Sistemas de Informações Gerenciais. para concursos. Questões comentadas

Tamanho: px
Começar a partir da página:

Download "Sistemas de Informações Gerenciais. para concursos. Questões comentadas"

Transcrição

1 Sistemas de Informações Gerenciais para concursos Questões comentadas

2 Prefácio Atualmente estamos inseridos num contexto de extrema mutabilidade, onde a concorrência se torna cada vez mais acirrada. O mercado é global e mais sensível às mudanças e o consumidor tornar-se cada vez mais exigente em relação ao custo e à qualidade do produto e dos serviços associados. Devido à competição exaltada e à necessidade de cultivar lucros, as empresas estão transformando algumas das Tecnologias de Informação em ferramentas estratégicas para obterem sucesso no gerenciamento dos seus negócios. No cenário atual, onde os gerentes necessitam tomar decisões rápidas em resposta às adversidades que ocorrem freqüentemente em seus negócios, faz-se necessário um sistema de informação que dê suporte às suas decisões, levantando informações precisas, conáveis, oportunas e relevantes, apresentando-as em um formato facilmente compreensível. Dentro desse cenário, a Tecnologia de Informação assume um papel de grande importância ao permitir de forma rápida e simples a manipulação das informações necessárias ao gerenciamento integrado dos negócios. O Data Warehouse, em especial, oferece os fundamentos e os recursos necessários à tomada de decisão, fornecendo dados integrados e históricos a todos os níveis da organização. Como era de se esperar, os concursos de TI, sempre atentos ao cenário atual, cobram com frequência tal assunto. Este volume tem por objetivo fornecer ao candidato uma visão dos principais recursos empregados na extração de informação útil à tomada de decisão. Para tanto, o Grupo Handbook de TI selecionou uma série de questões comentadas em detalhes para você. Bons estudos, Grupo Handbook de TI Página 1 de 42

3 Direitos Autorais Este material é registrado no Escritório de Direitos Autorais (EDA) da Fundação Biblioteca Nacional. Todos os direitos autorais referentes a esta obra são reservados exclusivamente aos seus autores. Os autores deste material não proíbem seu compartilhamento entre amigos e colegas próximos de estudo. Contudo, a reprodução, parcial ou integral, e a disseminação deste material de forma indiscriminada através de qualquer meio, inclusive na Internet, extrapolam os limites da colaboração. Essa prática desincentiva o lançamento de novos produtos e enfraquece a comunidade concurseira Handbook de TI. A série Handbook de Questões de TI Comentadas para Concursos Além do Gabarito é uma produção independente e contamos com você para mantê-la sempre viva. Grupo Handbook de TI Página 2 de 42

4 Canais de Comunicação O Grupo Handbook de TI disponibiliza diversos canais de comunicação para os concurseiros de TI. Loja Handbook de TI Acesse a nossa loja virtual em Serviço de Atendimento Comunique-se diretamente conosco através do faleconosco@handbookdeti.com.br Twitter do Handbook de TI Acompanhe de perto promoções e lançamentos de produtos pelo nosso Twitter com/handbookdeti Página 3 de 42

5 1. Assuntos relacionados: Banco de Dados, Banca: CESGRANRIO Instituição: Petrobras Cargo: Analista de Sistemas - Eng. de Software Ano: 2008 Questão: 27 Há 3 cidades com 5 clientes cada, 2 cidades com 4 clientes cada e 10 produtos cadastrados no banco de dados. Se um cliente não compra o mesmo produto duas vezes no mesmo dia e nem em dois dias seguidos, a quantidade máxima de registros na tabela VENDA, para clientes de uma determinada cidade, em um intervalo qualquer de 30 dias, será (a). 300 (b). 750 (c) (d) (e) Solução: Note que um cliente não poderá comprar o mesmo produto por mais de 15 vezes em um intervalo de 30 dias, já que o intervalo mínimo entre as compras de um mesmo produto será de 2 dias. No caso máximo, qualquer cliente poderá realizar a compra de todos os 10 produtos, mas não poderá comprar um mesmo produto por mais de 15 vezes dentro do intervalo de 30 dias. Ou seja, um cliente poderá representar, no máximo, 150 (15x10) registros na tabela VENDA. As cidades que possuem mais clientes, possuem cinco clientes. Logo, no máximo, essas cidades poderão conter 750 (5x15x10) registros na tabela VENDA. Concluímos que a resposta correta é a alternativa B. A cidade que possui quatro clientes, poderá, no máximo, ser associada a 600 registros da tabela VENDA. Podemos também calcular a quantidade máxima de registros na tabela VENDA da seguinte maneira: 3x5x15x10 + 2x4x15x10 = Tal cálculo seria interessante se quiséssemos, por exemplo, dimensionar o tamanho máximo do banco de dados. Página 4 de 42

6 2. Assuntos relacionados: Sistemas de Informações Gerenciais, Banca: ESAF Instituição: Secretaria do Tesouro Nacional (STN) Cargo: Analista de Finanças e Controle - Tecnologia da Informação / Desenvolvimento de Sistemas de Informação Ano: 2008 Questão: 28 O sistema de informação utilizado pelo Governo Federal para controlar e acompanhar a execução orçamentária, patrimonial e nanceira é denominado (a). SIGPLAN. (b). SISG. (c). SIAFI. (d). SIASG. (e). SIAPE. Solução: Para identicação da resposta correta é necessário conhecer o signicado das siglas listadas. Assim, além de dizer a razão pela qual uma resposta é correta ou incorreta, o signicado das siglas e o propósito do sistema por elas representados serão apresentados. (A) INCORRETA SIGPLAN 1 é o sistema de informações gerenciais e de planejamento e contribui na elaboração, monitoramento, avaliação e revisão dos programas do Plano Plurianual. Ele foi concebido para apoiar a execução dos programas governamentais e é utilizado pelos órgãos setoriais, presidência da república, casa civil, ministérios e outras entidades. Seu objetivo é o de servir como meio de comunicação e integraçao entre as pessoas responsáveis em executar e monitorar os programas governamentais, fornecendo as informações necessárias e em tempo. Algumas de suas características mais importantes são: Acompanhamento da execução física em tempo real: por ele a administração pública federal pode realizar um efetivo gerenciamento das ações governamentais, em particular no que diz respeito ao desempenho físico; Gestão de restrições: possibilita ao gerente a antecipação e sistematização das restrições, o que facilita a mobilização e a busca por soluções por parte do governo e seus parceiros; Integração de informações: sua base de dados contém informações sobre a execução das ações, seu gerenciamento e monitoramento, e informações orçamentárias e nanceiras sobre cada programa, sendo composta de dados provenientes de diversas fontes. 1 Manual de Operação do SIGPlan, disponível em e acessado em 25/05/2010. Página 5 de 42

7 (B) INCORRETA O sistema de serviços gerais - SISG 2 não é um sistema de informação, mas o sistema que organiza as atividades de administração de edifícios públicos e imóveis residenciais, material, transporte, comunicações administrativas e documentação. Além de ser integrado pelos órgãos e unidades da Administração Federal incumbidos especicamente de executar as atividades relacionados ao sistema, os ministérios militares e o estado-maior das forças armadas poderão aplicar, no que couber, as normas pertinentes ao SISG. O SISG compreende: I. o órgão central, responsável pela formulação de diretrizes, orientação, planejamento e coordenação, supervisão e controle dos assuntos relativos a Serviços Gerais; II. os órgãos setoriais, unidades incumbidas especicamente de atividades concernentes ao SISG, nos Ministérios e órgãos integrantes da Presidência da República; III. os órgãos seccionais, unidades incumbidas da execução das atividades do SISG, nas autarquias e fundações públicas. (C) CORRETA O SIAFI 3, ou sistema de integrado de administração nanceira, é um sistema contábil que tem por nalidade realizar todo o processamento, controle e execução nanceira, patrimonial e contábil do governo federal brasileiro. Ele é gerido pela Secretaria do Tesouro Nacional, STN. Ele foi projetado com o intuito de resolver os problemas de natureza administrativa que dicultavam a adequada gestão dos recursos públicos e a preparação do orçamento unicado brasileiro. Assim, com a criação da STN, em 1986, a STN, em conjunto com o SERPRO, desenvolveu tal sistema. Após a criação do sistema, o governo federal tem uma conta única para gerir, de onde todas as saídas de dinheiro ocorrem com o registro de sua aplicação e do servidor público que a efetuou. Seus principais objetivos são o de: prover mecanismos adequados ao controle diário da execução orçamentária, nanceira e patrimonial aos órgãos da Administração Pública; fornecer meios para agilizar a programação nanceira, otimizando a utilização dos recursos do Tesouro Nacional, através da unicação dos recursos de caixa do Governo Federal; permitir que a contabilidade pública seja fonte segura e tempestiva de informações gerenciais destinadas a todos os níveis da Administração Pública Federal; padronizar métodos e rotinas de trabalho relativas à gestão dos recursos públicos, sem implicar rigidez ou restrição a essa atividade, uma vez que ele permanece sob total controle do ordenador de despesa de cada unidade gestora; 2 Decreto No 1.094, de 23 de março de Disponível em e acessado em 25/05/ Conheça o SIAFI - A História do SIAFI. Disponível em e acessado em 25/05/2010. Página 6 de 42

8 permitir o registro contábil dos balancetes dos estados e municípios e de suas supervisionadas; permitir o controle da dívida interna e externa, bem como o das transferências negociadas; integrar e compatibilizar as informações no âmbito do Governo Federal; permitir o acompanhamento e a avaliação do uso dos recursos públicos; proporcionar a transparência dos gastos do Governo Federal. (D) INCORRETA O Sistema Integrado de Administração de Serviços Gerais - SIASG 4, é um conjunto informatizado de ferramentas para operacionalizar internamente o funcionamento sistêmico das atividades inerentes ao Sistema de Serviços Gerais - SISG, quais sejam: gestão de materiais, edicações públicas, veículos ociais, comunicações administrativas, licitações e contratos, do qual o Ministério do Planejamento, Orçamento e Gestão é órgão central normativo. (E) INCORRETA O Sistema Integrado de Administração de Recursos Humanos, SIAPE 5, é um sistema online, de abrangência nacional, que constitui-se, hoje, na principal ferramenta para gestão do pessoal civil do governo federal. Como ele é realizado mensalmente o pagamento de cerca de um milhão e trezentos mil servidores ativos, aposentados e pensionistas em 214 órgãos da administração pública federal direta, instituições federais de ensino, ex-territórios, autarquias, fundações e empresas públicas. Para acesso aos dados do SIAPE, o Ministério do Planejamento, Orçamento e Gestão idealizou o SIAPEnet, aplicativo que possibilita ao servidor efetuar consultas, atualização e impressão de dados extraídos diretamente do SIAPE. 4 O que é SIASG. Disponível em e acessado em 25/05/ O que é o SIAPEnet. Disponível em e acessado em 25/05/2010. Página 7 de 42

