Introdução a Sistemas de Apoio à Decisão 4ºAno M, AN,FZ,EN-MEC,EN-AEL V 1.6, V.Lobo, EN 2014
|
|
- Cláudio de Sá Casqueira
- 2 Há anos
- Visualizações:
Transcrição
1 Victor Lobo SAD - Sistemas de Apoio à Decisão Técnicas de Previsão, agrupamento, e optimização Programa (traços gerais) 1. Introdução aos Sistemas de Apoio à Decisão 2. Organização de dados, visualização e representação 3. Técnicas de previsão 4. Técnicas de agrupamento 5. Pesquisa e optimização 6. Estudo de casos 4º ano dos cursos tradicionais da Escola Naval (+CFOST) Porque é que é importante para mim? Decidir BEM Tarefa de qualquer oficial da Armada! Usar dados históricos para decidir melhor Usar tudo o que está ao nosso dispôr Infra-estruturas tecnológicas Técnicas avançadas Compreender o mundo que nos rodeia! Porque é importante para a organização? Cada vez mais dados Relatórios e dados de preenchimento manual Dados colhidos automaticamente por sensores Cada vez mais capacidade De armazenamento, e de processamento SAD: são a memória colectiva que torna a organização o que ela é Automatizam os procedimentos Optimizam as decisões Ajudam a prever o futuro O que é? Exemplos? O que é? Exemplos? No dia a dia entalou Sistema informático que armazena e organiza a informação, transformando-a em algo utilizável Dados Informação Conhecimento Exemplos: Sistema de tracking da Toyota Sistema bancário de aconselhamento em tempo real Sistema GIS do USMC Exemplos na nossa Marinha: Projecto Singrar Gestão da batalha interna Projecto Mecpab Previsão de avarias 1
2 Ciclos que nunca terminam Ciclos que nunca terminam Pesquisa Problema ou Oportunidade Implementação Agir Pôr a solução a funcionar Escolha Comparar e escolher a melhor Observar, estudar, fazer relatórios formalizar Projecto, Desenho Criatividade Encontrar alternativas e soluções Escolher dados Identificar probelmas ANALISAR (DATA MINING) MEDIR AGIR Bibliografia Livro de texto (não é seguido à risca ) Sistemas de Suporte à Decisão, Bruno Cortes, FCA, Outros Decision Support and Business Intelligence Systems, Turban, E., J. E. Aronson, et al., Prentice Hall, 2010 Decision Support Systems in the 21st Century, George Marakas, Prentice-Hall, Textos de apoio disponíveis no site Bibliografia mais especializada Data mining: practical machine learning tools and techniques; Ian H. Witten, Eibe Frank, Mark A. Hall: Morgan Kaufmann, 2011 Machine Learning, Tom M.Mitchell, McGraw Hill, 1997 Pattern Classification, Duda, Hart, & Stork, Wiley, 2001 Principles of data mining, David. J. Hand, Heikki Mannila, Padhric Smyth, MIT Press, 2001 Predictive data mining, Sholom M. Weiss, Nitin Indurkhya, Morgan Kaufmann, 1997 C4.5:Programs for Machine Learning, John Ross Quinlan, Morgan Kaufmann, 1992 Outra Bibiliografia Decision Support and Business Intelligence Systems, Turban, E., J. E. Aronson, et al., Prentice Hall, 2010 Principles of data mining, David. J. Hand, Heikki Mannila, Padhric Smyth, MIT Press, 2001 Predictive data mining, Sholom M. Weiss, Nitin Indurkhya, Morgan Kaufmann, 1997 C4.5:Programs for Machine Learning, John Ross Quinlan, Morgan Kaufmann, 1992 Resolução de problemas práticos MS-Excel WEKA MATLAB ou Delphi Alguns programas dedicados Opcionais SAS Enterprise Miner, IBM Intelligent Miner, SAP BI 2
3 Avaliação 1 Repetição escrita 50% da nota Mini-testes e trabalhos de casa 25% da nota Projecto de SAD 25% da nota Caso haja exames finais, estes terão uma componente prática Horário de dúvidas e contactos Dúvidas e apoio 2ª Feira das 16:30 às 19:00 Por mail em qualquer altura Sempre que estiver disponível Material de apoio 1 os trabalhos Mini-teste para confirmar conhecimentos e destreza em: Matemática elementar, álgebra, cálculo integral e diferencial, investigação operacional, métodos numéricos, probabilidades e estatística 1º Trabalho de casa para entregar no início da 3ª semana de aulas efectivas (a semana que vem não conta) Propôr um trabalho de projecto de SAD. A proposta deverá ter no máximo uma página A4. Projecto de SAD Trabalho individual, ou grupos de 2 Exemplos de trabalhos de análise de dados disponíveis na Marinha Prever nº de acidentes nas praias Encontrar trajectórias suspeitas em registos AIS Escolher zonas de patrulha Detectar objectos na água a partir de imagens aéreas Separar ecos de minas de outros objectos Escolher candidatos a pilotos de helicóptero Decidir se é necessário substituir cabos Daqui a uns meses, devo Compreender a importância dos Sistemas de Informação para a organização Compreender as potencialidades e limitações dos SAD Ser capaz de formalizar correctamente diversos problemas DÚVIDAS? Ser capaz de escolher a ferramenta adequada a cada problema Perceber o funcionamento de algumas técnicas Redes Neuronais, indução Árvores de Decisão, Sistemas Periciais, Sistemas Difusos Estar feliz por ter aprendido coisas novas!!! Está tudo clarinho? 3
