PROSPECÇÃO DOS TIPOS DE SISTEMAS DE APOIO À TOMADA DE DECISÃO UTILIZADOS NAS ORGANIZAÇÕES E IDENTIFICAÇÃO DE SUAS CARACTERÍSTICAS Rafael Felipe Cintra de Souza Faculdade de Análise de Sistemas CEATEC Centro de Ciências Exatas, Ambientais e de Tecnologias rafael.fcs@puccamp.edu.br José Oscar Fontanini de Carvalho Informação para Gestão e Inovação CEA Centro de Economia e Administração CEATEC Centro de Ciências Exatas, Ambientais e de Tecnologias oscar@puc-campinas.edu.br Resumo: O objetivo deste trabalho é identificar os diversos tipos de SATDs utilizados nas organizações e identificar suas características com foco nas áreas de Administração e de Sistemas de Informação. São apresentados benchmarchs e tabelas comparativas como resultado dos dados levantados de uma amostra sistemas selecionados, bem como discutidos aspectos gerais inerentes a todos os tipos de sistemas identificados, como arquitetura e padrões de armazenamento. É apresentada uma proposta de classificação das tecnologias compreendidas no universo dos SATDs. Estes resultados podem auxiliar no projeto ou na seleção de SATDs disponíveis no mercado. Palavras-chave: Tecnologia da informação e comunicação, processo decisório, sistemas de apoio à tomada de decisão. Área do Conhecimento: Ciências Sociais Aplicadas Administração CNPq. 1. INTRODUÇÃO 1.1. Demarcação do estudo e justificativas Neste trabalho as taxonomias encontradas para os Sistemas de Apoio à Tomada de Decisão (SATDs) são apresentadas, porém nem todas são objeto de análise para identificação de suas características. No decorrer do trabalho nota-se não haver uma distinção clara entre as tecnologias utilizadas para auxílio na decisão e as tecnologias utilizadas para extrair as informações que serão usadas na tomada de decisão. É apresentada uma proposta inicial de classificação de tecnologias dentro do universo dos sistemas de apoio à tomada de decisão. Como escopo deste trabalho encontram-se somente os SATDs, sistemas cujas informações providas servem de subsídio para que uma decisão seja tomada por meio de um agente humano. As taxonomias apresentadas são as de Fabre e Carvalho [3], Alter [1], Daniel Power quanto ao modo que o sistema trabalha [7] e quanto à abrangência do SATD na organização [9] e a de Haettenschwiler [8]. É com estas taxonomias de pano de fundo que se busca, neste trabalho, características para cada tipo proposto de sistemas de informação para tomada de decisão. 1.2. Método A pesquisa foi realizada por meio de levantamento bibliográfico e em sites na internet sobre informações científicas, técnicas e de produtos disponíveis no mercado emergente, referentes aos SATDs com foco nas áreas de Administração e Sistemas de Informação. Para a coleta de dados, os temas iniciais que foram pesquisados foram os seguintes, em língua portuguesa e inglesa: sistemas de apoio à tomada de decisão e sistemas de apoio à decisão. Todas as palavras-chave foram pesquisadas no material disponível para os alunos da Pontifícia Universidade Católica de Campinas em sua biblioteca física e on-line. As bases de dados que estavam disponíveis e foram pesquisadas foram as seguintes: ScienceDirect, IEEE, ACM Digital Library, Ebsco e Portal da Pesquisa. Um periódico que se destacou na pesquisa foi o Decision Support Systems, ISSN 0167-9236. A partir dos textos deste periódico, foi possível encontrar autores que estudavam SATDs e, com isto, levantar material teórico suficiente para a pesquisa. Para a pesquisa de SATD disponíveis no mercado, foram feitas buscas em mecanismos de pesquisa da internet, a fim de encontrar empresas que trabalhassem com a proposta de sistemas de apoio à tomada de decisão. Nesta etapa, um periódico que se destacou foi o Expert Systems with Applications, ISSN
0957-4174, que contém publicados estudos de casos com SATDs. 2. RESULTADOS Os SATDs abrangem todos os sistemas de informação que apóiam de alguma forma a tomada de decisão e são compreendidos num ambiente multidisciplinar incluindo: a área de Engenharia de Software com Interface Humano-Computador, Matemática e Estatística com métodos de simulação, Ciência da Computação com inteligência artificial, bancos de dados, telecomunicações, entre muitas outras áreas. Podem tomar as mais diversas formas e serem usados para os mais diversos fins [1]. Foram encontradas durante esta pesquisa diversas taxonomias de SATD o que evidencia que cada autor possui um ponto de vista diferentes destes sistemas. 