9 3. Assuntos relacionados: Data Mining, Text Mining, Business Inteligence, Banca: FCC Instituição: TCE/CE Cargo: Analista de Controle Externo - Auditoria de Tecnologia da Informação Ano: 2008 Questão: 74 É comum um determinado órgão público receber reclamações de pessoas sobre o atendimento do serviço. As reclamações recebidas são digitadas de forma apressada em um aplicativo de computador. O administrador do órgão pretende obter informações úteis para análise das reclamações. Assim, ele solicita o apoio tecnológico para atendimento dessa demanda. A equipe então adota, acertadamente, uma solução especíca para tratamento de dados semi-estruturados (o software utiliza uma ontologia de correlação de palavras e conceitos) conhecida por (a). data mart. (b). mining de texto. (c). star schema. (d). método preditivo. (e). mining colaborativo. Solução: Text Mining (mineração de texto) é o nome dado às técnicas de análise e extração de dados a partir de textos ou frases. Alguns dos objetivos da aplicação de técnicas de text mining são a descoberta de conceitos, padrões e tendências, além da classicação e sumarização automatizada de documentos. Text Mining surgiu inspirado no Data Mining, que é uma forma de descobrir padrões em bases de dados estruturadas. O Text Mining, por sua vez, procura extrair o conhecimento útil de textos não estruturados e semi-estruturados, como artigos cientícos, textos simples, documentos de organizações, páginas da web etc. Certamente, as técnicas de text mining podem ser aplicadas para solucionar o problema relatado na questão, que se baseia na extração de informações úteis das bases de dados de reclamações sobre os serviços de atendimento. Portanto, a resposta da questão é alternativa A. As técnicas de text minig vêm sendo utilizadas em áreas de grande relevância, como biomédicas, publicidade e segurança. Na área de segurança, por exemplo, os governos de alguns países vêm utilizando as técnicas para rastrear as atividades de organizações criminosas, por meio da análise de mensagens trocadas pela Internet. Já na área de publicidade, as técnicas são vastamente utilizadas pelos programas de aliados como o adwords, do Google, que seleciona os anúncios mais relevantes a serem exibidos com base no conteúdo da página Web, que é analisado usando técnicas de text mining. Página 8 de 42

10 4. Assuntos relacionados: Data Mining, Classicação de Dados, Agrupamento de Dados, Sumarização de Dados, Modelagem de Dependência entre Dados, Banca: ESAF Instituição: Agência Nacional de Águas (ANA) Cargo: Analista Administrativo - Tecnologia da Informação e Comunicação / Desenvolvimento de Sistemas e Administração de Banco de Dados Ano: 2009 Questão: 20 Para que uma empresa efetue a análise regular de dados gerados por visitantes do seu site Web, a m de personalizar a propaganda para clientes individualmente, ela deve utilizar (a). objetos distribuídos. (b). mineração de dados. (c). processamento analítico online (olap). (d). diretório de informações. (e). sistema de informação gerencial. Solução: Uma técnica de inteligência articial que trata o problema de ltragem de dados a partir de um repositório de informação é a mineração de dados. No contexto da Web, as técnicas e modelos de mineração de dados recebem como entrada uma variedade de dados, como formulário, estruturas de sites e textos em geral. A mineração é um processo de análise de dados publicados em sites com o intuito de procurar relações comuns (padrões), além de sumarização de dados em novas formas que são compreensíveis e úteis para uma empresa. A mineração de dados pode ser empregada em empresas para ajudar a descobrir padrões e tendências referentes ao uso da Web. As etapas básicas de mineração de dados são a exploração, modelagem ou construção do conhecimento e por m a validação dos padrões encontrados. Existem varias técnicas de mineração de dados como: classicação, clustering, sumarização, modelagem de dependência. Vamos apresentar uma breve descrição sobre essas técnicas. Classicação: construção de uma função que a partir de um conhecimento previamente estabelecido consegue classicar um conjunto de dados em uma ou várias classes predenidas; Clustering: utilizado para descoberta de agrupamento de dados que possuem características em comum. Uma categoria ou classe é representada por um conjunto de característica, desta forma, ao descobrir uma coleção de dados que possuem um grau de similaridade estão encontrando um conjunto de dados pertencente a alguma categoria não conhecida; Sumarização: essa técnica é utilizada para a construção de modelos que descrevem um conjunto de dados num formato facilmente interpretado; Modelagem de dependência: técnica responsável por encontrar dependência entre características de um conjunto de dados ou entre os valores deles. Usando técnicas de mineração de dados, tais como clustering e modelagem de dependência, um usuário em particular pode estar associado a outros usuários que exibem padrões de comportamento e preferências semelhantes. Então, para esses usuários são oferecidos links especícos por pertencerem a um mesmo perl. Uma empresa nesse caso pode ofertar promoções de acordo com sua preferência, isso é obtido com base em informações fornecidas Página 9 de 42

11 pelo agrupamento de usuários. Outro exemplo é, a partir de uma escolha de comprar de um cliente, pode-se agir da seguinte forma: Clientes que compraram este livro também comprariam... listar os livros relacionados com o tema. Concluindo, a mineração de dados pode ser usada como meio de oferecer um atendimento especializado a um cliente. Portanto, a questão correta é a letra B. Página 10 de 42

12 5. Assuntos relacionados: Banco de Dados, Modelo Multidimensional, Data Mart, Data Warehouse, Banca: CESGRANRIO Instituição: Petrobras Cargo: Analista de Sistemas - Eng. de Software Ano: 2008 Questão: 28 Um datamart será montado para análise das vendas. Consultas serão feitas com base em produtos, períodos, cidades e clientes. Assinale a armação correta sobre o modelo multidimensional a ser gerado. (a). É conveniente criar uma tabela para a dimensão DATA, para evitar cálculos com datas nas consultas SQL e facilitar as consultas por intervalos semanais, mensais, anuais, e similares. (b). Nenhum atributo da tabela PRODUTO, além da chave primária, deverá constar da tabela fato. (c). Pelas especicações, CIDADE deve ser, necessariamente, uma dimensão do modelo. (d). O modelo estará necessariamente no formato oco de neve (snowake). (e). QUANTIDADE é um fato não aditivo. Solução: Um datamart pode ser conceituado como um subconjunto dos dados de uma organização que são direcionados a propósitos bem especícos ou a pequenos grupos de pessoas que os utilizam como auxílio em tomadas de decisão. Os datamarts podem ser entendidos como subconjuntos de um data warehouse. Hoje é comum que as empresas comecem a construir o seu data warehouse a partir de datamarts focados em áreas bem especícas e, assim, irem expandindo até formarem o seu data warehouse. É preciso car claro que as diferenças entre datamart e data warehouse são apenas com relação ao tamanho e ao escopo do problema a ser resolvido. Portanto, as denições dos problemas e os requisitos de dados são essencialmente os mesmos para ambos. Enquanto um datamart trata de um problema departamental ou local, um data warehouse envolve o esforço de toda a empresa para que o suporte a decisões atue em todos os níveis da organização. Sabendo-se as diferenças entre escopo e tamanho, o desenvolvimento de um data warehouse requer tempo, dados e investimentos gerenciais muito maiores que de um datamart. Vamos apresentar, agora, alguns conceitos importantes em relação a data warehouse. Denimos fato como uma coleção de itens de dados composta de medidas. Esse valor numérico é denominado de medida. Por exemplo, caso se deseje analisar se as vendas em um determinado estado estão caindo, podemos denir um fato representando as vendas totais realizadas nas cidades de um determinado estado e analisar o resultado de suas medidas ao longo do tempo. Os fatos podem ser aditivos, semi-aditivos e não-aditivos. Um fato é aditivo quando ele pode ser agregado em todas as dimensões. Por exemplo, VENDAS pode ser agregado em Página 11 de 42

13 qualquer combinação das dimensões DATA, PRODUTO e CIDADE. Um fato é semi-aditivo quando ele não pode ser agregado em pelo menos uma dimensão. Por exemplo, o número de empregados é aditivo nos diferentes departamentos da empresa, mas não o é na dimensão DATA. Um fato é não-aditivo quando não pode ser agregado em nenhuma dimensão. Uma dimensão é uma coleção de atributos textuais que descrevem os objetos da organização, e que estão altamente relacionados uns com os outros. Os atributos dimensionais são a fonte para as restrições mais interessantes nas consultas a um DW e são virtualmente a fonte para os cabeçalhos de colunas do conjunto de respostas em SQL. Por exemplo, podemos adotar CIDADE como uma dimensão. Para isso, criaríamos uma tabela dimensão em que cada registro representa uma cidade e descreve outros detalhes da cidade através de seus atributos, como o estado ao qual ela pertence, por exemplo. Um dos esquemas mais utilizados para representar um data warehouse é o esquema estrela. Esse esquema é chamado de estrela por apresentar a tabela de fatos dominante no centro do esquema e as tabelas de dimensões nas extremidades. O esquema estrela pode ser estendido de maneira que cada uma das pontas da estrela passa a ser o centro de outras estrelas. Por exemplo, a dimensão CIDADE poderia ser decomposta de maneira que haja outra tabela representando os estados e outras informações relacionadas a ele. Essa decomposição seria basicamente um processo de normalização. Vamos, agora, analisar as alternativas. A alternativa (A) está correta. Ao criarmos uma tabela dimensão DATA, podemos criar um fato que represente a soma das vendas em cada um dos dias ou em cada uma das semanas, meses ou anos. Como os valores da tabela já estão calculados, uma consulta que precise saber a quantidade de vendas em um determinado período de tempo terá um custo muito menor. A alternativa (B) está incorreta, pois no dimensionamento de um data warehouse, somos livres para denir nossos fatos. No caso especíco, um fato que só tivesse a chave primária da tabela PRODUTO não teria interesse nenhum para os negócios, pois, em geral, os fatos devem estar associados a valores que tenham representatividade, como a quantidade vendida de um determinado produto, por exemplo. O mesmo argumento dado anteriormente serve para as alternativas (C) e (D). Há algumas modelagens que são mais interessantes que outras, dependendo do objetivo que se deseja alcançar, mas não há nenhuma restrição como as indicadas nas alternativas (C) e (D) para a determinação de um modelo de data warehouse. A alternativa (E) está errada, pois QUANTIDADE nem é um fato. Página 12 de 42

14 6. Assuntos relacionados: Banco de Dados, Modelo Relacional, Data Warehouse, Modelo Multidimensional, Data Mart, ROLAP, OLAP, Banca: CESGRANRIO Instituição: Petrobras Cargo: Analista de Sistemas - Eng. de Software Ano: 2008 Questão: 66 A respeito de sistemas de informações gerenciais, são feitas as armativas a seguir. I - Uma das diferenças entre bancos de dados relacionais e multidimensionais diz respeito ao compromisso entre performance e escalabilidade: bancos de dados relacionais proporcionam consultas mais rápidas, enquanto bancos de dados multidimensionais lidam melhor com grandes quantidades de informações armazenadas. II - ROLAP se refere a um tipo de solução OLAP que utiliza um bancos de dados relacional. III - Quando um projeto inicia por datamarts departamentais especializados que mais tarde se consolidam em um data warehouse institucional, existe uma chance maior de surgirem problemas de inconsistência de metadados do que quando um data warehouse institucional dá origem a datamarts departamentais. IV - Para melhoria de performance, as tabelas em data warehouses, em geral, estão nas formas normais mais altas (considerando que 5 FN é mais alta que 1 FN). Estão corretas APENAS as armativas (a). I e II (b). I e III (c). I e IV (d). II e III (e). III e IV Solução: OLAP (Online Analytical Processing) é uma abordagem que possibilita viabilizar consultas em uma análise multidimensional de dados. O termo é usado em contraste com o termo OLTP (Online Transaction Processing), que é uma abordagem largamente utilizada em ambientes transacionais. Em um ambiente transacional, há constante entrada de dados e consultas simples. Além disso, é exigido, em um ambiente transacional, que a resposta ao usuário seja imediata. Um exemplo é quando você acessa um site de um banco: você quer fazer transferências ou conferir as transações em sua conta corrente e uma demora considerável é inaceitável. Entretanto, enquanto as abordagens OLTP são extremamente adequadas em diversas situações, elas se mostram inadequadas, em alguns casos, ao acesso às informações gerenciais como a produção de relatórios de vendas, contábeis e nanceiros. Nesse ponto, é que a abordagem OLAP é importante. Os bancos de dados que utilizam OLAP são projetados em modelos de dados multidimensionais que possibilitam executar consultas complexas em um tempo muito menor baseando-se, principalmente, em desnormalizações e em agregações. Um banco de dados OLAP pode ser armazenado de várias maneiras. Em uma arquitetura ROLAP (relacional), os dados são armazenados em banco de dados relacionais. Já em Página 13 de 42

