de dados (Data Quality Management ) e o processo de data mining fazendo uso também de uma base de dados de formatos distintos de forma automática. Para que o processo transcorra normalmente é preciso que se faça uma análise na base de dados para ajustes de modelagem e adequação do gerenciamento da qualidade de dados e do processo de data mining. Este trabalho também visa auxiliar principalmente no último objetivo listado, uma vez que a obtenção de conhecimento através de data mining sob dados que tenham passado por ajustes de qualidade pode ser um importante subsídio para toamadas de decisão DATASinos em Números Abaixo alguns dados do projeto DATASinos que também podem ser verificados na página do projeto(datasinos, 2009) : a) A região do COREDE Vale do Rio dos Sinos se situa a leste do Estado do Rio Grande do Sul. b) A área física, deste COREDE, representa 0,5% em relação à do Estado. c) O COREDE Vale do Rio dos Sinos é constituído por 14 municípios representados, em ordem alfabética, por: Araricá, Campo Bom, Canoas, Dois Irmãos, Estância Velha, Esteio, Ivoti, Nova Hartz, Nova Santa Rita, Novo Hamburgo, Portão, São Leopoldo, Sapiranga e Sapucaia do Sul. d) Os dados censitários, para o ano de 2005, demonstram que o COREDE Vale do Rio dos Sinos concentra 12,25% da população, em apenas 14 municípios, ou seja, 2,82% do total de 497 municípios do Rio Grande do Sul (RS). Sua densidade demográfica é 24,6 vezes maior que a média do RS. e) O coeficiente de mortalidade infantil é superior em 1,95 por mil nascidos vivos para o Estado, do que em relação a este COREDE. A expectativa

34 34 de vida ao nascer do Estado, para o ano de 2000, foi maior em 0,29 anos, em relação ao COREDE Vale do Rio dos Sinos, possivelmente devido à elevada densidade demográfica e/ou condições ambientais mais precárias. f) A taxa de analfabetismo é 72,2% menor do que a média do RS. g) O produto Interno Bruto a preço de mercado (PIBpm), para o ano de 2004, no COREDE Vale do Rio dos Sinos, representou 15,22% do total do Estado, com PIB per capita de R$ 3.341,00 superior a média de R$ ,00 do RS. h) As exportações dos municípios integrantes deste COREDE, para o ano de 2005, representaram 23,64% em relação ao total do Estado. O projeto DATASinos é composto de 5 bases de dados, 397 tabelas e registros de caráter ambiental sem considerar as tabelas com informações sócio-econômica disponibilizada pelo IBGE. Para a execução deste trabalho foi utilizada como referência, a base de dados coredes2_secundarios sendo utilizada as seguintes tabelas : Campobom, Canoas, Doisirmaos_bruta, Esteio, Ivoti, Novasantarita, Novohamburgo e Saoleo_fisico_quim. Na tabela 1 é demonstrada a composição completa da base de dados coredes2_secundarios. Tabela 1: Dados Secundários obtidos no projeto DATASinos 2. Tabela Conteúdo Registros Campobom Tabela com os parâmetros de coleta da cidade de Campo Bom Tamanho De armazenamento (KB) Canoas Tabela com os parâmetros de coletada cidade de Canoas Doisirmaos_bruta Tabela com os parâmetros 7 6.1

35 35 Doisirmaos_poco Esteio Ivoti de coletada de superfície cidade de Dois Irmãos Tabela com os parâmetros de coletada de poços da cidade de Dois Irmãos Tabela com os parâmetros de coleta da cidade de Esteio Tabela com os parâmetros de coleta da cidade de Ivoti Municipios Dados do manancial Novasantarita Novohamburgo Tabela com os parâmetros de coleta da cidade de Nova Santa Rita Tabela com os parâmetros de coleta da cidade de Novo Hamburgo Saoleo_fisico_quim Parâmetros físico-quimico de São Leopoldo Saoleo_organicos Parâmetros orgânicos de São Leopoldo Total Fonte: Adaptados do DATASinos II Uma reflexão sobre a qualidade dos dados Após o levantamento funcional, passou-se a análise dos dados do projeto. Inicialmente foi feita uma pesquisa em arquivo contendo os dados que seriam importados e criado um conjunto de regras para que fossem satisfeitas as

36 36 condições iniciais de importação. Questões como limites de valores para determinados campos, valores inexistentes ou possibilidade de estarem duplicados são controlados nesta etapa. A idéia de qualidade tem por objetivo eliminar possíveis ruídos e não conformidades na informação para tornar os dados mais confiáveis, e como escolha para a implementação do projeto foi usada como referência a atividade de Identificar, Encaminhar e Resolver Problemas de qualidade de dados do DMBOK, pois foi verificado que alguns dos problemas com referência à qualidade de dados do projeto DATASinos está concentrado na transposição dos dados recolhidos pelos COREDES. Buscando corrigir, ou pelo menos reduzir este efeito fez-se um estudo tentando-se sanar, ou pelo menos minimizar erros. No cenário atual, toda a verificação de dados é feita de forma manual, o que demanda muito esforço e tempo da equipe envolvida. A solução proposta foi a implementação de um projeto que pudesse importar estas bases distintas de maneira automática seguindo algumas regras de proposição de valores e avaliação de dados, para que os mesmos estivessem em condições normais para a execução e futura utilização. A figura 4 mostra a concepção metodológica para análise da Microbacia João Correa, quais são os procedimentos para a captação das amostras para análise até a inserção dos mesmos na base de dados.

37 37 Figura 4 Fluxograma adaptado da concepção metodológica para análise da Microbacia João Corrêa. Fonte: adaptação de Silva, A qualidade tem de estar presente nas seguintes situações do fluxograma da figura 4, no momento do recebimento dos dados, onde é efetuada uma verificação pontual de alguns dados da amostra. A figura 4 mostra como é o procedimento atual e fazendo alguns ajustes neste procedimento teremos a seguinte situação conforme mostra a figura 5. Figura 5 Fluxograma ajustado da concepção metodológica para análise da Microbacia João Corrêa. Fonte: adaptação de Silva, 2008.

