Klauber Scheffler Fischer Orientador: Prof. Oscar Dalfovo, Dr.

Apresentação em tema: "Klauber Scheffler Fischer Orientador: Prof. Oscar Dalfovo, Dr."— Transcrição da apresentação:

1 Klauber Scheffler Fischer Orientador: Prof. Oscar Dalfovo, Dr.

2  Introdução  Objetivos  Fundamentação teórica  Especificações do aplicativo  Desenvolvimento do aplicativo  Operacionalidade do aplicativo  Resultados e discussões  Conclusões  Extensões

3  Help desk nas empresas, assegurando que os incidentes gerados por estes chamados não sejam perdidos, esquecidos ou negligenciados;  Gestão do conhecimento para realizar a captação do conhecimento, de forma a aumentar o capital intelectual organizacional;  Text mining com propósito de facilitar a recuperação de informação, apresentando ao usuário algum tipo de conhecimento útil;  Atualmente cada profissional de suporte da empresa resolve os incidentes utilizando conhecimentos tácitos;  Aplicativo para cadastrar e atualizar as soluções conhecidas fazendo gestão do conhecimento, também pesquisá-las de forma ágil através da técnica text mining.

4  Aplicativo no apoio ao setor de suporte, aplicando gestão do conhecimento e a técnica de text mining (mineração de texto) para o cadastro e pesquisa de soluções conhecidas.  permitir o cadastramento de incidentes, suas soluções e a atualização destes cadastros;  possibilitar ao usuário pesquisar as soluções dos incidentes cadastrados utilizando text mining  apresentar no retorno da busca o percentual de relevância da solução

5 Help desk  Os sistemas help desk têm a principal característica de ser um facilitador de informações ao usuário, não importando se esta facilidade é ou não de natureza técnica computacional. Um sistema help desk constitui um mecanismo facilitador de informação (Martins, 2000).  O usuário tem um atendimento mais rápido e personalizado e a empresa tem um controle maior sobre quais são os problemas mais comuns e as melhores formas de solucioná- los. (Martins, 2000).  Uma ferramenta de help desk proporciona um diferencial que além da documentação e sistematização, oferece possibilidade de análise dos processos e fluxo de informações. (Silva, 2004).

6 Gestão do conhecimento  Apenas "saber muito" sobre alguma coisa não proporciona maior poder de competição para uma organização. (Dalfovo e Tamborlin, 2010)  A gestão do conhecimento como estratégia competitiva nas organizações alavanca e multiplica o capital intelectual. (Figueiredo, 2005).  Conhecimento tácito ou explícito (Nonaka e Takeuchi,1997).

7 Base de dados de conhecimento  Containers de conhecimento e informação, concebidas para armazenar, compartilhar e disseminar conhecimentos específicos (Figueiredo, 2002).  Ambiente de trabalho para o compartilhamento, recuperação e distribuição de conhecimento específico. (Ferreira, Loureiro e Martinez, 2004).  São relacionados: a criação de estruturas coletivas de referência e o crescimento da competência da organização para agir e resolver problemas. (Probst, Raub e Romhardt, 2002)

8 Descoberta de conhecimento em texto (text mining)  A técnica busca extrair conhecimento útil ao usuário, recuperando informações e permitindo ao usuário procurar o conteúdo que lhe seja interessante dentro do conjunto de textos pré-selecionados, o que reduz o tempo de busca e proporciona um retorno de informação mais significativo. (FURTADO, 2004).  A técnica de text mining vem solucionar grande parte dos problemas relacionados à busca, recuperação e análise de informações.  A sobrecarga de informação é um dos maiores problemas enfrentados pelos usuários de sistemas atualmente (WIVES, 2004).

9  Descoberta de conhecimento em texto (text mining) Fonte: Wives (2004)

10 As etapas executadas no desenvolvimento do aplicativo foram:  cadastro dos dados: o text mining deve ser baseado no armazenamento de dados de forma estruturada;  processamento e transformação: elimina da frase os dados que não são adequados informações, ou seja, artigos, preposições, advérbios e pronomes conforme Figura 2;  mineração de texto: a atividade de descoberta do conhecimento é onde são processados os algoritmos da técnica de text mining;  armazenamento: nesta etapa os dados deverão ser armazenados adequadamente para facilitar a busca;  interpretação/avaliação: os resultados do processo de descoberta do conhecimento são apresentados de forma que o usuário possa entender e interpretar os resultados obtidos.

11 Requisitos funcionais  RF01: O aplicativo deve permitir o cadastramento de usuários (criação, alteração, exclusão).  RF02: O aplicativo deve exigir login e senha para permitir o acesso à interface inicial.  RF03: O aplicativo deve permitir ao profissional de suporte o cadastro dos incidentes e sua(s) solução(s) (criação, alteração, exclusão).  RF04: O aplicativo deve permitir ao profissional de suporte atribuir categorias aos incidentes criados.  RF05: O aplicativo deve permitir ao profissional de suporte pesquisar as soluções no banco de dados de incidentes, utilizando a técnica de text mining.  RF06: O aplicativo deve apresentar no resultado da pesquisa o grau de relevância do termo pesquisado.

12 Requisitos não funcionais  RNF01: O aplicativo deve utilizar banco de dados Hibernate.  RNF02: O aplicativo deve ser desenvolvido utilizando a linguagem Java.  RNF03: O aplicativo deve ser compatível com as mais atuais versões de navegadores disponíveis no mercado, como o Internet Explorer 8 e Google Chrome 13.  RNF04: O aplicativo deve conter visualização de tela 1024x768.  RNF05: Os usuários poderão acessar o aplicativo utilizando qualquer sistema operacional.

13 Casos de uso Ator: usuário  UC1-Cadastrar usuários  UC2-Efetuar login  UC3-Cadastrar incidentes e soluções  UC4-Atribuir categorias aos incidentes  UC5-Pesquisar incidentes e soluções Ator: aplicativo  UC6-Apresentar grau de relevância

14 Técnicas e ferramentas  Java (linguagem de programação)  Eclipse (ambiente de desenvolvimento)  Hibernate (link com o banco de dados)  Google Web Toolkit (interface web)  LingPipe (apoio à linguística)

15  Login

16  Cadastro de usuário

17  Cadastro de incidente

18  Busca

19  O mecanismo de busca através da técnica de text mining foi funcional;  Usuários se mostraram satisfeitos;  Destaque para usabilidade, simplicidade;  Grande utilidade no dia-a-dia da empresa;  Foram sugeridas melhorias;  Resultado do questionário.

20 Questionário

21

22

23

24

25

26

27

28

29  Todos objetivos atingidos  Aplicativo web e help desk de apoio  Permite o cadastro e atualização dos incidentes  Permite a busca dos incidentes  Apresenta grau de relevância nos resultados  O aplicativo forneceu o apoio almejado nos objetivos ao setor de suporte ao cliente, aplicando gestão do conhecimento e a técnica de text mining para a pesquisa de soluções conhecidas.  Desenvolvimento pessoal

30  Possibilidade de importar dados de outras fontes, evitando assim o cadastramento manual;  Emissão de relatórios informações gerenciais, (incidentes com maior semelhança, mais buscados, o número total de cadastrados);  Possibilidade de enviar por e-mail a solução encontrada, diretamente pelo aplicativo;  Uso do modelo ITIL para referência.

31  “Seja você quem for, seja qual for à posição social que você tenha na vida, a mais alta ou a mais baixa, tenha sempre como meta muita força, muita determinação e sempre faça tudo com muito amor e com muita fé em Deus, que um dia você chega lá. De alguma maneira você chega lá.” Ayrton Senna