15 uma arquitetura MOLAP (multidimensional), os dados são armazenados em cubos dimensionais, em geral em formatos proprietários, e não em banco de dados relacionais. HOLAP (híbrido) tenta combinar as vantagens de MOLAP e ROLAP, extraindo o que há de melhor de cada uma, ou seja, a alta performance do MOLAP com a melhor escalabilidade do RO- LAP. Outras siglas são utilizadas para representar arquiteturas, mas são pouco utilizadas: WOLAP (Baseado em Web), DOLAP (Desktop) e RTOLAP (Real-Time). Vamos analisar as armativas da questão: I como já foi dito, os bancos de dados relacionais podem ser utilizados para armazenar bancos de dados modelados da maneira OLAP (multidimensional). As principais motivações para esse uso é a incrível escalabilidade dos bancos de dados relacionais e a grande disponibilidade de ferramentas. Já uma arquitetura MOLAP (multidimensional) é construída, de forma otimizada, em estruturas de dados que possibilitam a melhoria de desempenho em consultas. Ou seja, a armação está incorreta, pois arma justamente o contrário; II é verdadeira, como já explicado acima; III é verdadeira, pois quando uma empresa guia o projeto de forma centralizada e com políticas estabelecidas, ela diminuirá as chances de problemas de inconsistência em metadados. Caso contrário, cada departamento terá sua forma de pensar sobre a criação de metadados e dicultará a integração no futuro; IV a armativa está incorreta, pois um dos principais recursos utilizados em um OLAP para aumentar o desempenho é a desnormalização das tabelas. A desnormalização é utilizada para diminuir o custo com operações de junções (joins) entre tabelas. Página 14 de 42

16 7. Assuntos relacionados: Data Warehouse, Banco de Dados, Data Mining, Business Inteligence, On-line Analytical Processing, On-Line Transaction Processing, Banca: FCC Instituição: TRT 2a Região Cargo: Analista Judiciário - Tecnologia da Informação Ano: 2008 Questão: 37 No âmbito do OLAP, grácos de produtos são generalizações da estrutura de... apresentada por HRU (Harinarayan, Rajaraman e Ullman), na qual as dimensões podem ter hierarquias associadas. Preenche corretamente a lacuna: (a). tabela. (b). roll-up. (c). data mart. (d). hipercubo. (e). drill-down. Solução: Antes de partirmos para a solução da questão, faremos uma breve revisão sobre On-line Analytical Processing (OLAP). O uso da tecnologia da informação possibilitou o armazenamento de grande volume de dados em meio magnético, gerando a necessidade de recuperá-los e analisá-los. As aplicações On-Line Transaction Processing (OLTP) são estruturadas e repetitivas, que manipulam transações curtas, atômicas e isoladas, atendendo apenas a manipulação de dados operacionais, o que não era suciente para apoiar o usuário na tomada de decisões estratégicas. A partir dos requisitos dos usuários e de tecnologias existentes, foram elaborados conceitos e desenvolvidas soluções que alavancassem o processo de Business Inteligence (BI). A primeira das soluções foi a linguagem APL, base utilizada no desenvolvimento de aplicações On-line Analytical Processing (OLAP). Como o armazenamento dos dados para atender às necessidades destas aplicações não seria solucionado por bancos de dados relacionais, novos conceitos de armazenamento de informações foram implementados através de bancos de dados nomeados de Data Warehouse (DW). Além do suporte para a tomada de decisão estratégica, surgiu a necessidade de aplicação de heurística para obter informações que direcionem o futuro dos negócios, e estas estão sendo implementadas através de ferramentas de Data Mining (DM). A aplicação OLAP soluciona o problema de síntese, análise e consolidação de dados, pois é o processamento analítico online dos dados. Tem capacidade de visualizações das informações a partir de muitas perspectivas diferentes, enquanto mantém uma estrutura de dados adequada e eciente. A visualização é realizada em dados agregados, e não em dados operacionais porque a aplicação OLAP tem por nalidade apoiar os usuários nais a tomar decisões estratégicas. Os dados são apresentados em termos de medidas e dimensão, a maior parte das dimensões é hierárquica. Página 15 de 42

17 Para melhor enfatizar a diferença entre sistemas OLPT e OLAP, consideremos o escopo bancário. Neste escopo, as aplicações bancárias utilizadas diariamente no controle de contas correntes, na qual são efetuados saques ou depósitos pelos correntistas, compõem um exemplo típico de sistema de OLTP. O interesse destes usuários é criar, atualizar e recuperar informações sobre registros individuais. Já para o Gerente de Conta Correntes os requisitos de uso de informações dos dados das contas têm por nalidade a análise global de contas correntes com diversas visões. Por exemplo, o Gerente de Contas pode requerer uma análise sobre o desempenho de contas correntes que tenham cheque especial e tenham utilizado o valor máximo dos mesmos em um determinado período de tempo em algumas regiões. Obter a resposta a esta consulta mais complexa fazendo uso de ferramentas relacionais padrão, não fornece solução requerida, pois estas ferramentas nunca pretenderam fornecer poderosas funções de síntese, análise e consolidação de dados. Após esta breve revisão sobre OLAP, partimos para a solução da questão. HRU (Harinarayan, Rajaraman e Ullman) introduziram a possibilidade de gerar um cubo utilizando outros, evidenciando as relações de dependência existentes ou lattice de dependências (lattice de dependências é um conjunto de todas as agregações possíveis e respectivas dependências). Em linhas gerais, as dimensões de um cubo de dados proposto por HRU consiste em mais de um atributo. Essas dimensões são organizadas como hierarquias desses atributos. Um exemplo simples para melhor entendimento destas hierarquias pode ser observado na organização do tempo, levando-se em conta as dimensões: dia, semana, mês e ano. Quando possuímos mais de 3 (três) dimensões, chamamos de hipercubo. Portanto a alternativa D é a CORRETA. Somente a título de curiosidade, saiba que o enunciado desta questão foi retirado de um trecho dá página 176 do livro Database Modeling & Design (Product graph are a generalization of the hypercube lattice structure introduced by Harinarayan, Rajaraman and Ullman, where dimensions may have associated hierarchies.). Apenas para complementar ainda mais a solução da questão, elucidamos abaixo qualquer dúvida sobre dimensão, cubo, roll-up, data mart e drill-down (não há necessidade de explicar o signicado de tabela): dimensão: unidade de análise que agrupa dados de negócio relacionados. As dimensões se tornam cabeçalho de colunas e linhas, como exemplo linhas de produto, regiões de venda ou períodos de tempo; cubo: trata-se de uma estrutura que armazena os dados de negócio em formato multidimensional, tornando-os mais fácil de analisar; roll-up: a operação de roll-up permite realizar agregações ao subir na hierarquia de uma dimensão. Por exemplo, uma operação que agrega os dados subindo na hierarquia do nível cidade para o nível país; data mart: são Data Warehouses departamentais focados em um determinado assunto (por exemplo, um data mart de mercado poderia incluir clientes, produtos e informações de venda), permitindo, assim, uma boa visão de determinados aspectos da organização, embora não contenham todas as informações da organização como um todo; drill-dow: a operação de drill-down é inversa à operação de roll-up, permitindo passar de um nível de menor detalhe para um nível de maior detalhe. Por exemplo, uma operação que desagrega os dados descendo na hierarquia do nível país para o nível cidade. Página 16 de 42

18 8. Assuntos relacionados: ERP, Banca: Cesgranrio Instituição: BR distribuidora Cargo: Analista de Sistemas - Desenvolvimento Ano: 2008 Questão: 64 Os módulos de Contas a Pagar, Contas a Receber, Faturamento e Contabilidade compõem, tipicamente, tipo de sistema (a). CRM analítico (b). Data Warehouse (DW) (c). ERP (d). ECM (e). BSC Solução: Os sistemas de ERP - Enterprise Resource Planning - visam à integração entre todos os setores produtivos da empresa, conectando-os através de processos bem denidos, onde cada um tem suas responsabilidades bem delimitadas e o negócio é visto todo sob a perspectiva dos processos que o regem. Para atingir esse objetivo, sistemas de ERP conectam, geralmente em uma solução única, vários módulos aplicativos das diversas áreas da empresa. Assim, um típico sistema ERP integra os módulos de contas a pagar, contas a receber e vários outros. Como seu enfoque são os processos, o sistema também deve prever módulos de RH para administração de pessoal, módulos de controle de estoque e, na losoa mais recente, módulos voltados à modelagem dos processos da empresa e integração automática desses esses módulos de acordo com os uxos dos processos mapeados. Os grandes desenvolvedores de soluções ERP no mercado atual são a SAP e a Oracle. Há diversas outras empresas que também fornecem soluções interessantes, além de opções em software livre. De acordo com a explicação, a resposta correta à questão é a letra (C). Entretanto, para entendermos ao menos a ideia básica dos demais itens elencados nas outras opções, vejamos de forma rápida suas denições: CRM analítico: ferramentas de CRM - Customer Relationship Management - dirigemse ao trato das informações no relacionamento das empresas com seus clientes. Há dois tipos básicos de CRM: o operacional e o analítico. O CRM operacional é voltado para o registro de toda interação entre cliente e empresa. O CRM analítico pode ser encarado como um subconjunto de ferramentas de BI (Business Intelligence) voltadas para a análise dos dados coletados pelo CRM Operacional. De acordo com o documento CRM Operacional, disponível no site A parte incluída no CRM Analítico visa aqui aferir métricas operacionais, geralmente ligadas a custo e performance, que nada mais são do que análise de cubos para vericar, por exemplo, hits na webstore por campanha, vendas por hits, percentual de acerto por chamado ativo, custo/ticket médio por chamado, etc. Data Warehouse (DW): o mote dos sistemas de DW é a consolidação de dados operacionais, geralmente extraídos de sistemas OLTP (On Line Transaction Processing - sistemas de processamento online de informações) corporativos, gerando dados Página 17 de 42

19 analíticos que servirão de base em decisões estratégicas de negócio. Nesses sistemas, os dados são trabalhados de forma a expressar a informação necessária ao corpo diretor da empresa, agregando informação de diferentes sistemas da empresa. A manipulação desses dados dá origem aos cubos, que são elementos que permitem enxergar os dados a partir de diversas perspectivas atinentes ao negócio. A subtração de dados de uma área especíca é conhecida como Data Mart. Os Data Marts dão direções sobre um departamento ou um produto da empresa. Em última análise, podemos considerar que a união de todos os Data Marts de uma empresa gera seu Data Warehouse. ECM: Enterprise Content Management é o nome dado aos sistemas que têm por vocação armazenar, em formato digital, os documentos - tanto os digitalizados de papel quanto os naturalmente eletrônicos - de uma empresa e permitir o acesso a eles de forma rápida e precisa. Estes sistemas armazenam, além dos documentos em si, os dados mais relevantes destes, de forma a tornar a pesquisa de documentos algo simples e de fácil acesso a todos que deles precisem. BSC: Balanced Scorecard é uma metodologia disponível e aceita no mercado desenvolvida pelos professores da Harvard Business School, Robert Kaplan e David Norton, em Os passos dessa metodologia incluem: denição da estratégia empresarial, gerência do negócio, gerência de serviços e gestão da qualidade; passos estes implementados através de indicadores de desempenho. A ideia é, utilizando informações dos diversos sistemas OLTP da empresa, gerar indicadores voltados não apenas aos aspectos nanceiros, mas ao negócio da empresa como um todo: clientes, processos internos, nanceiro e aprendizado e crescimento, conforme ilustra a Figura 1. Figura 1: visão estratégica do BSC. Página 18 de 42

