1 / 28

Tomada de decisão

Tomada de decisão. Dr. Nicolas P. R. Ramaux. Plano do curso. Aspectos interdisciplinares da tomada de decisão Psicológico, Cognitivo, Racional Aspectos sociológicos da tomada de decisão em empresa Etapas da tomada de decisão Tomada de decisão em grupo Vroom-Jager Leadership Model

giza
Download Presentation

Tomada de decisão

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Tomada de decisão Dr. Nicolas P. R. Ramaux www.NHConsultoriaTI.com

  2. Plano do curso • Aspectos interdisciplinares da tomada de decisão • Psicológico, Cognitivo, Racional • Aspectos sociológicos da tomada de decisão em empresa • Etapas da tomada de decisão • Tomada de decisão em grupo • Vroom-Jager Leadership Model • Fundamentos matemáticos da teoria da decisão • Matrizes de decisão • Esperança matemática • Estimação de probabilidades • Bayesianismo • Decisão com incerteza / com ignorânça • Métodos e técnicas de tomada de decisão em Management • SWOT, AHP, Pareto • Simulações, Análise de custo – benefício • Árvores de decisão, Noções de teoria dos jogos • Programação linear • IT e tomada de decisão : Sistemas de apoio à decisão • Arquitecturas (OTLP, OLAP, DWH, Datamarts). • Rentabilidade • DataMining www.NHConsultoriaTI.com

  3. Bibliografia • P. Adriaans; D. Zantinge. Data Mining. Addison-Wesley, 1996. • U. M. Fayyad; G. Piatetsky-Shapiro; P. Smyth; R. Uthurusamy. Advances in Knowledge Discovery and Data Mining. AAAI/MIT Press, 1996. • J. Han; M. Kamber. Data Mining: Concepts and Techniques. Morgan Kaufmann, 2000. • A. Berson; S.J. Schimdt. Data Warehousing, Data Mining & OLAP. McGraw-Hill, 1997. • G. Piatetsky-Shapiro; W. J. Frawley. Knowledge Discovery in Databases. AAAI/MIT Press, 1991. www.NHConsultoriaTI.com

  4. O que é BI ? A inteligência econômica é o conjunto dos meios, das ferramentas e dos métodos que permitem coletar, consolidar, modelar e restituir os dados de uma empresa para ajudar à tomada de decisão e para que os responsáveis pela estratégia da empresa possam ter uma visão global da atividade. Informática decisional www.NHConsultoriaTI.com

  5. Por que a BI ? • Explosão dos dados • Tamanho dos Sistemas de Informação de grandes empresas ... • Estamos nos afogando em dados, mas sedentos por informação • Gestão estratégica das empresas • Não existe estratégia sem objetivos • Não existe objetivos sem indicadores (medição). • Necessidade de coerência ! www.NHConsultoriaTI.com

  6. Exemplo : Estudo Cliente • BD heterogêneas • Modelizações diferentes de "Cliente" • Redundâncias • Etc. Relação Cliente Incidental Garantia Filial 1 Filial 2 Filial 3 www.NHConsultoriaTI.com

  7. Arquitetura funcional Coletar os dados • Também chamado de "datapumping" • Conjunto das tarefas necessárias para detectar, selecionar, extrair e filtrar os dados brutos provendo dos ambientes aplicativos de produção. • Fontes de dados heterogêneos • Tecnicamente • Semanticamente • Utilização de ferramentas ETL : Extract, Transform, Load. • Lista de operações : Coleta Incremental. • Lista de estoque ou inventário : Coleta Não Incremental. • Eventualmente Recodificação dos dados www.NHConsultoriaTI.com

  8. Arquitetura funcional Integrar os dados • Operação de concentração dos dados coletados dentro de um espaço unificado. • O espaço único é geralmente o Datawarehouse. • Elemento central do dispositivo, o DWH permite aos aplicativos de BI de se beneficiar com uma fonte comum, única, normalizada, válida e coerente de dados representando as operações da empresa. www.NHConsultoriaTI.com

