MBA em Gestão de Empreendimentos Turísticos
|
|
- Manoela Maranhão Raminhos
- 8 Há anos
- Visualizações:
Transcrição
1 Prof. Martius V. Rodriguez y Rodriguez, DSc martius@kmpress.com.br MBA em Gestão de Empreendimentos Turísticos Gestão do Conhecimento e Tecnologia da Informação Gestão do Conhecimento evolução conceitual. Níveis de maturidade da organização. Conhecimento tácito e explícito. Tecnologia da Informação no Turismo. Sistemas especialistas na indústria do Turismo. Principais Sistemas: Sistemas de agenciamento e sistemas de reservas (transportes e hospedagem); Sistema de Informações Gerenciais; Mapeamento e modelagem de processos; Princípios do e-business e do E-commerce. Alavancagem de negócios na internet; Gestão da tecnologia da Informação: Sistemas de gestão: ERP, Soluções de SCM Supply Chain Management, Soluções de CRM Customer Relationship Management e Soluções de Portais Corporativos; Gerenciamento de projetos tecnológicos e Gestão do Conhecimento.
2 AGENDA SOCIEDADE DO CONHECIMENTO ARQUITETURA TIC PRÁTICAS - 2
3 Martius V. Rodriguez y Rodriguez, DSc 03-3 O PROCESSO DE DATAMINING
4 20% - T 80% - I 70% - T 18% - I Seleção dos dados de base de dados operacionais Enriquecimento dos dados Codificação Data mining - Cluster - Segmentação - Predição Relatórios (Pyle, 1999) Soluções e Alternativas O PROCESSO UTILIZADO Problema a ser resolvido Limpeza e consistênca dos dados T - TEMPO DISPENDIDO I - IMPORTÂNCIA PARA O SUCESSO 10% - T 2 % - I Martius V. Rodriguez y Rodriguez, DSc 03-4
5 PERGUNTAS QUE PODERÃO SER o VENDAS RESPONDIDAS o Identificar padrões de comportamento dos consumidores. o Encontrar características dos consumidores de acordo com a região demográfica. o Prever quais consumidores serão atingidos nas campanhas de marketing. o Prever demandas em função das características dos clientes, personalizando o atendimento. o FINANÇAS o Detectar padrões de fraudes. o Identificar os consumidores que estão tendendo a mudar para a concorrência. o Identificar regras de estocagem a partir dos dados do mercado. o Encontrar outras correlações escondidas nas bases de dados. Martius V. Rodriguez y Rodriguez, DSc 03-5
6 PERGUNTAS QUE PODERÃO SER o TRANSPORTE o Determinar a distribuição dos horários entre os vários caminhos. o Analisar padrões de sobrecarga. o SEGUROS E PLANOS DE SAÚDE o Determinar quais procedimentos médicos são requisitados ao mesmo tempo. o Prever quais consumidores comprarão novas apólices. o Identificar comportamentos fraudulentos. o MEDICINA RESPONDIDAS o Caracterizar o comportamento dos pacientes para prever novas consultas. o Identificar terapias de sucessos para diferentes doenças Martius V. Rodriguez y Rodriguez, DSc 03-6
7 DADO - INFORMAÇÃO CONHECIMENTO Dado Informação Conhecimento BANCO DE DADOS ANÁLISE E RECUPERAÇÃO DE DADOS SQL, OLAP DATA MINING Knowledge Management Martius V. Rodriguez y Rodriguez, DSc 03-7
8 A DEFINIÇÃO DE CONHECIMENTO É A CAPACIDADE DE AGIR CONHECIMENTO 10 9 bits INFORMAÇÃO CONHECIMENTO 10 2 bits EXPLÍCITO EXTERIORIZADO TÁCITO INTERIORIZADO REGRAS EVENTOS INFORMAÇÃO DADOS MICHAEL POLANYI e LUDWIG WITTGENSTEIN CONHECIMENTO HUMANO É : tácito, orientado para a ação, baseado em regras, individual e em constante mutação. MICHAEL POLANYI e LUDWIG WITTGENSTEIN - FIALHO, 1998 Martius V. Rodriguez y Rodriguez, DSc 03-8
9 MOTIVAÇÃO PARA O KDD EVOLUÇÃO DOS SISTEMAS ESPECIALISTAS EVOLUÇÃO DAS TÉCNICAS DE KDD EM BD EVOLUÇÃO DAS BD FACILIDADE DE INTEGRAÇÃO DE DADOS AUMENTO DO FLUXO DE INFORMAÇÕES Martius V. Rodriguez y Rodriguez, DSc 03-9
10 MOTIVAÇÃO PARA O USO DO KDD A EXPLOSÃO DAS INFORMAÇÕES Produção de Terabytes por ano (2 Exabyte) Aproximadamente 250 MB por pessoa no planeta. US$ 10,00 por GB armazenado em 2000 US$ 1,00 por GB armazenado em EXABYTES = TODAS AS PALAVRAS JÁ FALADAS PELOS SERES HUMANOS = GB 1 GB = Um caminhão cheio de papel 100 MB = 1 metro de livros organizados em uma prateleira 1 bilhão de PCs no mundo jun2008 Gartner 2 bilhões de PCs no mundo até Gartner LESK, Michael, How much information is there in the world ref ESTATÍSTICA VISUALIZADORES BANCO DE DADOS REDES NEURONAIS SISTEMAS ESPECIALISTAS INFRAESTRUTURA DE HW/SW Martius V. Rodriguez y Rodriguez, DSc 03-10