20 9. Assuntos relacionados: Data Warehouse, On-line Analytical Processing, Banca: Cesgranrio Instituição: Petrobras Cargo: Analista de Sistemas - Processos de Negócio Ano: 2008 Questão: 27 Em um banco de dados multidimensional, os dados estão conceitualmente armazenados e organizados em (a). classes e objetos. (b). cubos e hipercubos. (c). partições e índices. (d). consultas materializadas e sumários. (e). estrelas e constelações. Solução: Com a crescente quantidade de dados disponíveis, o recurso a data warehouses torna-se cada vez mais necessário e frequente. Apesar disso, o conceito de data warehouse não tem uma denição única. Normalmente, o termo é utilizado para se referir a uma base de dados que é mantida separada da base de dados operacional de uma organização e que está integrada com vários sistemas que permitem efetuar o processamento e análise dos dados. Uma das denições mais usadas defende que a data warehouse é um conjunto de dados organizados em torno de um determinado tópico, resultante da integração de diferentes fontes de dados, mantidos de forma persistente e que expressa uma perspectiva histórica desses dados. Esta separação entre a base de dados operacional e a data warehouse promove a eciência e desempenho de cada um dos sistemas, levando-se em conta os diferentes ns a que se destina. A principal função das bases de dados operacionais é a realização de transações online e processamento de consultas (queries), sendo esse conjunto de operações conhecido como processamento de transações online (online transaction processing - OLTP). Em oposição, as data warehouses têm por objetivo servir de suporte à análise de dados e tomada de decisões, pelo que sobre elas são realizados outros tipos de operações. Normalmente, tratam-se de operações que manipulam grandes quantidades de dados históricos, permitindo a realização de sumarizações e agregações e a gestão de informação em diferentes níveis de granularidade. A este tipo de operações dá-se o nome de processamento analítico online (online analytical processing - OLAP). De uma forma genérica, uma data warehouse é composta por uma tabela de fatos, onde se encontram os dados que podem ser objeto de análise, e tabelas de dimensões, que armazenam os dados sobre as perspectivas segundo as quais os fatos podem ser analisados. Tanto as data warehouses como as operações OLAP são baseadas no modelo multidimensional, em que os dados são visualizados sob a forma de um cubo. Um cubo é denido por um conjunto de dimensões e de fatos. De uma forma genérica, as dimensões são as perspectivas ou entidades em relação às quais os fatos se referem. Por exemplo, uma empresa pode manter uma data warehouse de vendas como forma de manter registros sobre as suas vendas no que se refere aos itens vendidos, à lial em que foram vendidos e à data de venda. Cada dimensão pode estar associada a uma tabela que pormenoriza a sua descrição. Quanto aos fatos, estes são medidas numéricas correspondentes ao principal objetivo da data warehouse, no nosso exemplo, o número de unidades Página 19 de 42

21 vendidas ou o volume total de vendas em dinheiro. A m de melhor esclarecer este conceito, considere as quatro tabelas apresentadas na Figura 2, que representam a informação sobre as vendas de uma determinada organização apresentada em função do tempo (Tempo), do tipo de item vendido (Item) e da cidade (Localização) em que a venda foi feita. Figura 2: volume de vendas em função do tempo, tipo de item e localização (gura retirada do livro Data Mining: Concepts and Techniques). As tabelas acima equivalem conceitualmente ao cubo 3D da Figura 3. Supondo que se pretendesse adicionar outra dimensão, designada como Fornecedor, à informação das tabelas acima, obter-se-ia um cubo 4D, o que não é trivial de representar ou visualizar. Quando um cubo de dados tem mais de três dimensões ele é chamado de hipercubo e para visualizar os dados em um hipercubo é preciso recorrer a outros tipos de representação (modelos Star e Snowake). Portanto, a alternativa B é a correta. Página 20 de 42

22 Figura 3: representação sob a forma de cubo 3D das tabela acima (gura retirada do livro Data Mining: Concepts and Techniques). Página 21 de 42

23 10. Assuntos relacionados: Banco de Dados, Modelagem Multidimensional, Modelo Relacional, Banca: Cesgranrio Instituição: Petrobras Cargo: Analista de Sistemas Pleno - Processos Ano: 2006 Questão: 44 Considerando os modelos multidimensionais de bancos de dados de sistemas de informações gerenciais e modelos relacionais utilizados em sistemas operacionais, é correto armar que: (a). tanto modelos de sistemas operacionais quanto modelos multidimensionais apresentam uma visão consolidada dos dados. (b). modelos multidimensionais usualmente possuem esquemas mais complexos que os dos modelos relacionais utilizados nos sistemas que processam transações on-line. (c). embora bases de dados multidimensionais sejam voltadas para sistemas com menos usuários que os sistemas de processamento de transações on-line (operacionais), devem estar projetadas para que cada usuário acesse um número de linhas muito maior, em cada uma de suas operações, do que fazem os usuários dos sistemas operacionais. (d). ambos os modelos visam a manter um histórico completo das operações realizadas, no mesmo nível de detalhe. (e). a taxa de realização de transações de atualização, pelos usuários, nos sistemas operacionais é extremamente menor do que a existente nos sistemas de informações gerenciais. Solução: Os sistemas de bancos de dados podem ser didaticamente classicados de acordo com as estruturas de dados e os operadores que apresentam. Assim, tem-se os sistemas de lista invertida, os sistemas hierárquicos e os sistemas em rede (todos pré-relacionais); os sistemas relacionais, os sistemas objeto-relacionais, os sistemas multidimensionais, os sistemas baseados em lógica e os sistemas semi-estruturados, dentre outros. Os sistemas relacionais baseiam-se em uma teoria formal conhecida como modelo relacional, segundo a qual os dados são representados por linhas em tabelas. Os modelos relacionais, em geral, são utilizados em sistemas operacionais de bancos de dados (também conhecidos como Sistemas OLTP Online Transactional Processing Sistemas de Processamento de Transações On-line), isto é, sistemas que normalmente têm exigências estritas de desempenho, cargas de trabalho previsível, pequenas unidades de trabalho e utilização elevada em termos de quantidade de usuários (por exemplo, um banco de dados de Departamento e Empregados). Os sistemas de informações gerenciais (também conhecidos como sistemas de decisões gerenciais ou, ainda, sistemas de apoio à decisão) são sistemas que ajudam na análise de informações de negócio. Podem ser implementados em sistemas de bancos de dados, por exemplo, através de data warehouse, data mart, depósito de dados operacionais, processamento analítico on-line (OLAP), bancos de dados multidimensionais e mineração de dados. Um banco de dados multidimensional é aquele no qual os dados estão armazenados logicamente nas células de um array multidimensional. O OLAP (Online Analytical Processing Página 22 de 42

24 Processamento Analítico On-line) é o processo interativo de criar, gerenciar, analisar e gerar relatórios sobre estes dados multidimensionais. Dada a nalidade de apoio a decisões, normalmente os sistemas de banco de dados multidimensional têm requisitos de desempenho variáveis, cargas de trabalho imprevisíveis, grandes unidades de trabalho e utilização irregular por parte dos usuários (relativamente baixa, quando comparada à utilização de sistemas operacionais). Diferentemente dos bancos de dados operacionais, os bancos de dados de apoio à decisão geralmente envolvem dados históricos detalhados, já que as decisões envolvidas normalmente consideram estatísticas e tendências baseadas em registros de atividades anteriores (históricos). Além disso, os sistemas multidimensionais buscam apresentar uma visão consolidada dos dados, facilitando, desta forma, a tomada de decisões que requerem o cruzamento de diversas informações armazenadas, o que não ocorre em modelos operacionais. A assertiva (A) está incorreta, conforme comentário nal do parágrafo anterior. A arquitetura de um banco de dados é composta por três níveis: interno, conceitual e externo. Este último refere-se a visão que os usuários nais têm do banco (por exemplo, os dados que são retornados para uma aplicação escrita em Java). Os dois primeiros níveis são descritos por esquemas interno (ou físico) e conceitual (ou lógico), respectivamente. Tais descrições se dão com o uso de DDLs (Data Denition Language Linguagem de Denição de Dados). A DDL interna, que descreve o esquema interno do banco, dene os diversos tipos de registros armazenados, especica quais índice existem, como os campos armazenados estão representados, em que sequência física os registros estão armazenados, e assim por diante. A DDL conceitual, por sua vez, inclui denições de cada um dos vários tipos de registros conceituais (as tabelas de um modelo relacional, por exemplo). Essas denições têm por nalidade adicional, denir restrições de segurança e de integridade. Para atingir a independência física dos dados, as denições de DDL conceitual não devem envolver quaisquer considerações sobre a representação física ou a técnica de acesso. Assim, denir o esquema conceitual de um modelo relacional e de um modelo multidimensional não difere em termos de complexidade. Conclui-se, portanto, pela inexatidão da sentença da letra (B). Conforme explanado anteriormente, as bancos de dados multidimensionais possuem grandes unidades de trabalho (isto é, cada usuário acessa um número grande de linhas de dados), e, portanto, devem ser projetados visando atender satisfatoriamente tal demanda. A situação é invertida quando o projeto é de bancos de dados operacionais, pois, apesar do maior número de usuários, suas unidades de trabalho são bem menores. A letra (C) está correta ao apresentar tais conceitos. A letra (D) está incorreta, pois apenas os modelos de bancos de dados multidimensionais têm como característica preponderante a manutenção de históricos completos e detalhados das operações realizadas, haja vista sua função principal de gerar relatórios com base em estatísticas de transações anteriores. Por lidar, em geral, com dados históricos, os bancos de dados de sistemas de informações gerenciais tendem a não sofrer atualizações em suas bases de dados, caracterizando-se por serem principalmente (mas, não exclusivamente) somente leitura. Assim, a letra (E) está incorreta. Página 23 de 42

25 11. Assuntos relacionados: Banco de Dados, Sistemas de Informações Gerenciais, Data Warehouse, Modelagem de Dados, Modelagem Multidimensional, Modelo Estrela, Banca: Cesgranrio Instituição: Petrobras Cargo: Analista de Sistemas Pleno - Processos Ano: 2006 Questão: 45 Bases de dados de sistemas de informações gerenciais são projetadas, muitas vezes, em um esquema denominado estrela que: (a). é uma arquitetura física que permite denir somente estruturas unidimensionais de dados. (b). é composta por uma tabela central, denominada de dimensão, e várias tabelas periféricas a ela relacionadas, denominadas fatos. (c). apresenta tabelas periféricas que se encontram desnormalizadas. (d). faz com que a expansão e a evolução da base de dados necessite de grande atividade de manutenção. (e). é um esquema onde o número de junções realizadas é relativamente maior que o realizado em bases de dados relacionais convencionais. Solução: Um datawarehouse (também conhecido como armazém de dados) é um sistema de computação utilizado para armazenar informações relativas às atividades de uma organização em um banco de dados de forma consolidada. O desenho da base de dados dos datawarehouses favorece a geração de relatórios, a análise de grandes volumes de dados, e a obtenção de informações estratégicas que podem facilitar a tomada de decisão. Os datawarehouses são, portanto, a base dos sistemas de informações gerenciais. A técnica de modelagem de dados utilizada para a implementação de datawarehouses é conhecida como Modelagem Multidimensional de Dados. Logo, a alternativa A está errada. O principal objetivo da modelagem multidimensional de dados é facilitar a compreensão do estruturamento dos dados armazenados, tanto para desenvolvedores quanto para os usuários do sistema. Neste tipo de modelo existem três elementos básicos: os fatos, as dimensões e as medidas. Os Fatos são uma coleções de itens de dados compostos de dados de medidas e de contexto. O fato reete a evolução dos negócios do dia-a-dia, e é representado por valores numéricos. Os fatos são armazenados nas chamadas tabelas de fato, que são as tabelas centrais dos modelos dimensionais. As Dimensões são os elementos que participam de um fato. Elas determinam o contexto de um assunto de negócios. As dimensões, normalmente, não possuem valores numéricos, sendo somente descritivas e classicatórias dos elementos que participam de um fato. Um datawarehouse que analisa vendas de um produto (fato) poderia ter as seguintes dimensões, por exemplo: tempo, localização, clientes, vendedores. Os dimensões são armazenadas nas chamadas tabelas de dimensão, que são as tabelas periféricas dos modelos dimensionais. Página 24 de 42

