Disciplina: Sistemas de Informação Gerencial Prof.: Érico Oda. Aula 10 Tema: Sistemas de Apoio à Decisão Business Intelligence

Disciplina: Sistemas de Informação Gerencial Prof.: Érico Oda Aula 10 Tema: Sistemas de Apoio à Decisão Business Intelligence Nossa capacidade de coletar e armazenar dados ultrapassou em muito a nossa habilidade de analisar, resumir e extrair conhecimentos, a partir destes dados. Harry S.Singh (2001,p.XXI) SUMÁRIO 1. A Organização Inteligente... 2 2. BI-Business Intelligence e o apoio à decisão;... 2 2.1. Formalização de Business Intelligence... 2 2.2. Vantagens e Benefícios de um Business Intelligence Formal:... 2 3. SAD - Sistemas de apoio à Decisão... 3 3.1. SAD s baseados em dados... 4 3.2. SAD baseados em modelos... 5 4. Datawarehouse, DataMarts e Metadados... 5 4.1. Datawarehouse (DW)... 5 4.2. Data Marts... 6 4.3. Metadados... 6 5. Data mining - Ferramentas OLAP cubo de decisões... 7 6. Operações em SAD s baseados em modelos... 9 7. SAD Funcionais em Empresas - DataMarts... 10 7.1. SAD em Marketing... 10 7.2. SAD de Produção e Operações... 11 7.3. SAD de Recursos Humanos... 11 7.4. SAD de Finanças... 12

1. A Organização Inteligente Uma empresa inteligente é aquela que implementa e utiliza mecanismos de integração, análise e exploração de informações a respeito de seu desempenho, e ferramentas para estudar e interpretar o meio ambiente composto pelo mundo complexo formado pela globalização. Executa isto obtendo e manipulando diversas variáveis simultaneamente, rastreando acontecimentos externos e internos para orienta e executar ações em respostas adequadas aos mesmos. Estabelece estratégias de negócios e estruturas empresariais, voltadas para as necessidades existentes para enfrentar os desafios estabelecidos, e para alcançar a sua visão de futuro, concretizando os objetivos e metas do planejamento estratégico. 2. BI-Business Intelligence e o apoio à decisão; As Tecnologias de Informação, com suas características de capturar, armazenar, processar e recuperar dados e informações de forma cada vez mais ágil, ampla e precisa, têm a capacidade de abastecer, de forma volumosa e maciça, o processo de formação de conhecimentos. A questão é que este processo e formado pelos relacionamentos das informações e de suas interpretações requerem uma velocidade cada vez maior, superior ao tempo demandado pelas limitações biológicas do raciocínio humano. 2.1. Formalização de Business Intelligence A solução foi a estruturação dos processos mentais de geração e gestão de conhecimentos e, com utilização das mesmas TI s que geram os dados e informações, possibilitar a transposição destes processos e seus mecanismos mentais básicos, nas tarefas mais usuais e padronizáveis, para sistemas computadorizados. Os conhecimentos, que antes eram tratados e obtidos por mentes profissionais de forma tácita e empírica, mediante acúmulos de experiências anteriores na memória, e resgatados e utilizados com talentos analíticos e dedutivos individuais destes profissionais, podem agora ser estruturados e disseminados de forma explícita e metodizada, com ferramentas estruturadas por um SAD Sistema de Apoio à Decisão. 2.2. Vantagens e Benefícios de um Business Intelligence Formal: A adoção de um sistema formal de Business Intelligence, reflete diretamente na sobrevivência e desenvolvimento da empresa na nova economia, globalizada e fundamentada no domínio do conhecimento, dotando-a de inteligência competitiva que garanta o seu lugar no mercado. As principais vantagens e benefícios propiciados pela utilização de um Sistema de Apoio à Decisão e de Business Intelligence: Detectar e conhecer novas tecnologias, produtos ou processos de interesse da empresa; Prever mudanças na sociedade, no mercado e dos clientes, atuais e potenciais;