11 MOTIVAÇÃO KDD o o GRANDE VOLUME DE DADOS DE CLIENTES, COMPETIDORES, PROCESSOS, EMPREGADOS E PROJETOS ARMAZENADOS EM BASES DE DADOS. FACILIDADE DE INTEGRAR BASES DE DADOS: ERP, CRM, SCM, B2B, B2E, B2C o o OS OS ALGORÍTMOS DE DE DATAMINING PODEM ENCONTRAR CLUSTERS E PADRÕES DE DE COMPORTAMENTOS EM EM CONJUNTO DE DE DADOS. NOVAS TÉCNICAS COMO: ÁRVORES DE DE DECISÃO, REDES REDES NEURAIS, ALGORITMOS GENÉTICOS... ÁRVORES DE DECISÃO REDES NEURAIS ALGORÍTMOS GENÉTICOS LÓGICA FUZZY REGRAS DE ASSOCIAÇÃO... MÉTODOS CLUSTERIZAÇÃO CLASSIFICAÇÃO PREDIÇÃO SUMARIZAÇÃO... TAREFAS Fayyad, 1996 Martius V. Rodriguez y Rodriguez, DSc 03-11
12 CLUSTERIZAÇÃO 1 2 Martius V. Rodriguez y Rodriguez, DSc
13 CLASSIFICAÇÃO E PREDIÇÃO Grau de Instrução Nível Médio Nível Superior Martius V. Rodriguez y Rodriguez, DSc
14 CLASSIFICAÇÃO E PREDIÇÃO Renda Baixa Renda Alta Renda Martius V. Rodriguez y Rodriguez, DSc 03-14
15 CLASSIFICAÇÃO E PREDIÇÃO RESPOSTA Grau de Instrução ão Nível Superior Nível Médio Renda Renda Baixa Renda Alta Renda Martius V. Rodriguez y Rodriguez, DSc 03-15
16 MOTIVAÇÃO KDD Ambiente Analítico Como alinhar a empresa em torno do cliente? Como integrar as descobertas a cada interação do cliente? Valor do Negócio Quantos clientes nós perdemos? Query & reporting Medição Em quais cidades eles moram? OLAP Data mining Predição Quais tipos de clientes possuem risco de deixar a empresa? Real-time distribution O que devo oferecer ao meu cliente hoje? Tempo Martius V. Rodriguez y Rodriguez, DSc 03-16
17 CONHECENDO O CLIENTE E SUA HISTÓRIA Data Warehouse Data Mart 1 Vendas Data Mart 2 Marketing Data Mart 3 Logística Data Mining Martius V. Rodriguez y Rodriguez, DSc 03-17
18 ONDE APLICAR O DATA MINING? Passado Previsão Descobrimento ANÁLISE & RELATÓRIOS (OLAP) MODELAGEM ESTATÍSTICA DATA MINING MINERAÇÃO DO CONHECIMENTO Martius V. Rodriguez y Rodriguez, DSc 03-18
19 DESCOBRIMENTO DO CONHECIMENTO + SIMPLES OLTP TRANSAÇÕES SQL - QUERIES TÉCNICAS ESTATÍSTICAS (ELEMENTARES) OLAP ANALISES DATA MINING + DIFÍCIL E INCERTO Martius V. Rodriguez y Rodriguez, DSc 03-19
20 HIDDEN & DEEP KNOWLEDGE SHALLOW DATA - SQL MULTI-DIMENSIONAL DATA - OLAP HIDDEN DATA - KDD DEEP DATA - CLUES Martius V. Rodriguez y Rodriguez, DSc 03-20
21 PROCESSOS TRANSACIONAIS OLTP OLAP Quantos clientes existem por filial? Quantos clientes por tipo de produto existem? Quantos clientes por tipo de produto e por região por filial? Quantos clientes por tipo de produto, região, atendente, valor,...? excel, access,... consulta relatório/consulta relatório/consulta arquivo Martius V. Rodriguez y Rodriguez, DSc 03-21
22 DO CONTROLE A ANÁLISE Data Mining Predição Correlação Descoberta Histórico Data Warehouse Analítico Capacidades Martius V. Rodriguez y Rodriguez, DSc 03-22
23 TECNOLOGIA Martius V. Rodriguez y Rodriguez, DSc 03-23
24 DATA WAREHOUSE Histórico pequeno Granularidade alta ETL Fontes Integração Sincronismo Transformação Composição Data Warehouse CONTEXTOS Separação Agregação Ação Executivo Histórico intermediário rio Granularidade intermediária ria Alta capacidade de relatório rio Histórico grande Granularidade baixa Alta capacidade analítica Data Marts Cubos VISÕES Separação Agregação Martius V. Rodriguez y Rodriguez, DSc 03-24
25 MODELO MULTIDIMENSIONAL Quantidade de Cliente Quantidade de Débito Segmento Código Descrição Estrutura Organizacional Código Regional Descrição regional Código Filial Descrição Filial Tempo Ano Semestre Mês Semana Grupo Código Descrição Em novembro de 2003, qual a quantidade de clientes em cada filial, agrupados por segmento? Martius V. Rodriguez y Rodriguez, DSc 03-25
26 FERRAMENTAS ROLAP Martius V. Rodriguez y Rodriguez, DSc 03-26