26 Logo, a alternativa B está errada, pois a tabelas centrais do modelo são as tabelas de fatos, e não as tabelas de dimensões. Por m, temos as Medidas. As Medidas (ou Variáveis) são os atributos numéricos que representam um fato, e é sobre eles que são feitas as análises do negócio. Medidas são, por exemplo, o valor em reais das vendas e a quantidade de unidades vendidas. Feita esta breve introdução sobre os conceitos primários do modelo multidimensional, vamos agora conhecer os dois modelos dimensionais básicos, que são o Modelo Estrela e o Modelo Floco de Neve. No modelo estrela existe uma tabela dominante no centro do esquema, chamada tabela de fato (fact table), que possui múltiplos relacionamentos para as tabelas periféricas, chamadas tabelas de dimensão (dimension tables). O modelo Floco de Neve é bem semelhante ao modelo estrela. A única diferença entre eles é que, no modelo Floco de Neve, as tabelas de dimensão são normalizadas, dando origem a uma hierarquia de dimensões. As guras 4 e 5 ilustram os modelos estrela e oco de neve, respectivamente. Figura 4: Modelo Estrela. Figura 5: Modelo Floco de Neve. Um aspecto importante sobre os modelos estrela e oco de neve é que ambos também são favoráveis ao desempenho nas consultas. Tal obetivo é alcançado pela menor quantidade de operações de junção que o SGBD precisa realizar para responder a consultas complexas. No modelo estrela isso é ainda mais evidente, visto que não há hierarquias de dimensões e, consequentemente, uma menor quantidade de relacionamentos entre as tabelas. Com isso, Página 25 de 42

27 a alternativa E também está errada. A alternativa D está errada pelo fato de os bancos de dados desse tipo, destinam-se, primordialmente a realização de consultas. Muito embora sejam necessárias cargas de dados periódicas e em grandes volumes, comparativamente aos bancos de dados dos sistemas transacionais, os bancos de dados dos datawarehouses exigem menos manutenção. Portanto, a resposta correta é alternativa C. Página 26 de 42

28 12. Assuntos relacionados: Modelagem de Negócio, Modelagem Multidimensional, Banca: Cesgranrio Instituição: Petrobras Cargo: Analista de Sistemas Pleno - Processos Ano: 2006 Questão: 46 Sobre o processo de modelagem multidimensional, assinale a armação INCORRETA. (a). Busca-se obter um modelo que possibilite a realização, pelos usuários, de grandes quantidades de operações de atualização dos dados. (b). A denição dos fatos em um modelo pode ser obtida através da identicação da resposta à pergunta o que está sendo medido?. (c). A identicação de padrões de acesso pode levar a realização de pré-sumarizações (pré-agregação) dos dados, de forma a acelerar à realização de consultas. (d). As dimensões, usualmente, estão relacionadas com as respostas a perguntas como: quando?, o que?, onde? e quem?. (e). O modelo multidimensional é orientado a assuntos. Solução: (A) ERRADA A modelagem multidimensional (MM) é uma técnica de projeto lógico que busca apresentar os dados em um padrão, para permitir a recuperação adequada e exível dos dados. A MM supera os modelos complexos, denindo como o usuário terá acesso à informação. A modelagem multidimensional deve ser muito mais próxima de como os usuários pensam sobre a informação. Deve resolver quaisquer ambiguidades semânticas que estão no modelo de negócio. Concluindo, a modelagem multidimensional facilita a realização de consultas por usuários não-técnicos, acelerando o desempenho destas consultas. (B) CORRETA Os fatos são uma coleção de dados de medidas, normalmente representados por dados numéricos. Estes dados numéricos são as medições relativas ao negócio da empresa. Na modelagem multidimensional a tabela de fatos é responsável pelo armazenamento das medidas numéricas do negócio. Cada fato representa um item, uma transação ou um evento de negócio que é utilizado na análise de uma organização. (C) CORRETA A modelagem multidimensional é uma forma de modelagem de dados conceitual voltada para concepção e visualização de conjuntos de medidas que descrevem aspectos comuns de um determinado assunto. É utilizada especialmente para sumarizar e reestruturar dados, apresentando-os em visões que suportem a análise dos valores envolvidos. A modelagem multidimensional é projetada para coletar, padronizar e sumarizar os dados gerados pelos diversos sistemas de uma empresa com a nalidade de disponibilizar informação a partir da realização de consultas. Página 27 de 42

29 (D) CORRETA As tabelas dimensões são os elementos que participam de um fato, assunto ou negócio. As dimensões determinam um contexto de um assunto de negócios. Por exemplo, em um banco de dados que analisa as vendas de produtos, as dimensões que participam desse fato vendas (o que?) geralmente são: Tempo (quando?), Localização (onde?), Cliente e Vendedores (quem?). Dimensões não possuem valores numéricos, pois são descrições textuais dos elementos que participam de um fato. As dimensões são possíveis formas de visualização dos dados. (E) CORRETA A modelagem multidimensional é uma técnica de concepção e visualização de um modelo de dados de um conjunto de medidas que descrevem um assunto de negócio. Sua utilização ajuda na sumarização e reestruturação dos dados e apresenta visões que suportam a análise dos valores destes dados. As dimensões são elementos que participam de um assunto de negócios, são os pontos de vista pelos quais serão feitas as análises dos fatos. Cada dimensão faz parte de um fato e, normalmente, não existem valores quantitativos dentro das tabelas das dimensões, apenas atributos descritivos (assuntos), devido ao fato que elas são usadas para a classicação dos fatos. Portanto, a resposta incorreta é alternativa A. Página 28 de 42

30 13. Assuntos relacionados: Data Warehouse, Modelagem Multidimensional, Modelo Estrela, Banca: Cesgranrio Instituição: Petrobras Cargo: Analista de Sistemas Júnior - Processos de Negócio Ano: 2008 Questão: 26 A empresa passou a sortear cupons de desconto para alguns clientes, os quais dão direito a um desconto nas compras em uma determinada data. A informação sobre que clientes possuem cupons para que datas é mantida de forma independente e consolidada no processo de extração, transformação e carga, resultando em um campo, na tabela fato, indicando se a venda foi realizada com o desconto ou não. A solução parecia atender bem às demandas dos usuários do data warehouse, até que um deles tentou realizar uma consulta para saber quais clientes não haviam realizado compras, mesmo tendo um cupom de desconto para a data. Este tipo de demanda tipicamente será resolvido introduzindo, no data warehouse, uma (a). tabela de fatos complementares (complimentary fact table). (b). tabela de fatos sem dimensão (dimensionless fact table). (c). tabela de fatos sem fatos (factless fact table). (d). dimensão multivalorada (multivalued dimension). (e). dimensão degenerada (degenerated dimension). Solução: A força do data warehouse dentro das empresas está na organização e na entrega de dados que apóiem o processo de tomada de decisão. O data warehouse é a implementação física de um modelo de apoio a decisões, que disponibiliza à empresa as informações necessárias à tomada de decisões estratégicas. Podemos vê-lo como um repositório de dados com as seguintes características: baseado em assuntos: o data warehouse está organizado de maneira que descreve o desempenho dos negócios; integrados: os dados são organizados para fornecer uma fonte única; variáveis em relação ao tempo: o desempenho de negócio é medido em pontos cronológicos; não-voláteis: sugere que os dados, uma vez inseridos no data warehouse, não devem mudar (lembre-se que o conteúdo dos bancos de dados operacionais muda cada vez que uma transação é processada); Um data warehouse suporta análise de negócios e tomada de decisões através da integração de dados (planilhas e arquivos) procedentes de diversos sistemas em uma base de dados consolidada (onde as informações são unicadas e padronizadas em um mesmo local). Em outras palavras, o data warehouse é uma base de dados projetada especicamente para atender às necessidades de tomada de decisão, em vez de atender aos sistemas de processamento de transações. Ao chegar neste ponto, a seguinte dúvida pode surgir na cabeça do leitor: como realizar o projeto lógico de um data warehouse? Bom, o projeto pode ser realizado tanto através da modelagem entidade-relacionamento quanto pela modelagem dimensional, mas aqui abordaremos apenas a última. Página 29 de 42

31 A modelagem dimensional é a técnica de projeto lógico de banco de dados mais usada no desenvolvimento de data warehouses. Um modelo dimensional é composto por uma tabela central com uma chave composta, denominada tabela de fatos, e um conjunto de tabelas menores conhecidas como tabelas de dimensão, que possuem chaves simples (formadas por uma única coluna). Na verdade, a chave da tabela de fatos é uma combinação das chaves das tabelas de dimensão. Nesta modelagem, o relacionamento das informações pode ser representado como um cubo. Desta forma, podemos fatiar este cubo e aprofundar em cada dimensão ou eixo para extrair mais detalhes sobre os processos internos que ocorrem na empresa, detalhes estes que seriam difícieis de serem extraídos e analisados em um modelo relacional. Mas, neste escopo, o que seriam dimensão e tabela de fatos? Uma dimensão é uma coleção de atributos textuais que são altamente correlacionados entre si. Em uma base de dados de varejo são comuns dimensões como produto, armazém, cliente, promoção e tempo. Já a tabela de fatos sintetiza o relacionamento existente entre as diversas dimensões. Isto ocorre porque a chave da tabela de fatos é a associação das chaves primárias das tabelas de dimensões. Geralmente este tipo de tabela possui um ou mais fatos numéricos que ocorrem na combinação de chaves que dene cada registro. No caso da empresa em questão, um projetista de data warehouse visualizaria as informações presentes no enunciado como um hipercubo (cubo com mais de três dimensões, o que é impossível de desenhar gracamente) que pode ser descrito com as seguintes dimensões: Tempo: usada por quase todos data warehouse. Deve ter detalhes sobre o calendário para que facilite pesquisas estratégicas, então a dimensão tempo não deve ter somente a data em que o produto foi vendido, mas deve conter informações como dia no mês, dia na semana, número do dia na semana, mês, número do mês no ano, ano, etc.; Cliente: descreve cada cliente da empresa (código do cliente, CPF, nome, cidade); Produto: descreve cada unidade em estoque na empresa (código produto, descrição do produto, preço); Cidade: descreve cada cidade em que a empresa está presente (código cidade, estado, cep); Promoção: descreve as condições de promoção sob as quais um produto foi vendido (código da promoção, código do cliente sorteado, data da promoção, valor do desconto presente no cupom). Por causar mudanças nos padrões de vendas, esta dimensão é chamada de causal. Este hipercubo pode ser representado pelo Modelo Estrela (Star Schema), onde todas as tabelas relacionam-se diretamente com a tabela de fatos, sendo assim as tabelas dimensionais devem conter todas as descrições que são necessária para denir uma classe como Produto, Tempo, Cliente, Cidade ou Promoção nela mesma, ou seja, as tabelas dimensão não são normalizadas no modelo estrela, então os campos contêm suas descrições repetidas em cada registro (obviamente, isto aumenta o tamanho das tabelas de dimensão). O enunciado dexia claro que a empresa passou a sortear cupons e que a informação sobre que clientes possuem cupons para que datas é mantida de forma independente e consolidada no processo de extração, transformação e carga, resultando em um campo, na tabela fato. O que isso signica? Signica que já existia uma tabela de fatos com uma granularidade Página 30 de 42