Antecipar e/ou prever ações da concorrência e/ou descobrir novos ou potenciais competidores; Analisar e revisar as práticas de negócio adotadas; Pesquisar e apoiar a implementação de novas ferramentas gerenciais; Aprender com as falhas e os sucessos próprios e dos outros; Pesquisar e conhecer suas possíveis parcerias e aquisições; Pesquisar e elaborar planos de novos negócios; Etc. 3. SAD - Sistemas de apoio à Decisão Enquanto o SIG aborda primordialmente problemas estruturados, o SAD dá apoio à análise de problemas semi-estruturados e não estruturados. (Laudon & Laudon, 207, p.307). Os SIG s - Sistemas de Informação Gerencial - que automatizam as transações e operações de uma empresa, capturam e armazenam dados em formatos e estruturas que privilegiam a precisão e velocidade na realização destas tarefas. Os SIG s fornecem ainda consultas e relatórios de informações gerenciais, mas constituídos principalmente pelas totalizações e consolidações destes dados, a partir de formatos operacionais com que são armazenados. A forma das tabelas e arquivos, concebidas para realizar e agilizar as transações apresenta uma anatomia e morfologia inadequada ao processo de formação de conhecimentos multifacetados, necessários aos tomadores de decisão. Para suprir esta necessidade surgiram os SAD s. Os Sistemas de Apoio à Decisão (SAD s ou DDS-Decision Suport System) são sistemas informatizados que possuem e disponibilizam ferramentas lógicas e matemáticas, com algoritmos flexíveis e combinados de acordo com a necessidade, que substituem os processos e mecanismos mentais de análise e tratamento seletivos de dados e informações. Formalizam e instrumentam o Business Intelligence. Estes sistemas reestruturam os dados operacionais, potencializando as tarefas mentais humanas dotando-as de precisão, velocidade e a capacidade de tratar grandes volumes de dados, de forma limitada apenas pelas capacidades de processamento e armazenamento dos computadores utilizados. SAD s, então, compõem um ambiente projetado para apoiar, contribuir e influenciar o processo de tomada de decisão (Colaço Jr., 2004,p.11). Estes sistemas podem abranger todos os dados internos relevantes da organização que, somados a diferentes dados referentes a variáveis e entidades do meio externo (sociedade, mercado e concorrência), adquiridos e armazenados conforme necessidades determinadas no projeto do SAD, dotam a empresa de Inteligência Competitiva para embasar os processos de decisões estratégicas (Barbieri, 2001, p.6) Com a disseminação do uso de TI s nas empresas, com acessos a fontes diversificadas de dados e informações, o problema não é mais a escassez ou falta de dados, mas sim a habilidade e a competência de relacionamento e interpretação de grandes volumes de dados na construção do contexto de conhecimentos que permita a melhor tomada de decisão, compreendendo os seguintes processos: selecionar as informações pertinentes ao assunto, priorizá-las de acordo com a sua relevância no contexto; analisar e interpretar os seus significados para a decisão;

relacionar e conectar as informações existentes e sintetizar as opções possíveis da decisão; construir um modelo mental dos mecanismos afetados pela decisão; simular os prováveis cenários resultantes das diversas opções da decisão; tomar a decisão e deflagrar as ações; verificar se os resultados foram os pretendidos. se os objetivos não foram totalmente atingidos, inicia-se novamente o ciclo para uma nova decisão. Os SAD s podem ser classificados em dois tipos básicos aplicados nas situações empresariais com as suas combinações possíveis: SAD s baseados em dados e os baseados em modelos. 3.1. SAD s baseados em dados Os SAD s baseados em dados são constituídos fundamentalmente de um Datawarehouse ou armazém de dados, que podem ser formados (ou não) de vários Datamarts (armazéns de dados específicos), contendo dados e informações consolidados e integrados a partir dos bancos de dados operacionais, a respeito de um aspecto ou tema do negócio da empresa. Ex: um grupo financeiro pode ter dados, a respeito de cada um dos seus clientes, nos sistemas do banco comercial, da financeira, da seguradora e na corretora de valores mobiliários do grupo. São arquivos formatados de acordo com a estrutura dos temas e suas informações selecionadas como necessárias aos processos de tomada de decisão, e alimentados com a periodicidade e necessidade de atualização dos mesmos, a partir dos dados dos sistemas originais. Ex: Informações de um cliente do grupo financeiro: saldos positivos, negativos e médios na conta bancária; financiamentos concedidos e posição de pagamentos das respectivas parcelas; seguros contratados, pagamentos de prêmios e reembolsos realizados; saldos, aplicações financeiras e resgates realizados por período. Estas informações podem ser atualizadas diariamente, semanalmente e/ou mensalmente, a depender de suas periodicidades de ocorrência e da determinação das necessidades dos seus usuários. A alimentação é efetivada de forma cumulativa, não alterando informações anteriores, de forma a preservar o histórico, por operações