BUSINESS INTELLIGENCE: SUPORTE À GESTÃO DO DESEMPENHO CIENTÍFICO

Tamanho: px
Começar a partir da página:

Download "BUSINESS INTELLIGENCE: SUPORTE À GESTÃO DO DESEMPENHO CIENTÍFICO"

Transcrição

1 BUSINESS INTELLIGENCE: SUPORTE À GESTÃO DO DESEMPENHO CIENTÍFICO Felipe Zanellato Coelho (IFES) Igor Meirelles Gomes (IFES) Patricia de Aquino Lannes (IFES) Maria Alice Veiga Ferreira de Souza (IFES) Roquemar de Lima Baldam (IFES) A presente pesquisa propôs-se a formalizar uma estrutura de Bussiness Intelligence, composta de recursos como Extraction, Transform and Load (ETL), Data Warehouse (DW), Data Marts (DMa), Data mining (DMi) e Online Analitical Processing (OLAAP) para dar suporte à gestão do desempenho científico no âmbito público. Para isso se fez necessária uma pesquisa aplicada e uma pesquisa bibliográfica. No estudo foi sugerida a utilização de um sistema ETL para alimentar o DW e o DMa ficando a análise destes dados encarregadas de serem executadas por um sistema de DMi e um sistema OLAP tomando como modelo os indicadores de desempenho e a análise dinâmica antes elaborados. Com essa estrutura foram propostos modelos de relatórios digitais com os resultados em forma de planilhas, gráficos e tabelas de modo a tornar a tarefa de gerir a produção científica mais produtiva. Palavras-chaves: Business Intelligence, Data Warehouse, Gestão do desempenho científico, Produção científica

2 1 Introdução Técnicas administrativas como Balanced ScoreCard (BSC), Business Intelligence (BI), Business Activity Monitoring (BAM) têm sido implantadas, mas, na maioria das vezes, não refletem em um tempo ideal a realidade organizacional, pois não é suficiente ter as ferramentas, sendo também necessário interpretar os dados obtidos transformando-os em informações úteis de forma mais ágil. O desejo de os gestores guiarem-se por meio de ferramentas computacionais, de tal forma que possam tomar decisões baseadas em dados on line atualizados, parece, de fato, um problema. Pesquisadores da área, como Malina e Selto (2001), acusam o uso das técnicas acima realçando a ferramenta, e não o aspecto gerencial, como possíveis causas que prejudicam a gestão que se quer. Essa prática leva a resultados não confiáveis aos tomadores de decisão. Uma solução é o maior uso de manipulação estatística dos dados que gerem informações relevantes que os auxiliem na compreensão das atividades da organização. No que diz respeito à Estatística, é indicado que a prática organizacional conte com uma ciência de dados, uma vez que a compreensão desses é também uma habilidade chave nesse âmbito. Algumas práticas estatísticas incluem, por exemplo, o planejamento, a sumarização e a interpretação de observações segundo Freedman, Pisani e Purves (2007). A partir da produção de dados, da análise e do controle de processos é possível explicar a frequência de fenômenos ligados à organização, contribuindo, assim, para a previsão e o direcionamento de ações mais eficientes no futuro. Dessa forma, o objetivo da Estatística aqui é a produção da informação mais próxima possível da realidade e em tempo hábil a partir dos dados disponíveis, sendo entendida como um ramo da teoria da decisão. Particularmente, o âmbito público necessita da associação de recursos administrativos e estatísticos para fundamentar decisões importantes que envolvam, frequentemente, o direcionamento do orçamento público voltado para a satisfação dos interesses sociais. É o caso do Instituto Federal do Espírito Santo (IFES) que, preocupado com a nova missão de promover pesquisa científica, deve conhecer, por exemplo, a produção de seus servidores nos diferentes setores, nos diferentes campi, visando direcionar os investimentos e as decisões de modo dinâmico e ágil, cumprindo, assim, com uma gestão mais gerencial e voltada para necessidade da comunidade local e mundial. Portanto, para garantir melhor uso dos dados colhidos em campo, se faz necessária a implantação do conceito de Business Intelligence (BI) que utiliza o processo de coleta, organização, análise, compartilhamento e monitoramento de dados para oferecer suporte adequado às tomadas de decisões de uma organização. O BI converte essas informações em conhecimento estratégico, tal como desenvolvido pela Gartner Group (www.gartner.com), posteriormente seguido por inúneras organizações, que segundo Cody et al (2002) essas organizações tem investido no tecnologia de BI com o objetivo de obter conhecimento necessário para assegurar maiores vantagens competitivas. Nesse sentido, propõe-se formalizar uma estrutura de BI, composta de recursos como Extraction, Transform and Load (ETL), Data Warehouse (DW), Data Marts (DMa), Data mining (DMi) e Online Analitical Processing (OLAP) para dar suporte à gestão do desempenho científico do IFES, de modo a tornar as tomadas de decisões mais pautadas em informações atualizadas e guiar os pesquisadores ao atingimento de metas previamente 2

3 delineadas por instituições brasileiras de fomento à pesquisa, como a CAPES (Coordenação de Aperfeiçoamento de Pessoal de Nível Superior) e o CNPq (Conselho Nacional de Desenvolvimento Científico e Tecnológico), dando à instituição respaldo para ampliar seu desenvolvimento em pesquisas. 2 Referencial Teórico Han e Kamber (2001) nos contam que a área de estudo interdisciplinar que fundamenta o conceito de Business Intelligence está ligado à tecnologia da informação que tem como objetivo de estudo a elaboração normativa de sistemas de informação computacionais responsáveis por organizar grandes volumes de dados (data warehouse) e facilitar a descoberta de relações entre tais dados (data mining). Por outro lado, Inmon (2002) define um Data Warehouse como uma coleção de dados integrados, orientados por assunto, não-voláteis e variáveis com relação ao tempo, os quais tem por finalidade o apoio ao processo decisório gerencial. Os Data Warehouses, ou armazéns de dados, estão baseados em estruturas multidimensionais nas quais a informação é armazenada, calculando previamente todas as combinações de todos os níveis de todas as aberturas de análise. Para alimentar um Data Warehouse, segundo Andrade (2003), existem três processos essenciais que são chamados de Extraction, Transform and Load (Extração, Transformação e Carga dos dados) mais conhecido como sistema ETL. Barbieri (2001) diz que o ETL são os processos necessários para a transformação do modelo fonte para o modelo multidimensional. Já para Machado (2004) o processo ETL deve ser realizado com o propósito de garantir a consistência e a integridade das informações, construindo, desta forma, uma base de dados de alta qualidade e confiabilidade, que retrate efetivamente a realidade da instituição. Os sistemas ETL são responsáveis pela filtragem, limpeza, sumarização e concentração dos dados espalhados pelas fontes externas e nos sistemas operativos. Para segmentar a construção de um Data Warehouse é feita a construção de Data Marts que, no futuro, irão compor o Data Warehouse. Segundo Innom et al (2001) os Data Marts são estruturas moldadas pelos dados granulares encontrados no Data Warehouse corporativo e pertecem aos departamentos específicos dentro de uma empresa e são moldados pelos requerimentos dos departamentos. Portanto, para Machado (2004) os Data Marts são um subconjunto do Data Warehouse. Para analisar a massa de dados é utilizado um processo chamado de Data Mining. De acordo com Fayyad et al (1996) e posteriormente também dito por Chung e Gray (1999) o DMi é um processo não-trivial de identificar, em dados, padrões válidos, novos, potencialmente úteis e ultimamente compreensíveis. Os data mining tem como função principal a varredura de dados, a procura de padrões e detecção de relacionamentos entre informações gerando novos subgrupos de dados. Tem como objeto eliminar os erros cometidos pelas pessoas ao analisar os dados de maneira tendenciosa e viciada. Vale lembrar que, segundo Janckson (2002) utilizar um DW não é requerimento para a utilização do DMi. Outra ferramenta de análise que integra o conceito de BI é o OLAP (On-line Analytical Processing) que proporciona a capacidade para manipular e analisar dados sob várias perspectivas. A técnica OLAP tem a capacidade de projetar várias hipóteses, ou seja, várias formas diferentes de solucionar um problema dando ao gestor a possibilidade de comparar essas hipóteses e escolher a melhor, de acordo com Inmon (2002). Pendse (2005) completa 3