  9. Arquitetura funcional Integrar os dados • Os dados integrados são pré-processados • Filtragem e validação para manter a coerência global • Sincronisação • Certificação • Alguns cálculos podem ser realizados nesta fase • Agregações (somas) • Cálculo de Key Process Indicators • A integração geralmente necessita a gestão de meta-dados para permitir a interoperabilidade entre todos os dados coletados www.NHConsultoriaTI.com

  10. Arquitetura funcional Difundir os dados • O acesso direto ao DWH deve ser PROIBIDO ! • Os dados do DWH devem ser difundidos de acordo com o perfil dos usuários. • Segmentação dos dados em contextos operacionais e de decisão coerentes. • Seleção dos dados necessários para o contexto de decisão • A difusão dos dados se faz através de Datamarts • De-normalização dos dados. • Suportes para atividades de Reporting e DataMining. www.NHConsultoriaTI.com

  11. Arquitetura funcional Difundir – OLAP vs OLTP • OLTP (On-Line TransactionProcessus) • Conceitos para automatização de um processo. • BD de transações, com update "on-line". • OLAP : On-Line AnaliticalProcessing. • E. F. Codd (inventor das bases de dados relacionais) : "Providing OLAP to user-analysts : an IT mandate". Arbor Software (agora : Hyperion), 1993. • NidgelPendse : "Análise rápida de informações multidimensionais compartilhadas" • BD dimensional para tomada de decisão. www.NHConsultoriaTI.com

  12. Arquitetura funcional Difundir – OLAP Vs OLTP www.NHConsultoriaTI.com

  13. Arquitetura funcional Difundir – OLAP • ROLAP : Relational OLAP • BD Relacional. Grande capacidade. • Queries SQL. Tempos de resposta fracos. • MOLAP : Multidimensional OLAP • BD Cubo ou Hypercubo. Limitação da capacidade. • Queries com motor MOLAP. Tempos de resposta bons. • HOLAP : Hybrid OLAP • Mistura de ROLAP e MOLAP • DOLAP : Desktop OLAP • Dados no posto cliente • Capacidades limitadas, mais flexibilidade. www.NHConsultoriaTI.com

  14. Tabela: 2 dimensões Ex : Colunas - nomenclatura produto Linha – Ano Celulas – Faturamento, Taxas, Vendas, etc. Nomenclatura Cubo : 3 dimensões Tempo Região de venda >3 dimensões : hypercubo Categoria de cliente ... + Cubos, hypercubos www.NHConsultoriaTI.com

  15. Navegação dentro de cubos • Drill Down • Fazer um zoom dentro de uma dimensão. • Exemplo : descer do ano ao trimestre. • Drill Up • Agregar compoentes dentro de uma dimensão. • Exemplo : passar de uma referência à gama inteira. • Slice and dice • Trocar os eixos de análise. • Exemplo : passar de uma visão por pais / região á outra visão por família / gama / produto. • Drill Through • Ir até o detalhe elementar de cada informação (as células). • Exemplo : vendas por referência, por dia, por região. www.NHConsultoriaTI.com

  16. Arquitetura funcional Apresentar • Única função visível pelo usuário • Regras de acesso ás informações pelos usuários • Funcionamento do Posto de Trabalho. • Direitos de acesso • Elaboração das queries e visualização das respostas. • Qualquer técnica de visualização • WEB, MS-Excel, gráficos, PDA, etc. www.NHConsultoriaTI.com

  17. Arquitetura funcional Administrar • Função transversal supervisando o bom funcionamento das outras • "update" do dados. • Documentação sobre os dados (meta-dados) • Segurança • Backup / restore • Etc. www.NHConsultoriaTI.com

  18. PRODUCTION BUSINESS INTELLIGENCE Datamart(s) Multidimensional databases Datamining Datawarehouse EIS Meta-data directory Controls Historization Infocenter (InfoService) Query package Data Data Critical data management Data PORTAL Arquitetura Aplicativa Application access Data access (real-time) Data access (24h+) Reports www.NHConsultoriaTI.com