ETL Extract (extrair), Transform (transformar) e Load (carregar), mediante um conjunto de programas denominado de middleware, encarregados de conectar os Datawarehouse com os bancos de dados transacionais, de onde os dados primários se originam. Ex: Um cliente, atualmente inadimplente nos sistemas do banco, pode ter sido durante vários anos um cliente importante e de posses, com significativas movimentações financeiras anteriores e, conseqüentemente, de interesse futuro do grupo financeiro. A adoção de um Datawarehouse próprio e de uso específico por parte dos SADs/BI independente dos bancos de dados onde se registram as operações primárias dos sistemas aplicativos de onde se originam os dados, é de suma importância para ambas as partes (aplicativos e Bis), pois uma consulta ou busca de informações consolidadas e/ou relacionadas nos dados originais consumiria muitos recursos de processamento e demandaria um tempo excessivo. O consumo de capacidade computacional prejudicaria os aplicativos e o tempo excessivo comprometeria a agilidade do BI.

3.2. SAD baseados em modelos São sistemas que modelam e formalizam processos mentais de elaboração de opções de decisão, mediante escolhas e depurações lógicas programáveis, com a utilização de funções matemáticas e/ou lógicas, estruturadas por algoritmos matemáticos, lógicos, estatísticos, financeiros etc., e que executam automaticamente as tarefas de construção de opções para as decisões a tomar, possibilitando a construção de cenários decorrentes de cada uma das opções analisadas e existentes. São modelos que utilizam as combinações de análises mentais tais como e se, se-então e façaenquanto, de forma encadeada e recorrente. São, em sua maioria, ferramentas resultantes de análises sistemáticas de Datawarehouses de SAD s baseados em dados que, com a aplicação de técnicas e princípios lógicos, matemáticos e estatísticos, podem apresentar padrões recorrentes de inter-relacionamentos e de correlações de comportamentos de diversas variáveis, que passam a formar a equação de dependência entre estas variáveis. Utilizados em conjunto com os demais bancos de dados de SADs, também podem ser classificados como SAD s mistos (baseados em modelos e também em dados) Ex: Clientes que fazem o financiamento de imóveis e veículos, normalmente também fazem seguro para os mesmos, em determinado montante do bem financiado. São utilizados intensivamente para facilitar as elaboração de etapas de decisões mais objetivas e que envolvam variáveis quantitativas, relacionadas lógica e/ou matematicamente, e que possam ser monitoradas e mensuradas em seu comportamento, e que tenham os graus de liberdades admissíveis conhecidos e controláveis. Ex: sistemas de decisão de produção de uma indústria, para determinar quais clientes e pedidos a atender, considerando os tipos de produtos, prazos de entrega, quantidades a entregar, capacidades produtivas de máquinas e pessoas, matérias-primas disponíveis etc. Com estas variáveis devidamente relacionadas pode-se equacionar e manipular os clientes e pedidos a atender, em quantidades e a seqüência de entrega mais adequados, simulando as diversas possibilidades e situações deste atendimento. 4. Datawarehouse, DataMarts e Metadados Um datawarehouse armazena dados que foram extraídos dos vários bancos de dados de uma organização, sejam eles operacionais, externos ou de outra espécie. É uma fonte central de dados já trabalhados, transformados e catalogados, portanto, prontos para serem utilizados por gerentes e outros profissionais da empresa para datamining, processamento analítico online e outras formas de análise empresarial, pesquisa de mercado e apoio à decisão. ( O Brien, 2004, p. 142). 4.1. Datawarehouse (DW) Os DW s DataWarehouses, peças centrais de SAD s, são Bancos de Dados composto normalmente de tabelas e arquivos de dados cumulativos e não voláteis, formatados e estruturados segundo a conveniência de utilização nas decisões, para obtenção de consultas, resumos e posições, propiciando flexibilidade na combinação,