4 dizendo que uma ferramenta OLAP deve permitir uma análise rápida de informações multidimensionais onde o sistema deve lidar com qualquer lógica de negócio e análise estatística que seja relevante para a aplicação e para o usuário. Inmon (2002) ainda afirma que os resultados das pesquisas realizadas por um sistema OLAP podem ser apresentados de forma gráfica ou em formato de planilha, com as funcionalidades de drill-down e drill-up (navegação para dentro ou fora dos níveis hierárquicos das dimensões). Com esses conceitos é possível a construção de um sistema BI para auxiliar os gestores de pesquisa do IFES nas suas tomadas de decisões e na criação de indicadores de desempenho bem como projeções de onde devem ser vinculados esforços para futura melhoria de desempenho, pois segundo Negash (2004) os sistemas de BI disponibilizam informações úteis no momento certo, no lugar correto e na maneira correta para ajudar os tomadores de decisão. De acordo com Elmasri e Navathe (2000) o BI oferece interfaces que facilitam ao usuário o entendimento das relações entre os dados descritos e armazenados de modo a prover melhores informações para a tomada de decisão. Seus sistemas são mais elitizados e buscam atender às necessidades gerenciais. Não é uma tecnologia que incentiva o compartilhamento de conhecimento entre as pessoas, mas tem como objetivo contribuir para gerar novos conhecimentos que resultem em efetivos resultados dentro da organização, conforme Carvalho (2003). Kimball e Ross (2002), por sua vez, definem BI como sendo um conjunto de ferramentas e técnicas de projeto que, quando aplicadas às necessidades específicas dos usuários e aos bancos de dados específicos, permitirá que planejem e construam um Data Warehouse. Em resumo, é um sistema que armazena dados históricos usados no processo de tomada de decisão com a finalidade de integrar os dados de uma organização em um único banco de dados. Fortulan e Gonçalves Filho (2005) completam a idéia afirmando que enquanto o Data Warehouse possibilita o armazenamento dos dados, as ferramentas de DMi e OLAP permitem a extração da informação e do conhecimento para auxiliar o gestor. 3 Métodos, instrumentos e procedimentos De modo a auxiliar a gestão do desempenho científico no IFES e alertar para determinados fatores, bem como apontar falhas e melhorias, se fez necessária uma pesquisa aplicada pois, segundo Vergara (2007), ela é fundamentalmente motivada pela necessidade de resolver problemas concretos, imediatos ou não, e tem finalidade prática, ao contrário da pesquisa pura, motivada basicamente pela curiosidade intelectual do pesquisador e situada, sobretudo, no nível da especulação. Foram, portanto, utilizados dados históricos extraídos da pesquisa de Meirelles et al (2011), indicadores de desempenho e índices elaborados na pesquisa de Aquino et al (2011) e a análise dinâmica realizada na pesquisa de Marchesi et al (2011), todas relacionadas ao IFES, de modo a se criar um banco de dados. Segundo preceitos do BI um Banco de Dados é um conjunto de dados que pertence ao mesmo contexto e está armazenado sistematicamente dentro de alguma estrutura que os suporta. Quanto aos meios de investigação, a pesquisa, segundo os critérios de Vergara (2007), é classificada como sendo bibliográfica que é o estudo sistematizado desenvolvido com base 4

5 em material publicado em livros, revistas, jornais, redes eletrônicas, isto é, material acessível ao público em geral. Foram utilizados na pesquisa cinco conceitos que integram os sistemas de BI: o Extraction, Transform and Load (ETL), para fazer o processo de extração dos dados na fonte e alimentar o banco de dados do BI, o Data Warehouse (DW) para ser o armazém dos dados extraídos na fonte, os Data Marts (DMa) que são as subdivisões do DW, o data mining (DMi) para fazer parte do processo de análises dos dados armazenados em DW e em DMa. Também foi utilizado os conceitos de Online Analitical Processing (OLAP) que faz parte do processo de análises dos dados em perspectivas diferentes do DMi e gera relatórios na forma de gráficos e tabelas com os resultados das análises visível em interfaces computacionais. 4 Desenvolvimento Na estruturação de um sistema de auxílio na tomada de decisões devem ser reunidos em um Data Warehouse os elementos de dados apropriados de diversas fontes de aplicativos em um ambiente integral e centralizado, simplificando o problema de acesso à informação e, consequentemente, acelerando o processo de consultas e análise. Um dos problemas mais comuns quando é necessário consolidar informações ou realizar tarefas de análise é a necessidade de saber onde está armazenado cada dado, com qual formato e qual o seu nível de consistência. Tudo isto sem mencionar sequer as complicações apresentadas pelo problema de acesso aos dados por questões de segurança. Portanto, se fez necessário o auxílio do estudo realizado por Meirelles et al (2011) em que foi realizado um levantamento histórico de toda a produção científica dos mestres e doutores do IFES do período de 2006 a Segundo Meirelles et al (2011) para obtenção das informações contidas nos currículos dos professores referente à sua produção científica foi utilizado um extrator, que captura as informações diretamente da base de dados do Currículo Lattes - da base de dados do CNPq - por meio do CPF (Cadastro de Pessoa Física) disponibilizado no sistema que gerencia os mais diversos setores e departamentos da instituição disponibilizando informações precisas e com agilidade à comunidade acadêmica, este sistema é chamado de Q-ACADÊMICO. Seguindo a linha da pesquisa de Meirelles et al (2011) quanto à produção científica dos professores, foram analisados os tipos de trabalhos realizados: orientações concluídas por nível de atuação: graduação, mestrado e doutorado, e produção como pesquisador: em número de livros publicados, capítulos de livros, artigos em periódicos e participação em eventos. Em seguida, os dados foram agrupados segundo as áreas de conhecimentos da CAPES: Exatas e da Terra, Biológicas, Engenharias, da Saúde, Agrárias, Sociais Aplicadas, Humanas, Linguística, Letras e Artes e Multidisciplinares. Portanto, o Data Warehouse do BI de apoio aos gestores de desempenho científico do IFES será inicialmente alimentado com as tabelas extraídas do trabalho de Meirelles et al (2011) cujos respectivos Data Marts serão divididos de acordo com o nível acadêmico dos docentes como segue abaixo: - Graduados: 5

6 Docentes Docentes XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Área do Conhecimento G Orientações Concluídas Pós - Graduação E M D Livros Produção Completa do Pesquisador Cap. de Livros Artigos em Periódicos Trabalhos em Eventos Produção Total (Orientações + Produção) Exatas e da Terra Biológicas Engenharias da Saúde Agrárias Sociais Aplicadas Humanas Linguística, Letras e Artes Multidisciplinar Total Fonte: Adaptado de Meirelles et al (2011) Tabela 1 Classificação das orientações e produções científicas realizadas por docentes graduados (Legenda: G Graduação, E - Especialização, M - Mestrado e D - Doutorado) - Mestres: Orientações Produção Completa do Pesquisador Produção Concluídas Área do Total Pós - Artigos Trabalhos Conhecimento Capítulos (Orientações G Graduação Livros em em de Livros + Produção) E M D Periódico Eventos Exatas e da Terra Biológicas Engenharias da Saúde Agrárias Sociais Aplicadas Humanas Linguística, Letras e Artes Multidisciplinar Total