4 1. Introdução aos Sistemas de Apoio à Decisão 2. Organização de dados, visualização e representação 1.1.Sistemas de Apoio à Decisão (SAD). 1.2.Processo de tomada de decisão. 1.3.Indicadores para tomada de decisão. 1.4.Tarefas comuns em SAD Organização de dados. Datawarehouses 2.2. Visualização de dados Geração de relatórios, e OLAP Sistemas difusos (Fuzzy systems). 3. Técnicas de previsão 4. Técnicas de agrupamento 3.1. Visão geral. Teoria da decisão. Decisões óptimas Bayesianas. Avaliação de desempenho, erros, conjuntos de treino/validação/teste. Regressões lineares e logísticas 3.2. Indução de árvores de decisão Redes neuronais para previsão Visão geral e métodos clássicos. Método das k-médias. Classificação hierárquica e dendogramas. Agrupamento determinístico vs exploratório 4.2. Mapas auto-organizados SOM Descoberta de Afinidades (Market Basket Analysis). 5. Pesquisa e Optimização 6. Estudo de casos 5.1. Pesquisa de soluções e sistemas periciais. Vizinhos mais próximos. Case Based Reasoning. Sistemas Periciais baseados em lógica. Sistemas de forward chaining 5.2. Heurísticas de Optimização. Algoritmos genéticos. Stochastic Hill-climbing. Simulated annealing.tabu search. Diversos casos práticos de utilização de SAD 5.3. Algoritmos genéticos. 4
5 Origens Introdução aos Sistemas de Apoio à Decisão Matemática Aplicada Bases de Dados Sistemas de Apoio à Decisão Gestão Contabilidade Investigação Operacional Inteligência Artificial Factores importantes para os SAD Quantidade de dados disponíveis Dados operacionais, sensores de baixo custo Poder de cálculo e armazenamento de dados Sistemas computacionais de baixo custo Desenvolvimento científico e tecnológico Inteligência Artificial e Aprendizagem Máquina (Machine Learning), e convergência com as técnicas mais clássicas da área da estatística, da investigação operacional, e do reconhecimento de padrões Software de fácil utilização SAS, SAP, etc. O que se espera obter de um SAD? Informação útil e relevante Permite decisões informadas Conselhos sobre a acção correcta a tomar Não substitui o decisor, aconselha-o. Identifica situações inesperadas. Optimiza as acções necessárias para um dado objectivo Gestão e acompanhamento das decisões Possibilidade de agir e medir consequências Ferramentas para trabalho em grupo Trabalho colaborativo e comunicação interna Armazenamento e gestão de conhecimento Capacidade para superar as limitações humanas de processamento de informação. Lembra lições aprendidas Ferramentas para obter vantagem competitiva Decidir melhor e mais depressa que a concorrência, detectar oportunidades e falhas Confusão na nomenclatura Sinónimos, trademarks, partes de SAD, diferentes perspectivas, buzzwords, DSS Decision Suport Systems BI Buisiness Intelligence KMS - Knowlege Management Systems EIS Enterprise Information Systems ERP Enterprise Resource Planning BA- Buisiness Analytics CRM Customer Relation Management Data Warehouse Expert Systems Intelligent Agents Datamining Groupware, GSS - Group Support Systems SCM, EIP, OPAP, ERM, Etc, etc, etc,etc, Funcionalidades (não são todas mandatórias) Recolha de informação Visualização da informação Construção de modelos Previsão do futuro e detecção agrupamentos Resolução e optimização de problemas Suporte para decisões individuais ou em grupo Capacidade para lidar com problemas mal definidos e pouco estruturados Evolutivos, i.e., capacidade para se adaptarem a novas situações 5
6 Componentes comuns Sistema de gestão de dados Sistema de gestão de modelos Motor de inferência Interface com o utilizador MODELOS (ANN, ES, DT) motor DADOS (DBMS, Datawarehousing) Interface Componentes (segundo Alter) Analysis Information Systems File Draw er System s Suggestion Models Data Analysis Systems Representational Models Optimization Models Accounting Models Tipos e ênfases dos SAD Centrados nos Dados versus Modelos Dedicados versus Generalistas Formais versus Ad Hoc Dirigidos (ou operativos) versus nãodirigidos (ou descritivos) Baseados na WEB Evolução histórica Sempre houve suporte à decisão Decidir com razão vs coração Mais informação melhor decisão Origem do termo Decision Suport System Início dos anos 70 (Little, G. & S. Morton) Usar modelos informáticos em gestão, produzindo software de fácil utilização Cada vez mais amigáveis potentes abrangentes. Não há (nem pode haver ) o SAD universal Diferentes perspectivas Teoria da decisão O que é uma BOA decisão? Engenharia e Informática O que são as ferramentas que permitem uma BOA decisão? Como se fazem essas ferramentas? Gestão Como se usam essas ferramentas? Como interpretar e usar um SAD? Compreender as ferramentas Compreender o processo de tomada de decisão Objectivos nesta cadeira Compreender a importância que os SAD têm para as organizações, e o modo como se integram nessas mesmas organizações. Compreender o tipo de tarefas que é executado pelos SAD. Compreender os problemas associados ao armazenamento, tratamento, e disponibilização ou visualização de grandes volumes de dados. Conhecer e compreender as principais técnicas de previsão. Conhecer e compreender as principais técnicas de agrupamento. Conhecer e compreender as principais técnicas de pesquisa e optimização heurística. Reconhecer a técnica mais adequada a cada problema, aplicála, e compreender os resultados. 6