27 ARQUITETURA TECNOLOGICA Martius V. Rodriguez y Rodriguez, DSc 03-27
28 DIRECIONAMENTO AO NEGÓCIO Objetivos de Negócio Resultados de Negócio Objetivos do Data Mining Resultados do Data Mining O projeto de Data Mining deve estar direcionado aos objetivos de negócio! Martius V. Rodriguez y Rodriguez, DSc 03-28
29 SISTEMÁTICA DE MINERAÇÃO DE DADOS MINERAÇÃO DOS DADOS ORIENTADA PARA VERIFICAÇÃO ORIENTADA PARA DESCOBERTA GERADORES DE SQL SQL FERRAMENTAS DE CONSULTA OLAP PREDIÇÃO DESCRIÇÃO CLASSIFICAÇÃO ESTRUTURAS DE DECISÃO VISUALIZAÇÃO AGRUPAMENTO ASSOCIAÇÃO AVALIAÇÃO SUMARIZAÇÃO ESTRUTURAS DE DECISÃO REDES NEURAIS REGRESSÃO ESTATÍSTICA Martius V. Rodriguez y Rodriguez, DSc 03-29
30 KDD - DATA MINING KDD - Knowledge Discovery in Databases: É UMA EXTRAÇÃO NÃO TRIVIAL, A PARTIR DE UMA BASE DE DADOS, DE UM CONHECIMENTO IMPLÍCITO, PREVIAMENTE DESCONHECIDO E POTENCIALMENTE ÚTIL Primeira Conferência Internacional sobre KDD Montreal (Adriaans, 1998) O CONHECIMENTO OBTIDO PELO PROCESSO DE KDD NÃO ESTARÁ VISÍVEL SE UTILIZADA UMA LINGUAGEM DE BUSCA ESTRUTURADA - SQL (STRUCTURE QUERY LANGUAGE) OU SE ANALISADOS OS DADOS A PARTIR DE UMA FERRAMENTA OLAP - (ONLINE ANALYTICAL PROCESSING TOOL) Martius V. Rodriguez y Rodriguez, DSc 03-30
31 HIDDEN & DEEP KNOWLEDGE o HIDDEN KNOWLEDGE: SÃO DADOS QUE PODEM SER FACILMENTE ENCONTRADOS A PARTIR DO USO DE FERRAMENTAS DE RECONHECIMENTO DE PADRÕES OU ALGORÍTMOS DE APRENDIZAGEM POR COMPUTADOR :: MACHINE-LEARNING DEEP KNOWLEDGE: É UMA INFORMAÇÃO QUE ESTÁ ARMAZENADA EM BASE DE DADOS MAS QUE SÓ PODE SER LOCALIZADA POR MEIO DE DICAS OU COLA QUE DIGA ONDE DEVEMOS PROCURAR (Adriaans, 1998) Martius V. Rodriguez y Rodriguez, DSc 03-31
32 DATA MINING DIFICULDADES DE IMPLEMENTAR FALTA DE INTEGRAÇÃO DOS DADOS Diversas formas de armazenagem e inconsistência entre elas FALTA DE ATUALIZAÇÃO DOS DADOS Dados perdidos ou incorretos TEMPO DE ATUALIZAÇÃO Os dados são atualizados em um tempo muito longo DISPUTA ENTRE DEPARTAMENTOS Não cessão dos dados FALTA DE UMA VISÃO DE LONGO PRAZO O que queremos obter dos dados no futuro? CONECTIVIDADE E INTEROPERABILIDADE DIFICULTADA Dificuldades de acesso as redes internas PRIVACIDADE DOS DADOS Por questões legais alguns dados não podem ser utilizados FRACA COOPERAÇÃO ENTRE AS ÁREAS DE TECNOLOGIA DE INFORMAÇÃO Restrições no acesso aos dados SIGNIFICADO DIFERENTES Administração de dados falha Martius V. Rodriguez y Rodriguez, DSc 03-32
33 DATA MINING É INTERDISCIPLINAR E UTILIZA AS DIVERSAS TECNOLOGIAS Explicito - Tácito Banco de Dados Estatística Extração de novas regras Visualizadores KDD Redes Neuronais Sistemas Especialistas Conhecimento Tácito AÇÃO Conhecimento Explícito Tácito - Explicito Martius V. Rodriguez y Rodriguez, DSc 03-33
34 CARACTERÍSTICAS Aprendizagem por aproximação (K-nearest neighbor) Árvores de decisão (Decision trees) Regras de Associação (Association Rules) Redes Neuronais (Neural Networks) Algorítmos genéticos (Algorítmos genéticos) QUALIDADE-DADOS DE ENTRADA Habilidade de manipular uma MÉDIA BOA BOA MÉDIA MÉDIA grande quantidade de registros Habilidade de manipular uma MÉDIA BOA MÉDIA RUIM RUIM grande quantidade de atributos Habilidade de manipular atributos BOA BOA RUIM BOA RUIM numéricos Habilidade de manipular caracteres RUIM RUIM RUIM MÉDIA MÉDIA QUALIDADE-DADOS DE SAÍDA Habilidade para aprender regras transparentes Habilidade para aprender incrementalmente Habilidade para estimar a significância estatística dos dados TÉCNICAS DE KDD RECOMENDADAS (Adriaans, 1998) RUIM BOA BOA RUIM BOA RUIM RUIM BOA MÉDIA MÉDIA BOA BOA BOA RUIM RUIM DESEMPENHO DE APRENDIZAGEM Carga de armazenagem dos dados BOA MÉDIA MÉDIA MÉDIA MÉDIA Carga de CPU BOA MÉDIA MÉDIA RUIM RUIM DESEMPENHO DA APLICAÇÃO Carga de armazenagem dos dados RUIM BOA BOA BOA BOA Carga de CPU MÉDIA BOA BOA MÉDIA MÉDIA Martius V. Rodriguez y Rodriguez, DSc 03-34
35 Geradas + 50 árvores de decisão das quais 20 utilizadas Martius V. Rodriguez y Rodriguez, DSc 03-35