7 Docentes XXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO Fonte: Adaptado de Meirelles et al (2011) Tabela 2 Classificação das orientações e produções científicas realizadas por docentes mestrados (Legenda: G Graduação, E - Especialização, M - Mestrado e D - Doutorado) - Doutores: Orientações Produção Completa do Pesquisador Produção Concluídas Área do Total Pós - Artigos Trabalhos Conhecimento Capítulos (Orientações G Graduação Livros em em de Livros + Produção) E M D Periódico Eventos Exatas e da Terra Biológicas Engenharias da Saúde Agrárias Sociais Aplicadas Humanas Linguística, Letras e Artes Multidisciplinar Total Fonte: Adaptado de Meirelles et al (2011) Tabela 3 Classificação das orientações e produções científicas realizadas por docentes doutorados (Legenda: G Graduação, E - Especialização, M - Mestrado e D - Doutorado) Para futuramente alimentar o Data Warehouse e os Data Marts será usado um sistema ETL que extrairá do Currículo Lattes dos professores, que conste no Lattes o IFES como local de trabalho, informações referentes às suas produções científicas. Essas informções por meio do sistema ETL serão importadas para o Data Warehouse do sistema BI dos gestores de desempenho científico do IFES e serão sempre atualizadas a cada vinte e quatro horas garantindo que as decisões sejam tomadas baseadas em informações atualizadas. Com os dados armazenados em Data Warehouse é necessário formalizar o processo de análise desses dados. A utilização do Data Mining é uma argumentação ativa para esta etapa, isto é, em vez de o gestor definir o problema, selecionar os dados e as ferramentas para analisar tais dados, as ferramentas do Data Mining pesquisam automaticamente os mesmos à procura de anomalias e possíveis relacionamentos, identificando, assim, problemas que não tinham sido identificados pelo gestor. As ferramentas de Data Mining analisam os dados, descobrem problemas ou oportunidades escondidas nos relacionamentos dos dados, e então diagnosticam o comportamento das 7

8 atividades, requerendo a mínima intervenção do gestor. Assim, ele somente se dedicará à busca do conhecimento e em voltar a sua atenção para medidas que melhorem o desempenho científico do IFES. Ainda dentro das ferramentas de análise dos dados se faz necessário o uso de sistemas OLAP de modo a gerar relatórios na forma de gráficos e planilhas das análises realizadas e, dessa forma, providenciar os elementos necessários a quem toma as decisões na gestão do desempenho científico do IFES. As análises iniciais dos dados coletados que futuramente integrarão o Data Warehouse do BI de gestão do desempenho científico do IFES foram realizadas a partir das pesquisas de Meirelles et al (2011), Aquino et al (2011) e Marchesi et al (2011) de forma manual sem o auxílio de um sistema computacional. Todo o tratamento analítico dado pelos autores citados não sofrerá qualquer alteração, sendo apenas implementado em uma estrutura de BI. A partir daí, é possível que a nova geração de dados seja analisada com o mesmo rigor, porém de forma computacional. Os relatórios serão produtos das análises elaboradas pelo DMi e o sistema OLAP e, estes relatórios serão expostos na forma de planilhas, gráficos e tabelas como apresentados pelos autores citados anteriomente. A seguir são apresentados alguns relatórios implementados utilizando-se o Data Warehouse inicial, permitindo-se, assim, a disponibilidade dos resultados por meio de uma interface computacional. a) Relatórios de Máxima produção por área de conhecimento e Mediana de produção dos professores: Será apresentada nesta pesquisa apenas a tabela referente aos docentes doutores, porém quando o modelo, aqui proposto, for implementado será alimentado também com as tabelas referentes aos docentes Graduados e os docentes Mestres elaboradas na pesquisa de Meirelles et al (2011). Na pesquisa de Meirelles et al (2011) definiu-se que a medida de centro mais representativa é a mediana e será seguido este critério como mostrado abaixo: Área do Conhecimento Exatas e da Terra Biológicas Engenharias da Saúde Agrárias Produção Completa do Pesquisador Livros Capítulos Artigos em Trabalhos de Livros Periódico em Eventos Máximo Mediana ,5 Máximo Mediana ,5 Máximo Mediana Máximo Mediana Máximo Mediana ,5 Sociais Máximo Aplicadas Mediana 0 0,5 5 11,5 Máximo

9 Humanas Mediana Linguística, Letras e Artes Multidisciplinar Máximo Mediana 1 1,5 1 2,5 Máximo Mediana 0 0 8,5 25 Fonte: Adaptado de Meirelles et al (2011) Tabela 4 Mediana e Máximo de produção realizada por docentes doutorados segundo a área de conhecimento b) Relatórios de indicadores e índeces quantitativos e qualitativos da produção científica do IFES no período de 2006 a 2010: Segundo Aquino et al (2011) para gerar os indicadores, foi dividida a média da produção dos professores pelo valor esperado (igual a dois) pois, para se ter aprovado cursos de pósgraduação pelos órgãos responsáveis, como um curso de mestrado, é comum exigirem, por exemplo, dois artigos publicados, somados ao número de trabalhos em eventos, ao número de livros e capítulos de livros, por docente da área que integrará o programa que se pretende implantar anualmente, sendo que os dois últimos podem substituir um trabalho completo, desde que seja de uma editora cadastrada e avaliada pela área a que pertence na CAPES. Estas informações foram disponibilizadas por Quezada (2011), coordenador do Mestrado em Educação em e Matemática do IFES, entre outros profissionais ligados a programas de pós-graduação da mesma instituição. Para os critérios de qualidade, a fórmula utilizada foi o número de artigos A1, A2 e B1 dividido pela produção total de artigos, multiplicado por cem. Para os critérios de produtividade, utilizou-se a soma das médias: do número de livros publicados, do número de capítulos de livros, do número de artigos em periódicos e do número de trabalhos em eventos, divididos por dois e multiplicado o resultado por cem. Ainda segundo Aquino et al (2011) na equação que exprime a qualidade é gerada a proporção de artigos considerados de alta qualidade com relação à produção total, e na de produtividade a proporção de produção com relação à meta, ambas separadas por área e ano. Neste tópico foram realizadas análises dos docentes mestres e doutores, divididos em DMa segundo as áreas de conhecimento da CAPES, de acordo com a pesquisa de Aquino et al (2011) e será mostrado nesta pesquisa apenas o resultado da análise da área de conhecimento Engenharias para ilustração de como deverão ser os relatórios de indicadores e índíces quantitativos e qualitativos da produção científica do IFES. As análises das outras áreas de conhecimento elaboradas na pesquisa de Aquino et al (2011) também deverão alimentar o modelo de BI aqui proposto. Ano Indicador de Qualidade (%) Indicador de Produtividade (%) mestres doutores mestres doutores ,43 83,33 30,29 71, ,16 58,33 34,71 100, ,00 83,33 34,71 92, ,56 83,33 45,29 126,19 9

10 ,33 72,73 38,24 116,67 Fonte: Adaptado de Aquino et al (2011) Tabela 5: Resultados dos indicadores de qualidade e de produtividade (em %) para os mestres e doutores da área de engenharias Fonte: Adaptado de Aquino et al (2011) Figura 1 Gráfico de percentual (eixo vertical) de artigos Qualis A e B publicados em periódicos por mestres e doutores e percentual de alcance de meta de publicações da área de engenharias, no período de 2006 a 2010 (eixo horizontal). c) Relatórios da análise dinâmica do comportamento da produção científica do IFES no período de 2006 a 2010 usando as ferramentas do Controle Estatístico do Processo: Neste tópico serão utilizados os gráficos de controle da análise dinâmica realizada por Marchesi et al (2011) cujos limites de controle não serão os três desvios padrões geralmente usados para esses gráficos. No limite inferior de controle (LIC) foi utilizado o valor zero pois não haverá valores abaixo de zero para serem analisados. O limite superior de controle (LSC) adotado foi o valor dois pelo mesmo motivo mencionado no tópico anterior. Com isso, arbitramos o LSC = 2 e a linha média (LM), como é o valor médio dos dois limites, o valor de LM = 1. Segundo Marchesi et al (2011) os gráficos de controle foram feitos para a análise do indicador de produtividade da perspectiva cliente do trabalho de Aquino et al (2011). A perspectiva cliente engloba número de livros publicados, número de capítulos de livros, número de artigos em periódicos e trabalhos em eventos, e o indicador de produtividade é o número dessas publicações, que, nesse estudo, não foi usado o valor total e sim a média aritmética por mestre e doutor, ou seja, somaram-se todos esses tipos de produção por ano e dividiu-se pelo número de mestre e doutores de uma área. Os gráficos de controle foram construídos de acordo com o nível acadêmico dos professores e agrupados em DMa segundo as áreas de conhecimento da CAPES contabilizando a média aritmética das produções científicas especificadas anteriormente. Será mostrado nesta pesquisa apenas os resultados das análises da área de conhecimento das engenharias para ilustração de como deverão ser os relatórios da análise dinâmica do comportamento da produção científica. As análises das outras áreas de conhecimento elaboradas na pesquisa de Marchesi et al (2011) também deverão alimentar o modelo de B.I. aqui proposto. 10