32 primária, composta pelas chaves da dimensão Cliente, Produto, Cidade e Tempo (veja a Figura 6) e que a nova dimensão Promoção irá somente inserir uma nova chave na tabela fato existente, como podemos observar na Figura 7. Figura 6: esquema relacional com estrutura em Estrela para o data warehouse da empresa (ainda sem a promoção). Figura 7: esquema relacional com estrutura em estrela representando a adição da quinta dimensão (Promoção). Assim, cada registro (linha) da tabela de fatos representará a quantidade de um produto que foi vendida com (ou sem) desconto para um cliente especíco, em uma determinada cidade e numa data especíca. Note que um novo registro somente é inserido na tabela da fatos quando algo ocorre, porém, a existência de uma dimensão causal frequentemente estimula a pergunta: o que não aconteceu?. Por exemplo, quais clientes tinham o cupom desconto, válido para uma determinada data, e não realizaram compras? Mesmo com a dimensão causal, você não pode responder a esta questão com a tabela de fatos que armazena o que aconteceu. Uma tabela de fatos companheira, chamada tabela de cobertura, é necessária neste caso. A diferença entre a tabela de fatos de cobertura e a tabela de fatos primária (que contém fatos) forence a resposta. Esta diferença recebe o nome de tabela de fatos sem fatos (Factless Fact Tables). Página 31 de 42

33 Portanto, a alternativa C está correta. Apenas para complementar o comentário da questão, saiba que as tabelas expressas nas alternativas A e B não fazem parte do escopo de data warehouse. Em um data warehouse, uma dimensão multivalorada (alternativa D) é uma dimensão que possui atributos que podem assumir mais de uma valor simultaneamente, já uma dimensão degenerada (alternativa E) é uma dimensão que é derivada da tabela de fatos e não tem sua tabela própria dimensão (são dimensões vazias, isto é, sem atributos). Página 32 de 42

34 14. Assuntos relacionados: Banco de Dados, Data Warehouse, OLAP, Banca: Cesgranrio Instituição: Petrobras Cargo: Analista de Sistemas Júnior - Processos de Negócio Ano: 2008 Questão: 48 A seguir são feitas algumas armações a respeito de data warehouses e ferramentas OLAP. I- Os usuários nais do data warehouse, em geral, não possuem acesso à Data Staging Area. II- Drill in, drill out, roll over e roll on são típicas operações disponibilizadas pelas ferramentas de consultas OLAP para navegar pela hierarquia de uma dimensão. III- As rotinas de ETL muitas vezes originam solicitações de mudanças e melhorias nos sistemas OLTP e outras fontes de dados que alimentam o data warehouse, pois têm o potencial de revelar inconsistências entre os diversos sistemas corporativos. IV- Um data warehouse, em geral, deve ser projetado para fazer junções entre fatos e dimensões através de chaves naturais, evitando chaves substitutas (surrogate keys), pois estas apenas contribuiriam para aumentar o tamanho e a complexidade do esquema sem nenhum benefício para o usuário nal. Estão corretas APENAS as armações (a). I e II. (b). I e III. (c). II e III. (d). II e IV. (e). III e IV. Solução: Um data warehouse é um conjunto de dados baseados em assunto, integrado, não volátil e variável em relação ao tempo, de apoio às decisões gerenciais. Ou seja, data warehouse é uma cópia dos dados transacionais (dados operacionais), usados no dia a dia da empresa pelas aplicações do negócio, integrados e transformados de forma que seja possível extrair informações integradas de caráter gerenciais sobre a comparação e processos. Essas informações extraídas de forma integrada são utilizadas para suporte à decisão, planejamento estratégico, análise de comportamento de clientes, análise de desempenho de vendas, etc. É uma das principais soluções de Business Intelligence no mercado. As principais características marcantes de um data warehouse são: orientado ao assunto. Os dados devem estar organizados de acordo com os principais assuntos da empresa, como clientes, pedidos, produtos; forte integração de dados. No data warehouse é adotado um padrão para dados, medidas e formatos, ou seja, os dados são integrados sob uma única forma. Isso facilita a uniformidade e o acesso; Página 33 de 42

35 dados não são voláteis. No data warehouse não há necessidade de gerência de transação de dados. Os dados no data warehouse são inseridos uma única vez e, a partir daí, somente há leituras nesses dados (salvo, seja necessário correções); variante no tempo. No data warehouse existe uma nova dimensão (chave) que é o tempo. Ao inserir dados no data warehouse, esses são adicionados e a chave tempo recebe o valor do momento da atualização. Ao atualizar os dados, esses recebem o mesmo tratamento: são novamente inseridos no data warehouse com a chave do momento da atualização. Assim, é possível saber qual estado de um determinado dado há 5 anos. Então, um data warehouse é variante no tempo. A Figura 8 mostra os elementos e o uxo de dados em um ambiente data warehouse. Por meio da ação dos funcionários (nível operacional), as aplicações operacionais criam dados transacionais (armazenados em bancos de dados transacionais), como: cadastros de clientes, produtos, fornecedores, pessoal, representantes, movimentos de faturas, notas scais, etc. Esses dados não servem para ns de tomadas de decisões estratégicas e gerenciais. Os dados, para serem efetivamente usados para tais ns, devem ser transformados e carregados no data warehouse. Durante essas transformações, que são realizadas pelas ferramentas ETL - Extração, Transformação e Carga, são criados resumos e agregamentos entre esses dados, que o transformam em informações de baixo nível. Por meio dos resumos, os dados passam a ter signicado para os gerentes. Quando essas informações de baixo nível são processadas por aplicações OLAP, elas são transformadas em informações de mais valor. Essas informações suprem as necessidades dos executivos e gerentes, relativa à estratégia (tomada de decisões a nível corporativo) e gerenciamento do negócio (nível departamental). Figura 8: uxo de dados em um ambiente data warehouse. Podemos destacar os seguintes tipos de data warehouse: Marketing, Financeiro e Comportamental. O Marketing avalia o desempenho comercial de um produto ou serviço a partir de diversas perspectivas diferentes. O Financeiro monitora o desempenho comercial em termos nanceiros. E, o comportamental contém informações individuais a respeito de cada cliente e seus comportamentos. A ferramenta mais popular para exploração de um data warehouse é a Online Analytical Processing OLAP ou Processo Analítico em Tempo Real. As aplicações OLAP (On-line Analytical Processing - Processamento Analítico em Tempo Real) são aplicações baseadas em processamento analítico e, normalmente, chamadas de aplicações sobre o negócio. Tais aplicações manipulam e analisam sob múltiplas perspectivas as informações obtidas por meio das aplicações transacionais, ajudando executivos e gerentes a terem um retrato da situação Página 34 de 42

Banco de Dados - Senado

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

Leia mais

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

Módulo 4. Construindo uma solução OLAP

Módulo 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 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

Módulo 4: Gerenciamento de Dados

Módulo 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 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

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

Chapter 3. Análise de Negócios e Visualização de Dados

Chapter 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 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

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

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

Material de Apoio. Sistema de Informação Gerencial (SIG)

Material 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 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

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

Sistemas de Informação I

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

Leia mais

ADMINISTRAÇÃO DOS RECURSOS DE DADOS

ADMINISTRAÇÃO 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 mais

Modelo de dados do Data Warehouse

Modelo de dados do Data Warehouse Modelo de dados do Data Warehouse Ricardo Andreatto O modelo de dados tem um papel fundamental para o desenvolvimento interativo do data warehouse. Quando os esforços de desenvolvimentos são baseados em

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

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

Módulo 15 Resumo. Módulo I Cultura da Informação

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

Leia mais

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

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

FATEC Cruzeiro José da Silva. Ferramenta CRM como estratégia de negócios

FATEC Cruzeiro José da Silva. Ferramenta CRM como estratégia de negócios FATEC Cruzeiro José da Silva Ferramenta CRM como estratégia de negócios Cruzeiro SP 2008 FATEC Cruzeiro José da Silva Ferramenta CRM como estratégia de negócios Projeto de trabalho de formatura como requisito

Leia mais

DATA WAREHOUSE. Rafael Ervin Hass Raphael Laércio Zago

DATA 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 mais

CRM - Customer Relationship Management

CRM - Customer Relationship Management Profª Carla Mota UCB 2014 Unid 2 aula1 CRM - Customer Relationship Management Estratégia de negócio voltada ao entendimento e a antecipação das necessidades dos clientes atuais e potenciais de uma empresa.

Leia mais

Extração de Requisitos

Extração de Requisitos Extração de Requisitos Extração de requisitos é o processo de transformação das idéias que estão na mente dos usuários (a entrada) em um documento formal (saída). Pode se entender também como o processo

Leia mais

Banco de Dados Aula 1 Introdução a Banco de Dados Introdução Sistema Gerenciador de Banco de Dados

Banco de Dados Aula 1 Introdução a Banco de Dados Introdução Sistema Gerenciador de Banco de Dados Banco de Dados Aula 1 Introdução a Banco de Dados Introdução Um Sistema Gerenciador de Banco de Dados (SGBD) é constituído por um conjunto de dados associados a um conjunto de programas para acesso a esses

Leia mais

SISTEMAS DE GESTÃO São Paulo, Janeiro de 2005

SISTEMAS DE GESTÃO São Paulo, Janeiro de 2005 SISTEMAS DE GESTÃO São Paulo, Janeiro de 2005 ÍNDICE Introdução...3 A Necessidade do Gerenciamento e Controle das Informações...3 Benefícios de um Sistema de Gestão da Albi Informática...4 A Ferramenta...5

Leia mais

Software Livre. para concursos. Questões comentadas

Software Livre. para concursos. Questões comentadas Software Livre para concursos Questões comentadas Prefácio Hoje, qualquer instituição, seja ela pública ou privada, necessita utilizar programas de computadores para auxiliar os seus processos, gerando

Leia mais

Nome: Login: CA: Cidade: UF CARTÃO RESPOSTA QUESTÃO RESPOSTA QUESTÃO RESPOSTA

Nome: Login: CA: Cidade: UF CARTÃO RESPOSTA QUESTÃO RESPOSTA QUESTÃO RESPOSTA ANÁLISE E DESENVOLVIMENTO DE SISTEMAS TURMA 2008 3º PERÍODO - 6º MÓDULO AVALIAÇÃO A1 DATA 28/05/2009 SISTEMAS EMPRESARIAIS Dados de identificação do Acadêmico: Nome: Login: CA: Cidade: UF CARTÃO RESPOSTA

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

CRM. Customer Relationship Management

CRM. Customer Relationship Management CRM Customer Relationship Management CRM Uma estratégia de negócio para gerenciar e otimizar o relacionamento com o cliente a longo prazo Mercado CRM Uma ferramenta de CRM é um conjunto de processos e

Leia mais

2 Diagrama de Caso de Uso

2 Diagrama de Caso de Uso Unified Modeling Language (UML) Universidade Federal do Maranhão UFMA Pós Graduação de Engenharia de Eletricidade Grupo de Computação Assunto: Diagrama de Caso de Uso (Use Case) Autoria:Aristófanes Corrêa

Leia mais

ADMINISTRAÇÃO DOS RECURSOS DE DADOS

ADMINISTRAÇÃO 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 mais

Conceitos de Banco de Dados

Conceitos de Banco de Dados Conceitos de Banco de Dados Autor: Luiz Antonio Junior 1 INTRODUÇÃO Objetivos Introduzir conceitos básicos de Modelo de dados Introduzir conceitos básicos de Banco de dados Capacitar o aluno a construir

Leia mais

Engenharia de Software III

Engenharia de Software III Engenharia de Software III Casos de uso http://dl.dropbox.com/u/3025380/es3/aula6.pdf (flavio.ceci@unisul.br) 09/09/2010 O que são casos de uso? Um caso de uso procura documentar as ações necessárias,

Leia mais

04/08/2012 MODELAGEM DE DADOS. PROF. RAFAEL DIAS RIBEIRO, M.Sc. @ribeirord MODELAGEM DE DADOS. Aula 1. Prof. Rafael Dias Ribeiro. M.Sc.