cruzamentos e relacionamentos de informações, bem como a agilidade na recuperação e disponibilização das mesmas. Podem conter dados atuais e antigos, com uma granulometria (detalhamento) de dados determinada em seu projeto, pelas necessidades de análise e aprofundamento das informações a serem pesquisadas nos mesmos, podendo também conter dados já sumarizados para as consultas mais freqüentes. 4.2. Data Marts O DM - Data Mart é um subconjunto dos dados contidos em um DataWarehouse extraído para um ambiente separado (Colaço Fr., 2004, p.18), geralmente segregados segundo critérios de uso de cada uma destas partes, visando melhorar o desempenho e segurança dos SAD s. As empresas estruturam o projeto de datawarehouses em datamarts departamentais para suprir necessidades específicas de determinados grupos de decisores dentro da organização. Como são menores que um DW completo, requer um tempo menor de implementação e podem ser concretizados isoladamente e posteriormente consolidados e integrados em um único conjunto de dados estratégicos da empresa - DW. As diferenças entre os datamarts e o data warehouse são relacionadas ao tamanho e aos escopos dos dados e dos problemas a ser resolvidos. Um DM aborda problemas departamentais ou de determinado local, enquanto um DW envolve as informações da companhia toda para que o suporte à decisões atue em todos os níveis da organização. Devido a estas diferenças entre escopo e tamanho, o desenvolvimento de um DW requer tempo, dados e investimentos gerenciais muito maiores que um DM. O DM apresenta diversas diferenças e vantagens em relação ao DW, entre as quais: Reduzem o custo de implantação e manutenção de SAD s departamentais; Podem ser projetados e prototipados de forma mais rápida que os DW; Têm os escopos mais específicos e limitados e, por isso são mais identificados com as necessidades dos usuários, o que colabora para o seu uso e aceitação; Por serem menores, geralmente são mais ágeis e flexíveis, dentro de suas limitações; Graças a estas características, os DM s têm sido utilizados para implantações pilotos, inclusive para implantar gradativamente a cultura de tomar decisões com base em dados reais e concretos nas organizações dirigidas pela intuição e talento de seus profissionais. 4.3. Metadados Metadado é o componente mais importante do datawarehouse. O metadado contém dados sobre os dados (Singh, 2001, p.23). O metadado situa-se em uma dimensão diferente dos outros dados do datawarehouse, porque a sua existência, forma e conteúdo são definidos respectivamente no contexto, no projeto e nas alimentações sucessivas dos dados operacionais. Tratam das informações sobre as origens dos dados, tais como data de obtenção/alimentação, sistema original, ferramentas que os geraram e trataram para compor o datawarehouse. Também são importantes dados sobre os responsáveis pelo conteúdo, quem o administra e de todas as informações que transmitam aos usuários as amplitudes e restrições do DW, com a rastreabilidade de sua origem.

Os metadados podem ser estruturados em três partes em camadas diferentes: Metadados operacionais: definem o dicionário e a estrutura dos dados originais, mantidos pelos bancos operacionais, usados pelas aplicações transacionais da empresa, para possibilitar a manutenção das conexões entre os SIG s e o SAD; Metadados centrais: dicionário de dados do DW, orientados por tema, especificando como os dados transformados devem ser interpretados, inclusive com as definições de agregações e cálculos utilizados dos campos, e os cruzamentos de temas, para a sua correta alimentação e operação; Metadados para os usuários: organizam os metadados do DW para conceitos que sejam familiares e adequados aos usuários finais. Figura 1: Datawarehouse genérico Fonte: Datawarehouse: Um Ambiente EstruturadoMichel de Souza em http://imasters.uol.com.br/artigo/1446/bi/datawarehouse_um_ambiente_estruturado/, acesso em 27/09/2008 5. Data mining - Ferramentas OLAP cubo de decisões A extração de informações de um DW ou de um DM, com a utilização de ferramentas lógicas, denomina-se Datamining- ou garimpagem de dados. Para a realização desta garimpagem e obter a utilização plena e correta dos DW e DM, o usuário necessita de ferramentas ágeis e flexíveis de construção, recuperação e exposição das informações requeridas para o processo de tomada de decisão. Segundo Colaço Jr. (2004,p.26 e 27) as ferramentas OLAP, On Line Analytic Processing - processamento analítico em tempo real, foram concebidas para atender esta demanda e reúnem um conjunto de técnicas e tecnologias utilizadas para tratar e retirar as informações de um DW. O termo OLAP se refere a um conjunto de tecnologias que já existiam e existem em SGBD Sistemas Gerenciadores de Banco de Dados, utilizados para montar e extrair consultas e relatórios dos dados contidos nos mesmos.