11 Fonte: Adaptado de Marchesi et al (2011) Figura 2: Gráficos de controle da área Engenharias. 5 Conclusão O objetivo principal do trabalho foi o de apresentar um modelo de business intelligence o qual tem por finalidade principal o auxílio aos gestores do desempenho científico do IFES, no que tange ao processo decisório de modo a guiar os pesquisadores ao atingimento de metas previamente delineadas por instituições brasileiras de fomento à pesquisa, como a CAPES e o CNPq, dando à instituição respaldo para ampliar seu desenvolvimento em pesquisas bem como a abertura de cursos de pós-graduação, mestrados e doutorados. Foi, então, dada continuidade às pesquisas de Meirelles et al (2011), Aquino et al (2011) e Marchesi et al (2011) a fim de formalizar um Data Warehouse (DW) inicial para a modelagem do BI de auxílio à gestão do desempenho científico. Na pesquisa foi sugerida a utilização de um sistema ETL para alimentar o DW e o DMa formulados com os dados iniciais coletados na pesquisa de Meirelles et al (2011) e a análise destes dados ficam encarregadas de serem executadas por um sistema de DMi e outro OLAP tomando como modelo os indicadores de desempenho elaborados na pesquisa de Aquino et al (2011) e a análise dinâmica realizada na pesquisa de Marchesi et al (2011). Na conclusão dessas análises, serão emitidos relatórios com os resultados em forma de planilhas, gráficos e tabelas para tornar a tarefa de gerir a produção científica do IFES mais produtiva e com maior embasamento. É importante que seja feita no futuro a estruturação dos sistemas de BI sugeridos nessa pesquisa bem como a escolha dos programas que integrarão os sistemas ETL, o DW, o DMa, o DMi e o sistema OLAP. Devem, também, serem criadas as interfaces do usuário com os programas de modo a facilitar ao gestor o entendimento das relações entre os dados descritos e armazenados. 6 Referências ANDRADE, F. B. Conceitos de Staging Área aplicados a Data Warehouse. Salvador: CientiFico, Ano III, Vol. II

12 AQUINO, P.L. et al. Análise dinâmica de organizações: indicadores para a gestão do desempenho científico do IFES. Cariacica: Instituto Federal de Educação, Ciência e Tecnologia do Espírito Santo (IFES), BARBIERI, C. BI-Business Intelligence. Modelagem e Tecnologia. Rio de Janeiro: Axcel Brooks, CARVALHO, R. B. Tecnologia da informação aplicado a gestão do conhecimento. Belo Horizonte. Editora Arte CHUNG, H. M.; GRAY, P. Special Section: Data Mining. Journal of Management Information Systems, Vol. 16, n. 1, p , CODY, W. F.; KREULEN, J. T.; KRISHNA, V.; SPRANGLER, W. S. The integration of business intelligence and knowledge management. IBM Systems Journal, Vol. 41, n. 4, p. 697, ELMASRI, R.; NAVATHE, S. B. Fundamentals of Database Systems, 3 ed. Addison- Wesley, FAYYAD, U. M.; PIATETSKY-SHAPIRO, G.; SMYTH, P.; UTHURUSAMY, R. Advances In Knowledge Discover and Data Mining. California: Mit, FORTULAN, M. R.; GONÇALVES FILHO, E. V. Uma Proposta de Aplicação de Business Intelligence no chão-de-fábrica. Gestão & Produção, v. 12, n. 1, p abr FREEDMAN, D.; PISANI, R.; PURVES, R. Statistics. 4ª ed. W. W. Norton & Company HAN, J. & KAMBER, M. Data Mining: Concepts and Techiniques.1.ed. New York: Morgan Kaufmann, INMON, W. H.; TEDERMAN, R. H.; INHOFF, C. Data Warehouse: Como transformar informações em oportunidades de negócios. Tradução de Melissa Kassner. São Paulo: Berkeley Brasil, JACKSON, J. Data Mining: A Conceptual Overview. Communications of the Association for Information Systems, Vol. 8, p , KIMBALL, R.; ROSS, M. The Data Warehouse Toolkit. 2 ed. Nova Iorque: Wiley & Sons, MACHADO, F. N. R. Tecnologia e Projeto de Data Warehouse. 1ª ed. São Paulo: Érica, MALINA, M. A.; SELTO, F. H. Communicating and Controlling strategy: an empirical test of the effectiveness of the balanced scorecard. Journal of Management Accounting Research, Vol 13, p , MARCHESI, F. J. et al. Análise dinâmica de organizações: aplicação para verificação de desempenho científico. Cariacica: Instituto Federal de Educação, Ciência e Tecnologia do Espírito Santo (IFES), MEIRELLES, I.G. et al. Produção científica do IFES: da medição e análise para a gestão. In: VIII Simpósio de Excelência em gestão e Tecnologia - SEGeT, 2011, Rio de Janeiro,

13 NEGASH, S. Business Intelligence. Communications of the Association for Information Systems, v. 13, p , Disponível em: <http://aisel.aisnet.org/cais/vol13/iss1/15>. Acessado em 03 Maio de PENDSE, N. The meaning of OLAP. Database and Network Journal, Disponível em: <http://findarticles.com/p/articles/mi_hb3234/is_1_35/ai_n />. Acessado em: 12 de maio de QUEZADA, SIDNEI M. L. Iniciação. [mensagem pessoal] Mensagem recebida por 08 jun VERGARA, S.C. Projetos e relatórios de pesquisa em administração. 9.ed. São Paulo: Atlas,

ANÁLISE DINÂMICA DE ORGANIZAÇÕES: INDICADORES PARA A GESTÃO DO DESEMPENHO CIENTÍFICO

ANÁLISE DINÂMICA DE ORGANIZAÇÕES: INDICADORES PARA A GESTÃO DO DESEMPENHO CIENTÍFICO ANÁLISE DINÂMICA DE ORGANIZAÇÕES: INDICADORES PARA A GESTÃO DO DESEMPENHO CIENTÍFICO Patrícia de Aquino Lannes/IFES, Maria Alice Veiga Ferreira de Souza, Roquemar de Lima Baldam Terceiro Coord. De Engenharia

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

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

CONSIDERAÇÕES SOBRE ATIVIDADES DE IDENTIFICAÇÃO, LOCALIZAÇÃO E TRATAMENTO DE DADOS NA CONSTRUÇÃO DE UM DATA WAREHOUSE

CONSIDERAÇÕES SOBRE ATIVIDADES DE IDENTIFICAÇÃO, LOCALIZAÇÃO E TRATAMENTO DE DADOS NA CONSTRUÇÃO DE UM DATA WAREHOUSE CONSIDERAÇÕES SOBRE ATIVIDADES DE IDENTIFICAÇÃO, LOCALIZAÇÃO E TRATAMENTO DE DADOS NA CONSTRUÇÃO DE UM DATA WAREHOUSE Fabio Favaretto Professor adjunto - Programa de Pós Graduação em Engenharia de Produção

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

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

SUMÁRIO 1. INTRODUÇÃO... 2 2. O QUE É DATA WAREHOUSE?... 2 3. O QUE DATA WAREHOUSE NÃO É... 4 4. IMPORTANTE SABER SOBRE DATA WAREHOUSE... 5 4.

SUMÁRIO 1. INTRODUÇÃO... 2 2. O QUE É DATA WAREHOUSE?... 2 3. O QUE DATA WAREHOUSE NÃO É... 4 4. IMPORTANTE SABER SOBRE DATA WAREHOUSE... 5 4. SUMÁRIO 1. INTRODUÇÃO... 2 2. O QUE É DATA WAREHOUSE?... 2 3. O QUE DATA WAREHOUSE NÃO É... 4 4. IMPORTANTE SABER SOBRE DATA WAREHOUSE... 5 4.1 Armazenamento... 5 4.2 Modelagem... 6 4.3 Metadado... 6 4.4

Leia mais

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

DESENVOLVIMENTO DE PLUG-INS KETTLE PARA GERAÇÃO DE MONDRIAN SCHEMA A PARTIR DE BASES RELACIONAIS, UTILIZANDO A METODOLOGIA AGILE ROLAP.

