1 Sistemas de Suporte (Apoio) a Decisão Roberta Pontes UFPE - Centro de Informática Programa de Doutorado em Informática Disciplina - Seminários.

Apresentação em tema: "1 Sistemas de Suporte (Apoio) a Decisão Roberta Pontes UFPE - Centro de Informática Programa de Doutorado em Informática Disciplina - Seminários."— Transcrição da apresentação:

1 1 Sistemas de Suporte (Apoio) a Decisão Roberta Pontes rsap@di.ufpe.br UFPE - Centro de Informática Programa de Doutorado em Informática Disciplina - Seminários Profa. Marcília

2 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 3 1 Introdução n 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 4 n Embora úteis DSS e EIS os BD usados trabalhavam com dados transacionais –não havia uma considerações sobre presente, passado para se prevê o futuro n início dos anos 90, datawarehouse e OLAP iniciaram a expansão dos domínios do DSS –De DSS Pessoal para Organizacional n Com o crescente desenvolvimento de sistemas distribuídos – acesso a dados de múltiplas localizações – colaboração e comunicação via web

5 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 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 7 1.5 Arquitetura Clássica para Suporte a Decisão [Simon 71, [Anthony 65]

8 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 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 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 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 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 13 1.6.1 Características e Capacidades do DSS n Projetado para suportar problemas gerenciais complexos que outras técnicas computadorizadas não suportam n é orientado a usuário, n usa dados e modelo n fornece suporte para níveis gerenciais e executivos n suporta todas as fases do processo de tomada de decisão n Suporta vários estilos/processos para tomada de decisão n são adaptativos no tempo

14 14 n Tentam melhorar a eficácia da tomada de decisão – (exata, tempo mínimo e qualidade) n o tomador de decisão tem o controle completo sobre todos os passos do processo TD na resolução do problema n fornece acesso a diferentes tipos de dados...

15 15 2. Tomada de Decisão, Modelagem e Suporte Aspectos de uma decisão O Processo de Modelagem Decison Making versus Problem Solving

16 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 17 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. [ Turban 98]: Decision making e Problem Solving podem sinônimos Def. Jacques Robin: DM - fase 3

18 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 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 F ase da Escolha Solução 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 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 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 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 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 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 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 26 3.1 Visão Esquemática do DSS Data ManagMod. Manag Knowledge Manag. User Interface Manager (User) Other Computer-Bases systems O usuário é considerado parte do sistema

27 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 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 29 3.1 Visão Esquemática do DSS Data ManagMod. Manag Knowledge Manag. User Interface Manager (User) Other Computer-Bases systems

30 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 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 32 3.1 Visão Esquemática do DSS Data ManagMod. Manag Knowledge Manag. User Interface Manager (User) Other Computer-Bases systems

33 33 3.1.3 Knowledge managent subsystem Fornecem expertise para auxiliar na resolução de problemas não estruturados ou semi-estruturados

34 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 35 3.1 Visão Esquemática do DSS Data ManagMod. Manag Knowledge Manag. User Interface Manager (User) Other Computer-Bases systems

36 36 Subsistemas de gerenciamento conhecimento, do modelo e do banco de dados Usuário Sistema User Interface Management Processador de Linguagem Natural Entradas/SaídasTerminal Impressoras, Plotters Estrutura do User Interface System

37 37 3.1.4 User interface subsystem n Permite a comunicação entre usuários e Subsistema de gerenciamento do modelo n inclui hardware, software, interações homem-máquina, acessabilidade,... n Spraque e Watson [96] - componente mais importante n Whitten e Bentley [97] - consideram ser o próprio sistema

38 38 3.1.4.1 Capacidade do User interface subsystem n Fornece interface gráfica n Apresenta diferentes formatos e saída para dados n Capacidades de ajuda, de diagnóstico, rotinas de sugestões... n Armazena entrada e saída de dados n Fornece treinamentos n Captura, armazena e realiza análise de diálogos entre usuários...

39 39 3.2 Classificação dos DSS n Halsapple and Winhston’s Classification [96] –Text-oriented DSS – Database-oriented DSS –Spreadsheet-oriented DSS –Solver-oriented DSS –Rule-oriented DSS –Compound DSS

40 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 41 4.1 Características de um Data warehousing n Dados organizados por assunto n Integração de dados (Ex: sexo) n Variante no tempo - dados históricos 5-10 anos para indicar tendências, fazer comparações, previsões. n Banco de dados read-only

42 42 4.2 OLTP versus OLAP n On-Line Transaction Processing –processamento operacional ou de missão crítica –usado por especialistas –trabalha com dados volumosos n On-Line Analytical Processing –processamento informacional ou de suporte a decisão –usados pelos usuários finais em DSS e EIS –trabalha com data warehouse

43 43 4.3 Data warehouse n É um Banco de Dados de dados do tipo read-only n Objetiva assegurar que o dado apropriado estará disponível para um certo usuário no tempo devido.

