1 sistemas de suporte (apoio) a decisão roberta pontes [email protected] ufpe - centro de...
TRANSCRIPT
1
Sistemas de Suporte (Apoio) a Decisão
Roberta [email protected]
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