DESENVOLVIMENTO DE PLUG-INS KETTLE PARA GERAÇÃO DE MONDRIAN SCHEMA A PARTIR DE BASES RELACIONAIS, UTILIZANDO A METODOLOGIA AGILE ROLAP. DESENVOLVIMENTO DE PLUG-INS KETTLE PARA GERAÇÃO DE MONDRIAN SCHEMA A PARTIR DE BASES RELACIONAIS, UTILIZANDO A METODOLOGIA AGILE ROLAP. Eduardo Cristovo de Freitas Aguiar (PIBIC/CNPq), André Luís Andrade

Leia mais

Uma Ferramenta Web para BI focada no Gestor de Informação

Uma Ferramenta Web para BI focada no Gestor de Informação Uma Ferramenta Web para BI focada no Gestor de Informação Mikael de Souza Fernandes 1, Gustavo Zanini Kantorski 12 mikael@cpd.ufsm.br, gustavoz@cpd.ufsm.br 1 Curso de Sistemas de Informação, Universidade

Leia mais

Resumo dos principais conceitos. Resumo dos principais conceitos. Business Intelligence. Business Intelligence

Resumo dos principais conceitos. Resumo dos principais conceitos. Business Intelligence. Business Intelligence É um conjunto de conceitos e metodologias que, fazem uso de acontecimentos e sistemas e apoiam a tomada de decisões. Utilização de várias fontes de informação para se definir estratégias de competividade

Leia mais

Sistema. Atividades. Sistema de informações. Tipos de sistemas de informação. Everson Santos Araujo everson@everson.com.br

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

Leia mais

Uma estrutura (framework) para o Business Intelligence (BI)

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

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

DATA WAREHOUSE. Introdução

DATA WAREHOUSE. Introdução DATA WAREHOUSE Introdução O grande crescimento do ambiente de negócios, médias e grandes empresas armazenam também um alto volume de informações, onde que juntamente com a tecnologia da informação, a correta

Leia mais

Uma análise multidimensional dos dados estratégicos da empresa usando o recurso OLAP do Microsoft Excel

Uma análise multidimensional dos dados estratégicos da empresa usando o recurso OLAP do Microsoft Excel Uma análise multidimensional dos dados estratégicos da empresa usando o recurso OLAP do Microsoft Excel Carlos Alberto Ferreira Bispo (AFA) cafbispo@siteplanet.com.br Daniela Gibertoni (FATECTQ) daniela@fatectq.com.br

Leia mais

Como tornar o seu. Maribel Yasmina* Isabel Ramos*

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

Leia mais

Business Intelligence para Computação TítuloForense. Tiago Schettini Batista

Business Intelligence para Computação TítuloForense. Tiago Schettini Batista Business Intelligence para Computação TítuloForense Tiago Schettini Batista Agenda Empresa; Crescimento de Dados; Business Intelligence; Exemplos (CGU, B2T) A empresa Empresa fundada em 2003 especializada

Leia mais

PLANO DE ENSINO PRÉ-REQUISITOS: ENS

PLANO DE ENSINO PRÉ-REQUISITOS: ENS UNIVERSIDADE DO ESTADO DE SANTA CATARINA UDESC CENTRO DE EDUCAÇÃO SUPERIOR DO ALTO VALE DO ITAJAÍ CEAVI PLANO DE ENSINO DEPARTAMENTO: DSI Departamento de Sistema de Informação DISCIPLINA: Data Warehouse

Leia mais

Data Warehouse Processos e Arquitetura

Data Warehouse Processos e Arquitetura Data Warehouse - definições: Coleção de dados orientada a assunto, integrada, não volátil e variável em relação ao tempo, que tem por objetivo dar apoio aos processos de tomada de decisão (Inmon, 1997)

Leia mais

Data Warehousing Visão Geral do Processo

Data Warehousing Visão Geral do Processo Data Warehousing Visão Geral do Processo Organizações continuamente coletam dados, informações e conhecimento em níveis cada vez maiores,, e os armazenam em sistemas informatizados O número de usuários

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

Unidade III PLANEJAMENTO ESTRATÉGICO DE. Prof. Daniel Arthur Gennari Junior

Unidade III PLANEJAMENTO ESTRATÉGICO DE. Prof. Daniel Arthur Gennari Junior Unidade III PLANEJAMENTO ESTRATÉGICO DE TECNOLOGIA DA INFORMAÇÃO Prof. Daniel Arthur Gennari Junior Sobre esta aula Gestão do conhecimento e inteligência Corporativa Conceitos fundamentais Aplicações do

Leia mais

UTILIZAÇÃO DE FERRAMENTAS DE BUSINESS INTELLINGENCE PARA A GESTÃO ESTRATÉGICA E VANTAGEM COMPETITIVA

UTILIZAÇÃO DE FERRAMENTAS DE BUSINESS INTELLINGENCE PARA A GESTÃO ESTRATÉGICA E VANTAGEM COMPETITIVA XXX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO Maturidade e desafios da Engenharia de Produção: competitividade das empresas, condições de trabalho, meio ambiente. São Carlos, SP, Brasil, 12 a15 de outubro

Leia mais

SISTEMAS DE APOIO À DECISÃO SAD

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

Leia mais

Conversão de Base de Dados Relacional para Dimensional para Business Intelligence Utilizando Banco de Dados Mysql

Conversão de Base de Dados Relacional para Dimensional para Business Intelligence Utilizando Banco de Dados Mysql Conversão de Base de Dados Relacional para Dimensional para Business Intelligence Utilizando Banco de Dados Mysql Carlos H. Cardoso 1, Roberto D Nebo 1, Luis A. da Silva 1 1 Curso de Tecnologia em Banco

Leia mais

A importância da. nas Organizações de Saúde

A importância da. nas Organizações de Saúde A importância da Gestão por Informações nas Organizações de Saúde Jorge Antônio Pinheiro Machado Filho Consultor de Negócios www.bmpro.com.br jorge@bmpro.com.br 1. Situação nas Empresas 2. A Importância

Leia mais

Inteligência Empresarial. BI Business Intelligence. Business Intelligence 22/2/2011. Prof. Luiz A. Nascimento

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

Leia mais

Data Warehouses. Alunos: Diego Antônio Cotta Silveira Filipe Augusto Rodrigues Nepomuceno Marcos Bastos Silva Roger Rezende Ribeiro Santos

Data Warehouses. Alunos: Diego Antônio Cotta Silveira Filipe Augusto Rodrigues Nepomuceno Marcos Bastos Silva Roger Rezende Ribeiro Santos Data Warehouses Alunos: Diego Antônio Cotta Silveira Filipe Augusto Rodrigues Nepomuceno Marcos Bastos Silva Roger Rezende Ribeiro Santos Conceitos Básicos Data Warehouse(DW) Banco de Dados voltado para

Leia mais

Business Intelligence e ferramentas de suporte

Business Intelligence e ferramentas de suporte O modelo apresentado na figura procura enfatizar dois aspectos: o primeiro é sobre os aplicativos que cobrem os sistemas que são executados baseados no conhecimento do negócio; sendo assim, o SCM faz o

Leia mais

Business Intelligence. Business Intelligence. Business Intelligence. Business Intelligence. Business Intelligence

Business Intelligence. Business Intelligence. Business Intelligence. Business Intelligence. Business Intelligence Juntamente com o desenvolvimento desses aplicativos surgiram os problemas: & Data Warehouse July Any Rizzo Oswaldo Filho Década de 70: alguns produtos de BI Intensa e exaustiva programação Informação em

Leia mais

Sistemas de Apoio à Decisão (SAD) - Senado

Sistemas de Apoio à Decisão (SAD) - Senado Sistemas de Apoio à Decisão (SAD) - Senado DW OLAP BI Ilka Kawashita Material preparado :Prof. Marcio Vitorino Sumário OLAP Data Warehouse (DW/ETL) Modelagem Multidimensional Data Mining BI - Business

Leia mais

Data Warehouse. Debora Marrach Renata Miwa Tsuruda

Data Warehouse. Debora Marrach Renata Miwa Tsuruda Debora Marrach Renata Miwa Tsuruda Agenda Introdução Contexto corporativo Agenda Introdução Contexto corporativo Introdução O conceito de Data Warehouse surgiu da necessidade de integrar dados corporativos

Leia mais

Bloco Administrativo

Bloco Administrativo Bloco Administrativo BI Business Intelligence Objetivo O objetivo deste artigo é dar uma visão geral sobre o Módulo Business Intelligence, que se encontra no Bloco Administrativo. Todas informações aqui

Leia mais

Aplicação A. Aplicação B. Aplicação C. Aplicação D. Aplicação E. Aplicação F. Aplicação A REL 1 REL 2. Aplicação B REL 3.