36 MOTIVAÇÃO PARA USO DE ÁRVORES DE DECISÃO USO DE BASE DE DADOS: Facilidade na utilização de base de dados, obtidas a partir da pesquisa de campo. SIMPLICIDADE: A explicitação de regras de forma eficiente, o que possibilitou a análise sob diversos pontos do objeto de análise. CAPACIDADE DE INDUÇÃO: Além da simplicidade permitiu a indução dos dados em função do grau de interesse desejado. PRECISÃO: Obtenção dos dados dentro do grau de precisão necessário para extração do conhecimento dos dados. VERIFICAÇÃO DAS REGRAS OBTIDAS: Possibilidade de verificação das regras. Utilizando 80% dos dados para obtenção e outros 20% para validação. Martius V. Rodriguez y Rodriguez, DSc 03-36
37 MOTIVAÇÃO PARA USO DO XpertRule Miner o FACILIDADE DE ACESSO AOS DADOS o INTERFACE AMIGÁVEL o FACILIDADE DE INDUÇÃO o PRECISÃO o MASSA DE TESTES o EXPLICITAÇÃO DAS REGRAS Martius V. Rodriguez y Rodriguez, DSc 03-37
38 Nó NÓ DE TOPO ou NÓ DE RAIZ NÓ DE FOLHA Martius V. Rodriguez y Rodriguez, DSc 03-38
39 Martius V. Rodriguez y Rodriguez, DSc 03-39
40 EXEMPLO DE REGRA Leaf #5 : (Custo_overhead_realizado >= , ) and (Hh_realizado_nm < 6494) REGRA 1.8# Se o Custo de Overhead Realizado for >= US$ ,48 e HH de nível médio realizado for < 6494 e Prioridade for alta. 80,3% dos projetos são Concluídos e Implantados ou em implantação 19,7% dos projetos concluídos e não implantados ou cancelados (do total de 25,5% dos 514 projetos analisados). Martius V. Rodriguez y Rodriguez, DSc 03-40
41 CRITÉRIOS PARA OBTENÇÃO DAS REGRAS INTERESSABILIDADE COMPLETEZA PRECISÃO COMPREENSIBILIDADE (Nagai, 2000) Martius V. Rodriguez y Rodriguez, DSc 03-41
42 CRITÉRIOS PARA OBTENÇÃO DAS REGRAS Interessabilidade: possuem uma lógica utilizável no entendimento do conhecimento relacionado à priorização de projetos de tecnologia Modelos de regras: interessam somente as regras que "casam" com os objetivos definidos inicialmente. Cobertura de regras mínimas: Interessam o conjunto de regras que possam representar o objeto de estudo para o conjunto de dados analisado. Acionabilidade de regras: as regras devem trazer vantagens quando utilizadas. Inesperabilidade de regras: as regras interessam se possuem um fator de inesperabilidade. (Nagai, 2000) Martius V. Rodriguez y Rodriguez, DSc 03-42
43 CRITÉRIOS PARA OBTENÇÃO DAS REGRAS Completeza = # de exemplos cobertos / # total de exemplos. Cobertura entre regras: as regras devem se complementar. Precisão: possuem a precisão necessária para a imediata utilização das regras obtidas. Correspondem a diferença entre os valores reais e valores preditos pela regra. Compreensibilidade: possuem um grau de complexidade inteligível ao ser humano. Sendo entendido que a complexidade de uma regra é medida pelo número de cláusulas que a mesma possuí associada ao total de regras, ou seja: Complexidade = 0,6 * # de regras + 0,4* # de clausulas (Nagai, 2000) Martius V. Rodriguez y Rodriguez, DSc 03-43
44 TÉCNICAS PARA SUPORTAR O PROCESSO ANALÍTICO UTILIZAÇÃO DE REDES NEURONAIS CARACTERÍSTICAS DOS CLIENTES PRODUTOS/ SERVIÇOS UTILIZADOS Camadas : entrada escondida saída NOVO CLIENTE PROVÁVEL SITUAÇÃO FINAL Martius V. Rodriguez y Rodriguez, DSc 03-44
45 CRM CRM Operacional CRM Analítico Interação Mobile Front Back com o cliente Office Office Office ERP/ERM Gerência de Pedidos Automação de Atendim. Voz URA, ACD Gerência de Supply Chain Produto Automação de Marketing Sistema Móvel de Vendas Conferência Conferência via Web Sistemas Legados Automação de vendas Atendimento em Campo e- mail Gerência de Estoques Processamento em Loop Fechado Fax Cartas Atividade de Clientes Data Warehouse Aplicações Verticais Gerência de Categorias Clientes Interação Direta Produtos Automação de Marketing Gerência de Campanhas CRM Colaborativo Fonte: Apllication Delivery Strategies, META Group Martius V. Rodriguez y Rodriguez, DSc 03-45
Prof. Martius Vicente Rodriguez y Rodriguez, DSc.
