1

Sistemas de Suporte (Apoio) a Decisão

Roberta Pontesrsap@di.ufpe.br

UFPE - Centro de Informática Programa de Doutorado em Informática

Disciplina - SemináriosProfa. Marcília

2

Plano de Aula 1. Introdução 2. Tomada de Decisão, Modelagem e Suporte 3. Componentes de um Decision Support

System -DSS 4. Arquitetura para desenvolvimento de um

DSS 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– os primeiros não tinham capacidade analíticas – acabou sendo usada por “sêniores” para

encontrar problemas • DSS são usadas por pessoas de apoio para

solucionar problemas

4

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 Com o crescente desenvolvimento de sistemas

distribuídos

– acesso a dados de múltiplas localizações

– colaboração e comunicação via web

5

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

1.4 Resumo dos 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, ...)

7

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

8

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

9

Simon: Quatro 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 Implementação

10

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

11

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

12

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.

13

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

14

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

...

15

2. Tomada de Decisão, Modelagem e Suporte

Aspectos de uma decisão O Processo de Modelagem Decison Making versus Problem Solving

16

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

17

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. [ Turban 98]: Decision making e Problem Solving podem sinônimos

Def. Jacques Robin: DM - fase 3

18

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,– ...

19

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

Simplificações Declarações do problema

Alternativas

Implementação Solução

Verificação de Solução proposta

Validação do modelo

Solução

Sucesso

Fracasso

20

Mapea FIs internas/externas do ambiente para identificar situações de problemas e oportunid.

Se o problema for encontrado:– Identificar metas e objetivos organizacionais;– determinar se estes estão sendo encontrados– definir explicitamente o problema

Tecnologias usadas: EIS, Data Mining e OLAP:

– suportam esta pela monitoração contínua das FIS em busca de sinais de problemas e oportunidades

2.4.1 A Fase da Compreensão

21

Geração, desenvolvimento e análise de possíveis ações em curso

Iclui: Entender o problema

testar praticidade de soluções um modelo é construído, testado e

validado

2.4.2 A Fase do Projeto

22

Que critérios utilizar para se fazer a escolha? A melhor solução? A solução é boa o bastante?

Seleção do princípio da escolha:a decisão considera a aceitabilidade da abordagem

da solução: abordagens de baixo ou alto riscos Dois princípios:

– Normativo: a melhor escolha pode ser demonstrada matematicamente

– descritivo: (análise de cenários, previsões, ...)

2.4.3 A Fase da Escolha

23

Busca avaliação e recomendação na solução apropriada para o modelo escolhido

especifica o conjunto de valores para as variáveis de decisão em uma alternativa selecionada

o problema é considerado resolvido após a soluçào recomendada para o modelo ser implantada com sucesso

faz uso de três classes de abordagens de busca:– Analytical techiniques (optimization)– Blind Search Techniques– Heuristic SearchTechniques

2.4.3 A Fase da Escolha

24

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

25

Data management subsystem:

Model management subsystem

Knowlwdge management subsystem

User interface subsystem

O Usuário é considerado parte do sistema

3. Componentes de um DSS

26

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

27

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

28

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

29

3.1 Visão Esquemática do DSS

Data Manag Mod. Manag

Knowledge Manag.

User Interface

Manager (User)

Other Computer-Bases systems

30

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

31

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

32

3.1 Visão Esquemática do DSS

Data Manag Mod. Manag

Knowledge Manag.

User Interface

Manager (User)

Other Computer-Bases systems

33

3.1.3 Knowledge managent subsystem Fornecem expertise para auxiliar na resolução de

problemas não estruturados ou semi-estruturados

34

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)

35

3.1 Visão Esquemática do DSS

Data Manag Mod. Manag

Knowledge Manag.

User Interface

Manager (User)

Other Computer-Bases systems

36

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

37

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

38

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...

39

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

40

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

41

4.1 Características de um 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

42

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

43

4.3 Data warehouse

É um Banco de Dados de dados do tipo read-only

Objetiva assegurar que o dado apropriado estará disponível para um certo usuário no tempo devido.

44

4.3 Data warehouse - Funções 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.

:

45

Data warehouseData mart Data mart

Data extractor Data extractor Data extractor

Base de Dados Relacional

Base de Dados Legada

Sistema de Arquivos

Software de Integração

Software de Consulta e Análise c &a c &a

4.4 Arquitetura de um Data Warehouse

46

4.5 Arquitetura para desenvolvimento de DSS

Dados Operacional

DSS engine Ambiente de Desenvolvimento

DW

Aplicações Descktop

Metadado

47

* 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

48

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)

49

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

50

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

51

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

52

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

53

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

problem-solver pode aconselhar que procedimentos usar, que soluções técnicas seguir

• interpretar resultados• interpretar, mostrar resultados e decisões

54

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

55

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

K-Vision (GINESYS Corp.) ES windows-based Existem muitas capacidades multimídia na internet/intranets

para envio de dados Futuro: mais multimídia em DSS

56

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

57

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

58

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

59

7. Exemplos de Aplicações DW com AI Mobilidade:

– acesso do comprador-fornecedor– disponibilizar seus dw para serem seus agentes

Técnicas de agrupamento de informação (gathering)– data mining incorporado com AI– ADM podem trabalhar offline para encontrar padrões

escondidos e reportá-los ao usuário do sistema OLAP

60

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)

61

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 fazer 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 e conseqüentemente será em DSS

62

9. Referências Bibliográficas

Vários artigos de data warehouse e de sistema de apoio à decisão

[Turban 98] - Desion Support Systems and Intelligent Systems [Gray 98] Decision Support in hte Data Warehouse [[KIMBALL 98] - Data WAREHOUSE Toolkit [KIMBALL 98] - Building the Data WAREHOUSE [BERSON 97] Data Warehousing, Data Mining and OLAP [POE et all 98] - Building a Data Warehouse for Decision

Support