Aplicação A. Aplicação B. Aplicação C. Aplicação D. Aplicação E. Aplicação F. Aplicação A REL 1 REL 2. Aplicação B REL 3. Sumário Data Warehouse Modelagem Multidimensional. Data Mining BI - Business Inteligence. 1 2 Introdução Aplicações do negócio: constituem as aplicações que dão suporte ao dia a dia do negócio da empresa,

Leia mais

A evolução da tecnologia da informação nos últimos 45 anos

A evolução da tecnologia da informação nos últimos 45 anos A evolução da tecnologia da informação nos últimos 45 anos Denis Alcides Rezende Do processamento de dados a TI Na década de 1960, o tema tecnológico que rondava as organizações era o processamento de

Leia mais

Uma Arquitetura de Gestão de Dados em Ambiente Data Warehouse

Uma Arquitetura de Gestão de Dados em Ambiente Data Warehouse Uma Arquitetura de Gestão de Dados em Ambiente Data Warehouse Alcione Benacchio (UFPR) E mail: alcione@inf.ufpr.br Maria Salete Marcon Gomes Vaz (UEPG, UFPR) E mail: salete@uepg.br Resumo: O ambiente de

Leia mais

TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE

TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto OLPT x OLAP Roteiro OLTP Datawarehouse OLAP Operações OLAP Exemplo com Mondrian e Jpivot

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

Palavras-chave: On-line Analytical Processing, Data Warehouse, Web mining.

Palavras-chave: On-line Analytical Processing, Data Warehouse, Web mining. BUSINESS INTELLIGENCE COM DADOS EXTRAÍDOS DO FACEBOOK UTILIZANDO A SUÍTE PENTAHO Francy H. Silva de Almeida 1 ; Maycon Henrique Trindade 2 ; Everton Castelão Tetila 3 UFGD/FACET Caixa Postal 364, 79.804-970

Leia mais

Tópicos Avançados Business Intelligence. Banco de Dados Prof. Otacílio José Pereira. Unidade 10 Tópicos Avançados Business Inteligence.

Tópicos Avançados Business Intelligence. Banco de Dados Prof. Otacílio José Pereira. Unidade 10 Tópicos Avançados Business Inteligence. Tópicos Avançados Business Intelligence Banco de Dados Prof. Otacílio José Pereira Unidade 10 Tópicos Avançados Business Inteligence Roteiro Introdução Níveis organizacionais na empresa Visão Geral das

Leia mais

Padronização de Processos: BI e KDD

Padronização de Processos: BI e KDD 47 Padronização de Processos: BI e KDD Nara Martini Bigolin Departamento da Tecnologia da Informação -Universidade Federal de Santa Maria 98400-000 Frederico Westphalen RS Brazil nara.bigolin@ufsm.br Abstract:

Leia mais

Business Intelligence e Inteligência Analítica BUSINESS INTELLIGENCE

Business Intelligence e Inteligência Analítica BUSINESS INTELLIGENCE Business Intelligence e Inteligência Analítica BUSINESS INTELLIGENCE Sumário Conceitos/Autores chave... 3 1. Introdução... 4 2. Teoria de Negócios... 5 3. Profi ssionais de BI... 6 4. Verdades e Mitos

Leia mais

Gestão de TI. Aula 10 - Prof. Bruno Moreno 30/06/2011

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

Leia mais

Criação e uso da Inteligência e Governança do BI

Criação e uso da Inteligência e Governança do BI Criação e uso da Inteligência e Governança do BI Criação e uso da Inteligência e Governança do BI Governança do BI O processo geral de criação de inteligência começa pela identificação e priorização de

Leia mais

Interatividade aliada a Análise de Negócios

Interatividade aliada a Análise de Negócios Interatividade aliada a Análise de Negócios Na era digital, a quase totalidade das organizações necessita da análise de seus negócios de forma ágil e segura - relatórios interativos, análise de gráficos,

Leia mais

Business Intelligence

Business Intelligence 1/ 24 Business Intelligence Felipe Ferreira 1 Nossa empresa Jornal O Globo Jornais Populares Parcerias Grupo Folha Grupo Estado 2 1 Fundada em 1925 3100 funcionários 2 Parques Gráficos e SP Globo: 220

Leia mais

CEP 97420-000 São Vicente do Sul RS Brasil. filipe-kulinski@hotmail.com, {maicon.amarante, eliana.zen} @iffarroupilha.edu.br

CEP 97420-000 São Vicente do Sul RS Brasil. filipe-kulinski@hotmail.com, {maicon.amarante, eliana.zen} @iffarroupilha.edu.br 109 Utilização de Businnes Intelligence para análise de evasão escolar nos diferentes níveis de ensino do Instituto Federal Farroupilha Campus São Vicente do Sul Filipe Kulinski Mello 1, Eliana Zen 1,

Leia mais

Requisitos de business intelligence para TI: O que todo gerente de TI deve saber sobre as necessidades reais de usuários comerciais para BI

Requisitos de business intelligence para TI: O que todo gerente de TI deve saber sobre as necessidades reais de usuários comerciais para BI Requisitos de business intelligence para TI: O que todo gerente de TI deve saber sobre as necessidades reais de usuários comerciais para BI Janeiro de 2011 p2 Usuários comerciais e organizações precisam

Leia mais

OTIMIZAÇÃO DA GESTÃO PÚBLICA ATRAVÉS DE TÉCNICAS DE BUSINESS INTELLIGENCE

OTIMIZAÇÃO DA GESTÃO PÚBLICA ATRAVÉS DE TÉCNICAS DE BUSINESS INTELLIGENCE OTIMIZAÇÃO DA GESTÃO PÚBLICA ATRAVÉS DE TÉCNICAS DE BUSINESS INTELLIGENCE Guimarilza Barbosa de Souza João Gabriel Ribeiro Luiz Cláudio de Arruda Isoton II Congresso Consad de Gestão Pública Painel 5:

Leia mais

Business Intelligence: Desafios e Melhores Práticas

Business Intelligence: Desafios e Melhores Práticas Sucesu RJ - IV Congresso de Inteligência Competitiva Business Intelligence: Desafios e Melhores Práticas Eugenio Pedrosa Petrobras Roteiro Arquitetura de BI Evolução da BI nas Empresas Corporate Performance

Leia mais

TÉCNICAS DE INFORMÁTICA WILLIAN FERREIRA DOS SANTOS

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

Leia mais

Construção de um Sistema de Informações Estratégicas, Integrando Conhecimento, Inteligência e Estratégia.

Construção de um Sistema de Informações Estratégicas, Integrando Conhecimento, Inteligência e Estratégia. Construção de um Sistema de Informações Estratégicas, Integrando Conhecimento, Inteligência e Estratégia. Introdução Sávio Marcos Garbin Considerando-se que no contexto atual a turbulência é a normalidade,

Leia mais

IMPLANTAÇÃO DO DW NA ANVISA

IMPLANTAÇÃO DO DW NA ANVISA IMPLANTAÇÃO DO DW NA ANVISA Bruno Nascimento de Ávila 1 Rodrigo Vitorino Moravia 2 Maria Renata Furtado 3 Viviane Rodrigues Silva 4 RESUMO A tecnologia de Business Intelligenge (BI) ou Inteligência de

Leia mais

18. Qualidade de Dados em Data Warehouse - Objetivos e Sucesso

18. Qualidade de Dados em Data Warehouse - Objetivos e Sucesso 18. Qualidade de Dados em Data Warehouse - Objetivos e Sucesso Uma das características das Ciências Exatas é a precisão das informações obtidas; a segurança dos dados extraídos nos processos usados. Cálculos

Leia mais

Capítulo 1 - A revolução dos dados, da informação e do conhecimento 1 B12 4

Capítulo 1 - A revolução dos dados, da informação e do conhecimento 1 B12 4 Sumário Capítulo 1 - A revolução dos dados, da informação e do conhecimento 1 B12 4 Capítulo 2 - Reputação corporativa e uma nova ordem empresarial 7 Inovação e virtualidade 9 Coopetição 10 Modelos plurais

Leia mais

MBA EM BUSINESS INTELLIGENCE

MBA EM BUSINESS INTELLIGENCE MBA EM BUSINESS INTELLIGENCE Como a sua empresa estrutura informações estratégicas? Como as decisões são tomadas? São considerados, dados, informações e tendências, de macroambientes? O quanto você conhece

Leia mais

Business Intelligence Um enfoque gerencial para a Inteligência do Negócio.Efrain Turban e outros.tradução. Bookman, 2009.