Prof. Martius Vicente Rodriguez y Rodriguez, DSc. 1 AGENDA 1. A MUDANÇA DO AMBIENTE DE NEGÓCIOS 2. PESSOAS PROCESSOS TIC 3. GESTÃO DA MUDANÇA NA ÁREA DE TIC 4. CRM CLIENTES 5. KDD BI INTELIGÊNCIA DOS NEGÓCIOS
Leia maisBusiness 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 maisMBA em Gestão de Empreendimentos Turísticos
Prof. Martius V. Rodriguez y Rodriguez, DSc martius@kmpress.com.br MBA em Gestão de Empreendimentos Turísticos Gestão do Conhecimento e Tecnologia da Informação Gestão do Conhecimento evolução conceitual.
Leia maisResumo 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 maisPlanejamento 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 maisAPLICATIVOS 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
Leia maisTópicos 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 maisProfessor: 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 maissrbo@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 maisSistema. 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 maisPrograma 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 maisData Warehouse. Diogo Matos da Silva 1. Universidade Federal de Ouro Preto, Ouro Preto, MG, Brasil. Banco de Dados II
Data Warehouse Diogo Matos da Silva 1 1 Departamento de Computação Universidade Federal de Ouro Preto, Ouro Preto, MG, Brasil Banco de Dados II Diogo Matos (DECOM - UFOP) Banco de Dados II Jun 2013 1 /
Leia maisData 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 maisAdministração 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),
Leia maisBanco de Dados - Senado
Banco de Dados - Senado Exercícios OLAP - CESPE Material preparado: Prof. Marcio Vitorino OLAP Material preparado: Prof. Marcio Vitorino Soluções MOLAP promovem maior independência de fornecedores de SGBDs
Leia maisDATA 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 maisGerenciamento de Dados e Gestão do Conhecimento
ELC1075 Introdução a Sistemas de Informação Gerenciamento de Dados e Gestão do Conhecimento Raul Ceretta Nunes CSI/UFSM Introdução Gerenciando dados A abordagem de banco de dados Sistemas de gerenciamento
Leia maisDATA WAREHOUSE. Rafael Ervin Hass Raphael Laércio Zago
DATA WAREHOUSE Rafael Ervin Hass Raphael Laércio Zago Roteiro Introdução Aplicações Arquitetura Características Desenvolvimento Estudo de Caso Conclusão Introdução O conceito de "data warehousing" data
Leia maisTÓPICOS 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 maisPlanejamento Estratégico de TI. Prof.: Fernando Ascani
Planejamento Estratégico de TI Prof.: Fernando Ascani Data Mining Os métodos tradicionais de Data Mining são: Classificação Associa ou classifica um item a uma ou várias classes categóricas pré-definidas.
Leia maisMicrosoft Innovation Center
Microsoft Innovation Center Mineração de Dados (Data Mining) André Montevecchi andre@montevecchi.com.br Introdução Objetivo BI e Mineração de Dados Aplicações Exemplos e Cases Algoritmos para Mineração
Leia maisUniversidade 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
Leia maisT2Ti Tecnologia da Informação Ltda T2Ti.COM http://www.t2ti.com Projeto T2Ti ERP 2.0. Bloco Comercial. CRM e AFV
Bloco Comercial CRM e AFV Objetivo O objetivo deste artigo é dar uma visão geral sobre os Módulos CRM e AFV, que fazem parte do Bloco Comercial. Todas informações aqui disponibilizadas foram retiradas
Leia maisColaboração nas Empresas SPT SIG Aplicações Empresariais
Capítulo 3: Sistemas de Apoio Gerenciais Colaboração nas Empresas SPT SIG Aplicações Empresariais Objetivos do Capítulo Explicar como os SI empresariais podem apoiar as necessidades de informação de executivos,
Leia maisSistemas Empresariais. Capítulo 3: Sistemas de Negócios. Colaboração SPT SIG
Capítulo 3: Sistemas de Negócios Colaboração SPT SIG Objetivos do Capítulo Explicar como os SI empresariais podem apoiar as necessidades de informação de executivos, gerentes e profissionais de empresas.
Leia maisADMINISTRAÇÃO DOS RECURSOS DE DADOS
Capítulo 7 ADMINISTRAÇÃO DOS RECURSOS DE DADOS 7.1 2003 by Prentice Hall OBJETIVOS Por que as empresas sentem dificuldades para descobrir que tipo de informação precisam ter em seus sistemas de informação?
Leia maisATIVIDADES 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 maisAdriano 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 maisUma 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 maisPor existir diferentes níveis em uma organização, existem diferentes tipos de sistemas servindo cada nível organizacional
Por existir diferentes níveis em uma organização, existem diferentes tipos de sistemas servindo cada nível organizacional Fonte: Tipos de Sistemas de Informação (Laudon, 2003). Fonte: Tipos de Sistemas
Leia maisNo mundo atual, globalizado e competitivo, as organizações têm buscado cada vez mais, meios de se destacar no mercado. Uma estratégia para o
DATABASE MARKETING No mundo atual, globalizado e competitivo, as organizações têm buscado cada vez mais, meios de se destacar no mercado. Uma estratégia para o empresário obter sucesso em seu negócio é
Leia maisADMINISTRAÇÃO DOS RECURSOS DE DADOS
7 ADMINISTRAÇÃO DOS RECURSOS DE DADOS OBJETIVOS Por que as empresas sentem dificuldades para descobrir que tipo de informação precisam ter em seus sistemas de informação ão? Como um sistema de gerenciamento
Leia maisIMPLANTAÇÃO DE UM SISTEMA CRM. Prof. Wilson Míccoli, MsC
IMPLANTAÇÃO DE UM SISTEMA CRM 1 Fase 1: Contextualização Fase 2: Revisão do Plano Estratégico da Organização Fase 3: Revisão do Portfólio de Produtos Fase 4: Definição da Visão e dos Objetivos do CRM Fase
Leia maisO que significa esta sigla?