7 Dominar algumas técnicas Particular ênfase Árvores de decisão Redes Neuronais (MLP & SOM) Clustering Algoritmos genéticos Sistemas Fuzzy Visão mais geral Outros aspectos Tarefas típicas (1 a 7) 1 - Organização dos dados Recolha, limpeza, normalização, armazenamento, dados heterogéneos 2 Visualização Apresentar os dados, compreendê-los, ter insights sobre os dados, explorá-los 3 Representação de conhecimento e incerteza Dados->Informação->Conhecimento, ser mais ou menos, ser provável, etc. Tarefas típicas (1 a 7) 4 - Previsão Estimadores estatísticos, regressões, redes neuronais, árvores de decisão, sistemas periciais, case based reasoning 5 Agrupamento Clustering, detectar outliers, detectar grupos de interesse 6 Pesquisa de soluções Encontrar uma solução possível. Heurísticas de busca, simuladores, GA, etc 7 - Optimização Encontrar a melhor solução possível. Técnicas de IO, heurísticas, GA, SA, etc Software (para esta cadeira e para DSS) Excel! Resolve muitos problemas. Teste de métodos para poucos dados SAS - Enterprise Miner Escalável para problemas a sério Grande variedade de ferramentas Pouca informação detalhada sobre métodos Bom interface visual mas programação pouco amigável Muita informação sobre aplicações Software (pacotes comerciais genéricos) SPSS Clementine Muito difundido nalgumas universidades Versão de educação brevemente disponível IBM - Intelligent Miner Tem uma versão para dowload gratuito SAP - Módulos de Business Intelligence Grande variedade de módulos Software (pacotes facilmente disponíveis) WEKA Para Datamining e Machine Learning open source em Java Corre em muitos ambientes, bastante completo (v3) Matlab (ou Octave e SciLab que são GNU) Toolboxs de NN, DT, GA, ML, etc SOMTOOLBOX (som), NETLAB (machine learning) (site comercial da mathworks) R Package estatístico com muito suporte para datamining Parecido com Matlab (mas diferente ) Outros Statistica Neural Networks, SOM_PAK, C4.5(original), SNNS, plug-ins para Excel, etc, etc, etc, etc, 7
8 Outros sites interessantes DSS Resources Prof. Daniel Power, livros, referências, etc Decisionarium Software GNU, referências, etc Machine Learning Network Software, dados, conferências, projectos, etc. Repositório de Irvine Dados, software, artigos Fabricantes de soluções dedicadas Para gestão de terrenos, para marketing, etc, etc 8
Data Mining II Modelos Preditivos
Data Mining II Modelos Preditivos Prof. Doutor Victor Lobo Mestre André Melo Mestrado em Estatística e Gestão de Informação Objectivo desta disciplina Fazer previsões a partir de dados. Conhecer os principais
Introdução a SAD V 1.3, V.Lobo, EN/ISEGI, 2009
Sistemas de Apoio à Decisão Técnicas e Algorítmos Prof. Doutor Victor Lobo Mestrado em Estatística e Gestão de Informação Programa (Detalhado) 1/5 1. Introdução aos Sistemas de Apoio à Decisão 1.1. Sistemas
Sistemas de Apoio à Decisão
Sistemas de Apoio à Decisão Técnicas e Algorítmos Prof. Doutor Victor Lobo Mestrado em Estatística e Gestão de Informação Objectivo desta disciplina Dar uma visão geral sobre os SAD Enquadramento na organização,
Sistemas de Apoio à Decisão. Vocabulário e conceitos Vista geral
Sistemas de Apoio à Decisão Vocabulário e conceitos Vista geral Decisão A escolha de uma entre várias alternativas Processo de tomada de decisão (decision making) Avaliar o problema Recolher e verificar
Sistemas de Apoio à Decisão
Sistemas de Apoio à Decisão Data Mining & Optimização Victor Lobo Objectivos gerais Abrir horizontes em temas actuais Aprender técnicas usadas em Sistemas de apoio à decisão ou Business Intelligence Métodos
SISTEMAS DE APOIO À DECISÃO SAD
SISTEMAS DE APOIO À DECISÃO SAD Conceitos introdutórios Decisão Escolha feita entre duas ou mais alternativas. Tomada de decisão típica em organizações: Solução de problemas Exploração de oportunidades
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
Investigação Operacional e Gestão de Projectos
Investigação Operacional e Gestão de Projectos Victor Lobo, Maria do Carmo Lucas, Miguel Loureiro Programa 0 Introdução 1 - Programação Linear. Método Simplex e variantes 2 Problemas de Transportes 3 Problemas
Investigação Operacional
Sumário Victor Lobo Investigação Operacional Introdução Programa da cadeira Bibliografia Horário de dúvidas e contactos Avaliação O que é Investigação Operacional? Investigar as operações da empresa, embora
A Brief History of Decision Support Systems
UNIRIO / PPGI Mestrado em Informática Disciplina: Sistemas de Apoio à Inteligência do Negócio Profs.: Astério K. Tanaka; Fernanda Baião A Brief History of Decision Support Systems Apresentação do artigo
Introdução a IO V 1.1, V.Lobo, EN/ISEGI, 2007
Investigação Operacional e Gestão de Projectos Victor Lobo Maria do Carmo Lucas Programa 0 Introdução 1 - Programação Linear. Método Simplex e variantes 2 Problemas de Transportes 3 Problemas de Afectação
Investigação Operacional e Gestão de Projectos
Investigação Operacional e Gestão de Projectos Victor Lobo, Maria do Carmo Lucas, Miguel Loureiro Programa 0 Introdução 1 - Programação Linear. Método Simplex e variantes 2 Problemas de Transportes 3 Problemas
Business Intelligence & Performance Management
Como medir a evolução do meu negócio? Tenho informação para esta decisão? A medição da performance é uma dimensão fundamental para qualquer actividade de gestão. Recorrentemente, qualquer gestor vê-se
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
O que é a ciência de dados (data science). Discussão do conceito. Luís Borges Gouveia Universidade Fernando Pessoa Versão 1.