44 44 4.3 Data warehouse - Funções n coleta e armazenamento de dados de várias bases de dados, n armazenamento de dados resumidos, n fornecimento de respostas à consultas OLAP, n fornecimento de cópia estável dos dados para consultas de suporte a decisão. :

45 45 Data warehouse Data mart Data extractor Base de Dados Relacional Base de Dados Legada Sistema de Arquivos Software de Integração Software de Consulta e Análise c &a 4.4 Arquitetura de um Data Warehouse

46 46 4.5 Arquitetura para desenvolvimento de DSS Dados Operacional DSS engineAmbiente de Desenvolvimento DW Aplicações Descktop Metadado

47 47 * n Dado Operacional; Sistemas OLAP n DW: fundação da Aplicação DSS n Metadado:serve para identificar conteúdos e localizações de dados no warehouse. É uma ponte entre o DW e o DSS n DSS engine: transforma requisitos de dados em consultas SQL para serem enviadas ao DW e resultados de consultas para serem enviadas ao analista DSS n Ambiente de desenvolvimento: conjunto de ferramentas O-O para construção da aplicação

48 48 5. Data Mining n É a descoberta de conhecimento dentro em banco de dados n É freqüentemente ligada com DW n fornece “insights” para gerenciar oportunidades e problemas potenciais ( ou existentes)

49 49 5.1 Intelligent Data Mining - IDM n descobre informações dentro de DW que não são revelados através de consulta ou relatórios [Edelstein 96] n descobre padrões de dados e fazem inferências entre eles –estes padrões podem ser usados para auxiliar a tomada de decisão

50 50 5.1.1 Principais Ferramentas de IDM n Case-based reasoning –a idéia é adaptar soluções que já foram usadas para solucionar novos problemas Ex.:abordagem usada para reconhecer padrões n Neural computting –usada para reconhecer padrões ao examinar dados históricos [Trippi and Turban 96] n Inteliggent Agents –Uma das mais promissoras abordagens para recuperação de informação de Banco de Dados

51 51 5.2 Banco de Dados Inteligente e Data Mining n O desenvolvimento de DSS exige acesso a banco de dados n um objetivo crítico é tornar um banco de dados inteligente de modo que usuários possam encontrar sozinhos suas informações n 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 52 6. DSS Inteligentes n 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 53 6.1 Exemplos de DSS Inteligentes n 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 54 6.1 Exemplos de DSS Inteligentes n 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 55 6.2 DSS Multimídia n 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 n K-Vision (GINESYS Corp.) ES windows-based n Existem muitas capacidades multimídia na internet/intranets para envio de dados n Futuro: mais multimídia em DSS

56 56 6.3 DSS com Realidade Virtual n 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 n Tomadores de decisão poderiam ter uma melhor visão de suas decisões

57 57 6.4 Desafios dos DSS [Sprague and Watson 96] n Arquitetura integrada –usando uma interface comum ( “for windows”) um Information worker pode ver todo o mundo de informações que existem. n Conectividade –Information workers devem estar ligados a web para acessar informações. O desenvolvimento de novos DSS desenvolvidos deverm ser “web-enable”. Ex. Group DSS n Dados documentados –DSS com capacidade de manusear dados mal estruturados n Mais inteligência

58 58 7. DW com Agentes Inteligentes n Todo ambiente de DW enfrenta o obstáculo da sobrecarga de informações. –Os agentes inteligentes fornecem ferramentas para vencer estes obstáculos n Soluções com AI em um ambiente de DW maximizam o investimento e possibilitam soluções de BI de forma nunca tentada. n AI representam um importante papel neste cenário n Problema : Tamanho e Tempo

59 59 7. Exemplos de Aplicações DW com AI n Mobilidade: –acesso do comprador-fornecedor –disponibilizar seus dw para serem seus agentes n 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 60 7. Exemplos de Aplicações DW com AI n 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 61 8. Conclusões n 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 n 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. n A combinação de agentes inteligentes com OLAP é o grande “tchan”em datawarehousing e conseqüentemente será em DSS

62 62 9. Referências Bibliográficas n Vários artigos de data warehouse e de sistema de apoio à decisão n [Turban 98] - Desion Support Systems and Intelligent Systems n [Gray 98] Decision Support in hte Data Warehouse n [[KIMBALL 98] - Data WAREHOUSE Toolkit n [KIMBALL 98] - Building the Data WAREHOUSE n [BERSON 97] Data Warehousing, Data Mining and OLAP n [POE et all 98] - Building a Data Warehouse for Decision Support