2.1. Taxonomias Alter classificou os SATDs em 7 categorias, são elas: File drawer systems, Data analysis systems, Analysis information systems, Accounting and financial model-based DSS, Representational modelbased DSS, Optimization model-based DSS e Suggestion Model. Haettenschwiler apresenta uma taxonomia que leva em consideração o tipo de solução que o sistema de apoio à tomada de decisão propõe ao usuário [7]. Os tipos são: Passivos, que não são capazes de gerar sugestões explícitas; Ativos, que são capazes de apresentar soluções e Cooperativos, que dependem da intensa interação com o usuário para chegar à uma solução. Power [9] também apresenta uma taxonomia tendo como critério a abrangência que um SATD assume numa corporação. São dois os tipos propostos: Enterprise-wide, que são SATDs que estão ligados a grandes estruturas de data warehouse com o objetivo de fornecer informações para vários tomadores de decisão e Desktop que são SATDs instalados somente no computador do tomador de decisão. Na taxonomia de Fabre e Carvalho [3] são propostos seis tipos de informações representando as necessidades informacionais que estão presentes no processo decisório. São eles: Informações pontuais - Esse tipo de informação tem a característica de visualização momentânea de uma informação. Informações históricas - São informações relativas a diferentes períodos de tempo e visam demonstrar comportamentos na linha do tempo, apresentando suas variações em faixas normalmente utilizadas entre uma semana e dez anos. Informações de cenários - Referem-se aos cruzamentos de informações históricas e pontuais sobre um determinado assunto, permitindo a criação de cenários de negócios que auxiliam na montagem de situações e projeções de comportamentos, tentando simular os possíveis caminhos que um assunto pode apresentar. Informações inferidas - As informações inferidas são construídas pelo cruzamento de dados existentes em bancos de dados, considerando todas as combinações possíveis, o que pode ocasionar milhões de situações, não sendo viável ser realizado manualmente. Informações estatísticas - Indicadores de todos os setores da empresa, além de informações externas, como fatores econômicos, de mercado e de seus concorrentes. Informações não estruturadas - Trata-se de informações que não possuem uma estrutura de classificação definida, normalmente de difícil armazenamento e tratamento. Por exemplo, a utilização de dados como notícias em jornal, áudio e vídeo Power [7] propõe outra taxonomia que assume como critério o modo que o sistema de apoio à tomada de decisão trabalha para cumprir sua função. Propõe: Dirigidos por comunicação (communication) São sistemas que permitem a várias pessoas trabalharem juntas na mesma tarefa. Dirigidos por dados (Data-Driven) Se baseiam em manipulações de dados para chegar a conclusões Dirigidos por documentos (Document-Driven) Se baseiam em informações não estruturadas em meio eletrônico para que possam chegar a conclusões Dirigidos por conhecimento (Knowledge-Driven) São sistemas que se baseiam em regras, procedimentos, etc já estabelecidas Dirigidos por modelos (Model-Driven) Se baseiam em manipulação de dados estatísticos, financeiros, de otimização a modelos de simulação. Estes dados são inseridos pelos usuários já visando a tomada de decisão.
2.2. Tecnologias compreendidas no universo de Sistemas de Apoio à Tomada de Decisão Um dos pontos observados durante esta pesquisa foi de que há abertura para outros tipos de classificações, talvez mais claras, das tecnologias empregadas em SATDs, motivo pelo qual é proposta, neste trabalho, uma outra classificação, com base na análise de características elencadas em definições apresentadas pelos autores encontrados e também nas publicações de estudos de caso aqui utilizadas. Segue classificação proposta: Em relação às tecnologias de armazenamento são compreendidas, entre outras: Data Warehouse (DW) São estruturas de bancos de dados destinadas a gravar dados que podem ser usados no processo de tomada de decisão. Sua atualização é feita em batch. As estruturas de DW guardam imensa quantidade de informação. Data Mart (DM) Muitas vezes compreendido como integrante de Data Warehouses, o Data Mart armazena dados operacionais específicos de áreas da empresa e pode ser entendido como um data warehouse menos abrangente. Operational Data Store(ODS) É uma tecnologia para armazenamento e tratamento de dados semelhante ao Data Warehouse porém se difere ao servir para armazenar dados correntes e detalhados da área operacional da organização. Um ODS deve suprir as necessidades de relatórios da área operacional/tática e é criado para trabalhar com consultas pequenas. Em relação às tecnologias para extração e processamento dos dados são compreendidas, entre outras: Data Mining (DMg) Segundo Rygielski et al. [6], é uma técnica sofisticada para extração de dados que utiliza algoritmos estatísticos e métodos de inteligência artificial, como redes neurais para encontrar padrões e correlações em