2COP355 INTELIGÊNCIA COMPETITIVA. Introdução. Sylvio Barbon Junior 14 de novembro de 2015 DC-UEL Sylvio Barbon Jr 1

Transcrição

1 2COP355 INTELIGÊNCIA COMPETITIVA Introdução Sylvio Barbon Junior 14 de novembro de 2015 DC-UEL Sylvio Barbon Jr 1

2 Sumário Introdução Entendendo Inteligência e Estratégia Ética e Inteligência Competitiva Internet e Inteligência Competitiva Web Mining Social Network Mining Sistemas de Descoberta de Conhecimento 14 de novembro de 2015 DC-UEL Sylvio Barbon Jr 2

3 Introdução Definição I: "Habilidade e capacidade de usar o conhecimento para buscar uma posição competitiva". Definição II: "Inteligência Competitiva (IC, Competitive Intelligence - CI) é um processo sistemático e ético, ininterruptamente avaliado com identificação, coleta, tratamento, análise e disseminação da informação estratégica para a organização, viabilizando seu uso no processo decisório"[gomes et al., 1993] Outras denominações: Competitor Intelligence, Strategic Intelligence, Marketing Intelligence e Competitive Technology Intelligence. A maior diferença é o alvo e o mecanismo de desenvolvimento. Devemos ter em mente que não é apenas o processo de agrupar as informações obtidas no "Google", mas transformar qualquer informação de interesse em uma base adequada para exploração e propiciar uma decisão. 14 de novembro de 2015 DC-UEL Sylvio Barbon Jr 3

4 14 de novembro de 2015 DC-UEL Sylvio Barbon Jr 4

5 Introdução Os especialistas costumam dividir o Ciclo de Inteligência em: 1. Planejamento: Concepção dos processos, objetivos e necessidades para buscar quais informações poderão atendê-las; 2. Coleta e tratamento das informações: são identificadas as fontes de informação relevantes, internas, externas e o tipo de tratamento que será dado à informação que será armazenada. 3. Análise das informações: Processamento das informações e elaboração dos produtos de inteligência. 4. Disseminação: Fase onde são entregues as informações analisadas em um formato coerente que permita aos agentes que tomam decisão executarem ações. 5. Avaliação: Avaliar o desempenho das ações anteriores, avaliar o resultado prático obtido. 14 de novembro de 2015 DC-UEL Sylvio Barbon Jr 5

6 14 de novembro de 2015 DC-UEL Sylvio Barbon Jr 6

7 Introdução Exemplos de informações necessárias: Informações políticas/jurídicas/regulatórias; Informações de mercado; Indicadores gerenciais; Informações de padronização; Incentivos e fontes de financiamento; Informações técnicas. 14 de novembro de 2015 DC-UEL Sylvio Barbon Jr 7

8 14 de novembro de 2015 DC-UEL Sylvio Barbon Jr 8

9 Entendendo Inteligência e Estratégia O objetivo da inteligência é reduzir a incerteza para a tomada de decisão. A estratégia é a coleção de ideias sobre como vencer um conflito. Neste caso o conflito faz referência a uma situação de negócios. Os líderes tem questões a serem respondidas sobre estratégia e a inteligência busca novas informações para tratar os conflitos. Informações "old school"e "new school": Ols school: São informações que não são acessíveis via internet, como documentos não digitalizados, bibliotecas e informações não digitais. New school: Informações digitalizadas passíveis das técnicas de Mineração de Dados. 14 de novembro de 2015 DC-UEL Sylvio Barbon Jr 9

10 Ética e Inteligência Competitiva Espionagem econômica representa uma fala dos princípios da IC. A base das informações da IC são abertas, não necessariamente públicas. Podem ser informações internas da emprsa. Segundo a Society s Code of Ethics, os profissionais de IC coletam informações, conduzem entrevistas e devem usar métodos padronizados como pesquisadores acadêmicos ou jornalistas. Deve-se utilizar ferramentas analíticas e garantir a veracidade das informações colhidas e divulgadas [Miller, 2012]. Em 1998, Cronin et al. descreveu em seu trabalho que a melhor inteligência é extraída dos humanos que estão envolvidos no cenário. Exemplo: clientes, fornecedores e concorrentes. Hoje em dia temos boa parte do conhecimento humanao sendo compartilhado e divulgado na Web e em Redes Sociais. 14 de novembro de 2015 DC-UEL Sylvio Barbon Jr 10

11 Internet e Inteligência Competitiva Em 1989, Gordon et al. no artigo "Beat the competition!"enumerou as fontes para a prática da IC: 1. (99%) - Artigos em revistas especializadas 2. (98%) - Análise em relatórios financeiros 3. (95%) - Analisando resultados financeiros dos concorrentes 4. (88%) - Contratando consultorias 5. (85%) - Observando ofertas de contratação e abertura de vagas pelos concorrentes 6. (68%) - Avaliando uso e registro de patentes 14 de novembro de 2015 DC-UEL Sylvio Barbon Jr 11

