1 Sistemas de Suporte a Decisão Roberta Pontes [email protected] UFPE - Centro de Informática...
Transcript of 1 Sistemas de Suporte a Decisão Roberta Pontes [email protected] UFPE - Centro de Informática...
1
Sistemas de Suporte a Decisão
Roberta [email protected]
UFPE - Centro de Informática Programa de Doutorado em Informática
Prof. Jacques Robin
2
Plano de Aula
1. Introdução
2. Tomada de Decisão, Modelagem e Suporte
3. Componentes de um Decision Support System -DSS
4. Data Warehousing - DW
5. Data Mining
6. DSS Inteligentes
7. DW com Agentes Inteligentes
3
1 Introdução
Em 1970: Decision Support Systems - DSS - SI projetados para auxiliar gerentes em fazer escolhas
No início dos anos 80: Executive Information Systems - EIS
4
1 Introdução EIS (continuação):
– os primeiros não tinham capacidade analíticas
– acabou sendo usada por “sêniores” para encontrar problemas
• DSS são usadas por pessoas de apoio para solucionar problemas
Embora úteis DSS e EIS os BD usados trabalhavam com dados transacionais
– não havia uma considerações sobre presente, passado para se prevê o futuro
início dos anos 90, datawarehouse e OLAP iniciaram a expansão dos domínios do DSS
– De DSS Pessoal para Organizacional
5
1 Introdução Com o crescente desenvolvimento de sistemas
distribuídos
– acesso a dados de múltiplas localizações
– colaboração e comunicação via web
Ferramentas DSS atuais familiarizadas com padrões da web
– flexibilidade, eficiência e uso
– migração de sistemas para desktop
Pode-se obter a integração crescente de vários SI
– melhores decisões - muitas informações
6
1.1 Suporte Computadorizado a Tomada de Decisão
Management Support Systems (MSS)Coleção de tecnologias computadorizadas
Objectivos– suportar trabalho gerencial– suportar tomadas de decisão
7
1.2 Porquê Suporte de Decisões Computadorizado?
Competição Facilidade de uso por usuários-finais Facilidade de análise - dados especiais ( data
warehouse) 2 maiores tecnologias
– DSS (suportam decisões de gerentes e de analistas)– EIS (ajudam grandes executivos na identificação de
problemas e oportunidades) Suporte a decisões é baseado numa diversidade de
dados internos e externos Aplicações DSS separadas de Sistemas de
processamento de transações (TPS), e usam dados transacionais.
DSS usam infinidade de modelos estatísticos e outros Os gerentes são os responsáveis por todas as decisões
8
Todas as atividades gerenciais giram em torno o suporte a decisão
O gerente é o tomador de decisão
Tomar decisão é uma arte (de puro talento)
Estilos individuais são usados, não métodos científicos sistemáticos
Decisões devem ser rápidas– Evitar abordagem de gerenciamento
“Tentiva-Erro”
9
1.4 Outros Sistemas de Suporte
Management Support Systems (MSS) Decision Support Systems (DSS) Group Support Systems (GSS),
including Group DSS (GDSS) Executive Information Systems (EIS) Expert Systems (ES) Artificial Neural Networks (ANN) Hybrid Support Systems Cutting Edge Intelligent Systems
(Genetic Algorithms, Fuzzy Logic, Intelligent Agents, ...)
10
1.5 Arquitetura Clássica para Suporte a Decisão [Simon 71, [Anthony 65]
TIPO DE CONTROLE
Tipo de Decisão Controle Operacional Controle Gerencial PlanejamentoEstratégico
Tecnologia de SuporteNecessária
Estruturado Contas a receber Análise deorçamento,Previsões dePequeno Prazo,relatórios pessoais
GerenciamentoFinanceiro,InvestimentosSistemas dedistribuição
Gerenciamento de sistemas deinformáticaProcessamento de transações
Semi-estruturado Scheduling da produçãoControle de inventário
Avaliação de créditoPreparação deorçamento, layoutde fábrica
Construir uma novafábricaFusões e aquisições,planejamento de novosprodutosPlanejamento decertificação dequalidade “QA”
DSS
Desestruturado Seleção de uma capapara uma revista,
Compra de um softwareaprovação de um
empréstimo
Negociação,recrutamento de umexecutivo, comprade HW, “lobbing”
Planejamento de P &D, desenvolvimento denovas tecnologias,
DSS,ESNeural Networks
Tecnologia de SuporteNecessária
Geranciamento deSistema de Inform.
