1

Sistemas de Suporte a Decisão

Roberta Pontesrsap@di.ufpe.br

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