Planejamento Estratégico de TI. Prof.: Fernando Ascani

Planejamento Estratégico de TI. Prof.: Fernando Ascani Planejamento Estratégico de TI Prof.: Fernando Ascani Data Warehouse - Conceitos Hoje em dia uma organização precisa utilizar toda informação disponível para criar e manter vantagem competitiva. Sai na

Leia mais

MINERAÇÃO DE DADOS EDUCACIONAIS: UM ESTUDO DE CASO APLICADO AO PROCESSO SELETIVO DO IFSULDEMINAS CÂMPUS MUZAMBINHO

MINERAÇÃO DE DADOS EDUCACIONAIS: UM ESTUDO DE CASO APLICADO AO PROCESSO SELETIVO DO IFSULDEMINAS CÂMPUS MUZAMBINHO MINERAÇÃO DE DADOS EDUCACIONAIS: UM ESTUDO DE CASO APLICADO AO PROCESSO SELETIVO DO IFSULDEMINAS CÂMPUS MUZAMBINHO Fernanda Delizete Madeira 1 ; Aracele Garcia de Oliveira Fassbinder 2 INTRODUÇÃO Data

Leia mais

Professor: Disciplina:

Professor: Disciplina: Professor: Curso: Esp. Marcos Morais de Sousa marcosmoraisdesousa@gmail.com Sistemas de informação Disciplina: Introdução a SI Noções de sistemas de informação Turma: 01º semestre Prof. Esp. Marcos Morais

Leia mais

Programa do Curso de Pós-Graduação Lato Sensu MBA em Business Intelligence (BI)

Programa do Curso de Pós-Graduação Lato Sensu MBA em Business Intelligence (BI) Programa do Curso de Pós-Graduação Lato Sensu MBA em Business Intelligence (BI) Apresentação O programa de Pós-graduação Lato Sensu em Business Intelligence Inteligência Competitiva tem por fornecer conhecimento

Leia mais

Módulo 4. Visão geral dos controles do COBIT aplicáveis para implantação da Sarbanes, o papel de TI, a importância dos softwares e exercícios

Módulo 4. Visão geral dos controles do COBIT aplicáveis para implantação da Sarbanes, o papel de TI, a importância dos softwares e exercícios Módulo 4 Visão geral dos controles do COBIT aplicáveis para implantação da Sarbanes, o papel de TI, a importância dos softwares e exercícios Estruturas e Metodologias de controle adotadas na Sarbanes COBIT

Leia mais

APLICAÇÃO DE MINERAÇÃO DE DADOS PARA O LEVANTAMENTO DE PERFIS: ESTUDO DE CASO EM UMA INSTITUIÇÃO DE ENSINO SUPERIOR PRIVADA

APLICAÇÃO DE MINERAÇÃO DE DADOS PARA O LEVANTAMENTO DE PERFIS: ESTUDO DE CASO EM UMA INSTITUIÇÃO DE ENSINO SUPERIOR PRIVADA APLICAÇÃO DE MINERAÇÃO DE DADOS PARA O LEVANTAMENTO DE PERFIS: ESTUDO DE CASO EM UMA INSTITUIÇÃO DE ENSINO SUPERIOR PRIVADA Lizianne Priscila Marques SOUTO 1 1 Faculdade de Ciências Sociais e Aplicadas

Leia mais

Processos Gerenciais

Processos Gerenciais UNIVERSIDADE PAULISTA CURSO SUPERIOR DE TECNOLOGIA Projeto Integrado Multidisciplinar III e IV Processos Gerenciais Manual de orientações - PIM Curso Superior de Tecnologia em Processos Gerenciais. 1.

Leia mais

Domínios, Competências e Padrões de Desempenho do Design Instrucional (DI)

Domínios, Competências e Padrões de Desempenho do Design Instrucional (DI) Domínios, Competências e Padrões de Desempenho do Design Instrucional (DI) (The Instructional Design (ID) Domains, Competencies and Performance Statements) International Board of Standards for Training,

Leia mais

UNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE TECNOLOGIA AULA 10 PROFª BRUNO CALEGARO

UNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE TECNOLOGIA AULA 10 PROFª BRUNO CALEGARO UNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE TECNOLOGIA AULA 10 PROFª BRUNO CALEGARO Santa Maria, 10 de Outubro de 2013. Revisão aula anterior Documento de Requisitos Estrutura Padrões Template Descoberta

Leia mais

CobiT 4.01 OBJETIVOS DE CONTROLE PARA INFORMAÇÃO E TECNOLOGIAS RELACIONADAS

CobiT 4.01 OBJETIVOS DE CONTROLE PARA INFORMAÇÃO E TECNOLOGIAS RELACIONADAS CobiT 4.01 OBJETIVOS DE CONTROLE PARA INFORMAÇÃO E TECNOLOGIAS RELACIONADAS METODOLOGIA DE AUDITORIA PARA AVALIAÇÃO DE CONTROLES E CUMPRIMENTO DE PROCESSOS DE TI NARDON, NASI AUDITORES E CONSULTORES CobiT

Leia mais

4. Que tipos de padrões podem ser minerados. 5. Critérios de classificação de sistemas de Data Mining. 6. Tópicos importantes de estudo em Data Mining

4. Que tipos de padrões podem ser minerados. 5. Critérios de classificação de sistemas de Data Mining. 6. Tópicos importantes de estudo em Data Mining Curso de Data Mining - Aula 1 1. Como surgiu 2. O que é 3. Em que tipo de dados pode ser aplicado 4. Que tipos de padrões podem ser minerados 5. Critérios de classificação de sistemas de Data Mining 6.

Leia mais

Módulo 3 Procedimento e processo de gerenciamento de riscos, PDCA e MASP

Módulo 3 Procedimento e processo de gerenciamento de riscos, PDCA e MASP Módulo 3 Procedimento e processo de gerenciamento de riscos, PDCA e MASP 6. Procedimento de gerenciamento de risco O fabricante ou prestador de serviço deve estabelecer e manter um processo para identificar

Leia mais

Planejamento Estratégico de TI. Prof.: Fernando Ascani

Planejamento Estratégico de TI. Prof.: Fernando Ascani Planejamento Estratégico de TI Prof.: Fernando Ascani BI Business Intelligence A inteligência Empresarial, ou Business Intelligence, é um termo do Gartner Group. O conceito surgiu na década de 80 e descreve

Leia mais

Prof. Dr. Ivanir Costa. Unidade III QUALIDADE DE SOFTWARE

Prof. Dr. Ivanir Costa. Unidade III QUALIDADE DE SOFTWARE Prof. Dr. Ivanir Costa Unidade III QUALIDADE DE SOFTWARE Normas de qualidade de software - introdução Encontra-se no site da ABNT (Associação Brasileira de Normas Técnicas) as seguintes definições: Normalização

Leia mais

FUNDAMENTOS DE SISTEMAS DE INFORMAÇÃO

FUNDAMENTOS DE SISTEMAS DE INFORMAÇÃO @ribeirord FUNDAMENTOS DE SISTEMAS DE INFORMAÇÃO Rafael D. Ribeiro, M.Sc,PMP. rafaeldiasribeiro@gmail.com http://www.rafaeldiasribeiro.com.br Lembrando... Aula 4 1 Lembrando... Aula 4 Sistemas de apoio