DSS, EIS, ES EIS, ES, Neuralnetworks
Arquitetura para Suporte a Decisão
11
1.5.1 Natureza de Decisões em Ambientes de Suporte a Decisão
• Arquitetura proposta por [Gorry and Scott Morton 71]+ [Simmon 77] + [Anthony 65]
Decisões Altamente Estruturadas
Decisões Altamente desestruturadas
Estratégico
Tático
Operacional
Semi-estruturadas
12
Simon: Três fases do processo de Tomada de Decisão
Compreensão -busca por condições solicitadas nas decisões
Projeto--projetos, desenvolvimentos, e possíveis análises das ações
Escolha--seleção de uma ação das disponíveis
13
Problemas Desestruturados, normalmente, são resolvidos com o julgamento humano
Problemas semi-estruturados necessitam de ambos rotinas automáticas de solução e julgamento humano
Um Sistema de Suporte a Decisão , além de fornecer soluções pode auxiliar gerentes a entender probemas
Meta do DSS: Aumentar a eficácia da Tomada de Decisão
14
1.5.2 Suporte a Computador para Decisões Estruturadas
Suportadas desde 1960 São de natureza repetitiva possuem alto nível de estruturação podem ser abstraídas, analisadas e
classificadas em protótipos Solucionadas por modelos ou
fórmulas quantitativas Método conhecido como:
– Management Science (MS) ou – Operations Research (OR)
15
1.6 Conceitos de (DSS)
Scott Morton [1971] [Gory and Scott Morton 71] - sistema interativo baseado-
computador, que ajudam tomadores de decisão na utilização de modelos e dados para solucionar problemas não estruturados
Keen and Scott Morton [1978] Keen and Scott Morton 78] - DSS acoplam recursos
intelectuais individuais com capacidades do computador para melhorar a qualidade de decisões
DSS: Expressão livre de contexto, i.é. – Significados diferentes para pessoas diferentes– Não sendo aceita uma definição universal
16
O que é um DSS?
Usado algumas vezes como um termo guarda-chuva – todo e qualquer sistema computadorizado usado
no suporte a tomada de decisões numa organização
Definição de Trabalho:
• Sistema de Informação Baseado em Computador- CBIS
• interativo, flexível e adaptável,
• que suporta soluções de gerenciamento
• de problemas não-estruturados
• e provê tomada de decisão.
17
1.6.1 Características e Capacidades do
DSS Projetado para suportar problemas gerenciais complexos
que outras técnicas computadorizadas não suportam
é orientado a usuário,
usa dados e modelo
fornece suporte para níveis gerenciais e executivos
suporta todas as fases do processo de tomada de decisão
Suporta vários estilos/processos para tomada de decisão
são adaptativos no tempo
18
1.6.1 Características e Capacidades do
DSS Tentam melhorar a eficácia da tomada de decisão
– (exata, tempo mínimo e qualidade)
o tomador de decisão tem o controle completo sobre todos os passos do processo TD na resolução do problema
fornece acesso a diferentes tipos de dados
...
19
1.6.2 Por qûe usar DSS? Os benefícios são [Udo and Guimarães
94]:
• alta qualidade nas decisões
• melhoria na comunicação
• redução de custo
• aumento de produtividade
• economia de tempo
• melhoria da satisfação de clientes e empregados.
20
1.7 Group Support Systems (GSS)
Várias formas de trabalho em grupo:– Groupware– Electronic meeting systems– Collaborative systems– Group Decision Support Systems (GDSS)
21
1.8 Executive Information (Support) Systems (EIS, ESS)
Usado estritamente por executivos !– Fornece uma visão organizacional– Satisfaz as necessidades de informções a executivos e
a outros gerentes– Fornece uma interface de uso fácil (usuário seduzido) – Interface customizada aos estilos individuais de
decisão– Possibilita o controle e acompanhamento rápido e
efetivo– Fornece acesso rápido a informações escondidas (Drill
Down)– Filtra, extrai e acompanha dados e informações
críticos– Identifica problemas (oportunidades)
22
2. Tomada de Decisão, Modelagem e Suporte
Um exemplo problema O papel do SI em uma organização O Processo de Modelagem Decison Making versus Problem Solving
23
2.1 Um exemplo de Problema
Como investir $ 1.000,000,00 ?