O que é a ciência de dados (data science). Discussão do conceito Luís Borges Gouveia Universidade Fernando Pessoa Versão 1.3, Outubro, 2015 Nota prévia Esta apresentação tem por objetivo, proporcionar
Cadeira de Tecnologias de Informação. Conceitos fundamentais de sistemas e tecnologias de informação e de gestão do conhecimento.
Cadeira de Tecnologias de Informação Ano lectivo 2007/08 Conceitos fundamentais de sistemas e tecnologias de informação e de gestão do conhecimento. Prof. Mário Caldeira Profª Ana Lucas Dr. Fernando Naves
Universidade de Brasília. Faculdade de Ciência da Informação. Prof a Lillian Alvares
Universidade de Brasília Faculdade de Ciência da Informação Prof a Lillian Alvares Fóruns Comunidades de Prática Mapeamento do Conhecimento Portal Intranet Extranet Banco de Competências Memória Organizacional
Capítulo. Sistemas de apoio à decisão
Capítulo 10 1 Sistemas de apoio à decisão 2 Objectivos de aprendizagem Identificar as alterações que estão a ter lugar na forma e função do apoio à decisão nas empresas de e-business. Identificar os papéis
TÉCNICAS DE INFORMÁTICA WILLIAN FERREIRA DOS SANTOS
TÉCNICAS DE INFORMÁTICA WILLIAN FERREIRA DOS SANTOS Vimos em nossas aulas anteriores: COMPUTADOR Tipos de computadores Hardware Hardware Processadores (CPU) Memória e armazenamento Dispositivos de E/S
Aprendizagem de Máquina
Aprendizagem de Máquina Alessandro L. Koerich Programa de Pós-Graduação em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Horários Aulas Sala [quinta-feira, 7:30 12:00] Atendimento Segunda
UNIVERSIDADE CATÓLICA PORTUGUESA Centro Regional das Beiras Pólo de Viseu Instituto Universitário de Desenvolvimento e Promoção Social
UNIVERSIDADE CATÓLICA PORTUGUESA Centro Regional das Beiras Pólo de Viseu Instituto Universitário de Desenvolvimento e Promoção Social DISCIPLINA Controlo Informático da Gestão LICENCIATURA Informática
Universidade de Brasília. Departamento de Ciência da Informação e Documentação. Prof a.:lillian Alvares
Universidade de Brasília Departamento de Ciência da Informação e Documentação Prof a.:lillian Alvares Fóruns óu s/ Listas de discussão Espaços para discutir, homogeneizar e compartilhar informações, idéias
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.
Sistemas de Apoio à Decisão Introdução ao DataMining V 1.0, V.Lobo, EN/ISEGI, 2005
V., V.Lobo, E/IEGI, 25 Objectivos gerais istemas de Apoio à Decisão Data ining & Optimização Victor Lobo Abrir horizontes em temas actuais Aprender técnicas usadas em istemas de apoio à decisão ou Business
1 Descrição sumária. Varajão, Trigo e Barroso, O Gestor de Sistemas de Informação nas grandes empresas portuguesas, Computerworld, 2011.
O Gestor de Sistemas de Informação nas grandes empresas portuguesas João Varajão 1, António Trigo 2, João Barroso 1 1 Escola de Ciências e Tecnologia, Universidade de Trás-os-Montes e Alto Douro 2 Instituto
Uma estrutura (framework) para o Business Intelligence (BI)
Uma estrutura conceitural para suporteà decisão que combina arquitetura, bancos de dados (ou data warehouse), ferramentas analíticas e aplicações Principais objetivos: Permitir o acesso interativo aos
SISTEMAS DE INFORMAÇÃO GERENCIAIS
SISTEMAS DE INFORMAÇÃO GERENCIAIS O PODER DA INFORMAÇÃO Tem PODER quem toma DECISÃO Toma DECISÃO correta quem tem SABEDORIA Tem SABEDORIA quem usa CONHECIMENTO Tem CONHECIMENTO quem possui INFORMAÇÃO (Sem
BUSINESS INTELLIGENCE -Inteligência nos Negócios-
UNIVERSIDADE SÃO FRANCISCO CENTRO DE CIÊNCIAS JURÍDICAS, HUMANAS E SOCIAIS BUSINESS INTELLIGENCE -Inteligência nos Negócios- Curso: Administração Hab. Sistemas de Informações Disciplina: Gestão de Tecnologia
SISTEMAS DE APRENDIZADO PARA A IDENTIFICAÇÃO DO NÚMERO DE CAROÇOS DO FRUTO PEQUI LEARNING SYSTEMS FOR IDENTIFICATION OF PEQUI FRUIT SEEDS NUMBER
SISTEMAS DE APRENDIZADO PARA A IDENTIFICAÇÃO DO NÚMERO DE CAROÇOS DO FRUTO PEQUI Fernando Luiz de Oliveira 1 Thereza Patrícia. P. Padilha 1 Conceição A. Previero 2 Leandro Maciel Almeida 1 RESUMO O processo
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
Informática. Conceitos Básicos. Informação e Sistemas de Informação. Aula 3. Introdução aos Sistemas
Informática Aula 3 Conceitos Básicos. Informação e Sistemas de Informação Comunicação Empresarial 2º Ano Ano lectivo 2003-2004 Introdução aos Sistemas A Teoria dos Sistemas proporciona um meio poderoso
A Grande Importância da Mineração de Dados nas Organizações
A Grande Importância da Mineração de Dados nas Organizações Amarildo Aparecido Ferreira Junior¹, Késsia Rita da Costa Marchi¹, Jaime Willian Dias¹ ¹Universidade Paranaense (Unipar) Paranavaí PR Brasil
Sistema. Atividades. Sistema de informações. Tipos de sistemas de informação. Everson Santos Araujo everson@everson.com.br