CRM Para refletir... Só há duas fontes de vantagem competitiva. A capacidade de aprender mais sobre nossos clientes, mais rápido que o nosso concorrente e a capacidade de transformar este conhecimento
Leia maisMAPA DE PROBLEMAS Administração de Sistemas de Informações Profa.MS.c. Cláudia Brazil Marques
MAPA DE PROBLEMAS Administração de Sistemas de Informações Profa.MS.c. Cláudia Brazil Marques Nr. DESCRIÇÃO DO PROBLEMA CONHECIMENTOS COMPE TÊNCIAS PERFIS AULA 1 Qual o comportamento da organização como
Leia maisData 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 maisIdentificar 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
Leia maisFases para um Projeto de Data Warehouse. Fases para um Projeto de Data Warehouse. Fases para um Projeto de Data Warehouse
Definição escopo do projeto (departamental, empresarial) Grau de redundância dos dados(ods, data staging) Tipo de usuário alvo (executivos, unidades) Definição do ambiente (relatórios e consultas préestruturadas
Leia maisLISTA DE EXERCÍCIOS. 1. Binário: Bit: Menor unidade de dados; dígito binário (0,1) Byte: Grupo de bits que representa um único caractere
1. Binário: LISTA DE EXERCÍCIOS Bit: Menor unidade de dados; dígito binário (0,1) Byte: Grupo de bits que representa um único caractere Campo: Grupo de palavras ou um número completo Registro: Grupo de
Leia maisData 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 maisSistema de Bancos de Dados. Conceitos Gerais Sistema Gerenciador de Bancos de Dados
Sistema de Bancos de Dados Conceitos Gerais Sistema Gerenciador de Bancos de Dados # Definições # Motivação # Arquitetura Típica # Vantagens # Desvantagens # Evolução # Classes de Usuários 1 Nível 1 Dados
Leia maisUniversidade 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
Leia maisPROGRAMA DIÁRIO DE AULA CURSO: ADMINISTRAÇÃO
Objetivo: Ao final do curso o aluno deverá ser capaz de: A terminologia usual de informática; Identificar os elementos que constituem um Sistema de Informação; e as implicações do uso das redes, e seus
Leia mais08/03/2009. Como mostra a pirâmide da gestão no slide seguinte... Profª. Kelly Hannel. Fonte: adaptado de Laudon, 2002
Pirâmide da Gestão Profª. Kelly Hannel Fonte: adaptado de Laudon, 2002 Diferentes tipos de SIs que atendem diversos níveis organizacionais Sistemas do nível operacional: dão suporte a gerentes operacionais
Leia maisCapítulo 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 maisQuem estiver interessado favor mandar currículo para sabrina.rodrigues@neogrid.com. As vagas são as seguintes: *Analista de BI (2 vagas)*
Quem estiver interessado favor mandar currículo para sabrina.rodrigues@neogrid.com. As vagas são as seguintes: *Analista de BI (2 vagas)* Buscamos candidatos com interesse e experiência na área de desenvolvimento,
Leia maisData Mining: Conceitos e Técnicas
Data Mining: Conceitos e Técnicas DM, DW e OLAP Data Warehousing e OLAP para Data Mining O que é data warehouse? De data warehousing para data mining Data Warehousing e OLAP para Data Mining Data Warehouse:
Leia maisSistemas de e-business. Objetivos do Capítulo
Objetivos do Capítulo Identificar cada um dos sistemas de e-business interfuncionais abaixo e dar exemplos de como eles podem fornecer significativo valor para uma empresa, seus clientes e parceiros de
Leia maisInteratividade 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 maisBusiness 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 maisNome: Login: CA: Cidade: UF CARTÃO RESPOSTA QUESTÃO RESPOSTA QUESTÃO RESPOSTA
ANÁLISE E DESENVOLVIMENTO DE SISTEMAS TURMA 2008 3º PERÍODO - 6º MÓDULO AVALIAÇÃO A2 DATA 02/07/2009 SISTEMAS EMPRESARIAIS Dados de identificação do Acadêmico: Nome: Login: CA: Cidade: UF CARTÃO RESPOSTA
Leia maisLaudon & 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 maisIdentificar cada um dos sistemas de e-business interfuncionais abaixo e dar exemplos de como eles podem fornecer significativo valor para uma
1 Identificar cada um dos sistemas de e-business interfuncionais abaixo e dar exemplos de como eles podem fornecer significativo valor para uma empresa, seus clientes e parceiros de negócios: de recursos
Leia maisRECONHECIMENTO DE ALGUNS SISTEMAS DE INFORMAÇÃO
WESLLEYMOURA@GMAIL.COM RECONHECIMENTO DE ALGUNS SISTEMAS DE INFORMAÇÃO ANÁLISE DE SISTEMAS ERP (Enterprise Resource Planning) Em sua essência, ERP é um sistema de gestão empresarial. Imagine que você tenha
Leia maisAline 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 maisCRM Customer Relationship Management
CRM Customer Relationship Management C R M : DEFINIÇÃO TEÓRICA NO PASSADO CONHECÍAMOS NOSSOS CLIENTES PELO NOME, ONDE VIVIAM, QUE TIPO DE PRODUTOS NECESSITAVAM, COMO SERIAM ENTREGUES, COMO QUERIAM PAGAR
Leia maisEstratégia De Diferenciação Competitiva Através Do Marketing De Relacionamento. Profa. Dra. Maria Isabel Franco Barretto
Estratégia De Diferenciação Competitiva Através Do Marketing De Relacionamento Profa. Dra. Maria Isabel Franco Barretto CURRÍCULO DO PROFESSOR Administradora com mestrado e doutorado em engenharia de produção
Leia maisPLANO 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 maisCapítulo. 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
Leia maisSistemas de Informação
Sistemas de Informação Informação no contexto administrativo Graduação em Redes de Computadores Prof. Rodrigo W. Fonseca SENAC FACULDADEDETECNOLOGIA PELOTAS >SistemasdeInformação SENAC FACULDADEDETECNOLOGIA