Para a explanação e utilização das ferramentas OLAP é importante estabelecer o conceito virtual de cubos de decisão, cujas faces e/ou arestas são as variáveis (campos) de um DW e o conteúdo são os dados ordenados e indexados segundo estas variáveis. Com este conceito, um grande cubo (DW) pode ser desmembrados em vários e diferentes pequenos cubos específicos (DM s). Algumas das técnicas utilizadas em ferramentas OLAP, que as aplicam sobre os cubos de decisão : Ranging limitar estabelece seleção de dados entre dois limites, segundo um atributo escolhido. Ex: população entre 18 e 30 anos; Slicing cortar em fatias, segmentação de um conjunto de dados com determinados critérios. Ex: população de uma cidade, segmentada por faixa de renda; Drilling escavar aprofundamento e/ou alteração de nível e/ou de escopo dos dados o Drill Down escavar para baixo, detalhamento de um dado sintético para analítico, aumentando a sua granulometria. Ex: detalhar o total de faturamento por loja/filial; o Drill Across escavar através descobrir ou elaborar relacionamentos, dependências e comparativos transversais, relatando eventos e ocorrências casadas.ex: em um supermercado, quantos clientes que compram vinho também compra queijo; o Drill Up escavar para cima - relatar a participação de determinados dados em consolidações e totalizações. Ex: em quanto monta a participação de jovens entre 13 e 15 anos no total de alunos matriculados no total das escolas públicas e no total da população de uma cidade. Dicing jogar dados manipulação, redimensionamentos e reconstruções dos cubos de decisão. Ex: da população total, elaborar informações somente sobre a população escolar; Rotation rotacionar girar os cubos, alterando a segmentação/ordenação/ disposição/visão dos dados. Ex: consultar os perfis da população segundo a idade, renda, escolaridade, sexo, podendo mudar e/ou inverter a ordem das variáveis consultadas; Merging mistura - consolidação e intercalação ordenada de dados de fontes diversas e diferentes. Ex: consolidar os cadastros de clientes cadastrados em todas as empresas de um grupo financeiro; Ranking classificação ordenação dos dados de interesse segundo um critério. Ex: ordenar os funcionários de um departamento em ordem decrescente de salários, ou de tempo de casa, ou por idade. As ferramentas OLAP selecionam, ordenam e relatam as informações requeridas pelos usuários do SAD, que podem ser complementadas e sofisticadas com a aplicação de análises estatísticas tais como a análise multivariada, análise de clusters, para a descoberta de padrões e regras antes desconhecidas. A exposição dos dados garimpados pode ser efetuado em consultas de telas e relatórios on-demand (sob solicitação). Mas, caso sejam informações freqüentemente requeridas e consultadas, também podem ser exibidos em um painel de controle, designados de dashboards ou de cockpits, similares aos paineis de instrumentos de um carro ou aeronave, com medidores gráficos e numéricos, onde um comandante ou dirigente consulta informações e indicadores que o permitam tomar as melhores decisões a respeito dos rumos da empresa.

