Professor: Curso: Esp. Marcos Morais de Sousa marcosmoraisdesousa@gmail.com Sistemas de informação Disciplina: Introdução a SI Noções de sistemas de informação Turma: 01º semestre Prof. Esp. Marcos Morais de Sousa E-mail: marcosmoraisdesousa@gmail.com 1
Noções de sistemas de informação Marcos Morais de Sousa marcosmoraisdesousa@gmail.com Marcosmoraisdesousa.blogspot.com Prof. Esp. Marcos Morais de Sousa E-mail: marcosmoraisdesousa@gmail.com 2
CRM Customer Relationship Management Sistemas CRM ou Gerenciamento das Relações com o Consumidor, permitem que a customização em massa seja possível, fazendo com que um consumidor conte com a eficiência de uma grande corporação ao mesmo tempo em que disponha da flexibilidade e personalização oferecidas nas pequenas empresas.
CRM Customer Relationship Management Sistemas que registram e integram e oferecem fácil acesso a todo e qualquer interação do cliente com a empresa: compras efetuadas, pagamentos efetuados, reclamações, pedidos de assistência, pedidos de suporte, pesquisas feitas, orçamentos realizados...
CRM Customer Relationship Management O CRM é mais do que uma simples ferramenta que coleta e armazena dados de clientes. Ele é utilizado, sobretudo, para melhorar e personalizar o atendimento Comumente módulos CRM já são oferecidos dentro de pacotes ERP (maior vantagem, maior integração)
Sistema interfuncional que atua como uma estrutura para integrar e automatizar diversos processos de negócios de uma empresa, sendo que pode possuir vários módulos, mas todos pertencentes à mesma aplicação e acessando um banco de dados comum a todos. Um dos seus objetivos é criar uma maior integração da empresa e facilitar o fluxo da informação. Essa é a definição de um tipo de sistema de informação conhecido pela sigla A. SE. B. SAD. C. ERP. D. CRM. E. OLAP.
Com relação aos sistemas de informação, analise as afirmativas abaixo. I. Uma organização pode ter mais de um sistema de informação computadorizado. II. Existem tipos de sistemas que podem atender a todos os níveis e áreas das empresas. III. Não é possível que um sistema de informação forneça subsídios para outro sistema de informação. IV. Um sistema de folha de pagamento é considerado do tipo SIG (Sistema de Informações Gerenciais). V. Os sistemas do tipo SADG (Sistemas de Apoio a Decisão em Grupo) são empregados no nível gerencial ou tático das empresas. VI. Os tipos de sistemas de informação computadorizados, que atuam no nível operacional das empresas, são: os SPT (Sistemas de Processamento de Transações) e os SAE (Sistemas de Apoio Estratégico).
SGBD relacionais Relembrando... Bancos de dados tradicionais das organizações são projetados para processar milhões de transações por dia. Pesquisas complexas podem levar muito tempo para serem respondidas e podem degradar o desempenho do banco. Também, as informações não ficam organizadas de modo intuitivo de modo a facilitar a procura por informações e conhecimentos
Data Warehouse banco especializado em pesquisas repositório de dados históricos que são organizados por assuntos relevantes ao negócio que dá suporte a tomada de decisão Centraliza dados de todo os bancos da organização Data warehouse facilita as atividades de Business Intelligence
Data Warehouse Características: Dados organizados por assuntos de negócios Dados consistentes (padronizados) Histórico Não volátil: dados não são alterados depois que entram no DW Multidimensional: bancos tradicionais usam tabelas com 2 dimensões. DW pode usar n dimensões (cubos de dados)
DW e ETL Os dados de um DW vêm dos bancos de dados operacionais da organização (geralmente SGBD relacionais) ETL (Extract, Transformation, Load) são aplicações (software) especiais para fazer a carga dos dados de um DW. Mas nem todos os dados são necessariamente transferidos pro DW; comumente somente um resumo dos dados é transferido
DW e ETL Extract: fase de extração e coleta dos dados dos diferentes bancos operacionais disponíveis na organização Fase que lida com os diferentes tipos de bancos, tecnologias e estruturas Geralmente os dados coletados vão para uma área provisória (staging area)
DW e ETL Transformation: limpeza, padronização e transformação dos dados coletados Ex: Feminino, F, Mulher, M, Sra., Srta... Load: carregar os dados da staging area para o DW
DW - Análise de Dados Multidimensional - OLAP Dados multidimensionais se assemelham a um cubo com n dimensões. Análise multidimensional permite rotacionar o cubo (slice and dice) fornecendo diferentes visões e perspectivas aos usuários.