Leia maisCURSO DE PÓS-GRADUAÇÃO LATO SENSU ESPECIALIZAÇÃO. MBA em LOGÍSTICA E SUPPLY CHAIN MANAGEMENT
CURSO DE PÓS-GRADUAÇÃO LATO SENSU ESPECIALIZAÇÃO MBA em LOGÍSTICA E SUPPLY CHAIN MANAGEMENT Coordenação Acadêmica: Prof. Jamil Moysés Filho OBJETIVO: Ao final do Curso, o aluno será capaz de: Conhecer
Leia maisAula 02: Conceitos Fundamentais
Aula 02: Conceitos Fundamentais Profa. Ms. Rosângela da Silva Nunes 1 de 26 Roteiro 1. Por que mineração de dados 2. O que é Mineração de dados 3. Processo 4. Que tipo de dados podem ser minerados 5. Que
Leia maisSEQUÊNCIA: TIPOS DE SISTEMAS DE INFORMAÇÃO. PROF. MARTIUS V R Y RODRIGUEZ, DSc TECNOLOGIA DE INFORMAÇÃO
TIPOS DE SISTEMAS DE INFORMAÇÃO 1 Prof. Martius Vicente Rodriguez y Rodriguez, DSc - 1 TECNOLOGIA DE INFORMAÇÃO 1. TIPOS DE 2. ARQUITETURAS DE SISTEMAS - CRM 3. KNOWLEDGE DISCOVERY IN DATABASE 4. SISTEMAS
Leia maisMódulo 4. Construindo uma solução OLAP
Módulo 4. Construindo uma solução OLAP Objetivos Diferenciar as diversas formas de armazenamento Compreender o que é e como definir a porcentagem de agregação Conhecer a possibilidade da utilização de
Leia maisORGANIZAÇÕES VIRTUAIS
Universidade do Estado de Santa Catarina UDESC Centro de Ciências Tecnológicas CCT Engenharia de Produção e Sistemas Sistemas de Informação (SIN) ORGANIZAÇÕES VIRTUAIS Profº Adalberto J. Tavares Vieira
Leia maisPós-Graduação Lato Sensu em ENGENHARIA DE MARKETING
Pós-Graduação Lato Sensu em ENGENHARIA DE MARKETING Inscrições Abertas: Início das aulas: 28/03/2016 Término das aulas: 10/12/2016 Dias e horários das aulas: Segunda-Feira 18h30 às 22h30 Semanal Quarta-Feira
Leia maisCriação 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 maisUNIMEP MBA em Gestão e Negócios
UNIMEP MBA em Gestão e Negócios Módulo: Sistemas de Informações Gerenciais Aula 3 TI com foco nos Negócios: Áreas envolvidas (Parte I) Flávio I. Callegari O perfil do profissional de negócios Planejamento
Leia maisProgramação com acesso a BD. Prof.: Clayton Maciel Costa clayton.maciel@ifrn.edu.br
Programação com acesso a BD Prof.: Clayton Maciel Costa clayton.maciel@ifrn.edu.br 1 Introdução BD desempenha papel crítico em todas as áreas em que computadores são utilizados: Banco: Depositar ou retirar
Leia maisPlanejamento 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 maisMotivação: inundação de informação. Data warehouse. Inteligência computacional aplicada em finanças, comércio e indústria
Programa de Especialização em Inteligência Computacional Motivação: inundação de informação Morrendo de sede por conhecimento em um oceano de dados Inteligência computacional aplicada em finanças, comércio
Leia maisNovos desafios do Call Center como Centro de Oportunidades de Negócio
2005 Copyright - Derechos Reservados Kope Consultoria Empresarial Ltda. Novos desafios do Call Center como Centro de Oportunidades de Negócio Setembro / 2005 Alguns questionamentos que vamos tentar responder
Leia maisSistemas Integrados ASI - II
Sistemas Integrados ASI - II SISTEMAS INTEGRADOS Uma organização de grande porte tem muitos tipos diferentes de Sistemas de Informação que apóiam diferentes funções, níveis organizacionais e processos
Leia maisInteligência 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
Leia maisMódulo 4: Gerenciamento de Dados
Módulo 4: Gerenciamento de Dados 1 1. CONCEITOS Os dados são um recurso organizacional decisivo que precisa ser administrado como outros importantes ativos das empresas. A maioria das organizações não
Leia maisAlgoritmos Genéticos em Mineração de Dados. Descoberta de Conhecimento. Descoberta do Conhecimento em Bancos de Dados
Algoritmos Genéticos em Mineração de Dados Descoberta de Conhecimento Descoberta do Conhecimento em Bancos de Dados Processo interativo e iterativo para identificar padrões válidos, novos, potencialmente
Leia maisSistemas de Informação. O uso de sistemas de informações como ferramentas de gestão
Sistemas de Informação O uso de sistemas de informações como ferramentas de gestão Objetivos Impactos na gestão das empresas: Macro mudanças no ambiente Novas tecnologias de comunicação e informática Macro
Leia maisSistemas de Informação
Sistemas de Informação Prof. M.Sc. Diego Fernandes Emiliano Silva diego.femiliano@gmail.com Agenda Banco de dados Gerenciamento de banco de dados Sistemas de gerenciamento de banco de dados Como usar banco
Leia maisDado: Fatos conhecidos que podem ser registrados e têm um significado implícito. Banco de Dados:
MC536 Introdução Sumário Conceitos preliminares Funcionalidades Características principais Usuários Vantagens do uso de BDs Tendências mais recentes em SGBDs Algumas desvantagens Modelos de dados Classificação
Leia maisSISTEMAS DE INFORMAÇÃO CONCEITOS
SISTEMAS DE INFORMAÇÃO CONCEITOS 1. Sabe-se que o conceito de Sistema de Informação envolve uma série de sistemas informatizados com diferentes características e aplicações, os quais, porém, têm em comum
Leia maisUniversidade 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
Leia maisMaterial de Apoio. Sistema de Informação Gerencial (SIG)
Sistema de Informação Gerencial (SIG) Material de Apoio Os Sistemas de Informação Gerencial (SIG) são sistemas ou processos que fornecem as informações necessárias para gerenciar com eficácia as organizações.