Business Intelligence Um enfoque gerencial para a Inteligência do Negócio.Efrain Turban e outros.tradução. Bookman, 2009. REFERÊNCIAS o o Business Intelligence Um enfoque gerencial para a Inteligência do Negócio.Efrain Turban e outros.tradução. Bookman, 2009. Competição Analítica - Vencendo Através da Nova Ciência Davenport,

Leia mais

DESMISTIFICANDO O CONCEITO DE ETL

DESMISTIFICANDO O CONCEITO DE ETL DESMISTIFICANDO O CONCEITO DE ETL Fábio Silva Gomes da Gama e Abreu- FSMA Resumo Este artigo aborda os conceitos de ETL (Extract, Transform and Load ou Extração, Transformação e Carga) com o objetivo de

Leia mais

Data Warehouses Uma Introdução

Data Warehouses Uma Introdução Data Warehouses Uma Introdução Alex dos Santos Vieira, Renaldy Pereira Sousa, Ronaldo Ribeiro Goldschmidt 1. Motivação e Conceitos Básicos Com o advento da globalização, a competitividade entre as empresas

Leia mais

Curso Superior de Tecnologia em BD Suporte de Apoio à Decisão

Curso Superior de Tecnologia em BD Suporte de Apoio à Decisão Curso Superior de Tecnologia em BD Suporte de Apoio à Decisão Aula 01 Agenda Introdução Conceitos Histórico Fornecedores Quadrantes Mágicos Introdução aos Próximos tópicos 2 Introdução Sistemas de Apoio

Leia mais

Sistemas de Apoio à Inteligência do Negócio

Sistemas de Apoio à Inteligência do Negócio Sistemas de Apoio à Inteligência do Negócio http://www.uniriotec.br/~tanaka/sain tanaka@uniriotec.br Visão Geral de Business Intelligence Evolução dos Sistemas de Informação (computadorizados) 1950 s:

Leia mais

Pós-Graduação MBA em Inteligência Competitiva com Business Intelligence(BI) Banco de Dados para BI 2011-11

Pós-Graduação MBA em Inteligência Competitiva com Business Intelligence(BI) Banco de Dados para BI 2011-11 Pós-Graduação MBA em Inteligência Competitiva com Business Intelligence(BI) Banco de Dados para BI 2011-11 Apresentação José Roberto Escodeiro Formação Acadêmica Mestre, Eng. de Produção, Ufscar, 2009,

Leia mais

Business Intelligence aplicado a área da saúde: potencializando a tomada de decisão

Business Intelligence aplicado a área da saúde: potencializando a tomada de decisão Business Intelligence aplicado a área da saúde: potencializando a tomada de decisão Daiane Kelly de Oliveira 1, Dorirley Rodrigo Alves 1 1 Instituto de Ciências Exatas e Informática PUC Minas Campus Guanhães

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

Administração de Sistemas de Informação Gerenciais UNIDADE IV: Fundamentos da Inteligência de Negócios: Gestão da Informação e de Banco de Dados Um banco de dados é um conjunto de arquivos relacionados

Leia mais

Aplicação de Data Warehousing no Cadastro de Ficha Limpa do TSE

Aplicação de Data Warehousing no Cadastro de Ficha Limpa do TSE Aplicação de Data Warehousing no Cadastro de Ficha Limpa do TSE Mateus Ferreira Silva, Luís Gustavo Corrêa Lira, Marcelo Fernandes Antunes, Tatiana Escovedo, Rubens N. Melo mateusferreiras@gmail.com, gustavolira@ymail.com,

Leia mais

Aplicando Técnicas de Business Intelligence sobre dados de desempenho Acadêmico: Um estudo de caso

Aplicando Técnicas de Business Intelligence sobre dados de desempenho Acadêmico: Um estudo de caso Aplicando Técnicas de Business Intelligence sobre dados de desempenho Acadêmico: Um estudo de caso Ana Magela Rodriguez Almeida 1, Sandro da Silva Camargo 1 1 Curso Engenharia de Computação Universidade

Leia mais

Aline França a de Abreu, Ph.D

Aline França a de Abreu, Ph.D Aline França a de Abreu, Ph.D igti.eps.ufsc.br 07 / 10/ 04 Núcleo de estudos Criado em 1997 - UFSC/EPS Equipe multidisciplinar, com aproximadamente 20 integrantes OBJETIVO Gerar uma competência e uma base

Leia mais

5 Estudo de Caso. 5.1. Material selecionado para o estudo de caso

5 Estudo de Caso. 5.1. Material selecionado para o estudo de caso 5 Estudo de Caso De modo a ilustrar a estruturação e representação de conteúdos educacionais segundo a proposta apresentada nesta tese, neste capítulo apresentamos um estudo de caso que apresenta, para

Leia mais

Business Intelligence Conceitos, Metodologia de Desenvolvimento e Exemplos de BI

Business Intelligence Conceitos, Metodologia de Desenvolvimento e Exemplos de BI Matriz: Av. Caçapava, 527 CEP 90.460-130 Tecnopuc: Av. Ipiranga, 6681 Prédio 32 Sala 109 CEP 90.619-900 Porto Alegre - RS, Brasil Contate-nos: +55 (51) 3330.7777 contato@dbccompany.com.br www.dbccompany.com.br

Leia mais

PROPOSTA DE UMA ARQUITETURA PARA CONSTRUÇÃO DE UM DATA WAREHOUSE PARA GESTÃO DA SAÚDE PÚBLICA DE UM MUNICÍPIO DO VALE DO ITAJAÍ

PROPOSTA DE UMA ARQUITETURA PARA CONSTRUÇÃO DE UM DATA WAREHOUSE PARA GESTÃO DA SAÚDE PÚBLICA DE UM MUNICÍPIO DO VALE DO ITAJAÍ PROPOSTA DE UMA ARQUITETURA PARA CONSTRUÇÃO DE UM DATA WAREHOUSE PARA GESTÃO DA SAÚDE PÚBLICA DE UM MUNICÍPIO DO VALE DO ITAJAÍ Renan Felipe dos Santos Prof. Alexander Roberto Valdameri,Orientador ROTEIRO

Leia mais

2 Descoberta de Conhecimento em Bases de Dados 2.1. Introdução

2 Descoberta de Conhecimento em Bases de Dados 2.1. Introdução 2 Descoberta de Conhecimento em Bases de Dados 2.1. Introdução De acordo com [FAYY96], o conceito de descoberta de conhecimento em bases de dados pode ser resumido como o processo não-trivial de identificar

Leia mais

Business Intelligence

Business Intelligence e-book Senior Business Intelligence 1 Índice 03 05 08 14 17 20 22 Introdução Agilize a tomada de decisão e saia à frente da concorrência Capítulo 1 O que é Business Intelligence? Capítulo 2 Quatro grandes

Leia mais

ATIVIDADES PRÁTICAS SUPERVISIONADAS

ATIVIDADES PRÁTICAS SUPERVISIONADAS ATIVIDADES PRÁTICAS SUPERVISIONADAS Tecnologia em Gestão da Tecnologia da Informação 4ª. Série Administração de Banco de Dados A atividade prática supervisionada (ATPS) é um método de ensinoaprendizagem

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

01/12/2009 BUSINESS INTELLIGENCE. Agenda. Conceito. Segurança da Informação. Histórico Conceito Diferencial Competitivo Investimento.