Leia mais

srbo@ufpa.br www.ufpa.br/srbo

srbo@ufpa.br www.ufpa.br/srbo CBSI Curso de Bacharelado em Sistemas de Informação BI Prof. Dr. Sandro Ronaldo Bezerra Oliveira srbo@ufpa.br www.ufpa.br/srbo Tópicos Especiais em Sistemas de Informação Faculdade de Computação Instituto

Leia mais

Fases para um Projeto de Data Warehouse. Fases para um Projeto de Data Warehouse. Fases para um Projeto de Data Warehouse

Fases para um Projeto de Data Warehouse. Fases para um Projeto de Data Warehouse. Fases para um Projeto de Data Warehouse Definição escopo do projeto (departamental, empresarial) Grau de redundância dos dados(ods, data staging) Tipo de usuário alvo (executivos, unidades) Definição do ambiente (relatórios e consultas préestruturadas

Leia mais

GERÊNCIA DE INTEGRAÇÃO DO PROJETO

GERÊNCIA DE INTEGRAÇÃO DO PROJETO GERÊNCIA DE INTEGRAÇÃO DO PROJETO Estevanir Sausen¹, Patricia Mozzaquatro² ¹Acadêmico do Curso de Ciência da Computação ²Professor(a) do Curso de Ciência da Computação Universidade de Cruz Alta (UNICRUZ)

Leia mais

EXPERIÊNCIA DE USO DE ARQUITETURA CORPORATIVA NO PROJETO DE RES

EXPERIÊNCIA DE USO DE ARQUITETURA CORPORATIVA NO PROJETO DE RES EXPERIÊNCIA DE USO DE ARQUITETURA CORPORATIVA NO PROJETO DE RES Rigoleta Dutra Mediano Dias 1, Lívia Aparecida de Oliveira Souza 2 1, 2 CASNAV, MARINHA DO BRASIL, MINISTÉRIO DA DEFESA, BRASIL Resumo: Este

Leia mais

Planejamento Estratégico de TI. Prof.: Fernando Ascani

Planejamento Estratégico de TI. Prof.: Fernando Ascani Planejamento Estratégico de TI Prof.: Fernando Ascani Data Mining Os métodos tradicionais de Data Mining são: Classificação Associa ou classifica um item a uma ou várias classes categóricas pré-definidas.

Leia mais

UNIVERSIDADE PAULISTA

UNIVERSIDADE PAULISTA UNIVERSIDADE PAULISTA CURSO SUPERIOR DE TECNOLOGIA Projeto Integrado Multidisciplinar III e IV Recursos Humanos Manual de orientações - PIM Curso Superior de Tecnologia em Gestão de Recursos Humanos 1.

Leia mais

SISTEMA DA GESTÃO AMBIENTAL SGA MANUAL CESBE S.A. ENGENHARIA E EMPREENDIMENTOS

SISTEMA DA GESTÃO AMBIENTAL SGA MANUAL CESBE S.A. ENGENHARIA E EMPREENDIMENTOS CESBE S.A. ENGENHARIA E EMPREENDIMENTOS SISTEMA DA GESTÃO AMBIENTAL MANUAL Elaborado por Comitê de Gestão de Aprovado por Paulo Fernando G.Habitzreuter Código: MA..01 Pag.: 2/12 Sumário Pag. 1. Objetivo...

Leia mais

fagury.com.br. PMBoK 2004

fagury.com.br. PMBoK 2004 Este material é distribuído por Thiago Fagury através de uma licença Creative Commons 2.5. É permitido o uso e atribuição para fim nãocomercial. É vedada a criação de obras derivadas sem comunicação prévia

Leia mais

Engenharia de Requisitos

Engenharia de Requisitos Engenharia de Requisitos Introdução a Engenharia de Requisitos Professor: Ricardo Argenton Ramos Aula 08 Slide 1 Objetivos Introduzir a noção de requisitos do sistema e o processo da engenharia de requisitos.

Leia mais

FINANÇAS EM PROJETOS DE TI

FINANÇAS EM PROJETOS DE TI FINANÇAS EM PROJETOS DE TI 2012 Material 1 Prof. Luiz Carlos Valeretto Jr. 1 E-mail valeretto@yahoo.com.br Objetivo Objetivos desta disciplina são: reconhecer as bases da administração financeira das empresas,

Leia mais

SERVIÇO DE ANÁLISE DE REDES DE TELECOMUNICAÇÕES APLICABILIDADE PARA CALL-CENTERS VISÃO DA EMPRESA

SERVIÇO DE ANÁLISE DE REDES DE TELECOMUNICAÇÕES APLICABILIDADE PARA CALL-CENTERS VISÃO DA EMPRESA SERVIÇO DE ANÁLISE DE REDES DE TELECOMUNICAÇÕES APLICABILIDADE PARA CALL-CENTERS VISÃO DA EMPRESA Muitas organizações terceirizam o transporte das chamadas em seus call-centers, dependendo inteiramente

Leia mais

Guia do Nexus. O Guia Definitivo para o Nexus: O exoesqueleto do desenvolvimento Scrum escalado. Desenvolvido e mantido por Ken Schwaber e Scrum.

Guia do Nexus. O Guia Definitivo para o Nexus: O exoesqueleto do desenvolvimento Scrum escalado. Desenvolvido e mantido por Ken Schwaber e Scrum. Guia do Nexus O Guia Definitivo para o Nexus: O exoesqueleto do desenvolvimento Scrum escalado Desenvolvido e mantido por Ken Schwaber e Scrum.org Tabela de Conteúdo Visão Geral do Nexus... 2 O Propósito

Leia mais

No mundo atual, globalizado e competitivo, as organizações têm buscado cada vez mais, meios de se destacar no mercado. Uma estratégia para o

No mundo atual, globalizado e competitivo, as organizações têm buscado cada vez mais, meios de se destacar no mercado. Uma estratégia para o DATABASE MARKETING No mundo atual, globalizado e competitivo, as organizações têm buscado cada vez mais, meios de se destacar no mercado. Uma estratégia para o empresário obter sucesso em seu negócio é

Leia mais

C O B I T. Gerenciamento dos Riscos Mitigação. Aceitação. Transferência. Evitar/Eliminar.