conjuntos de dados amazenados em qualquer uma das tecnologias de armazenamento. Simple queries (SQ) Capazes de efetuar simples consultas, que geralmente são feitas em nível operacional, como por exemplo, a quantidade de compras que um cliente XYZ fez. MOLAP (multidimensional online analytical processing) é uma ferramenta do OLAP, que coloca os dados numa estrutura multidimensional de modo que sejam feitos os relacionamentos necessários para obter os resultados esperados. ROLAP (Relational OnLine Analytical Processing) É uma ferramenta do OLAP que faz as consultas de modo relacional nas bases de dados. HOLAP (Hybrid OnLine Analytical Processing) Combinação entre MOLAP e ROLAP. Dentro das tecnologias de fronteira com o usuário são compreendidas, entre outras: On-Line Analytical Processing (OLAP) Tecnologia que tem o propósito de fazer consultas e exibir os dados de um data warehouse ou de um data mart. Compreende-se na classificação de tecnologias para apresentação de dados sua parte responsável por apresentar os dados ao usuário. Data Visualization for Data Mining (DVDM) Mostra relações complexas ao usuário em perspectivas variadas. Traduz fórmulas complexas, relações matemáticas e informações das tecnologias de armazenamento em gráficos, tabelas ou outros modelos de fácil entendimento. Dentro das tecnologias para inserção de dados são compreendidas, entre outras: Extract, Transform, Load (ETL) Tecnologia para extrair dados de uma fonte externa para um ODS, DM ou DW e transferir os dados de uma tecnologia de armazenamento para outra. O ETL se encarrega de preparar os dados na estrutura necessária e descartar o que não for utilizado. Tabela 1. Relação das categorias de tecnologias com as tecnologias apresentadas. Armazenamento (persistência) Extração e processamento Fronteira Tecnologias para troca de dados ODS DM DW DMg SQ MOLAP ROLAP HOLAP OLAP DVDM ETL 2.3. Arquitetura de Sistemas de Apoio à Tomada de Decisão Existem várias propostas de arquitetura publicadas. Para Power [7], há 4 componentes principais: A interface com o usuário, o banco de dados, as ferramentas de análise e modelagem e a estrutura de rede. Cada componente pode ser implementado em diferentes tecnologias. Para Marakas [5], são cinco
partes distintas: Um sistema de tratamento de dados(dbms), um sistema de tratamento de modelos(mbms), um processador de conhecimentos(ke), a interface com o usuário e próprio usuário, conforme a figura 1: Figura 1. Arquitetura básica de um SATD. Fonte: Camacho et al, 2005. p. 9. [4] 2.4. Características dos Tipos de Sistemas de Apoio à Tomada de Decisão Nesta seção são apresentadas tabelas comparativas entre os tipos de SATDs e as características encontradas nestes sistemas. São contrapostas as características com os tipos encontrados nas taxonomias de Alter [1] e Power [7]. As características apresentadas foram identificadas por meio da análise de estudos de casos na implementação de SATDs, tendo como ponto de partida as características indicadas por Clericuzzi [2]. Seguem as definições de cada característica apresentada nas tabelas 2 e 3 de resultados. Fontes de dados internas e externas à organização - As informações que subsidiam o processo decisório podem ser provenientes de diversas entidades. Estas entidades podem ser compreendidas como internas à organização ou externas à organização. Apresentação dos dados em gráficos, textos, tabelas, áudio, modo olfativo e tátil: Todos os sistemas apresentaram a capacidade de informar os dados em forma de tabelas, gráficos e texto. Não foram encontrados SATDs que apresentassem informações de modo olfativo, auditivo ou tátil. Necessita de regras inseridas pelos usuários - As regras são formas convenientes de representar fragmentos de conhecimento e possuem a seguinte forma [6]: SE: ENTÂO PORQUÊ descrição de uma possível situação (premissa) indicação de ações a serem tomadas (conclusão) justificativa de ter tomado tais ações (razão) Com as regras é possível definir que uma situação, caso seja válida, determina a existência de outra situação. Dados em tempo real - Característica dos sistemas que trabalham com os dados chamados online, ou seja, os dados daquele momento, não havendo atraso de tempo. Analisa o presente e o passado - Características que dizem respeito ao lugar no tempo em que os dados que estão sendo analisados estão situados. Simula situação futura - Característica que define a capacidade do sistema de mostrar situações que ainda não aconteceram, que se difere da análise de dados para extração de informações no sentido de que a simulação de situação futura apresenta (e cria) dados novos. Uso operacional - Característica que se refere ao tipo de uso daquele tipo de SATD. Apresenta dados estatísticos - Característica que se refere à habilidade do sistema demonstrar dados que foram produzidos com métodos estatísticos. Usa IA - Característica que se refere à utilização ou não de métodos de inteligência artificial para o processamento dos dados. Usa dados não-estruturados ou estruturados - Característica que se refere à habilidade do sistema processar dados não-estruturados ou estruturados. Abrange dados de toda ou parte a organização - Característica que se refere à abrangência dos dados utilizados no processamento. Banco de dados relacionais ou não-relacionais - Característica que se refere à tecnologia utilizada no banco de dados quanto à estrutura do banco de dados que é utilizado para armazenamento. Com as características levantadas e os tipos de sistemas, as seguintes tabelas foram elaboradas:
Tabela 2. Tipos de SATDs pela taxonomia de Power [7] em relação às características levantadas. RELAÇÃO - TIPOS DE SISTEMA E CARACTERÍSTICAS Fontes dos dados internas à organização Fontes dos dados externas à organização Necessita de regras inseridas pelo usuário Dados em tempo real Analisa o presente Analisa o passado Simula situação futura Uso operacional Apresenta dados estatísticos Usa IA Usa dados nãoestruturados Usa dados estruturados Abrange dados de toda a organização Abrange dados de somente parte da organização Bancos de dados relacionais Bancos de dados nãorelacionais Communication Data Document Knowledge Model Tabela 3. Relação dos tipos de SATD pela taxonomia de Power [7] e os tipos de informação propostos por Fabre e Carvalho [3]: RELAÇÃO - TIPOS DE SISTEMA E TIPOS DE INFORMAÇÃO TIPOS DE INFORMAÇÃO Tipos de sistemas Communication- Data- Document- Knowledge- Model- Pontuais Históricas Cenários Inferidas Estatísticas Não Estruturadas 3. CONCLUSÕES Quanto à classificação dos sistemas, notou-se que os tipos de sistemas podem ser mistos, sendo compreendidos em mais de um tipo. Por exemplo, um sistema que é Document-Driven pode ao mesmo tempo ser Data-Driven caso componha as funções deste tipo também. Assim, soluções completas podem ser desenvolvidas combinando os tipos de SATDs. Isto evidencia que os critérios de classificação das taxonomias, apesar de serem bem escolhidos e definidos, quando não se isentam de avaliar a tecnologia empregada, acabam se tornando confusos na realidade das organizações que constroem sistemas cada vez mais complexos. Nota-se, através da tabela que os sistemas podem apresentar as informações aos usuários de todas as maneiras e, apesar de não terem sido encontrados sistemas com as características de apresentar dados em áudio, de modo olfativo ou tátil, acredita-se que, uma vez consolidadas as tecnologias que promovem estas características, não deverá haver dificuldade em implementá-las. Espera-se, com a divulgação dos resultados deste trabalho de pesquisa, contribuir para que esta seleção seja otimizada, de modo a maximizar as vantagens da adoção de SATDs nas empresas. AGRADECIMENTOS À PUC-Campinas e ao programa PIBIC/CNPq pela oportunidade de realizar esta pesquisa.
REFERÊNCIAS [1] ALTER, Steven L., "Computer-aided decision making in organizations: a decision support system typology," Cambridge, Mass., Massachusetts Institute of Technology. Center for Information Systems Research, Report CISR-ll, 1976. [2] CLERICUZI, A. Z. ; Grillo Jr., T. F. (2009), Discussão sobre modelos para desenvolvimento de sistemas de apoio a decisão específico. In: Simpósio de Excelência em Gestão e Tecnologia, 2009, Resende - RJ. VI Simpósio de Excelência em Gestão e Tecnologia (SEGeT). Resende - RJ : Associação Educacional Dom Bosco (AEDB). v. 01. p. 01-10. [3] FABRE, J. L.; CARVALHO, J. O. F. (2004), Uma Taxonomia para Informações Geradas por Sistemas de Apoio à Tomada de Decisão Memórias de la CISCI 2004-3ra. Conferencia Iberoamericana en Sistemas, Cibernética e Informática. IIIS - International Institute of Informatics and Systemics, Orlando, Florida, EE.UU., v. 1, julio, 2004B, p. 236-240. [4] CAMACHO, F., BOAS, F., CÂMARA, J., FERREIRA, J. (2005), A DECISION SUPPORT SYSTEM FOR HOTEL SELECTION USING THE AHP METHOD. Adaptive, Universidade do Porto. FEUP. Portugal. [5] MARAKAS, G. M. (1999), Decision support systems in the twenty-first century. Upper Saddle River, N.J., Prentice Hall. [6] RYGIELSKI, C., WANG, J., YEN, D. (2002), Data Mining Techniques For Customer Relationship Management, Technology In Society 24, p. 483 502. [7] POWER, D. J. (2002), Decision support systems: concepts and resources for managers. Westport, Conn., Quorum Books. [8] POWER, D. J. (2000), Web-based and model decision support systems: concepts and issues. [9] POWER, D. J. (1997), "What is a DSS?" The On-Line Executive Journal for Data-Intensive Decision Support 1.