Figura2: Utilização de SAD s Fonte: Laudo & Laudon,2007, p.309 6. Operações em SAD s baseados em modelos Em SAD s baseados em modelos, além da flexibilidade de consultas baseadas nas operações OLAP no seu DW, são estabelecidas as relações e equações que determinam as opções de decisões existentes, mediante a efetivação de operações com estas equações. Nesta equações deverão ser identificadas: Variáveis independentes externas: incógnitas fora do controle do usuário, mas cujos valores poderão ser simulados. Exs: cotações de moedas, preços de commodities, aumento do PIB. Ex: simular valores do dólar para custear as matérias-primas importadas. Variáveis independentes controláveis: incógnitas com valores controláveis a serem fixados pelos usuários. Ex: Preços de venda de produtos. Variáveis dependentes: são incógnitas calculadas pelas equações do modelo, com o valores decorrentes das dependências diretas dos valores das variáveis independentes. Ex: com preço X (alto) as vendas diminuirão para Y. Variáveis objetivos: normalmente são variáveis dependentes, mas adquirem uma condição especial por terem valores a serem perseguidos e atingidos. Ex: A rentabilidade de X % pode ser conseguida pelo aumento de preços ou pelo aumento da quantidade vendida. As operações de SAD s baseados em modelos podem ser efetuadas de forma controlada, com técnicas tais como simulação de variáveis, testes de comportamento do modelo, prototipação de novas relações etc. Quando os modelos forem complexos, deverão ser precedidas de parametrizações, que são a fixação de determinadas variáveis independentes, para a restrição dos graus de liberdade do modelo. Os objetivos dos modelos é a de decidir sobre quais comportamentos de variáveis serão adotados, para direcionar as ações que concretizem tais comportamentos, sob duas óticas: Busca de metas: com o estabelecimento do valor final desejado da(s) variável(is) objetivo(s), parametrizando os valores das variáveis independentes não controláveis e simulando os valores das variáveis independentes controláveis;

Otimização: com a maximização e/ou minimização das variáveis dependentes, nos casos de serem positivas e/ou negativas, respectivamente Análise de históricos e determinação de tendências: com o traçado de projeções das tendências das variáveis dependentes, mas agindo sobre os eventos relacionados às variáveis, para redirecionar as tendências históricas para novos valores desejados. 7. SAD Funcionais em Empresas - DataMarts Em empresas é comum a adoção de sistemas de apoio às decisões departamentais, para embasar as ações dos responsáveis pelas diferentes funções empresariais específicas, visto que cada área necessita de informações focadas nos aspectos e dimensões que interfiram nas suas atuações, em seus impactos na empresa e no meio ambiente. 7.1. SAD em Marketing Os SAD s de apoio às decisões de mercado e de atuação comercial de uma organização estarão a serviços do desenvolvimento e incremento da participação da empresa nos mercados de atuação, e exploram e dissecam as seguintes dimensões: Mercado Potencial e Prospects: Pesquisas e análises demográficas de populações, segmentados, caracterizados e quantificados por seus diversos atributos idade, sexo, renda etc, para exploração de possíveis clientes-alvo; Clientes - mercado atual: ativos/inativos Levantamentos e diagnósticos de comportamentos de relacionamentos com os clientes atuais, ativos e inativos, para incrementar os negócios junto aos mesmos; Concorrentes diretos/indiretos Monitoração dos desempenhos dos concorrentes atuais e potenciais, que trabalhem com produtos similares ou equivalentes, estudando e analisando suas atuações, iniciativas e resultados; Produtos vendas/não-vendas/estoques Informações de desempenho de produtos e serviços, de vendas e não-vendas, bem como os estoques existentes, para analisar os atributos (físicos, funcionais, de apresentação etc) responsáveis pelos melhores e dos piores desempenhos, para embasar o projeto de futuros produtos/serviços Ponto-de-venda - desempenhos Registros e tendências de desempenhos comerciais dos pontos-de-venda, vinculando-os aos fatores intervenientes destas performances tais como localização, tamanho, instalações, estoques, etc para replicar os de maior sucesso; Promoções - retornos Registros de desempenho de campanhas de promoções e propagandas efetuadas, para embasar decisões sobre as próximas iniciativas neste sentido; Preços alinhamentos

