Sistemas de Suporte a
Decisão
Roberta Pontes
[email protected]
UFPE - Centro de Informática
Programa de Doutorado em Informática
Profa. Flávia
1
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
2
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
3
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
4
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
5
1.1 Suporte Computadorizado
a Tomada de Decisão

Management Support Systems
(MSS)
Coleção de tecnologias
computadorizadas

Objectivos
– suportar trabalho gerencial
– suportar tomadas de decisão
6
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
7

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 “TentivaErro”
8
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, ...)
9
1.5 Arquitetura Clássica para
Suporte a Decisão [Simon 71, [Anthony 65]
T IP O
DE
CONTROLE
T ipo de D ecisão
C ontrole O peracional
C ontrole G eren cial
P lanejam ento
E stratégico
E struturado
C ontas a receber
S em i-estruturado
S cheduling da p rodução
C ontrole de inventário
A nálise de
orçam ento,
P revisões de
P equeno P razo,
relatórios pessoais
A valiação d e crédito
P reparação d e
orçam ento, la yout
de fábrica
D esestruturado
S eleção de um a cap a
para um a revista,
C om pra de um softw are
aprovação de um
em préstim o
G eran ciam ento de
S istem a de In form .
G eren ciam ento
F inanceiro,
Inv estim entos
S istem as de
distribuição
C onstruir um a nova
fábrica
F usões e aquisições,
planejam ento de novos
produtos
P lanejam ento de
certificação d e
qualidade “Q A ”
P lanejam ento de P &
D , desenvolvim ento de
novas tecnolo gias,
T ecnolo gia de S uporte
N ecessária
N egociação,
recrutam ento de um
ex ecutivo, com pra
de H W , “lobbing”
D S S , E IS , E S
T ecnolo gia de S uporte
N ecessária
G eren ciam ento de sistem as d e
inform ática
P rocessam ento de transaçõ es
DSS
DSS,
ES
N eural N etw orks
E IS , E S , N eu ral
netw orks
A rquitetura para S uporte a D ecisão
10
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
11
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
12

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
13
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)
14
1.6 Conceitos de (DSS)
Scott Morton [1971]
 [Gory and Scott Morton 71] - sistema interativo baseadocomputador, 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
15
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.
16
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
17
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
...
18
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.
19
1.7 Group Support Systems
(GSS)

Várias formas de trabalho em grupo:
–
–
–
–
Groupware
Electronic meeting systems
Collaborative systems
Group Decision Support Systems (GDSS)
20
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
21
críticos
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
22
2.1 Um exemplo de Problema

Como investir $ 1.000,000,00 ?
23
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
24
2.3 Tomada de Decisão versus
Problem Solving

Segundo Simon o Processo de Tomada
de Decisão é composto de 4 fases:
1. Compreensão
2. Projeto
3. Escolha
4. Implementação
Def. Livro: Decision making e Problem Solving podem
sinônimos
Def. Jacques Robin: DM - fase 1
25
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,
...
26
Processo de Modelagem de Suporte a Decisão
Fase Compreensão
•Examina a realidade
Suposições
realidade
Simplificações
Validação
do modelo
•Identifica e define
problema
Declarações do problema
Fase do Projeto
Formula um modelo
Seta critérios de escolha e
Verificação de
Solução proposta
Sucesso
Implementação
Solução
Fracasso
Solução
busca por alternativas
Alternativas
Fase da Escolha
Solução para o modelo
Seleção da melhor
alternativas
Plano para Implement.
27
2.5 Como Decisões são
Suportadas

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
28
3. Componentes de um DSS

Data management subsystem:

Model management subsystem

Knowlwdge management subsystem

User interface subsystem

O Usuário é considerado parte do sistema
29
3.1 Visão Esquemática do DSS
Other Computer-Bases systems
Data Manag
Mod. Manag
Knowledge Manag.
User Interface
Manager (User)
O usuário é considerado parte do sistema
30
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
31
Fontes internas de dados
Fontes de dados
externas
Finanças, Marketing, Produção, ...
Extraçao
BD-DSS ou DW
Facilidade
consultas
SGBD
Dados pessoais
User Interface
Manag. Mod.
Knowledge
Diretório
de dados
A Estrutura do Data Management Subsystem
manag.
32
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
33
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
34
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
35
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...
36
Modelo Base
Diretório do
Modelo
Gerenciamento
do Modelo Base
Modelo de
execução,
integração
Gerenciamentos de dados, de interface e de
conhecimento
37
A Estrutura do Model Management System
3.1.3 Knowledge managent
subsystem

Fornecem expertise para auxiliar na resolução de
problemas não estruturados ou semi-estruturados
38
Subsistemas de gerenciamento
conhecimento, do modelo e do banco
de dados
Sistema User Interface Management
Processador de Linguagem Natural
Entradas/Saídas
Terminal
Impressoras,
Plotters
Usuário
Estrutura do User Interface System
39
Knowledge Management Classificação
Silverman[95]

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)
DSS Inteligente ou
DSS/ES ou KB-DSS
40
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
41
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...
42
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
43
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
44
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
45
4.2 OLTP versus OLAP

On-Line
Transaction
Processing
– processamento
operacional ou de
missão crítica

On-Line Analytical
Processing
– processamento
informacional ou de
suporte a decisão
– usado por
especialistas
– usados pelos
usuários finais em
DSS e EIS
– trabalha com dados
volumosos
– trabalha com data
warehouse
46
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.
47
4.2.3 Arquitetura de um DW
Sof. Cons. & atual
DW
C&A
c &a
Data mart
Data mart
Software de Integração
Data extractor
BD legados
Data extractor
BD legados
Data extractor
Sistema de
Arquivos
48
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
49
FatosVenda
Produto
ChaveProduto
Nome
Tipo
Ocasião
VidaÚtil
Estação
PreçoArranjo
DateAvailableFrom
DateAvailableTo
Descrição
ChaveTempo
ChaveCliente
ChaveProduto
ChaveCanal
PreçoCheio
Desconto
Comissão
RedeProcedência
Canal
ChaveCanal
Tipo; Nome
Matriz; Região
Localização:
Cidade, Estado,
País; AnoContrato
Tempo
Cliente
ChaveCliente
PrimeiroNome
ÚltimoNome
FaturaEndereço
FaturaCidade
FaturaOutraEstado
FaturaPaís
Idade
Gênero
MantalStatus
RendaFamiliar
50
Arquitetura para desenvolvimento de DSS
Dados Operacional
DSS engine
Ambiente de
Desenvolvimento
DW
Aplicações
Descktop
Metadado
51

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
*
52
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)
53
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
54
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
55
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
56
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
57
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
58
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
59
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
60
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
61
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
62
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


63
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
64
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)
65
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
66
Descargar

TURBAN, EFRAIM, and JAY E. ARONSON, DECISION …