01/12/2009 BUSINESS INTELLIGENCE. Agenda. Conceito. Segurança da Informação. Histórico Conceito Diferencial Competitivo Investimento. BUSINESS INTELLIGENCE Agenda BI Histórico Conceito Diferencial Competitivo Investimento Segurança da Objetivo Áreas Conceito O conceito de Business Intelligencenão é recente: Fenícios, persas, egípcios

Leia mais

Complemento I - Noções Introdutórias em Data Warehouses

Complemento I - Noções Introdutórias em Data Warehouses Complemento I - Noções Introdutórias em Data Warehouses Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações

Leia mais

Desenvolvimento de um Sistema de Apoio à Decisão. Thiago Rafael Zimmermann. Prof. Dr. Oscar Dalfovo

Desenvolvimento de um Sistema de Apoio à Decisão. Thiago Rafael Zimmermann. Prof. Dr. Oscar Dalfovo Desenvolvimento de um Sistema de Apoio à Decisão Acadêmico Thiago Rafael Zimmermann Orientador Prof. Dr. Oscar Dalfovo Roteiro da apresentação Introdução Objetivos Fundamentação Teórica Informação Sistemas

Leia mais

Data Warehouse: uma classificação de seus Custos e Benefícios

Data Warehouse: uma classificação de seus Custos e Benefícios Data Warehouse: uma classificação de seus Custos e Benefícios Marcos Paulo Kohler Caldas (CEFET-ES/CEFET-PR) marcospaulo@cefetes.br Prof. Dr. Luciano Scandelari (CEFET-PR) luciano@cefetpr.br Prof. Dr.

Leia mais

BUSINESS INTELLIGENCE -Inteligência nos Negócios-

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

Leia mais

Gerência de Redes: Consulta e Análise de Registros de Alarme Usando OLAP

Gerência de Redes: Consulta e Análise de Registros de Alarme Usando OLAP Gerência de Redes: Consulta e Análise de Registros de Alarme Usando OLAP Este tutorial apresenta o uso de OLAP (On-Line Analytical Processing) para análise de grandes bases de dados com a finalidade de

Leia mais

Thalita Moraes PPGI Novembro 2007

Thalita Moraes PPGI Novembro 2007 Thalita Moraes PPGI Novembro 2007 A capacidade dos portais corporativos em capturar, organizar e compartilhar informação e conhecimento explícito é interessante especialmente para empresas intensivas

Leia mais

Laudon & Laudon Essentials of MIS, 5th Edition. Pg. 1.1

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

Leia mais

Sistemas de Informação Gerenciais (SIG)

Sistemas de Informação Gerenciais (SIG) Faculdade de Engenharia - Campus de Guaratinguetá Sistemas de Informação Gerenciais (SIG) Prof. José Roberto Dale Luche Unesp Um SISTEMA DE INFORMAÇÃO é um conjunto de componentes inter-relacionados, desenvolvidos

Leia mais

Pós-Graduação Business Intelligence

Pós-Graduação Business Intelligence Pós-Graduação Business Intelligence Tendências de Mercado de Business Intelligence Aula 04 Como se organizar para o sucesso em BI Dinâmica Organizacional Complexa Cria o maior ônus para o sucesso de BI

Leia mais

MINISTÉRIO DA EDUCAÇÃO FUNDO NACIONAL DE DESENVOLVIMENTO DA EDUCAÇÃO TERMO DE REFERÊNCIA PARA CONTRATAÇÃO DE PESSOA FÍSICA - CONSULTOR POR PRODUTO

MINISTÉRIO DA EDUCAÇÃO FUNDO NACIONAL DE DESENVOLVIMENTO DA EDUCAÇÃO TERMO DE REFERÊNCIA PARA CONTRATAÇÃO DE PESSOA FÍSICA - CONSULTOR POR PRODUTO MINISTÉRIO DA EDUCAÇÃO FUNDO NACIONAL DE DESENVOLVIMENTO DA EDUCAÇÃO TERMO DE REFERÊNCIA PARA CONTRATAÇÃO DE PESSOA FÍSICA - CONSULTOR POR PRODUTO Analista Desenvolvedor de ETL OEI/TOR/FNDE/CGETI Nº /09

Leia mais

SISTEMA DE INFORMAÇÃO APLICADO NA ÁREA DE ADMINISTRAÇÃO DE MATERIAIS BASEADO EM DATA WAREHOUSE

SISTEMA DE INFORMAÇÃO APLICADO NA ÁREA DE ADMINISTRAÇÃO DE MATERIAIS BASEADO EM DATA WAREHOUSE SISTEMA DE INFORMAÇÃO APLICADO NA ÁREA DE ADMINISTRAÇÃO DE MATERIAIS BASEADO EM DATA WAREHOUSE OSCAR DALFOVO, M.A. dalfovo@furb.rct-sc.br Professor da Universidade Regional de Blumenau Rua: Antônio da

Leia mais

Estudo e Análise da Base de Dados do Portal Corporativo da Sexta Região da Polícia Militar com vista à aplicação de Técnicas de Mineração de Dados1

Estudo e Análise da Base de Dados do Portal Corporativo da Sexta Região da Polícia Militar com vista à aplicação de Técnicas de Mineração de Dados1 Estudo e Análise da Base de Dados do Portal Corporativo da Sexta Região da Polícia Militar com vista à aplicação de Técnicas de Mineração de Dados1 Rafaela Giroto, 10º módulo de Ciência da Computação,

Leia mais

TECNOLOGIA E SISTEMAS DE INFORMAÇÃO UM ESTUDO DE CASO NA EMPRESA POSTO DOURADÃO LTDA RESUMO

TECNOLOGIA E SISTEMAS DE INFORMAÇÃO UM ESTUDO DE CASO NA EMPRESA POSTO DOURADÃO LTDA RESUMO TECNOLOGIA E SISTEMAS DE INFORMAÇÃO UM ESTUDO DE CASO NA EMPRESA POSTO DOURADÃO LTDA Hewerton Luis P. Santiago 1 Matheus Rabelo Costa 2 RESUMO Com o constante avanço tecnológico que vem ocorrendo nessa

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

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 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

Leia mais

MANUAL BI- Business Intelligence

MANUAL BI- Business Intelligence 1. VISÃO GERAL 1.1 SISTEMA BI Business Intelligence: Segundo Gartner Group, a maior ameaça das empresas da atualidade é o desconhecimento... O Business Intelligence se empenha em eliminar as dúvidas e

Leia mais

Sobre o que falaremos nesta aula?

Sobre o que falaremos nesta aula? Business Intelligence - BI Inteligência de Negócios Prof. Ricardo José Pfitscher Elaborado com base no material de: José Luiz Mendes Gerson Volney Lagmman Introdução Sobre o que falaremos nesta aula? Ferramentas

Leia mais

Pós-Graduação Business Intelligence

Pós-Graduação Business Intelligence Pós-Graduação Business Intelligence Tendências de Mercado de Business Intelligence Aula 03 Gestão de Desempenho dos Negócios usando BI Case Toyota O problema: A Toyota Motor Sales USA (toyota.com) é a

Leia mais

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. 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

Leia mais

KDD UMA VISAL GERAL DO PROCESSO

KDD UMA VISAL GERAL DO PROCESSO KDD UMA VISAL GERAL DO PROCESSO por Fernando Sarturi Prass 1 1.Introdução O aumento das transações comerciais por meio eletrônico, em especial as feitas via Internet, possibilitou as empresas armazenar

Leia mais

Uma análise de ferramentas de modelagem e gerência de metadados aplicadas ao projeto de BI/DW-UFBA

Uma análise de ferramentas de modelagem e gerência de metadados aplicadas ao projeto de BI/DW-UFBA Universidade Federal da Bahia Instituto de Matemática Departamento de Ciência da Computação MATA67 Projeto Final II Uma análise de ferramentas de modelagem e gerência de metadados aplicadas ao projeto

Leia mais

Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan

Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan Faculdade INED Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan 1 Unidade 4.2 2 1 BI BUSINESS INTELLIGENCE BI CARLOS BARBIERI

Leia mais

Módulo 1. Introdução ao Business Intelligence

Módulo 1. Introdução ao Business Intelligence Módulo 1. Introdução ao Business Intelligence Objetivos Fornecer uma visão sobre a finalidade de um sistema de suporte para tomada de decisões: Conhecer quais sistemas informatizados atuam em cada componente

Leia mais