Sistema Tipos de sistemas de informação Everson Santos Araujo everson@everson.com.br Um sistema pode ser definido como um complexo de elementos em interação (Ludwig Von Bertalanffy) sistema é um conjunto
Universidade de Brasília Departamento de Ciência da Informação e Documentação Profa.:Lillian Alvares
Universidade de Brasília Departamento de Ciência da Informação e Documentação Profa.:Lillian Alvares Comunidades de Prática Grupos informais e interdisciplinares de pessoas unidas em torno de um interesse
Introdução a Datamining (previsão e agrupamento)
Introdução a Datamining (previsão e agrupamento) Victor Lobo Mestrado em Estatística e Gestão de Informação E o que fazer depois de ter os dados organizados? Ideias base Aprender com o passado Inferir
GESTÃO. Gestão dos Processos e Operações Gestão de Sistemas e Tecnologias de Informação (dentro do capítulo 6) CLF
GESTÃO Gestão dos Processos e Operações Gestão de Sistemas e Tecnologias de Informação (dentro do capítulo 6) Informação e Decisões Gerir envolve tomar muitas e frequentes decisões Para decidir com eficácia
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
Universidade de Brasília. Faculdade de Ciência da Informação. Profa. Lillian Alvares
Universidade de Brasília Faculdade de Ciência da Informação Profa. Lillian Alvares Fóruns / Listas de discussão Espaços para discutir, homogeneizar e compartilhar informações, idéias e experiências que
Administração de Sistemas de Informação I
Administração de Sistemas de Informação I Prof. Farinha Aula 04 Conceito Sistema de Informação é uma série de elementos ou componentes inter-relacionados que coletam (entrada), manipulam e armazenam (processo),
Pós-Graduação em Engenharia Elétrica Inteligência Artificial
Pós-Graduação em Engenharia Elétrica Inteligência Artificial João Marques Salomão Rodrigo Varejão Andreão Inteligência Artificial Definição (Fonte: AAAI ): "the scientific understanding of the mechanisms
BIG DATA INTRODUÇÃO. Humberto Sandmann humberto.sandmann@gmail.com
BIG DATA INTRODUÇÃO Humberto Sandmann humberto.sandmann@gmail.com Apresentação Humberto Sandmann humberto.sandmann@gmail.com Possui graduação em Ciências da Computação pelo Centro Universitário da Faculdade
Introdução a Datamining (previsão e agrupamento)
E o que fazer depois de ter os dados organizados? Introdução a Datamining (previsão e agrupamento) Victor Lobo Mestrado em Estatística e Gestão de Informação Ideias base Aprender com o passado Inferir
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
UNOESTE - Universidade do Oeste Paulista F I P P - Faculdade de Informática de Presidente Prudente
1º TERMO NOTURNO - 2009 31/03/09 3ª feira 20:50 h A ADMINISTRAÇÃO 01/04/09 4ª feira 19:00 h A1/A2 INTRODUÇÃO A COMPUTAÇÃO 02/04/09 5ª feira 19:00 h A1 LABORATÓRIO DE INFORMÁTICA I 02/04/09 5ª feira 20:50
Apresentação, xix Prefácio à 8a edição, xxi Prefácio à 1a edição, xxiii. Parte I - Empresa e Sistemas, 1
Apresentação, xix Prefácio à 8a edição, xxi Prefácio à 1a edição, xxiii Parte I - Empresa e Sistemas, 1 1 SISTEMA EMPRESA, 3 1.1 Teoria geral de sistemas, 3 1.1.1 Introdução e pressupostos, 3 1.1.2 Premissas
A versão básica disponibiliza a informação criada no Microsoft Navision em unidades de informação
O Business Analytics for Microsoft Business Solutions Navision ajuda-o a ter maior controlo do seu negócio, tomar rapidamente melhores decisões e equipar os seus funcionários para que estes possam contribuir
BUSINESS INTELLIGENCE Prof. Fabio Purcino
Aula Teste BUSINESS INTELLIGENCE Prof. Fabio Purcino Faça o download desta aula Use um leitor de QR Code Definição Business Intelligence é um conjunto de conceitos e técnicas que buscam extrair conhecimento
Sistemas de Informação e Banco de Dados. Prof. Carlos Henrique Santos da Silva, MSc PMP, PMI-RMP, CSM, ITIL & CobiT Certified
Sistemas de Informação e Banco de Dados Prof. Carlos Henrique Santos da Silva, MSc PMP, PMI-RMP, CSM, ITIL & CobiT Certified Carlos Henrique Santos da Silva, MSc Mestre em Informática em Sistemas de Informação
Sistemas de Informação
Sistemas de Informação Informação no contexto administrativo Graduação em Redes de Computadores Prof. Rodrigo W. Fonseca SENAC FACULDADEDETECNOLOGIA PELOTAS >SistemasdeInformação SENAC FACULDADEDETECNOLOGIA
KDD E MINERAÇÃO DE DADOS:
KDD E MINERAÇÃO DE DADOS: Introdução e Motivação Prof. Ronaldo R. Goldschmidt ronaldo@de9.ime.eb.br rribeiro@univercidade.br geocities.yahoo.com.br/ronaldo_goldschmidt Fatos: Avanços em TI e o crescimento
Business Intelligence para todos
Business Intelligence para todos CCFB - Rio de Janeiro DeciLogic - 2008 Eric Sarzana Diretor eric.sarzana@decilogic.com Agenda DeciLogic O que é o Business Intelligence? Porquê o Business Intelligence?