Verificação das relações entre preço e demanda (vendas) dos produtos, buscando a relação de maior rentabilidade menos venda com maior margem ou mais venda com menor margem. 7.2. SAD de Produção e Operações O caráter técnico e objetivo das atividades e processos da área propiciam a formulação e utilização de SAD s orientados a modelos lógicos e matemáticos. As ferramentas de decisão da área de produção/operação das empresas devem orientar as ações que busquem a melhoria permanente na produtividade e qualidade dos seus processos, produtos e serviços, bem como avanços na agilidade e flexibilidade dos processos produtivos. Para tanto devem abordar os seguintes aspectos e dimensões: Engenharia de Produtos Com dados coletados sobre a evolução das tecnologias de produtos existentes no mercado, pode-se efetuar a prototipação de novos produtos da empresa. Pode-se também analisar a composição física-funcional de produtos concorrentes de sucesso mediante a engenharia reversa, para aplicar na evolução dos produtos da empresa; Flexibilidade - Engenharia de Processos Sistemas de decisão podem ser utilizados em modelagens de novos processos, mediante testes e simulações, para estabelecer a variabilidade necessária para o atendimento personalizado de clientes; Agilidade - Planejamento de Produção Simuladores de planos de produção com a utilização de MRP (Manufatoring Resourses Planning), minimizando os prazos de entrega de produto e otimizando o uso dos recursos produtivos considerando a Teoria das Restrições (TOC Theory of Constraints); Qualidade Sistemas e Controles Maximização de qualidade de produtos e de processos com a utilização de Modelos Estatísticos e de Modelos Estocásticos, em busca de padrões a formalizar na aleatoriedade de insumos e processos; Produtividade controle e avaliação Análises de medições de indicadores de desempenho, em busca da melhor relação de produtividades dos processos, buscando a Melhoria Contínua, aplicando os princípios de Lean Production produção enxuta, de forma a minimizar os custos de insumos e componentes, e maximizar os preços que os clientes se dispõem a pagar, mediante a análise de valor agregado. 7.3. SAD de Recursos Humanos As decisões de uma empresa na área de Recursos Humanos visam o aumento dos desempenhos dos profissionais no trabalho, por meio de processos mais adequados para a obtenção, preparação, medição, avaliação e retenção dos melhores talentos no seu quadro de pessoal. Os SAD s de RH visam, então, aprimorar os processos de: Recrutamento e Seleção

Analisado e decidindo quanto aos melhores mecanismos para compor o quadro de perfis dos trabalhadores a contratar pela empresa, e selecionando com inteligência os melhores profissionais disponíveis nos banco de currículos Treinamento e Desenvolvimento Elaborar os atributos congnitivos e comportamentais ideais para a formação dos colaboradores da empresa em cada função e decidir sobre os currículos de cursos e treinamentos a ministrar para s seus desenvolvimentos; Controle e Avaliação Analisar os ambientes, contextos e seus fatores que mais contribuem para a melhoria de performance e desempenhos dos profissionais, nas atividades e tarefas de cada área da empresa, para estabelecer os critérios objetivos e justos de avaliações, que transformem as atribuições de promoções e méritos em desafios a enfrentar. Retenção e Encarreiramento Elaborar pesquisas, analisar e determinar o melhor plano de encarreiramento e remunerações, incluindo desafios e benefícios que retenham os melhores talentos no quadro de pessoal. 