C O B I T. Gerenciamento dos Riscos Mitigação. Aceitação. Transferência. Evitar/Eliminar. C O B I T Evolução Estratégica A) Provedor de Tecnologia Gerenciamento de Infra-estrutura de TI (ITIM) B) Provedor de Serviços Gerenciamento de Serviços de TI (ITSM) C) Parceiro Estratégico Governança

Leia mais

Modelo para Documento de. Especificação de Requisitos de Software

Modelo para Documento de. Especificação de Requisitos de Software Modelo para Documento de Especificação de Requisitos de Software Prof. Dr. Juliano Lopes de Oliveira (Baseado na norma IEEE Std 830-1993 - Recommended Practice for Software Requirements Specifications)

Leia mais

Data Warehousing. Leonardo da Silva Leandro. CIn.ufpe.br

Data Warehousing. Leonardo da Silva Leandro. CIn.ufpe.br Data Warehousing Leonardo da Silva Leandro Agenda Conceito Elementos básicos de um DW Arquitetura do DW Top-Down Bottom-Up Distribuído Modelo de Dados Estrela Snowflake Aplicação Conceito Em português:

Leia mais

Governança de TI Evolução e Conceitos de Gestão da TI. Raimir Holanda raimir@tce.ce.gov.br

Governança de TI Evolução e Conceitos de Gestão da TI. Raimir Holanda raimir@tce.ce.gov.br Governança de TI Evolução e Conceitos de Gestão da TI Raimir Holanda raimir@tce.ce.gov.br Agenda Conceitos de Governança de TI Fatores motivadores das mudanças Evolução da Gestão de TI Ciclo da Governança

Leia mais

Requisitos de Software. Requisitos de Software. Requisitos de Software. Requisitos de Software. Requisitos de Software. Requisitos de Software

Requisitos de Software. Requisitos de Software. Requisitos de Software. Requisitos de Software. Requisitos de Software. Requisitos de Software INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DO RIO GRANDE DO NORTE Curso Técnico em Informática ENGENHARIA DE SOFTWARE Prof.: Clayton Maciel Costa clayton.maciel@ifrn.edu.br Clayton Maciel Costa

Leia mais

ALESSANDRO PEREIRA DOS REIS PAULO CESAR CASTRO DE ALMEIDA ENGENHARIA DE SOFTWARE - CAPABILITY MATURITY MODEL INTEGRATION (CMMI)

ALESSANDRO PEREIRA DOS REIS PAULO CESAR CASTRO DE ALMEIDA ENGENHARIA DE SOFTWARE - CAPABILITY MATURITY MODEL INTEGRATION (CMMI) ALESSANDRO PEREIRA DOS REIS PAULO CESAR CASTRO DE ALMEIDA ENGENHARIA DE SOFTWARE - CAPABILITY MATURITY MODEL INTEGRATION (CMMI) APARECIDA DE GOIÂNIA 2014 LISTA DE TABELAS Tabela 1 Áreas de processo por

Leia mais

GESTÃO E OTIMIZAÇÃO DE PROCESSOS. Vanice Ferreira

GESTÃO E OTIMIZAÇÃO DE PROCESSOS. Vanice Ferreira GESTÃO E OTIMIZAÇÃO DE PROCESSOS Vanice Ferreira 12 de junho de 2012 GESTÃO E OTIMIZAÇÃO DE PROCESSOS: conceitos iniciais DE QUE PROCESSOS ESTAMOS FALANDO? GESTÃO E OTIMIZAÇÃO DE PROCESSOS: conceitos iniciais

Leia mais

UNIVERSIDADE PAULISTA

UNIVERSIDADE PAULISTA UNIVERSIDADE PAULISTA CURSO SUPERIOR DE TECNOLOGIA Projeto Integrado Multidisciplinar III e IV Marketing Manual de orientações - PIM Curso Superior de Tecnologia em Marketing. 1. Introdução Os Projetos

Leia mais

GERENCIAMENTO DE PROCESSOS DE NEGÓCIO. Professor: Rômulo César romulodandrade@gmail.com www.romulocesar.com.br

GERENCIAMENTO DE PROCESSOS DE NEGÓCIO. Professor: Rômulo César romulodandrade@gmail.com www.romulocesar.com.br GERENCIAMENTO DE PROCESSOS DE NEGÓCIO Professor: Rômulo César romulodandrade@gmail.com www.romulocesar.com.br Guia de Estudo Vamos utilizar para a nossa disciplina de Modelagem de Processos com BPM o guia

Leia mais

ANEXO II DOS TERMOS DE REFERÊNCIA

ANEXO II DOS TERMOS DE REFERÊNCIA ANEXO II DOS TERMOS DE REFERÊNCIA GLOSSÁRIO DE TERMOS DO MARCO ANALÍTICO Avaliação de Projetos de Cooperação Sul-Sul: exercício fundamental que pretende (i ) aferir a eficácia, a eficiência e o potencial

Leia mais

Administração de dados - Conceitos, técnicas, ferramentas e aplicações de Data Mining para gerar conhecimento a partir de bases de dados

Administração de dados - Conceitos, técnicas, ferramentas e aplicações de Data Mining para gerar conhecimento a partir de bases de dados Universidade Federal de Pernambuco Graduação em Ciência da Computação Centro de Informática 2006.2 Administração de dados - Conceitos, técnicas, ferramentas e aplicações de Data Mining para gerar conhecimento

Leia mais

DISCIPLINA ENGENHARIA DE SOFTWARE Aula 03 Processo Unificado e Desenvolvimento Ágil. Profª Esp.: Maysa de Moura Gonzaga

DISCIPLINA ENGENHARIA DE SOFTWARE Aula 03 Processo Unificado e Desenvolvimento Ágil. Profª Esp.: Maysa de Moura Gonzaga DISCIPLINA ENGENHARIA DE SOFTWARE Aula 03 Processo Unificado e Desenvolvimento Ágil Profª Esp.: Maysa de Moura Gonzaga 2º Semestre / 2011 O Processo Unificado dos autores Ivar Jacobson, Grady Booch e James

Leia mais

Alinhamento Estratégico. A importância do alinhamento entre a TI e o Negócio e o método proposto pelo framework do CobiT 4.1

Alinhamento Estratégico. A importância do alinhamento entre a TI e o Negócio e o método proposto pelo framework do CobiT 4.1 Conhecimento em Tecnologia da Informação Alinhamento Estratégico A importância do alinhamento entre a TI e o Negócio e o método proposto pelo framework do CobiT 4.1 2010 Bridge Consulting Apresentação

Leia mais

Sistemas de Informação I

Sistemas de Informação I + Sistemas de Informação I Dimensões de análise dos SI Ricardo de Sousa Britto rbritto@ufpi.edu.br + Introdução n Os sistemas de informação são combinações das formas de trabalho, informações, pessoas