PALAVRAS CHAVE RESUMO
ESIG2001 SPATIAL INTELLIGENCE INFORMAÇÃO GEOGRÁFICA COMO MEIO DE SUPORTE À DECISÃO João Machado Costa, Rui Marques Ferreira Novabase www.novabase.pt joao.machado@novabase.pt PALAVRAS CHAVE Spatial Information
INSTITUTO VIANNA JÚNIOR LTDA FACULADE DE CIENCIAS ECONOMICAS VIANNA JUNIOR DATA MINING - EXTRAÇÃO E EXPLORAÇÃO DE CONHECIMENTO.
INSTITUTO VIANNA JÚNIOR LTDA FACULADE DE CIENCIAS ECONOMICAS VIANNA JUNIOR DATA MINING - EXTRAÇÃO E EXPLORAÇÃO DE CONHECIMENTO. Lúcia Helena de Magalhães 1 Márcio Aarestrup Arbex 2 Resumo Este artigo tem
Capítulo 13: Tecnologia da Informação. Prof.: Roberto Franciscatto
Capítulo 13: Tecnologia da Informação Prof.: Roberto Franciscatto Introdução Uma informação é um arranjo de dados (nomes, palavras, números, sons, imagens) capazes de dar forma ou sentido a algo do interesse
Inteligência Computacional [2COP229]
Inteligência Computacional [2COP229] Mestrado em Ciência da Computação Sylvio Barbon Jr barbon@uel.br (2/24) Tema Aula 1 Introdução ao Reconhecimento de Padrões 1 Introdução 2 Componentes clássicos da
Prognos SMART OPTIMIZATION
Prognos SMART OPTIMIZATION A resposta aos seus desafios Menos estimativas e mais controlo na distribuição A ISA desenvolveu um novo software que permite o acesso a dados remotos. Através de informação
Sistemas de Informação e Decisão. Douglas Farias Cordeiro
Sistemas de Informação e Decisão Douglas Farias Cordeiro Decisão Tomamos decisões a todo momento! O que é uma decisão? Uma decisão consiste na escolha de um modo de agir, entre diversas alternativas possíveis,
MATERIAL DIDÁTICO: APLICAÇÕES EMPRESARIAIS SISTEMA DE APOIO À DECISÃO (SAD)
AULA 07 MATERIAL DIDÁTICO: APLICAÇÕES EMPRESARIAIS SISTEMA DE APOIO À DECISÃO (SAD) JAMES A. O BRIEN MÓDULO 01 Páginas 286 à 294 1 AULA 07 SISTEMAS DE APOIO ÀS DECISÕES 2 Sistemas de Apoio à Decisão (SAD)
Tecnologia da Informação
Tecnologia da Informação Gestão Organizacional da Logística Sistemas de Informação Sistemas de informação ERP - CRM O que é ERP Os ERPs em termos gerais, são uma plataforma de software desenvolvida para
Soluções de análise preditiva para optimizar os processos de negócio. João Pequito. Director Geral da PSE
Soluções de análise preditiva para optimizar os processos de negócio João Pequito Director Geral da PSE Soluções de análise preditiva para optimizar os processos de negócio Qualquer instituição tem hoje
Esri Maps para Inteligência de Negócios Conceitos e Produtos Esri. Rodrigo Barrionuevo
Esri Maps para Inteligência de Negócios Conceitos e Produtos Esri Rodrigo Barrionuevo O que é Business Intelligence? Plataforma apoio a decisão Online Analytic Process OLAP Reporting & Ad Hoc Query Business
Laudon & Laudon Essentials of MIS, 5th Edition. Pg. 1.1
Laudon & Laudon Essentials of MIS, 5th Edition. Pg. 1.1 SISTEMA DE APOIO À DECISÃO Grupo: Denilson Neves Diego Antônio Nelson Santiago Sabrina Dantas CONCEITO É UM SISTEMA QUE AUXILIA O PROCESSO DE DECISÃO
Inteligência Empresarial. BI Business Intelligence. Business Intelligence 22/2/2011. Prof. Luiz A. Nascimento
Inteligência Empresarial Prof. Luiz A. Nascimento BI Pode-se traduzir informalmente Business Intelligence como o uso de sistemas inteligentes em negócios. É uma forma de agregar a inteligência humana à
Prof. Msc. Paulo Muniz de Ávila
Prof. Msc. Paulo Muniz de Ávila O que é Data Mining? Mineração de dados (descoberta de conhecimento em bases de dados): Extração de informação interessante (não-trivial, implícita, previamente desconhecida
APLICATIVOS CORPORATIVOS
Sistema de Informação e Tecnologia FEQ 0411 Prof Luciel Henrique de Oliveira luciel@uol.com.br Capítulo 3 APLICATIVOS CORPORATIVOS PRADO, Edmir P.V.; SOUZA, Cesar A. de. (org). Fundamentos de Sistemas
Informática. Estrutura e Funcionamento de Computadores Software. Aula 8. Tipos de Software. Aplicação Genérica. Aplicação Específica
Informática Aula 8 Estrutura e Funcionamento de Computadores Software Comunicação Empresarial 2º Ano Ano lectivo 2003-2004 Tipos de Software Software de Sistema Software Aplicacional Gestão do Sistema
Identificar as mudanças que acontecem na forma e no uso de apoio à decisão em empreendimentos de e-business. Identificar o papel e alternativas de
1 Identificar as mudanças que acontecem na forma e no uso de apoio à decisão em empreendimentos de e-business. Identificar o papel e alternativas de relatórios dos sistemas de informação gerencial. Descrever
Aprendizagem de Máquina
Aprendizagem de Máquina Professor: Rosalvo Ferreira de Oliveira Neto Disciplina: Inteligência Artificial Tópicos 1. Definições 2. Tipos de aprendizagem 3. Paradigmas de aprendizagem 4. Modos de aprendizagem
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
Sistema Integrado de Gestão ERP Sistema Integrado de Gestão
Sistema Integrado de Gestão ERP Sistema Integrado de Gestão ERP Prof: Edson Thizon ethizon@gmail.com Sistema ERP; Processos de Desenvolvimento, Seleção, Aquisição, Implantação de ERP; Aderência e divergência
Unidade IV SISTEMAS DE INFORMAÇÃO. Prof. Daniel Arthur Gennari Junior
Unidade IV SISTEMAS DE INFORMAÇÃO Prof. Daniel Arthur Gennari Junior Sobre esta aula Sistema de informação nos negócios Sistemas de informação no apoio ao processo de tomada de decisão Sistemas colaborativos
tipos de métodos, técnicas de inteligência artificial e técnicas de otimização. Por fim, concluise com as considerações finais.