  19. PRODUCTION BUSINESS INTELLIGENCE Datamart(s) Multidimensional databases Datamining Datawarehouse EIS Meta-data directory Controls Historization Infocenter (InfoService) Query package Data Data Critical data management Data PORTAL Arquitetura Aplicativa • Centralized, shared,cross-LOB • Single consistent data model • Application neutral • Normalized • History • Detailed data • Business process oriented • Multiple databases withredundant data • Highly denormalized • Detailed, some history • Summarized • Slightly denormalized • OLTP oriented • Few history • There are 3 different levels of data, with specific requirements Application access Data access (real-time) Data access (24h+) Reports www.NHConsultoriaTI.com

  20. Arquitetura - Definições • Datawarehouse • A (data) warehouse is a subject-oriented, integrated, time-variant and non-volatile collection of data in support of management's decision making process. (W.H.Inmon,1990). • Datamart myths • Data marts replace data warehouses. • Data marts are cheaper than data warehouses. • Data marts are smaller than data warehouses. • Data marts can be easily combined to build a data warehouse. • Federated query tools can deliver a virtual data warehouse from the data marts. www.NHConsultoriaTI.com

  21. The old way Appl1 Datamart1 Appl2 Datamart2 Appl3 Datamart3 Arquitetura Aplicativa • DataWarehouse vs EAI www.NHConsultoriaTI.com

  22. Current way Appl1 Datamart1 DWH Appl2 Datamart2 Appl3 Datamart3 Arquitetura Aplicativa • DataWarehouse vs EAI www.NHConsultoriaTI.com

  23. Target Appl1 Datamart1 DWH Integation platform Appl2 Datamart2 Appl3 Datamart3 Arquitetura Aplicativa • DataWarehouse vs EAI Messages Storage History Data Single consistent data model www.NHConsultoriaTI.com

  24. Engineering (Relational) Engineering (Relational) Warranty Warranty Warranty (Multidim) Warranty (Multidim) Warranty Supplier Mgt Supplier Mgt DWH DWH DWH Warranty (Relational) Warranty (Relational) Accounting Accounting Supplier Warranty Chargeback (Rel) Supplier Warranty Chargeback (Rel) Supplier W. Chargeback Supplier W. Chargeback Supplier Warranty Chargeback (Rel) The Datawarehouse is a hub for all BI • Many applications to one datamart • One application to many datamarts • Many applications to many datamarts through the DataWarehouse www.NHConsultoriaTI.com

  25. Avoid complex flows • Combinatorial explosion caused by the multiplicity of sources and targets Appl 1 D.M 1 ... Appl 2 ... D.M p Appl n • To gain flexibility and adaptability, set up a DataWarehouse • Abstraction layer • between production and datamarts. • Gathering all information • Data repository for BI • Consistent information • Managed data quality • Keeping an history • When required by analysts Appl 1 D.M 1 Appl 2 ... DWH ... D.M p Appl n Arquitetura - rentabilidade www.NHConsultoriaTI.com

  26. Appl 1 D.M 1 Appl 1 D.M 1 3 Extracts 3 Loads DWH 4 Extracts 4 Loads Appl 2 Appl 2 Appl 3 • Getting cheaper when you add a new datamart Appl 3 Appl 1 D.M 1 Appl 1 D.M 1 6 Extracts 6 Loads DWH 5 Extracts 5 Loads Appl 2 Appl 2 D.M 2 D.M 2 Appl 3 Appl 3 • The more datamarts you need, the more cost-effective the datawarehouse is Appl 1 D.M 1 Appl 1 D.M 1 9 Extracts 9 Loads DWH 6 Extracts 6 Loads Appl 2 Appl 2 D.M 2 D.M 2 D.M 3 Appl 3 Appl 3 D.M 3 Rentabilidade • First datamart always more expensive if you use the datawarehouse • The DataWarehouse helps to move from MxN towards M+N links… • and it brings consistent results ! www.NHConsultoriaTI.com

  27. Rentabilidade www.NHConsultoriaTI.com

  28. Lista de ferramentas www.NHConsultoriaTI.com

More Related