Leia mais

O Valor da TI. Introduzindo os conceitos do Val IT para mensuração do valor de Tecnologia da Informação. Conhecimento em Tecnologia da Informação

O Valor da TI. Introduzindo os conceitos do Val IT para mensuração do valor de Tecnologia da Informação. Conhecimento em Tecnologia da Informação Conhecimento em Tecnologia da Informação Conhecimento em Tecnologia da Informação O Valor da TI Introduzindo os conceitos do Val IT para mensuração do valor de Tecnologia da Informação 2010 Bridge Consulting

Leia mais

Plano de Gerenciamento das Comunicações

Plano de Gerenciamento das Comunicações Projeto: Simul-e Plano de Gerenciamento das Comunicações Versão 1.0 Página 1 de 9 Histórico da Revisão Data Versão Descrição Autor 01/11/2015 1.0 Criação do Documento Hugo Pazolline Página 2 de 9 Índice

Leia mais

ISO 9000:2000 Sistemas de Gestão da Qualidade Fundamentos e Vocabulário. As Normas da família ISO 9000. As Normas da família ISO 9000

ISO 9000:2000 Sistemas de Gestão da Qualidade Fundamentos e Vocabulário. As Normas da família ISO 9000. As Normas da família ISO 9000 ISO 9000:2000 Sistemas de Gestão da Qualidade Fundamentos e Vocabulário Gestão da Qualidade 2005 1 As Normas da família ISO 9000 ISO 9000 descreve os fundamentos de sistemas de gestão da qualidade e especifica

Leia mais

PROCESSOS PODEROSOS DE NEGÓCIO. ideiaconsultoria.com.br 43 3322 2110 comercial@ideiaconsultoria.com.br

PROCESSOS PODEROSOS DE NEGÓCIO. ideiaconsultoria.com.br 43 3322 2110 comercial@ideiaconsultoria.com.br PROCESSOS PODEROSOS DE NEGÓCIO ideiaconsultoria.com.br 43 3322 2110 comercial@ideiaconsultoria.com.br POR QUE ESCREVEMOS ESTE E-BOOK? Nosso objetivo com este e-book é mostrar como a Gestão de Processos

Leia mais

MASTER IN PROJECT MANAGEMENT

MASTER IN PROJECT MANAGEMENT MASTER IN PROJECT MANAGEMENT PROJETOS E COMUNICAÇÃO PROF. RICARDO SCHWACH MBA, PMP, COBIT, ITIL Atividade 1 Que modelos em gestão de projetos estão sendo adotados como referência nas organizações? Como

Leia mais

Disciplina: GESTÃO DE PROCESSOS E QUALIDADE Prof. Afonso Celso M. Madeira

Disciplina: GESTÃO DE PROCESSOS E QUALIDADE Prof. Afonso Celso M. Madeira Disciplina: GESTÃO DE PROCESSOS E QUALIDADE Prof. Afonso Celso M. Madeira 3º semestre CONCEITOS CONCEITOS Atividade Ação executada que tem por finalidade dar suporte aos objetivos da organização. Correspondem

Leia mais

Gestão da Tecnologia da Informação

Gestão da Tecnologia da Informação TLCne-051027-P0 Gestão da Tecnologia da Informação Disciplina: Governança de TI São Paulo, Outubro de 2012 0 Sumário TLCne-051027-P1 Conteúdo desta Aula Abordar o domínio Adquirir e Implementar e todos

Leia mais

Qualidade na gestão de projeto de desenvolvimento de software

Qualidade na gestão de projeto de desenvolvimento de software Qualidade na gestão de projeto de desenvolvimento de software [...] O que é a Qualidade? A qualidade é uma característica intrínseca e multifacetada de um produto (BASILI, et al, 1991; TAUSWORTHE, 1995).

Leia mais

Banco de Dados - Senado

Banco de Dados - Senado Banco de Dados - Senado Exercícios OLAP - CESPE Material preparado: Prof. Marcio Vitorino OLAP Material preparado: Prof. Marcio Vitorino Soluções MOLAP promovem maior independência de fornecedores de SGBDs

Leia mais

AUDITORIA DE PROCESSOS BASEADA EM RISCOS. Diorgens Miguel Meira

AUDITORIA DE PROCESSOS BASEADA EM RISCOS. Diorgens Miguel Meira AUDITORIA DE PROCESSOS BASEADA EM RISCOS Diorgens Miguel Meira AGENDA 1 2 3 4 5 O BANCO DO NORDESTE TECNOLOGIA DA INFORMAÇÃO NO BNB AUDITORIA NO BANCO DO NORDESTE SELEÇÃO DE PROCESSOS CRÍTICOS AUDITORIA

Leia mais

ADM041 / EPR806 Sistemas de Informação

ADM041 / EPR806 Sistemas de Informação ADM041 / EPR806 Sistemas de Informação UNIFEI Universidade Federal de Itajubá Prof. Dr. Alexandre Ferreira de Pinho 1 Sistemas de Apoio à Decisão (SAD) Tipos de SAD Orientados por modelos: Criação de diferentes

Leia mais

Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka

Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka 1 Introdução A mineração de dados (data mining) pode ser definida como o processo automático de descoberta de conhecimento em bases de

Leia mais

GUIA DE CURSO. Tecnologia em Sistemas de Informação. Tecnologia em Desenvolvimento Web. Tecnologia em Análise e Desenvolvimento de Sistemas

GUIA DE CURSO. Tecnologia em Sistemas de Informação. Tecnologia em Desenvolvimento Web. Tecnologia em Análise e Desenvolvimento de Sistemas PIM PROGRAMA DE INTEGRAÇÃO COM O MERCADO GUIA DE CURSO Tecnologia em Sistemas de Informação Tecnologia em Desenvolvimento Web Tecnologia em Análise e Desenvolvimento de Sistemas Tecnologia em Sistemas

Leia mais

SIMULADO: Simulado 3 - ITIL Foundation v3-40 Perguntas em Português

SIMULADO: Simulado 3 - ITIL Foundation v3-40 Perguntas em Português 1 de 7 28/10/2012 16:47 SIMULADO: Simulado 3 - ITIL Foundation v3-40 Perguntas em Português RESULTADO DO SIMULADO Total de questões: 40 Pontos: 0 Score: 0 % Tempo restante: 55:07 min Resultado: Você precisa

Leia mais

3 Metodologia de Gerenciamento de Riscos

3 Metodologia de Gerenciamento de Riscos 3 Metodologia de Gerenciamento de Riscos Este capítulo tem como objetivo a apresentação das principais ferramentas e metodologias de gerenciamento de riscos em projetos, as etapas do projeto onde o processo