Leia maisPós-Graduação "Lato Sensu" Especialização em Análise de Dados e Data Mining
Pós-Graduação "Lato Sensu" Especialização em Análise de Dados e Data Mining Inscrições Abertas Início das Aulas: 24/03/2015 Dias e horários das aulas: Terça-Feira 19h00 às 22h45 Semanal Quinta-Feira 19h00
Leia maisSistemas de Informação Empresarial. Gerencial
Sistemas de Informação Empresarial SIG Sistemas de Informação Gerencial Visão Integrada do Papel dos SI s na Empresa [ Problema Organizacional ] [ Nível Organizacional ] Estratégico SAD Gerência sênior
Leia maisE-business: Como as Empresas Usam os Sistemas de Informação
Capítulo 2 E-business: Como as Empresas Usam os Sistemas de Informação 2.1 2007 by Prentice Hall OBJETIVOS DE ESTUDO Identificar e descrever as principais características das empresas que são importantes
Leia maisComplemento 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 maisLaudon & Laudon Essentials of MIS, 5th Edition. Pg. 4.1
Laudon & Laudon Essentials of MIS, 5th Edition. Pg. 4.1 4 OBJETIVOS OBJETIVOS A EMPRESA DIGITAL: COMÉRCIO E NEGÓCIOS ELETRÔNICOS Como a tecnologia de Internet mudou propostas de valor e modelos de negócios
Leia maisChapter 3. Análise de Negócios e Visualização de Dados
Chapter 3 Análise de Negócios e Visualização de Dados Objetivos de Aprendizado Descrever a análise de negócios (BA) e sua importância par as organizações Listar e descrever brevemente os principais métodos
Leia maisEmentários. Disciplina: Gestão Estratégica
Ementários Disciplina: Gestão Estratégica Ementa: Os níveis e tipos de estratégias e sua formulação. O planejamento estratégico e a competitividade empresarial. Métodos de análise estratégica do ambiente
Leia maisThalita 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 maisAdministração 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 maisCom as mudanças tecnológicas e acirramento da competitivadade, Advanced Analytics tornou-se uma prioridade para as áreas de negócio
Agenda Contexto Advanced Analytics Qlik Portfolio e Advanced Analytics Teradata + Qlik + Keyrus Business Case Qlik Sense Arquitetura Técnica Qlik Sense Integração Qlik Sense & Teradata Aster Com as mudanças
Leia maisSistema de mineração de dados para descobertas de regras e padrões em dados médicos
Sistema de mineração de dados para descobertas de regras e padrões em dados médicos Pollyanna Carolina BARBOSA¹; Thiago MAGELA² 1Aluna do Curso Superior Tecnólogo em Análise e Desenvolvimento de Sistemas
Leia maisFUNDAMENTOS 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 maisEMENTAS DAS DISCIPLINAS
EMENTAS DAS DISCIPLINAS CURSO CST ANÁLISE E DESENVOLVIMENTO DE SISTEMAS INTRODUÇÃO À COMPUTAÇÃO 68 A disciplina estuda a área da informática como um todo e os conceitos fundamentais, abrangendo desde a
Leia maisSAD orientado a DADOS
Universidade do Contestado Campus Concórdia Curso de Sistemas de Informação Prof.: Maico Petry SAD orientado a DADOS DISCIPLINA: Sistemas de Apoio a Decisão SAD orientado a dados Utilizam grandes repositórios
Leia maisGESTÃO. 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
Leia maisCapítulo 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
Leia maisInteligência 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 maisFerramentas Livres de Armazenamento e Mineração de Dados
Ferramentas Livres de Armazenamento e Mineração de Dados JasperBI, Pentaho, Weka 09/2009 Eng. Pablo Jorge Madril pmadril@summa.com.br Summa Technologies www.summa.com.br Eng. Pablo Jorge Madril pmadril@summa.com.br
Leia mais