04/08/2012 MODELAGEM DE DADOS. PROF. RAFAEL DIAS RIBEIRO, M.Sc. @ribeirord MODELAGEM DE DADOS. Aula 1. Prof. Rafael Dias Ribeiro. M.Sc. MODELAGEM DE DADOS PROF. RAFAEL DIAS RIBEIRO, M.Sc. @ribeirord MODELAGEM DE DADOS Aula 1 Prof. Rafael Dias Ribeiro. M.Sc. @ribeirord 1 Objetivos: Apresenta a diferença entre dado e informação e a importância

Leia mais

Administração de Sistemas de Informação I

Administração de Sistemas de Informação I Administração de Sistemas de Informação I Prof. Farinha Aula 04 Conceito Sistema de Informação é uma série de elementos ou componentes inter-relacionados que coletam (entrada), manipulam e armazenam (processo),

Leia mais

TRABALHO DE DIPLOMAÇÃO Regime Modular ORIENTAÇÕES SOBRE O ROTEIRO DO PROJETO FINAL DE SISTEMAS DE INFORMAÇÕES

TRABALHO DE DIPLOMAÇÃO Regime Modular ORIENTAÇÕES SOBRE O ROTEIRO DO PROJETO FINAL DE SISTEMAS DE INFORMAÇÕES TRABALHO DE DIPLOMAÇÃO Regime Modular ORIENTAÇÕES SOBRE O ROTEIRO DO PROJETO FINAL DE SISTEMAS DE INFORMAÇÕES [Observação: O template a seguir é utilizado como roteiro para projeto de sistemas orientado

Leia mais

ANEXO X DIAGNÓSTICO GERAL

ANEXO X DIAGNÓSTICO GERAL ANEXO X DIAGNÓSTICO GERAL 1 SUMÁRIO DIAGNÓSTICO GERAL...3 1. PREMISSAS...3 2. CHECKLIST...4 3. ITENS NÃO PREVISTOS NO MODELO DE REFERÊNCIA...11 4. GLOSSÁRIO...13 2 DIAGNÓSTICO GERAL Este diagnóstico é

Leia mais

Curso Data warehouse e Business Intelligence

Curso Data warehouse e Business Intelligence Curso Data warehouse e Business Intelligence Fundamentos, Metodologia e Arquitetura Apresentação Os projetos de Data Warehouse e Business Intelligence são dos mais interessantes e complexos de desenvolver

Leia mais

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

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

Leia mais

Nome: Login: CA: Cidade: UF CARTÃO RESPOSTA QUESTÃO RESPOSTA QUESTÃO RESPOSTA

Nome: Login: CA: Cidade: UF CARTÃO RESPOSTA QUESTÃO RESPOSTA QUESTÃO RESPOSTA ANÁLISE E DESENVOLVIMENTO DE SISTEMAS TURMA 2008 3º PERÍODO - 6º MÓDULO AVALIAÇÃO A4 DATA 16/07/2009 SISTEMAS EMPRESARIAIS Dados de identificação do Acadêmico: Nome: Login: CA: Cidade: UF CARTÃO RESPOSTA

Leia mais

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

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

Leia mais

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

ISO/IEC 12207: Gerência de Configuração

ISO/IEC 12207: Gerência de Configuração ISO/IEC 12207: Gerência de Configuração Durante o processo de desenvolvimento de um software, é produzida uma grande quantidade de itens de informação que podem ser alterados durante o processo Para que

Leia mais

Microsoft Access XP Módulo Um

Microsoft Access XP Módulo Um Microsoft Access XP Módulo Um Neste primeiro módulo de aula do curso completo de Access XP vamos nos dedicar ao estudo de alguns termos relacionados com banco de dados e as principais novidades do novo

Leia mais

Sistemas de Apoio. Prof.: Luiz Mandelli Neto. Sistemas de Apoio. ERP (Enterprise Resource Planning) PLANEJAMENTO DE RECURSOS EMPRESARIAIS

Sistemas de Apoio. Prof.: Luiz Mandelli Neto. Sistemas de Apoio. ERP (Enterprise Resource Planning) PLANEJAMENTO DE RECURSOS EMPRESARIAIS Sistemas de Apoio Prof.: Luiz Mandelli Neto Sistemas de Apoio ERP (Enterprise Resource Planning) PLANEJAMENTO DE RECURSOS EMPRESARIAIS Mapa de TI da cadeia de suprimentos Estratégia Planejamento Operação

Leia mais

Introdução a listas - Windows SharePoint Services - Microsoft Office Online

Introdução a listas - Windows SharePoint Services - Microsoft Office Online Page 1 of 5 Windows SharePoint Services Introdução a listas Ocultar tudo Uma lista é um conjunto de informações que você compartilha com membros da equipe. Por exemplo, você pode criar uma folha de inscrição

Leia mais

Planejamento Estratégico de TI. Prof.: Fernando Ascani

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

Leia mais

Oracle Hyperion Essbase

Oracle Hyperion Essbase Oracle Hyperion Essbase Guia Claudio Bonel Oracle Hyperion Essbase Guia Dedicatória Este Livro é dedicado a minha família. 2 Guia Oracle Hyperion Essbase Sumário Agradecimentos Introdução Capítulo 1: OLAP

Leia mais

Sistema de Controle de Solicitação de Desenvolvimento

Sistema de Controle de Solicitação de Desenvolvimento Sistema de Controle de Solicitação de Desenvolvimento Introdução O presente documento descreverá de forma objetiva as principais operações para abertura e consulta de uma solicitação ao Setor de Desenvolvimento

Leia mais

BancoEstado ganha eficiência de dados e mais rapidez no desenvolvimento de sistemas com CA ERwin

BancoEstado ganha eficiência de dados e mais rapidez no desenvolvimento de sistemas com CA ERwin CUSTOMER SUCCESS STORY BancoEstado ganha eficiência de dados e mais rapidez no desenvolvimento de sistemas com CA ERwin PERFIL DO CLIENTE Setor: Serviços Financeiros Organização: BancoEstado de Chile Funcionários:

Leia mais

Programação 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 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 mais

SAD orientado a DADOS

SAD 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 mais

INSTRUÇÃO DE TRABALHO PARA INFORMAÇÕES GERENCIAIS

INSTRUÇÃO DE TRABALHO PARA INFORMAÇÕES GERENCIAIS INSTRUÇÃO DE TRABALHO PARA INFORMAÇÕES GERENCIAIS Asia Shipping Transportes Internacionais Ltda. como cópia não controlada P á g i n a 1 7 ÍNDICE NR TÓPICO PÁG. 1 Introdução & Política 2 Objetivo 3 Responsabilidade

Leia mais

08/03/2009. Como mostra a pirâmide da gestão no slide seguinte... Profª. Kelly Hannel. Fonte: adaptado de Laudon, 2002

08/03/2009. 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 mais

04/08/2012 MODELAGEM DE DADOS. PROF. RAFAEL DIAS RIBEIRO, M.Sc. @ribeirord MODELAGEM DE DADOS. Aula 2. Prof. Rafael Dias Ribeiro. M.Sc.

04/08/2012 MODELAGEM DE DADOS. PROF. RAFAEL DIAS RIBEIRO, M.Sc. @ribeirord MODELAGEM DE DADOS. Aula 2. Prof. Rafael Dias Ribeiro. M.Sc. MODELAGEM DE DADOS PROF. RAFAEL DIAS RIBEIRO, M.Sc. @ribeirord MODELAGEM DE DADOS Aula 2 Prof. Rafael Dias Ribeiro. M.Sc. @ribeirord 1 Objetivos: Revisão sobre Banco de Dados e SGBDs Aprender as principais

Leia mais

Gerenciamento de Incidentes

Gerenciamento de Incidentes Gerenciamento de Incidentes Os usuários do negócio ou os usuários finais solicitam os serviços de Tecnologia da Informação para melhorar a eficiência dos seus próprios processos de negócio, de forma que

Leia mais

Existem três categorias básicas de processos empresariais:

Existem três categorias básicas de processos empresariais: PROCESSOS GERENCIAIS Conceito de Processos Todo trabalho importante realizado nas empresas faz parte de algum processo (Graham e LeBaron, 1994). Não existe um produto ou um serviço oferecido por uma empresa

Leia mais

Business Intelligence. BI CEOsoftware Partner YellowFin

Business Intelligence. BI CEOsoftware Partner YellowFin Business Intelligence BI CEOsoftware Partner YellowFin O que é Business Intelligence Business Intelligence (BI) é a utilização de uma série de ferramentas para coletar, analisar e extrair informações,

Leia mais

Prof. Marcelo Machado Cunha www.marcelomachado.com mcelobr@yahoo.com.br

Prof. Marcelo Machado Cunha www.marcelomachado.com mcelobr@yahoo.com.br Prof. Marcelo Machado Cunha www.marcelomachado.com mcelobr@yahoo.com.br Ementa Introdução a Banco de Dados (Conceito, propriedades), Arquivos de dados x Bancos de dados, Profissionais de Banco de dados,

Leia mais

Os Sistemas de Informação para as Operações das Empresas e o Comércio Eletrônico Simulado Verdadeiro ou Falso

Os Sistemas de Informação para as Operações das Empresas e o Comércio Eletrônico Simulado Verdadeiro ou Falso Os Sistemas de Informação para as Operações das Empresas e o Comércio Eletrônico Simulado Verdadeiro ou Falso 1. Muitas organizações estão utilizando tecnologia da informação para desenvolver sistemas

Leia mais

ROTEIRO PARA ELABORAÇÃO DE PROJETOS

ROTEIRO PARA ELABORAÇÃO DE PROJETOS APRESENTAÇÃO ROTEIRO PARA ELABORAÇÃO DE PROJETOS Breve histórico da instituição seguido de diagnóstico e indicadores sobre a temática abrangida pelo projeto, especialmente dados que permitam análise da

Leia mais

Sistemas de Informação CEA460 - Gestão da Informação

Sistemas de Informação CEA460 - Gestão da Informação Sistemas de Informação CEA460 - Gestão da Informação Janniele Aparecida Conceitos Sistema de Informação Conjunto de componentes interrelacionados que coletam (ou recuperam), processam e armazenam e distribuem

Leia mais

Manual do usuário. v1.0

Manual do usuário. v1.0 Manual do usuário v1.0 1 Iniciando com o Vivo Gestão 1. como fazer login a. 1º acesso b. como recuperar a senha c. escolher uma conta ou grupo (hierarquia de contas) 2. como consultar... de uma linha a.