Leia mais

ROBSON FUMIO FUJII GOVERNANÇA DE TIC: UM ESTUDO SOBRE OS FRAMEWORKS ITIL E COBIT

ROBSON FUMIO FUJII GOVERNANÇA DE TIC: UM ESTUDO SOBRE OS FRAMEWORKS ITIL E COBIT ROBSON FUMIO FUJII GOVERNANÇA DE TIC: UM ESTUDO SOBRE OS FRAMEWORKS ITIL E COBIT LONDRINA - PR 2015 ROBSON FUMIO FUJII GOVERNANÇA DE TIC: UM ESTUDO SOBRE OS FRAMEWORKS ITIL E COBIT Trabalho de Conclusão

Leia mais

Referências internas são os artefatos usados para ajudar na elaboração do PT tais como:

Referências internas são os artefatos usados para ajudar na elaboração do PT tais como: Plano de Teste (resumo do documento) I Introdução Identificador do Plano de Teste Esse campo deve especificar um identificador único para reconhecimento do Plano de Teste. Pode ser inclusive um código

Leia mais

Pós-Graduação "Lato Sensu" Especialização em Análise de Dados e Data Mining

Pós-Graduação Lato Sensu Especialização em Análise de Dados e Data Mining Pós-Graduação "Lato Sensu" Especialização em Análise de Dados e Data Mining Inscrições Abertas Início das Aulas: 24/03/2015 Dias e horários das aulas: Terça-Feira 19h00 às 22h45 Semanal Quinta-Feira 19h00

Leia mais

cada fator e seus componentes.

cada fator e seus componentes. 5 CONCLUSÃO Conforme mencionado nas seções anteriores, o objetivo deste trabalho foi o de identificar quais são os fatores críticos de sucesso na gestão de um hospital privado e propor um modelo de gestão

Leia mais

Programa do Módulo 2. Processo Unificado: Visão Geral

Programa do Módulo 2. Processo Unificado: Visão Geral 9.1 Programa do Módulo 2 Orientação a Objetos Conceitos Básicos Análise Orientada a Objetos (UML) O Processo Unificado (RUP) Processo Unificado: Visão Geral 9.2 Encaixa-se na definição geral de processo:

Leia mais

Adriano Maranhão BUSINESS INTELLIGENCE (BI),

Adriano Maranhão BUSINESS INTELLIGENCE (BI), Adriano Maranhão BUSINESS INTELLIGENCE (BI), BUSINESS INTELLIGENCE (BI) O termo Business Intelligence (BI), popularizado por Howard Dresner do Gartner Group, é utilizado para definir sistemas orientados

Leia mais

Planejamento - 7. Planejamento do Gerenciamento do Risco Identificação dos riscos. Mauricio Lyra, PMP

Planejamento - 7. Planejamento do Gerenciamento do Risco Identificação dos riscos. Mauricio Lyra, PMP Planejamento - 7 Planejamento do Gerenciamento do Risco Identificação dos riscos 1 O que é risco? Evento que representa uma ameaça ou uma oportunidade em potencial Plano de gerenciamento do risco Especifica

Leia mais

Ser sincero em sua crença de que todos devem ir para casa todos os dias com segurança e saúde - demonstre que você se importa.

Ser sincero em sua crença de que todos devem ir para casa todos os dias com segurança e saúde - demonstre que você se importa. A Liderança Faz a Diferença Guia de Gerenciamento de Riscos Fatais Introdução 2 A prevenção de doenças e acidentes ocupacionais ocorre em duas esferas de controle distintas, mas concomitantes: uma que

Leia mais

BUSINESS INTELLIGENCE, O ELEMENTO CHAVE PARA O SUCESSO DAS ORGANIZAÇÕES.

BUSINESS INTELLIGENCE, O ELEMENTO CHAVE PARA O SUCESSO DAS ORGANIZAÇÕES. Encontro de Ensino, Pesquisa e Extensão, Presidente Prudente, 22 a 25 de outubro, 2012 88 BUSINESS INTELLIGENCE, O ELEMENTO CHAVE PARA O SUCESSO DAS ORGANIZAÇÕES. Andrios Robert Silva Pereira, Renato Zanutto

Leia mais

2- FUNDAMENTOS DO CONTROLE 2.1 - CONCEITO DE CONTROLE:

2- FUNDAMENTOS DO CONTROLE 2.1 - CONCEITO DE CONTROLE: 1 - INTRODUÇÃO Neste trabalho iremos enfocar a função do controle na administração. Trataremos do controle como a quarta função administrativa, a qual depende do planejamento, da Organização e da Direção

Leia mais

Sistemas de Informação I

Sistemas de Informação I + Sistemas de Informação I Tipos de SI Ricardo de Sousa Britto rbritto@ufpi.edu.br + Introdução 2 n As organizações modernas competem entre si para satisfazer as necessidades dos seus clientes de um modo

Leia mais

Módulo 5 Interpretação da norma NBR ISO 19011:2002 requisitos: 7, 7.1, 7.2, 7.3, 7.3.1, 7.3.2, 7.3.3, 7.3.4, 7.4, 7.4.1, 7.4.2, 7.4.3, 7.4.4, 7.

Módulo 5 Interpretação da norma NBR ISO 19011:2002 requisitos: 7, 7.1, 7.2, 7.3, 7.3.1, 7.3.2, 7.3.3, 7.3.4, 7.4, 7.4.1, 7.4.2, 7.4.3, 7.4.4, 7. Módulo 5 Interpretação da norma NBR ISO 19011:2002 requisitos: 7, 7.1, 7.2, 7.3, 7.3.1, 7.3.2, 7.3.3, 7.3.4, 7.4, 7.4.1, 7.4.2, 7.4.3, 7.4.4, 7.5, 7.5.1, 7.5.2, 7.6, 7.6.1, 7.6.2 Exercícios 7 Competência

Leia mais

ITIL - Information Technology Infraestructure Library

ITIL - Information Technology Infraestructure Library ITIL Biblioteca de infra estrutura de TI (do Inglês, Information Technology Infraestructure Library) e ISO/IEC 20.000 ITIL - Information Technology Infraestructure Library Foi criado no fim dos anos 80

Leia mais

4. PMBOK - Project Management Body Of Knowledge

4. PMBOK - Project Management Body Of Knowledge 58 4. PMBOK - Project Management Body Of Knowledge No Brasil, as metodologias mais difundidas são, além do QL, o método Zopp, o Marco Lógico do Banco Interamericano de Desenvolvimento (BID) e o Mapp da