7.4. SAD de Finanças Os desempenhos econômicos e financeiros de uma empresa normalmente são reflexos diretos das decisões e ações definidas e efetuadas nas suas demais áreas, mas é a função que tem por finalidade a demonstração dos resultados finais da organização sob a ótica vigente na sociedade capitalista. Mas é a função financeira que orienta a melhor forma de aplicação dos recursos de Capital pelas outra funções, de maneira a maximizar os retornos de investimentos efetuados no mercado, na capacidade produtiva e no desenvolvimento de RH, mensurando e registrando os resultados, bem como direcionando os novos recursos gerados para os investimentos mais rentáveis. Financeira Sistemas que mensuram a ciclometria financeira ou o montante e a velocidade de giro do capital, estabelecendo as melhores relações entre a rentabilidades brutas (markups) e velocidade de demanda, para a maximização da lucratividade final. Normalmente trabalha com demonstrativos de resultados operacionais em regime de caixa, para considerar os custos financeiros das operações. Econômica Analisa os registros e resultados da contabilidade patrimonial, mensurando os reais ROI s retorno dos investimentos efetuados, com demonstrativos de resultados patrimoniais e de valorização geral da empresa no mercado, trabalhando em geral, em regime de competência; Rentabilidade e Custos Estabelecimento da lógica e dos mecanismos de apropriação real e total dos custos incorridos, diretos, indiretos e rateados, para serem apropriados a cada unidade de produção, com os devidos critérios de custeios e rateios, para as decisões sobre as reais margens de contribuição unitárias. Estas análise, decisões e ações embasam as contribuições das lucratividades de linhas de produtos e das unidades de negócios nos resultados globais (profits share) Lucratividade e Resultados

Determinações dos ciclos de vida de produtos e processos mediante análises de dados de seus desempenhos aplicando os SAD s nas séries históricas e tendências dos mesmos, para a projeção de sua longevidade e da permanência ou não na carteira de produtos da empresa (market mix), para a maximização do conjunto de produtos e serviços ofertados ao mercado pela empresa. Bibliografia Básica: LAUDON, Kenneth. LAUDON Jane Sistemas de informação gerenciais: administrando a empresa digital, 5ª. edição. São Paulo: Prentice Hall, 2004 O BRIEN, James A. Sistemas de Informação e as decisões gerenciais na era da internet. 2ª.ed. São Paulo: Saraiva, 2004. Bibliografia Complementar: ALBERTIN, Alberto Luiz.Administração de informática: funções e fatores críticos de sucesso.5ª.ed.são Paulo:Atlas, 2004 ANGELONI, Maria T. (coord.). Organizações do Conhecimento: Infraestrutura, Pessoas e Tecnologias. São Paulo:Saraiva, 2002 BARBIERI, Carlos. BI-Business Intelligence Modelagem e Tecnologia. Rio de Janeiro: Axcel Books, 2001 COLAÇO Jr., Methanias.Projetando sistemas de apoio à decisão baseados em datawahouse. Rio de Janeiro:Axcel Books, 2004 DE SORDI, José Osvaldo. Tecnologias da informação aplicadas aos negócios. São Paulo: Atlas 2003 FREITAS, H., et al, Informação e decisão, Porto Alegre:Ortiz S/A, 1997 GOMES, Luiz F.A.M.; GOMES, Carlos F.S.; ALMEIDA, Adiel T. Tomada de decisão gerencial: enfoque multicritério. São Paulo: Atlas, 2002. GOMES, Luiz F.A.M.; ARAYA, Marcela C.G.; CARIGNAMO, Claudia. Tomada de decisões em cenários complexos: introdução aos métodos discretos do apoio multicritério à decisão. São Paulo: Pioneira Thomson Learning, 2004. GOMES, Luiz Flavio A.M; GOMES, Carlos F.S.; ALMEIDA, Adiel T. Tomada de decisão gerencial enfoque multicritério. São Paulo: Atlas, 2002 ROSINI, Alessandro M.; PALMISANO,Ângelo. Administração de Sistema de Informação e a gestão do conhecimento. São Paulo: Pioneira Thomson Learning, 2006. SINGH, Harry S. Datawarehouse conceitos, tecnologias, implementação e gerenciamento. São Paulo:Makron Books, 2001. SIQUEIRA, Marcelo Costa. Gestão Estratégica da Informação. Rio de Janeiro: Brasport, 2005 SORDI, José Osvaldo. Tecnologia de Informação Aplicada aos Negócios. São Paulo: Atlas, 2003 STAIR, Ralph M.; REYNOLDS, George W. Princípios de Sistemas de Informação. Uma Abordagem Gerencial. 4ª. ed. Rio de Janeiro: LTC, 2002.

TORRES, Norberto A. Competitividade Empresarial com a Tecnologia de Informação. São Paulo:Makron Books, 1995 TURBAN, Efraim; RAINER JR,R.Kelly; POTTER, Richard E.. Administração de Tecnologia da Informação. Rio de Janeiro: Elsevier, 2003.