1. Introdução A previsão de vendas é fundamental para as organizações uma vez que permite melhorar o planejamento e a tomada de decisão sobre o futuro da empresa. Contudo toda previsão carrega consigo
Ferramenta computacional para implementação de redes neuronais optimização das capacidades gráficas
INEB- PSI Technical Report 2007-2 Ferramenta computacional para implementação de redes neuronais optimização das capacidades gráficas Alexandra Oliveira aao@fe.up.pt Professor Joaquim Marques de Sá December
UNOESTE - Universidade do Oeste Paulista F I P P - Faculdade de Informática de Presidente Prudente
1º TERMO NOTURNO - 2013 23/09/13 2ª feira 08:20 h B1 (DP) ALGORITMOS E TÉCNICAS DE PROGRAMAÇÃO I 23/09/13 2ª feira 19:00 h A1 ALGORITMOS E TÉCNICAS DE PROGRAMAÇÃO I 24/09/13 3ª feira 19:00 h A COMUNICAÇÃO
Inteligência Artificial
Inteligência Artificial As organizações estão ampliando significativamente suas tentativas para auxiliar a inteligência e a produtividade de seus trabalhadores do conhecimento com ferramentas e técnicas
Introdução. Aulas. ltodi.est.ips.pt/es. Detalhes administrativos Definição de engenharia de software Contexto Relação com outras áreas e disciplinas
Sumário Introdução Joaquim Filipe João Ascenso Engenharia de Software 2005/06 EST, Setúbal Detalhes administrativos Definição de engenharia de software Contexto Relação com outras áreas e disciplinas 2
MESTRADO EM PESQUISA DE MERCADOS 2006 2007
MESTRADO EM PESQUISA DE MERCADOS 2006 2007 PROGRAMA DAS DISCIPLINAS 1 1º trimestre PESQUISA DE MERCADOS Objectivos Pretende-se que os alunos: (a) adquiram os conceitos e semântica próprios do tema, (b)
SPEKTRUM SOLUÇÕES DE GRANDE PORTE PARA PEQUENAS E MÉDIAS EMPRESAS SPEKTRUM SAP Partner 1
SPEKTRUM SOLUÇÕES DE GRANDE PORTE PARA PEQUENAS E MÉDIAS EMPRESAS SPEKTRUM SAP Partner 1 PROSPERE NA NOVA ECONOMIA A SPEKTRUM SUPORTA A EXECUÇÃO DA SUA ESTRATÉGIA Para as empresas que buscam crescimento
IBM WebSphere Business Monitor
Obtenha visibilidade em tempo real do desempenho dos processos de negócios IBM WebSphere Business Monitor Fornece aos usuários de negócios uma visão abrangente e em tempo real do desempenho dos processos
MINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br
MINERAÇÃO DE DADOS APLICADA Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br Processo Weka uma Ferramenta Livre para Data Mining O que é Weka? Weka é um Software livre do tipo open source para
Premier. Quando os últimos são os Primeiros
Premier Quando os últimos são os Primeiros Fundada em 1997 Especializada no desenvolvimento de soluções informáticas de apoio à Gestão e consultoria em Tecnologias de Informação. C3im tem como principais
Plataforma de Gestão de Actualizações de Software Descrição do Problema
Plataforma de Gestão de Actualizações de Software Descrição do Problema Pedro Miguel Barros Morgado Índice Introdução... 3 Ponto.C... 4 Descrição do Problema... 5 Bibliografia... 7 2 Introdução No mundo
Data Mining. Origem do Data Mining 24/05/2012. Data Mining. Prof Luiz Antonio do Nascimento
Data Mining Prof Luiz Antonio do Nascimento Data Mining Ferramenta utilizada para análise de dados para gerar, automaticamente, uma hipótese sobre padrões e anomalias identificadas para poder prever um
Laudon & Laudon Essentials of MIS, 5th Edition. Pg. 11.1
Laudon & Laudon Essentials of MIS, 5th Edition. Pg. 11.1 11 OBJETIVOS OBJETIVOS APERFEIÇOAMENTO DO PROCESSO DE DECISÃO PARA A EMPRESA DIGITAL Como os sistemas de informação podem ajudar cada gerente a
Data, Text and Web Mining
Data, Text and Web Mining Fabrício J. Barth TerraForum Consultores Junho de 2010 Objetivo Apresentar a importância do tema, os conceitos relacionados e alguns exemplos de aplicações. Data, Text and Web
5.7.6 Internet/Intranet 176 5.7.7 Gestão logística 177 CAPÍTULO 6. DESENVOLVIMENTO DE SISTEMAS DE WORKFLOW 181 6.1 Métodos de Desenvolvimento 181