24
2.1.1 Aspectos Típicos de uma Decisão
Decisões podem ser tomadas em grupo Possivelmente com objetivos contraditórios Existem centenas de alternativas resultados podem ocorrer no futuro atitudes envolvem risco existem cenários “What- If” método “tentativa-erro” podem resultar em perdas experimentos reais só podem ser feitos uma vez mudanças no ambiente podem ocorrer
continuamente
25
2.3 Tomada de Decisão versus Problem Solving
Segundo Simon o Processo de Tomada de Decisão é composto de 4 fases:
1. Compreensão2. Projeto3. Escolha4. Implementação
Def. Livro: Decision making e Problem Solving podem sinônimos
Def. Jacques Robin: DM - fase 1
26
2.4 O Processo de Modelagem
Modelos– Maior componente do DSS– Permitem simular a realidade– É uma representação ou abstração simplificada da realidade– Realidade é muito complexa, difícil de ser copiada
Benefícios– Economia de Tempo– Facilidade de manipulação– Baixo custo nas construções, execuções– Podem modelar riscos e incertezas– Simulação visual,– ...
27
Processo de Modelagem de Suporte a Decisão
realidade
Fase Compreensão
•Examina a realidade
•Identifica e define
problema
Fase do Projeto
Formula um modelo
Seta critérios de escolha e
busca por alternativas
Fase da EscolhaSolução para o modelo
Seleção da melhor alternativas
Plano para Implement.
Suposições
SimplificaçõesDeclarações do problema
Alternativas
Implementação Solução
Verificação de Solução proposta
Validação do modelo
Solução
Sucesso
Fracasso
28
As diversas tecnologias que auxiliam o processo de modelagem nas suas
diferentes fases: Compreensão: DSS, ES, MIS, Data Mining,
OLAP, EIS GDSS Projeto e Escolha: DSS, ES, GDSS,
Management Science Implementação: DSS, ES, GDSS
2.5 Como Decisões são Suportadas
29
Data management subsystem:
Model management subsystem
Knowlwdge management subsystem
User interface subsystem
O Usuário é considerado parte do sistema
3. Componentes de um DSS
30
3.1 Visão Esquemática do DSS
Data Manag Mod. Manag
Knowledge Manag.
User Interface
Manager (User)
Other Computer-Bases systems
O usuário é considerado parte do sistema
31
3.1.1 Data managent subsystem
inclui o banco de dados que contém dados relevantes a resolução do problema
conhecido como DBMS é composto de
– DSS database– Database management system– Data directory– Query facility
32
Fontes internas de dados
Finanças, Marketing, Produção, ...Fontes de dados externas
Dados pessoais
User Interface
Manag. Mod.
Knowledge
manag.
Extraçao
BD-DSS ou DW
SGBDFacilidade consultas
Diretório de dados
A Estrutura do Data Management Subsystem
33
3.1.2 Model managment subsystem
Pacote de software que inclui: Model base management
– contém rotinas estatísticas, de finanças, marketing ...– 4 categorias: estratégico, tático, operacional e blocos de
contrução de modelos Modeling language Model directory Model execution, integration, and comand processor
34
3.1.2 .1 Model Base - Estratégico
Usados para suportar planejamentos estratégicos gerenciamentos de alto nível, de longo prazo gerenciamentos de objetivos corporativos Ex:
– análise de impacto ambiental– fusões, novas aquisições
35
3.1.2 .2 Model Base - Tático
Usados para suportar gerenciamentos de nível médio. Usados para auxiliar no controle e recursos da
organização Ex de decisões:
– planejamentos de necessidades para o trabalho– determinação de layouts, de orçamentos
36
3.1.2 .3 Model Base - Operacional
Usados para suportar atividades do trabalho do dia-a-dia
Ex de decisões:– squeduling da produção– controle de inventário,– controle de qualidade...
37
Gerenciamentos de dados, de interface e de conhecimento
Modelo Base
Diretório do Modelo
Gerenciamento do Modelo Base
Modelo de execução, integração
A Estrutura do Model Management System
38
3.1.3 Knowledge managent subsystem
Fornecem expertise para auxiliar na resolução de problemas não estruturados ou semi-estruturados
39
Subsistemas de gerenciamento conhecimento, do modelo e do banco de dados
Usuário
Sistema User Interface Management
Processador de Linguagem Natural
Entradas/Saídas Terminal
Impressoras,
Plotters
Estrutura do User Interface System
40
Knowledge Management Classificação Silverman[95]
DSS Inteligente ou DSS/ES ou KB-DSS
knowledge-based aids (decisões endereçadas pela matemática)
intelligent decision modeling system (ajuda aos usuários a construir, aplicar e gerenciar bibliotecas )
decision analytic expert systems (métodos de incerteza)
41
3.1.4 User interface subsystem
Permite a comunicação entre usuários e Subsistema de gerenciamento do modelo
inclui hardware, software, interações homem-máquina, acessabilidade, ...