Leia mais

Empresa de Informática e Informação do Município de Belo Horizonte S/A PRODABEL

Empresa de Informática e Informação do Município de Belo Horizonte S/A PRODABEL Empresa de Informática e Informação do Município de Belo Horizonte S/A PRODABEL Diretoria de Sistema - DS Superintendência de Arquitetura de Sistemas - SAS Gerência de Arquitetura de Informação - GAAS

Leia mais

Módulo 15 Resumo. Módulo I Cultura da Informação

Módulo 15 Resumo. Módulo I Cultura da Informação Módulo 15 Resumo Neste módulo vamos dar uma explanação geral sobre os pontos que foram trabalhados ao longo desta disciplina. Os pontos abordados nesta disciplina foram: Fundamentos teóricos de sistemas

Leia mais

Estratégia de TI. Posicionamento Estratégico da TI: como atingir o alinhamento com o negócio. Conhecimento em Tecnologia da Informação

Estratégia de TI. Posicionamento Estratégico da TI: como atingir o alinhamento com o negócio. Conhecimento em Tecnologia da Informação Conhecimento em Tecnologia da Informação Conhecimento em Tecnologia da Informação Estratégia de TI Posicionamento Estratégico da TI: como atingir o alinhamento com o negócio 2011 Bridge Consulting Apresentação

Leia mais

T2Ti Tecnologia da Informação Ltda T2Ti.COM http://www.t2ti.com Projeto T2Ti ERP 2.0. Bloco Comercial. CRM e AFV

T2Ti Tecnologia da Informação Ltda T2Ti.COM http://www.t2ti.com Projeto T2Ti ERP 2.0. Bloco Comercial. CRM e AFV Bloco Comercial CRM e AFV Objetivo O objetivo deste artigo é dar uma visão geral sobre os Módulos CRM e AFV, que fazem parte do Bloco Comercial. Todas informações aqui disponibilizadas foram retiradas

Leia mais

Gerenciamento de Projetos

Gerenciamento de Projetos Gerenciamento de Projetos Grupo de Consultores em Governança de TI do SISP 20/02/2013 1 Agenda 1. PMI e MGP/SISP 2. Conceitos Básicos - Operações e Projetos - Gerenciamento de Projetos - Escritório de

Leia mais

DIMENSIONANDO PROJETOS DE WEB-ENABLING. Uma aplicação da Análise de Pontos de Função. Dimensionando projetos de Web- Enabling

DIMENSIONANDO PROJETOS DE WEB-ENABLING. Uma aplicação da Análise de Pontos de Função. Dimensionando projetos de Web- Enabling DIMENSIONANDO PROJETOS DE WEB-ENABLING Uma aplicação da Análise de Pontos de Função Dimensionando projetos de Web- Enabling Índice INTRODUÇÃO...3 FRONTEIRA DA APLICAÇÃO E TIPO DE CONTAGEM...3 ESCOPO DA

Leia mais

DuPont Engineering University South America

DuPont Engineering University South America Treinamentos Práticas de Melhoria de Valor (VIP Value Improvement Practices) DuPont Engineering University South America # "$ % & "" Abordagem DuPont na Gestão de Projetos Industriais O nível de desempenho

Leia mais

Abordagem de Processo: conceitos e diretrizes para sua implementação

Abordagem de Processo: conceitos e diretrizes para sua implementação QP Informe Reservado Nº 70 Maio/2007 Abordagem de Processo: conceitos e diretrizes para sua implementação Tradução para o português especialmente preparada para os Associados ao QP. Este guindance paper

Leia mais

DESENVOLVIMENTO DE INTERFACE WEB MULTIUSUÁRIO PARA SISTEMA DE GERAÇÃO AUTOMÁTICA DE QUADROS DE HORÁRIOS ESCOLARES. Trabalho de Graduação

DESENVOLVIMENTO DE INTERFACE WEB MULTIUSUÁRIO PARA SISTEMA DE GERAÇÃO AUTOMÁTICA DE QUADROS DE HORÁRIOS ESCOLARES. Trabalho de Graduação DESENVOLVIMENTO DE INTERFACE WEB MULTIUSUÁRIO PARA SISTEMA DE GERAÇÃO AUTOMÁTICA DE QUADROS DE HORÁRIOS ESCOLARES Trabalho de Graduação Orientando: Vinicius Stein Dani vsdani@inf.ufsm.br Orientadora: Giliane

Leia mais

Políticas de Segurança da Informação. Aécio Costa

Políticas de Segurança da Informação. Aécio Costa Aécio Costa A segurança da informação é obtida a partir da implementação de um conjunto de controles adequados, incluindo políticas, processos, procedimentos, estruturas organizacionais e funções de software

Leia mais

Trilhas Técnicas SBSI - 2014

Trilhas Técnicas SBSI - 2014 brunoronha@gmail.com, germanofenner@gmail.com, albertosampaio@ufc.br Brito (2012), os escritórios de gerenciamento de projetos são importantes para o fomento de mudanças, bem como para a melhoria da eficiência

Leia mais

Engenharia de Software

Engenharia de Software Engenharia de Software Introdução à Melhoria de Processos de Software baseado no MPS.BR Prof. Maxwell Anderson www.maxwellanderson.com.br Agenda Introdução MPS.BR MR-MPS Detalhando o MPS.BR nível G Introdução

Leia mais

GESTÃO DE TI NAS ORGANIZAÇÕES CONTEMPORÂNEAS

GESTÃO DE TI NAS ORGANIZAÇÕES CONTEMPORÂNEAS GESTÃO DE TI NAS ORGANIZAÇÕES CONTEMPORÂNEAS WALLACE BORGES CRISTO 1 JOÃO CARLOS PEIXOTO FERREIRA 2 João Paulo Coelho Furtado 3 RESUMO A Tecnologia da Informação (TI) está presente em todas as áreas de

Leia mais

GARANTIA DA QUALIDADE DE SOFTWARE

GARANTIA DA QUALIDADE DE SOFTWARE GARANTIA DA QUALIDADE DE SOFTWARE Fonte: http://www.testexpert.com.br/?q=node/669 1 GARANTIA DA QUALIDADE DE SOFTWARE Segundo a NBR ISO 9000:2005, qualidade é o grau no qual um conjunto de características

Leia mais

Gerenciamento de Projetos. Prof. Dr. Rodolfo Miranda de Barros rodolfomdebarros@gmail.com

Gerenciamento de Projetos. Prof. Dr. Rodolfo Miranda de Barros rodolfomdebarros@gmail.com Gerenciamento de Projetos Prof. Dr. Rodolfo Miranda de Barros rodolfomdebarros@gmail.com MODELO DE GERENCIAMENTO PMI PMI (Project Management Institute); O modelo PMI é divido em áreas de conhecimento da