SUMÁRIO SUMÁRIO PREFÁCIO AGRADECIMENTOS VII XI XIII INTRODUÇÃO CAPÍTULO 1. ORGANIZAR WORKFLOWS 1 1.1 Ontologia da gestão de workflows 1.2 Trabalho 1 1 1.3 Processos de Negócio 3 1.4 Distribuir e Aceitar
Inteligência de Negócio. Brian Cowhig
Inteligência de Negócio Brian Cowhig Inteligência de Negócio O Que é Inteligência de Negócio? Três Níveis de Inteligência de Negócio Database Query OLAP Data Mining Produtos de Inteligência de Negócio
Gestão de TI. Aula 10 - Prof. Bruno Moreno 30/06/2011
Gestão de TI Aula 10 - Prof. Bruno Moreno 30/06/2011 Aula passada... Gestão do Conhecimento 08:46 2 Aula de Hoje... BI Apresentação do artigo IT doesn t matter Debate 08:48 3 Caso da Toyota Toyota Motor
Tecnologias de GED Simone de Abreu
Tecnologias de GED Simone de Abreu A rapidez na localização da informação contida no documento é hoje a prioridade das empresas e organizações, já que 95% das informações relevantes para o processo de
ERP. Enterprise Resource Planning. Planejamento de recursos empresariais
ERP Enterprise Resource Planning Planejamento de recursos empresariais O que é ERP Os ERPs em termos gerais, são uma plataforma de software desenvolvida para integrar os diversos departamentos de uma empresa,
ERP & BI ENTENTENDO A BUSCA CONSTANTE DAS EMPRESAS POR UM SISTEMA QUE FORNEÇA INFORMAÇÕES CONFIÁVEIS PARA TOMADA DE DECISÃO*
ERP & BI ENTENTENDO A BUSCA CONSTANTE DAS EMPRESAS POR UM SISTEMA QUE FORNEÇA INFORMAÇÕES CONFIÁVEIS PARA TOMADA DE DECISÃO* RESUMO Marilia Costa Machado - UEMG - Unidade Carangola Graciano Leal dos Santos
Como tornar o seu. Maribel Yasmina* Isabel Ramos*
Os sistemas de Business Intelligence são imprescindíveis a decisores dinâmicos e motivados para aproveitar as oportunidades que uma sociedade em transformação rápida pode oferecer Maribel Yasmina* Como
UNIVERSIDADE PRESBITERIANA MACKENZIE Faculdade de Computação e Informática MATRIZ CURRICULAR ELETIVAS
MATRIZ CURRICULAR S LIVRE ESCOLHA Núcleo Temático: HUMANAS Disciplina: LÍNGUA BRASILEIRA DE SINAIS 34 h/a (.34 ) Teóricas Etapa: 4ª Compreensão de aspectos composicionais da Língua Brasileira de Sinais
Resultados da Pesquisa
Resultados da Pesquisa 1. Estratégia de Mensuração 01 As organizações devem ter uma estratégia de mensuração formal e garantir que a mesma esteja alinhada com os objetivos da empresa. Assim, as iniciativas
UNIVERSIDADE FEDERAL RURAL DE PERNAMBUCO PRÓ-REITORIA DE ENSINO DE GRADUAÇÃO
UNIVERSIDADE FEDERAL RURAL DE PERNAMBUCO PRÓ-REITORIA DE ENSINO DE GRADUAÇÃO Rua Dom Manoel de Medeiros, s/n Dois Irmãos 52171-900 Recife-PE Fone: 0xx-81-332060-40 proreitor@preg.ufrpe.br PLANO DE ENSINO
Programação https://fenix.ist.utl.pt/disciplinas/pro/ deec-prog@disciplinas.ist.utl.pt
Programação https://fenix.ist.utl.pt/disciplinas/pro/ deec-prog@disciplinas.ist.utl.pt Sumário Corpo Docente Página da disciplina Funcionamento Avaliação Suporte informático 01-2 Corpo Docente Aulas teóricas/problemas
Uma peça estratégica para o seu negócio
Uma peça estratégica para o seu negócio INFORMAÇÃO GERAL DA EMPRESA CASO DE SUCESSO EM IMPLEMENTAÇÃO BI PERGUNTAS E RESPOSTAS Fundada em 1997, Habber Tec é uma empresa especializada na oferta de soluções
Mineração de Dados: Introdução e Aplicações
Mineração de Dados: Introdução e Aplicações Luiz Henrique de Campos Merschmann Departamento de Computação Universidade Federal de Ouro Preto luizhenrique@iceb.ufop.br Apresentação Luiz Merschmann Engenheiro
administrar planejar executar acompanhar avaliar controlar motivar modelo de comunicação na organização a nível mensagens tomar decisões para agir
representação informação percepção real dado dados armazenamento processa mento transmissão dado interpretação mensagem tomada decisão escolha ação modelo de comunicação na organização administrar para
APERFEIÇOAMENTO DO PROCESSO DE DECISÃO PARA A EMPRESA DIGITAL
APERFEIÇOAMENTO DO PROCESSO DE DECISÃO PARA A EMPRESA DIGITAL 1 OBJETIVOS 1. Como os sistemas de informação podem ajudar cada gerente a tomar as melhores decisões em caso de problemas não-rotineiros e