Leia mais

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

Identificar as mudanças que acontecem na forma e no uso de apoio à decisão em empreendimentos de e-business. Identificar o papel e alternativas de 1 Identificar as mudanças que acontecem na forma e no uso de apoio à decisão em empreendimentos de e-business. Identificar o papel e alternativas de relatórios dos sistemas de informação gerencial. Descrever

Leia mais

ADM041 / EPR806 Sistemas de Informação

ADM041 / EPR806 Sistemas de Informação ADM041 / EPR806 Sistemas de Informação UNIFEI Universidade Federal de Itajubá Prof. Dr. Alexandre Ferreira de Pinho 1 Componentes de uma empresa Organizando uma empresa: funções empresariais básicas Funções

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

RESPOSTA AO QUESTIONAMENTO FORMULADO POR EMPRESA INTERESSADA NO CERTAME.

RESPOSTA AO QUESTIONAMENTO FORMULADO POR EMPRESA INTERESSADA NO CERTAME. RESPOSTA AO QUESTIONAMENTO FORMULADO POR EMPRESA INTERESSADA NO CERTAME. Brasília, 10 de fevereiro de 2010. Pregão n 062/2009 Lote 1: Lote 2: Operação, Gerenciamento de Redes, Servidores, Storage & Archive,

Leia mais

UNIVERSIDADE REGIONAL DE BLUMENAU CENTRO DE CIÊNCIAS EXATAS E NATURAIS CURSO DE CIÊNCIAS DA COMPUTAÇÃO (Bacharelado)

UNIVERSIDADE REGIONAL DE BLUMENAU CENTRO DE CIÊNCIAS EXATAS E NATURAIS CURSO DE CIÊNCIAS DA COMPUTAÇÃO (Bacharelado) UNIVERSIDADE REGIONAL DE BLUMENAU CENTRO DE CIÊNCIAS EXATAS E NATURAIS CURSO DE CIÊNCIAS DA COMPUTAÇÃO (Bacharelado) SISTEMA INTERNO INTEGRADO PARA CONTROLE DE TAREFAS INTERNAS DE UMA EMPRESA DE DESENVOLVIMENTO

Leia mais

Data 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. 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 mais

3) Descreva resumidamente a função do módulo de Compras do ERP da Microsiga e qual é a sua relação com o conceito de e-procurement.

3) Descreva resumidamente a função do módulo de Compras do ERP da Microsiga e qual é a sua relação com o conceito de e-procurement. Professor:José Alves Disciplina:SIG/ Atividade Nota Nome Aluno(a) Nºs Exercícios SIG 1) Defina, com suas palavras, o que é ERP? 2) Marque V para as afirmações verdadeiras em relação a um ERP e F para as

Leia mais

Governança de TI. ITIL v.2&3. parte 1

Governança de TI. ITIL v.2&3. parte 1 Governança de TI ITIL v.2&3 parte 1 Prof. Luís Fernando Garcia LUIS@GARCIA.PRO.BR ITIL 1 1 ITIL Gerenciamento de Serviços 2 2 Gerenciamento de Serviços Gerenciamento de Serviços 3 3 Gerenciamento de Serviços

Leia mais

ADMINISTRAÇÃO DE SISTEMAS DE INFORMAÇÃO (AULA 04)

ADMINISTRAÇÃO DE SISTEMAS DE INFORMAÇÃO (AULA 04) Prof. Breno Leonardo Gomes de Menezes Araújo brenod123@gmail.com http://blog.brenoleonardo.com.br ADMINISTRAÇÃO DE SISTEMAS DE INFORMAÇÃO (AULA 04) 1 CRM Sistema de Relacionamento com clientes, também

Leia mais

Guia de Especificação de Caso de Uso Metodologia CELEPAR

Guia de Especificação de Caso de Uso Metodologia CELEPAR Guia de Especificação de Caso de Uso Metodologia CELEPAR Agosto 2009 Sumário de Informações do Documento Documento: guiaespecificacaocasouso.odt Número de páginas: 10 Versão Data Mudanças Autor 1.0 09/10/2007

Leia mais

Em 2012, a Prosoft planejou o lançamento da Versão 5 dos seus produtos.

Em 2012, a Prosoft planejou o lançamento da Versão 5 dos seus produtos. VERSÃO 5 Outubro/2012 Release Notes Não deixe de atualizar o seu sistema Planejamos a entrega ao longo do exercício de 2012 com mais de 140 melhorias. Mais segurança, agilidade e facilidade de uso, atendendo

Leia mais

Gerenciamento de Níveis de Serviço

Gerenciamento de Níveis de Serviço Gerenciamento de Níveis de Serviço O processo de Gerenciamento de Níveis de Serviço fornece o contato entre a organização de TI e o cliente, para garantir que a organização de TI conhece os serviços que

Leia mais

Capítulo 13: Tecnologia da Informação. Prof.: Roberto Franciscatto

Capítulo 13: Tecnologia da Informação. Prof.: Roberto Franciscatto Capítulo 13: Tecnologia da Informação Prof.: Roberto Franciscatto Introdução Uma informação é um arranjo de dados (nomes, palavras, números, sons, imagens) capazes de dar forma ou sentido a algo do interesse

Leia mais

FUNDAMENTOS DE SISTEMAS DE INFORMAÇÃO

FUNDAMENTOS DE SISTEMAS DE INFORMAÇÃO FUNDAMENTOS DE SISTEMAS DE Rafael D. Ribeiro, M.Sc,PMP. rafaeldiasribeiro@gmail.com http://www.rafaeldiasribeiro.com.br Princípios da Teoria de Sistemas 1 Grupos diferentes dentro de uma organização necessitam

Leia mais

RECONHECIMENTO DE ALGUNS SISTEMAS DE INFORMAÇÃO

RECONHECIMENTO 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 mais

A Descrição do Produto ou Serviço e a Análise do Mercado e dos Competidores Fabiano Marques

A Descrição do Produto ou Serviço e a Análise do Mercado e dos Competidores Fabiano Marques A Descrição do Produto ou Serviço e a Análise do Mercado e dos Competidores Fabiano Marques "O plano de negócios é o cartão de visitas do empreendedor em busca de financiamento". (DORNELAS, 2005) A partir

Leia mais

Feature-Driven Development

Feature-Driven Development FDD Feature-Driven Development Descrição dos Processos Requisitos Concepção e Planejamento Mais forma que conteúdo Desenvolver um Modelo Abrangente Construir a Lista de Features Planejar por

Leia mais

Planejamento e Orçamento

Planejamento e Orçamento Planejamento e Orçamento O SIPLAG Sistema Integrado de Planejamento, Orçamento e Gestão, é um sistema voltado à gestão governamental, permitindo a elaboração do Plano Plurianual, da Lei Orçamentária Anual,

Leia mais

ADM041 / EPR806 Sistemas de Informação

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

Leia mais

IMPLANTAÇÃO DE UM SISTEMA DE AVALIAÇÃO DE DESEMPENHO NA UFG

IMPLANTAÇÃO DE UM SISTEMA DE AVALIAÇÃO DE DESEMPENHO NA UFG IMPLANTAÇÃO DE UM SISTEMA DE AVALIAÇÃO DE DESEMPENHO NA UFG Rosângela da Silva Nunes 1 Centros de Recursos Computacionais - CERCOMP Universidade Federal de Goiás UFG Campus II, UFG, 74000-000, Goiânia

Leia mais

Preparando sua empresa para o forecasting:

Preparando sua empresa para o forecasting: Preparando sua empresa para o forecasting: Critérios para escolha de indicadores. Planejamento Performance Dashboard Plano de ação Relatórios Indicadores Embora o forecasting seja uma realidade, muitas

Leia mais

PRIAD: GESTÃO DE RELACIONAMENTO COM CLIENTES

PRIAD: GESTÃO DE RELACIONAMENTO COM CLIENTES PRIAD: GESTÃO DE RELACIONAMENTO COM CLIENTES ALUNO RA: ASSINATURA: DATA: / / AS RESPOSTAS DEVERRÃO SER TOTALMENTE MANUSCRITAS Prof. Claudio Benossi Questionário: 1. Defina o que é Marketing? 2. Quais são

Leia mais

Fundamentos de Sistemas de Informação Sistemas de Informação

Fundamentos de Sistemas de Informação Sistemas de Informação Objetivo da Aula Tecnologia e as Organizações, importância dos sistemas de informação e níveis de atuação dos sistemas de informação Organizações & Tecnologia TECNOLOGIA A razão e a capacidade do homem

Leia mais

Prof. Cleber Oliveira Gestão Financeira

Prof. Cleber Oliveira Gestão Financeira Aula 2 Gestão de Fluxo de Caixa Introdução Ao estudarmos este capítulo, teremos que nos transportar aos conceitos de contabilidade geral sobre as principais contas contábeis, tais como: contas do ativo

Leia mais

Fundamentos da Análise Multidimensional

Fundamentos da Análise Multidimensional Universidade Técnica de Lisboa INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Informática e Sistemas de Informação Aplicados em Economia Fundamentos da Análise Multidimensional Fundamentos da Análise Multidimensional

Leia mais

Gerenciamento de Dados e Gestão do Conhecimento

Gerenciamento 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 mais

Banco do Brasil S.A. Consulta ao Mercado - RFP - Request for Proposa Aquisição de Ferramenta de Gestão de Limites Dúvida de Fornecedor

Banco do Brasil S.A. Consulta ao Mercado - RFP - Request for Proposa Aquisição de Ferramenta de Gestão de Limites Dúvida de Fornecedor 1. Em relação ao módulo para Atribuição de Limites, entendemos que Banco do Brasil busca uma solução para o processo de originação/concessão de crédito. Frente a essa necessidade, o Banco do Brasil busca

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

Sistemas de Informação James A. O Brien Editora Saraiva Capítulo 5

Sistemas de Informação James A. O Brien Editora Saraiva Capítulo 5 Para entender bancos de dados, é útil ter em mente que os elementos de dados que os compõem são divididos em níveis hierárquicos. Esses elementos de dados lógicos constituem os conceitos de dados básicos

Leia mais

Banco de Dados I. Apresentação (mini-currículo) Conceitos. Disciplina Banco de Dados. Cont... Cont... Edson Thizon (edson@esucri.com.

Banco de Dados I. Apresentação (mini-currículo) Conceitos. Disciplina Banco de Dados. Cont... Cont... Edson Thizon (edson@esucri.com. Sistemas da Informação Banco de Dados I Edson Thizon (edson@esucri.com.br) 2008 Apresentação (mini-currículo) Formação Acadêmica Mestrando em Ciência da Computação (UFSC/ ) Créditos Concluídos. Bacharel

Leia mais

Como melhorar a tomada de decisão. slide 1

Como melhorar a tomada de decisão. slide 1 Como melhorar a tomada de decisão slide 1 P&G vai do papel ao pixel em busca da gestão do conhecimento Problema: grande volume de documentos em papel atrasavam a pesquisa e o desenvolvimento. Solução:

Leia mais

ERP. Enterprise Resource Planning. Planejamento de recursos empresariais

ERP. Enterprise Resource Planning. Planejamento de recursos empresariais ERP Enterprise Resource Planning Planejamento de recursos empresariais O que é ERP Os ERPs em termos gerais, são uma plataforma de software desenvolvida para integrar os diversos departamentos de uma empresa,

Leia mais