Leia mais

Gerenciamento de Projetos Modulo I Conceitos Iniciais

Gerenciamento de Projetos Modulo I Conceitos Iniciais Gerenciamento de Projetos Modulo I Conceitos Iniciais Prof. Walter Cunha falecomigo@waltercunha.com http://waltercunha.com Bibliografia* Project Management Institute. Conjunto de Conhecimentos em Gerenciamento

Leia mais

CURSO DE GRADUAÇÃO PRESENCIAL SISTEMAS DE INFORMAÇÃO

CURSO DE GRADUAÇÃO PRESENCIAL SISTEMAS DE INFORMAÇÃO FUNDAÇÃO UNIVERSIDADE DO TOCANTINS CURSO DE GRADUAÇÃO PRESENCIAL SISTEMAS DE INFORMAÇÃO Identificação do Curso Nome do Curso: Sistemas de Informação Titulação: Bacharelado Modalidade de ensino: Presencial

Leia mais

CAPÍTULO VI - AVALIAÇÃO DE RISCOS, PROCESSOS DECISÓRIOS E GERENCIAMENTO DE RISCOS

CAPÍTULO VI - AVALIAÇÃO DE RISCOS, PROCESSOS DECISÓRIOS E GERENCIAMENTO DE RISCOS CAPÍTULO VI - AVALIAÇÃO DE RISCOS, PROCESSOS DECISÓRIOS E GERENCIAMENTO DE RISCOS VI.1. Introdução A avaliação de riscos inclui um amplo espectro de disciplinas e perspectivas que vão desde as preocupações

Leia mais

CONCEITOS. Professor Wagner Rabello Jr

CONCEITOS. Professor Wagner Rabello Jr CONCEITOS PLANEJAMENTO OPERACIONAL Para realizar objetivos, é preciso definir quais atividades devem ser executadas e quais recursos são necessários para a execução das atividades. O processo de definir

Leia mais

)HUUDPHQWDV &RPSXWDFLRQDLV SDUD 6LPXODomR

)HUUDPHQWDV &RPSXWDFLRQDLV SDUD 6LPXODomR 6LPXODomR GH6LVWHPDV )HUUDPHQWDV &RPSXWDFLRQDLV SDUD 6LPXODomR #5,6. Simulador voltado para análise de risco financeiro 3RQWRV IRUWHV Fácil de usar. Funciona integrado a ferramentas já bastante conhecidas,

Leia mais

Governança de TI com COBIT, ITIL e BSC

Governança de TI com COBIT, ITIL e BSC {aula #2} Parte 1 Governança de TI com melhores práticas COBIT, ITIL e BSC www.etcnologia.com.br Rildo F Santos rildo.santos@etecnologia.com.br twitter: @rildosan (11) 9123-5358 skype: rildo.f.santos (11)

Leia mais

SISTEMAS DE INFORMAÇÃO GERENCIAL

SISTEMAS DE INFORMAÇÃO GERENCIAL SISTEMAS DE INFORMAÇÃO GERENCIAL 2015 Sabemos que as empresas atualmente utilizam uma variedade muito grande de sistemas de informação. Se você analisar qualquer empresa que conheça, constatará que existem

Leia mais

Gestão da Informação. Gestão da Informação. AULA 3 Data Mining

Gestão da Informação. Gestão da Informação. AULA 3 Data Mining Gestão da Informação AULA 3 Data Mining Prof. Edilberto M. Silva Gestão da Informação Agenda Unidade I - DM (Data Mining) Definição Objetivos Exemplos de Uso Técnicas Tarefas Unidade II DM Prático Exemplo

Leia mais

PROCESSO DE DESENVOLVIMENTO DE SOFTWARE. Modelos de Processo de Desenvolvimento de Software

PROCESSO DE DESENVOLVIMENTO DE SOFTWARE. Modelos de Processo de Desenvolvimento de Software PROCESSO DE DESENVOLVIMENTO DE SOFTWARE Introdução Modelos de Processo de Desenvolvimento de Software Os modelos de processos de desenvolvimento de software surgiram pela necessidade de dar resposta às

Leia mais

Glossário Apresenta a definição dos termos, siglas e abreviações utilizadas no contexto do projeto Citsmart.

Glossário Apresenta a definição dos termos, siglas e abreviações utilizadas no contexto do projeto Citsmart. Apresenta a definição dos termos, siglas e abreviações utilizadas no contexto do projeto Citsmart. Versão 1.6 15/08/2013 Visão Resumida Data Criação 15/08/2013 Versão Documento 1.6 Projeto Responsáveis

Leia mais

GUIA DE IMPLEMENTAÇÃO DE SISTEMA DE GESTÃO DA QUALIDADE BASEADA NA NORMA NBR ISO 9001:2000 EM EMPRESAS SITUADAS EM PÓLOS OFFSHORE.

GUIA DE IMPLEMENTAÇÃO DE SISTEMA DE GESTÃO DA QUALIDADE BASEADA NA NORMA NBR ISO 9001:2000 EM EMPRESAS SITUADAS EM PÓLOS OFFSHORE. GUIA DE IMPLEMENTAÇÃO DE SISTEMA DE GESTÃO DA QUALIDADE BASEADA NA NORMA NBR ISO 9001:2000 EM EMPRESAS SITUADAS EM PÓLOS OFFSHORE. Ivan Santos de Lima Engenheiro Naval pela Universidade Federal do Rio

Leia mais

Qualidade de Processo de Software Normas ISO 12207 e 15504

Qualidade de Processo de Software Normas ISO 12207 e 15504 Especialização em Gerência de Projetos de Software Qualidade de Processo de Software Normas ISO 12207 e 15504 Prof. Dr. Sandro Ronaldo Bezerra Oliveira srbo@ufpa.br Qualidade de Software 2009 Instituto

Leia mais

XIII Encontro de Iniciação Científica IX Mostra de Pós-graduação 06 a 11 de outubro de 2008 BIODIVERSIDADE TECNOLOGIA DESENVOLVIMENTO

XIII Encontro de Iniciação Científica IX Mostra de Pós-graduação 06 a 11 de outubro de 2008 BIODIVERSIDADE TECNOLOGIA DESENVOLVIMENTO XIII Encontro de Iniciação Científica IX Mostra de Pós-graduação 06 a 11 de outubro de 2008 BIODIVERSIDADE TECNOLOGIA DESENVOLVIMENTO EPE0147 UTILIZAÇÃO DA MINERAÇÃO DE DADOS EM UMA AVALIAÇÃO INSTITUCIONAL

Leia mais