Spraque e Watson [96] - componente mais importante
Whitten e Bentley [97] - consideram ser o próprio sistema
42
3.1.4.1 Capacidade do User interface subsystem Fornece interface gráfica
apresenta diferentes formatos e saída para dados
capacidades de ajuda, de diagnóstico, rotinas de sugestões...
Armazena entrada e saída de dados
fornece treinamentos
captura, armazena e realiza análise de diálogos entre usuários...
43
3.2 Classificação dos DSS
Halsapple and Winhston’s Classification [96]– Text-oriented DSS– Database-oriented DSS– Spreadsheet-oriented DSS– Solver-oriented DSS– Rule-oriented DSS– Compound DSS
44
4. Data Warehousing
É muito apropriado para organizações onde:
– dados armazenados em sistemas diferentes
– existem várias bases de dados diferentes
– o mesmo dado é apresentado de formas diferentes em vários sistemas
– dados são difíceis de decifrar - formato muito técnico
45
4.1 Característica de Data Warehousing
Dados organizados por assunto
Integração de dados (Ex: sexo)
Variante no tempo - dados históricos 5-10 anos para indicar tendências, fazer comparações, previsões.
Banco de dados read-only
46
4.2 OLTP versus OLAP
On-Line Transaction Processing
– processamento operacional ou de missão crítica
– usado por especialistas
– trabalha com dados volumosos
On-Line Analytical Processing
– processamento informacional ou de suporte a decisão
– usados pelos usuários finais em DSS e EIS
– trabalha com data warehouse
47
4.2.2 Funções de um DW
coleta e armazenamento de dados de várias bases de dados,
armazenamento de dados resumidos,
fornecimento de respostas à consultas OLAP,
fornecimento de cópia estável dos dados para consultas de suporte a decisão.
48
4.2.3 Arquitetura de um DW
DW Data mart Data mart
Data extractor Data extractor Data extractor
BD legados BD legados Sistema de Arquivos
Software de Integração
Sof. Cons. & atual C&A c &a
49
A Multidimensionalidade
Planilhas são tabelas de 2 dimensões Em DSS cruzamentos são necessários
Multimensionalidade permite o tomador de decisão organizar informações com 3 ou mais dimensões
Exemplo de um modelo multidimencional no slide seguinte
50
Produto
ChaveProdutoNomeTipoOcasiãoVidaÚtilEstaçãoPreçoArranjoDateAvailableFromDateAvailableToDescrição
FatosVenda
Canal
Cliente
ChaveClientePrimeiroNomeÚltimoNomeFaturaEndereçoFaturaCidadeFaturaOutraEstadoFaturaPaísIdadeGêneroMantalStatusRendaFamiliar
Tempo
ChaveCanalTipo; NomeMatriz; RegiãoLocalização: Cidade, Estado, País; AnoContrato
ChaveTempo
ChaveCliente
ChaveProduto
ChaveCanal
PreçoCheio
Desconto
Comissão
RedeProcedência
51
Arquitetura para desenvolvimento de DSS
Dados Operacional
DSS engine Ambiente de Desenvolvimento
DW
Aplicações Descktop
Metadado
52
* Dado Operacional; Sistemas OLAP
DW: fundação da Aplicação DSS
Metadado:serve para identificar conteúdos e localizações de dados no warehouse. É uma ponte entre o DW e o DSS
DSS engine: transforma requisitos de dados em consultas SQL para serem enviadas ao DW e resultados de consultas para serem enviadas ao analista DSS
Ambiente de desenvolvimento: conjunto de ferramentas O-O para construção da aplicação
53
5. Data Mining
É a descoberta de conhecimento dentro em banco de dados
É freqüentemente ligada com DW fornece “insights” para gerenciar
oportunidades e problemas potenciais ( ou existentes)
54
5.1 Intelligent Data Mining - IDM
descobre informações dentro de DW que não são revelados através de consulta ou relatórios [Edelstein 96]
descobre padrões de dados e fazem inferências entre eles– estes padrões podem ser usados para auxiliar a
tomada de decisão
55
5.1.1 Principais Ferramentas de IDM Case-based reasoning
– a idéia é adaptar soluções que já foram usadas para solucionar novos problemas
• Ex.:abordagem usada para reconhecer padrões Neural computting
– usada para reconhecer padrões ao examinar dados históricos [Trippi and Turban 96]
Inteliggent Agents– Uma das mais promissoras abordagens para recuperação
de informação de Banco de Dados
56
5.2 Banco de Dados Inteligente e Data Mining O desenvolvimento de DSS exige acesso a banco de dados um objetivo crítico é tornar um banco de dados inteligente de
modo que usuários possam encontrar sozinhos suas informações