DW - Análise de Dados Multidimensional - OLAP Exemplo: dados de vendas estão organizadas por regiões Norte, Sul e Sudeste. E essas regiões podem desmembradas por estados. Pode-se ver as vendas por produto dentro por região Pode-se ver as vendas por produto por estado de uma região A organização dos negócios está refletida na estrutura multidimensional dos dados Facilidade de obter fáceis respostas mesmo para não especialistas
Data Mining Mineração de Dados Data Mining pode ser descrito como análise de dados exploratória Data Mining = descoberta de conhecimento, Knowledge Mining
Data Mining Técnica de extrair conhecimento, a partir de um banco de dados, procurando correlações nos dados e apresentando hipótese promissora ao usuário, para análise e consideração.
Data Mining O objetivo de um Data Mining é encontrar padrões implícitos em bancos de dados, geralmente usando técnicas estatísticas.
Data Mining Processo que utiliza técnicas estatísticas e de aprendizado de máquinas (redes neurais inteligência artificial) para construir modelos capazes de predizer alguns comportamentos ou descobrir padrões de comportamento
Data Mining Consiste em um processo analítico projetado para explorar grandes quantidades de dados na busca de padrões consistentes e/ou relacionamentos sistemáticos entre variáveis e, então, validá-los aplicando os padrões detectados a novos subconjuntos de dados.
Data Mining Processo de extrair informação válida, a partir de grandes bases de dados, usando-as para efetuar decisões cruciais, explorando grandes quantidades de dados à procura de padrões consistentes, como regras de associação ou seqüências temporais, para detectar relacionamentos sistemáticos entre variáveis, detectando assim novos subconjuntos de dados
Data Mining A premissa do Data Mining é uma argumentação ativa, isto é, em vez de o usuário definir o problema, selecionar os dados e as ferramentas para analisar tais dados, as ferramentas do Data Mining pesquisam automaticamente os mesmos à procura de, por exemplo, possíveis relacionamentos, identificando assim problemas não identificados pelo usuário.
Data Mining Data mining é a tarefa de descoberta de padrões dentro de grandes quantidades de dados, onde os dados podem estar armazenados em bancos de dados, DW ou outros repositórios de informações.
Data Mining Técnicas: Classificação define-se os grupos e vasculha-se a base para classificar os dados Clusterização/aglomeração vasculha-se os dados para tentar reuni-los em grupos de dados semelhantes Padrão de seqüência vasculha-se os dados procurando por determinadas seqüências de eventos Associação procura descobrir relacionamentos entre variáveis
Data Mining Características: Processo analítico Técnicas estatísticas Grandes quantidades de dados Fontes de dados variadas Algoritmos computacionais avançados e de altaperformance Redes neurais Inteligência artifical
Data Mining Muito utilizado para: Detecção de fraudes (cartões de crédito e bancos) Descobrir relações ocultas e úteis entre eventos Marketing direcionado (mailing, sugestões em sites)
Data Mining Processo semi-automático: descoberta de um padrão válido e novo não significa descoberta de um padrão valioso e útil.
Gestão do Conhecimento Identificar, selecionar, organizar, distribuir e transferir informação e conhecimento especializado que fazem parte da memória da empresa e que normalmente existem de forma não estruturada (conhecimento tácito) Estruturar o conhecimento tácito permite aprendizado facilitado
Gestão do Conhecimento Atividades de criação, obtenção, compartilhamento e uso de conhecimento, habilidades e experiências dos membros da organização. Também conhecida como Knowledge Management - KM
Gestão do Conhecimento ênfase no compartilhamento do conhecimento conhecimento deve ser trocado entre as pessoas reuso do conhecimento (evitar reinventar a roda) conhecimento deve crescer criação de mais conhecimento promover aprendizado organizacional ativos intelectuais capital intelectual
Gestão do Conhecimento KMS Knowledge Management System ou Sistema de Gestão do Conhecimento torna a gestão do conhecimento disponível para toda empresa pode-se guardar textos, documentos, gráficos, esquemas... Pode-se utilizar bancos de dados, DW ou qualquer outro tipo de repositório que venha a ser apropriado ao tipo de conhecimento
Gestão do Conhecimento O sistema de gestão do conhecimento desenvolve-se com o apoio de tecnologias de comunicação, colaboração e armazenagem, entre as quais se incluem Internet, intranet, data warehousing, ferramentas de apoio a decisão e groupwares.