12 Internet e Inteligência Competitiva Boncella em 2003 publicou um estudo sobre o uso da "WEB"como recurso para obter informações substancialmente úteis para a IC. Neste trabalho foi destacado que as principais razões seriam: 1. Informações corporativas variadas, como visão, produtos, informações financeiras e relatórios estão disponíveis nas páginas corporativas dos concorrentes; 2. É uma fonte de informação gratuíta; 3. O acesso as informações não depende de um software proprietário, pelo contrário é acessível de diferentes maneiras. Nesta linha temos o surgimento das estratégias de Web Mining. 14 de novembro de 2015 DC-UEL Sylvio Barbon Jr 12

13 14 de novembro de 2015 DC-UEL Sylvio Barbon Jr 13

14 Web Mining A World Wide Web é o maior e mais usado repositório de informação. A informação na Web tem o formato de hypertext, contendo hyperlinks para outros documentos. Hoje a Web comporta trilhões de documentos criados por milhares de pessoas. Web Mining - Mineração da Web: Fornece recursos par adquirir conhecimento automatizado de origem web. Web Mining é semelhante à Data Mining (Mineração de Dados), porém com características focadas para o tipo de conteúdo Web, uma linha da Text Mining (Mineração de Texto). O Google utiliza Web Mining para adquirir suas informações. 14 de novembro de 2015 DC-UEL Sylvio Barbon Jr 14

15 14 de novembro de 2015 DC-UEL Sylvio Barbon Jr 15

16 Web Mining Web Crawler:É um programa de computador que navega por sites web de forma sistematizada e automática, muitas vezes utilizando algoritmos de inteligência artificial. Também chamado de Spider ou Bot. Funcionamento de um Web Crawler: 1. Buscar endereço em um DNS ou um link; 2. Leitura de conteúdo HTML da página; 3. Separação de links internos, externos, action de formulários. 4. Informar os dados recolhidos para um servidor. Existem algumas restrições e estratégias que auxiliam os robôs. É possível bloquar o acesso dos robôs (robot.txt sitemap.xml). 14 de novembro de 2015 DC-UEL Sylvio Barbon Jr 16

17 Web Mining 14 de novembro de 2015 DC-UEL Sylvio Barbon Jr 17

18 Online Social Network Redes Sociais Digitais (RSD), basicamente, é agregação social que acontece por meio virtual em que os indivíduos trocam ideias e expressam opiniões sobre qualquer assunto. Um exemplo de RSD é o Twitter. RSDs representam uma fonte relevante de informações a serem exploradas em áreas como avaliação de opiniões e pesquisas de marketing. Ao considerar que um enorme montante de declarações textuais informais e subjetivas são criadas diariamente, o conhecimento minerado a partir desses textos poderia ser empregado. Entretanto, se por um lado é possível se beneficiar com o conteúdo disponível em RSDs, é possível também causar danos. A grande popularidade e facilidade de acesso às RSDs também resultou na presença de usuários não desejados como robôs, Bots. 14 de novembro de 2015 DC-UEL Sylvio Barbon Jr 18

19 Online Social Network 14 de novembro de 2015 DC-UEL Sylvio Barbon Jr 19

20 Online Social Network 14 de novembro de 2015 DC-UEL Sylvio Barbon Jr 20

21 Online Social Network 14 de novembro de 2015 DC-UEL Sylvio Barbon Jr 21

22 Descoberta de Conhecimento - KDD 1. Seleção ou Aquisição: Tem como objetivo agrupar, filtrar e obter os dados que serão minerados. 2. Pré-processamento: Tem o objetivo de melhorar a qualidade dos dados, isto é aumentar a Acurácia, Completitude, Consistência, Sequência, Credibilidade e Interpretabilidade. Data Cleaning (limpeza) [Valores ausentes, ruído] Data Integration (integração) [Redundância, Conflitos e Correlação] Data Reduction (redução) [Redução de Dimensão, Redução de Amostras] Data Discretization (discretização) [Binning, Histograma, Árvore] 3. Transformação: Tem com objetivo agregar atributos, normalizar valores, construir e suavizar valores para contribuir na mineração dos dados. 4. ** Mineração de Dados ** 5. Interpretação, Avaliação e Visualização: Contempla mecanismos que facilitam a exposição e validação do conhecimento obtido. 14 de novembro de 2015 DC-UEL Sylvio Barbon Jr 22

23 Descoberta de Conhecimento 14 de novembro de 2015 DC-UEL Sylvio Barbon Jr 23

24 Referência: H.M.W. Verbeek, W.M.P. van der Aalst, Decomposed Process Mining: The ILP Case. In Business Process Intelligence 2014, Haifa, Israel, Eindhoven, the Netherlands. Process Mining: Discovery, Conformance and Enhancement of Business Processes by W.M.P. van der Aalst, Springer Verlag, 2011 (ISBN ). 14 de novembro de 2015 DC-UEL Sylvio Barbon Jr 24