Solução: Unir as facilidade de Banco de Dados com as de IA– Pode gerenciar dados, knowledge e objetos– Ex.: INGRES Intelligent Database
• Friday + 1 (working day ) = Monday
57
6. DSS Inteligentes
Tomadores de decisão são primariamente “knowledge workers”– devem usar conhecimento nas decisões – Knowledge-based-system tentam fornecer além do
conhecimento o “expertise”– o expertise irá ajudar tomadores de decisão inexperientes
para melhor planejar e analisar recursos
58
6.1 Exemplos de DSS Inteligentes
Active(Symbiotic) DSS [Manheim 89]– é aplicado para as seguintes tarefas:[Mili 90]:
• entender o domínio (terminologia, parâmetro, interações) => fornece explicações
• formular problemas => fazer suposições, decidir o que fazer e o que não fazer
• narrar um problema a ser resolvido => DSS junto com prolem-solver pode aconselhar que procedimentos usar, que soluções técnicas seguir
• interpretar resultados• interpretar, mostrar resultados e decisões
59
6.1 Exemplos de DSS Inteligentes
Self-evolving DSS [Liang and Jones 87]– é uma abordagem para projeto de DSS que poderia ir se
adaptando automaticamente com a evolução de seus usuários
– necessita das seguintes capacidades• menu dinâmico adaptado ao tipo de usuário• interface de usuário dinâmica com saídas diferentes• sistema de gerenciamento de modelo da base
inteligente
60
6.2 DSS Multimídia
Há uma forte tendência de se incluir tipos de dados multimídia diretamente em DSS e ES como suporte aos seus bancos de dados [Fluckiger 96], [Fong 96], [Ng Tye 95]– para recuperar, armazenar e manipular dados– exemplo: Nabisco
K-Vision (GINESYS Corp.) ES windows-based Existem muitas capacidades multimídia na internet/intranets
para envio de dados Futuro: mais multimídia em DSS
61
6.3 DSS com Realidade Virtual
Muitas aplicações atuais podem ser usadas por tomadores de decisão diretamente– Validação de um desenvolvimento de um Boing [Hedberg
96]– Na VOLVO testar carros virtuais em acidentes virtuais
Tomadores de decisão poderiam ter uma melhor visão de suas decisões
62
6.4 Desafios dos DSS [Sprague and Watson 96]
Arquitetura integrada– usando uma interface comum ( “for windows”) um
Information worker pode ver todo o mundo de informações que existem.
Conectividade– Information workers devem estar ligados a web para
acessar informações . O desenvolvimento de novos DSS desenvolvidos deverm ser “web-enable”. Ex. Group DSS
Dados documentados– DSS com capacidade de manusear dados mal estruturados
Mais inteligência
63
7. DW com Agentes Inteligentes
Todo ambiente de DW enfrenta o obstáculo da sobrecarga de informações.– Os agentes inteligentes fornecem ferramentas para vencer
estes obstáculos Soluções com AI em um ambiente de DW maximizam o
investimento e possibilitam soluções de BI de forma nunca tentada.
AI representam um importante papel neste cenário
Problema : Tamanho e Tempo
64
7. Exemplos de Aplicações DW com AI
Mobilidade:– acesso do comprador-fornecedor– disponibilizar seus dw para serem seus agentes
Técnicas de ajuntamento de informação (gathering)– data mining incorporado com AI– ADM podem trabalhar offline para encontrar padrões
escondidos e reportá-los ao usuário do sistema OLAP
65
7. Exemplos de Aplicações DW com AI
Transferência/compartilhamento de conhecimento entre agentes– Capacidade dos agentes colaborarem na resolução de
problemas– Ex: atualização de um DATA MART
• Problema : Tamanho e tempo• agentes de “scheduling”de carga (objetivo: maximizar o
desempenho. Usa tempos históricos de carga, prioridades, fila)
• agente de monitoramento (objetivo: monitorar fontes de dados disponíveis para carga e reportar ao agente de scheduling de carga)
66
8. Conclusões Mais inteligência
– Embutir:ES, Intelligent Software Agents, Neural Network e outras tecnologias de IA nos novos DSS
– Ex: métodos de data mining baseados em IA podem descobrir relacionamentos que podem ser usados por modelos de DSS para predizer previsão de vendas de um novo produto
Arquitetura de AI podem ajudar a superar o muro da sobrecarga de informação, combinando interfaces fáceis de usar, feedbacks imediados e capacidades de monitoramento autônomo.
A combinação de agentes inteligentes com OLAP é o grande “tchan”em datawarehousing