Inteligencia Empresarial

Prévia do material em texto

INTELIGÊNCIA EMPRESARIAL
INTELIGÊNCIA COMPETITIVA
Inteligência
Nesta perspectiva a inteligência passa a ter a organização como foco de sua aplicação e,
então, a identificação, coleta, tratamento, o processamento e a interpretação de informações
são atividades críticas à sobrevivência e sucesso das organizações, diante da acirrada
concorrência de mercado.
Quando cruzamos os dados e a informação de várias fontes e os analisamos começamos a
produzir a tão procurada Inteligência Empresarial que pode ser sobre o cliente,
concorrente, parceiro, produto e etc.
A Inteligência Empresarial pode ser definida como a capacidade de uma organização em
capturar, selecionar, analisar e gerenciar as informações relevantes para a gestão do
negócio.
Objetivos da Inteligência Empresarial:
- Inovar e criar conhecimento
- Reduzir riscos na tomada de decisão e evitar surpresas
- Direcionar, assertivamente, os planos de negócio e a
implementação de ações
- Criar oportunidades de negócios
- Apoiar o desenvolvimento de produtos/serviços com uma base de
informação confiável, eficiente e ágil
- Monitorar analisar e prever questões relacionadas ao “coração” do
negócio
- Gerar valor aos negócios
Inteligência Empresarial x Business Intelligence
Inteligência Empresarial
- Busca entender o fatores e processos humanos e organizacionais
envolvidos na busca de informações, principalmente externos à
organização, e na posterior tomada de decisões.
Business Intelligence
- Tem como objetivo criar sistemas de informação computacionais,
geralmente a partir de grandes volumes de dados, capazes de prover
aos gerentes as melhores informações para a tomada de decisão
Inteligência Competitiva
Podemos dizer então que a Inteligência Competitiva, (IC), é parte da Inteligência
Empresarial e engloba, principalmente, informações sobre o mercado e a
concorrência.
O CICLO DA INTELIGÊNCIA COMPETITIVA
É um ciclo contínuo e se compõe de cinco fases:
• Planejar e identificar as necessidades de informação;
• Coletar e tratar a informação;
•Analisar e validar a informação;
• Disseminar e utilizar a informação e
•Avaliar.
1: Planejar e identificar as necessidades de informação
Nesta fase se concebe o processo, seus objetivos e são identificadas as necessidades de
inteligência e quais as informações necessárias para atende-las;
2: Coletar e tratar a informação
Nesta fase são identificadas as fontes de informações relevantes, internas e externas, e o tipo
de tratamento que será dado à informação para armazenamento.
3: Analisar e validar a informação
Nesta fase especialistas analisam e validam as informações, fazem a sua interpretação e
compilam recomendações;
4: Disseminar e utilizar a informação
Esta é a fase onde se entrega a informação analisada, ou seja, a inteligência, em um formato
coerente e convincente, aos tomadores de decisão
5: Avaliar
Nesta fase a resposta dos tomadores de decisão e suas necessidades de inteligência são
analisadas de modo contínuo.
Inteligência Empresarial e a TI
O principal benefício que a TI traz para as organizações é a sua capacidade de melhorar a
qualidade e a disponibilidade de informações e conhecimento, importantes para a empresa,
seus clientes e fornecedores.
Projeto de Inteligência Empresarial
Para desenvolvermos um projeto de Inteligência Empresarial temos que seguir as seguintes
etapas:
• Planejamento e formulação;
• Desenvolvimento de projetos;
• Implementação;
• Monitoramento contínuo.
Inteligência Empresarial - Capacidade da empresa em selecionar, capturar,
analisar e gerenciar as informações relevantes para a gestão de seu negócio.
Inteligência Organizacional - Capacidade da empresa em reunir informação,
inovar, criar conhecimento e atuar com base neste conhecimento.
Inteligência Competitiva - Capacidade de reunir, analisar e administrar
informações externas que podem afetar planos, decisões e operações de uma
empresa.
Business Intelligence - Concentra-se no desenvolvimento de tecnologias.
RESUMO
Dado x Informação x Conhecimento x Ação
DADOS - Centralizar o acesso a dados, conteúdo e aplicativos
INFORMAÇÕES - Refinar, analisar e classificar os dados para transformá-los em informação
CONHECIMENTO - Uso da inteligência para transformar informação em conhecimento
AÇÕES - Uso da inteligência para disparar ações e acertar as exceções
Processo de Tomada de Decisão
O processo de tomada de decisão exige conhecimento em relação ao assunto a ser decidido. 
A transformação dos dados em conhecimento é fundamental para que o tomador de decisão possa 
atingir seu objetivo 
Tecnologia da Informação como suporte
A tecnologia é essencial tanto para a comunicação e armazenamento dos dados, das informações e dos 
conhecimentos quanto para a integração destes conhecimentos voltados para os tomadores de decisão.
INTELIGÊNCIA EMPRESARIAL
Aula 5 - Introdução aos Sistemas de Apoio à Decisão
INTELIGÊNCIA EMPRESARIAL – AULA 5
INTELIGÊNCIA EMPRESARIAL
Conteúdo Programático desta aula
▪ Conceitos, características e classificação 
dos Sistemas de Apoio à Decisão
▪ Contexto de negócio para utilização dos 
Sistemas de Apoio à Decisão;
▪ Ambientes computacionais existentes nas 
organizações.
INTELIGÊNCIA EMPRESARIAL – AULA 5
INTELIGÊNCIA EMPRESARIAL
TOMADA DE DECISÃO
A tomada de decisão é essencialmente aquele tipo de atividade de
processamento de informação que resulta na escolha de um plano de
ação.
Uma boa informação é a base da tomada de decisão estratégica que
deve ser tomada no ambiente empresarial moderno.
As empresas são bem sucedidas em acessar e transformar dados em 
informações de negócio, e em disponibilizar dados aos usuários, 
entretanto ....
INTELIGÊNCIA EMPRESARIAL – AULA 5
INTELIGÊNCIA EMPRESARIAL
REDUZINDO O “GAP” ......
(Fonte: Prof. Fernando Nimer)
Dado Contexto Informação Ação Valor
Estas mesmas empresas não são bem sucedidas em ligar a
informação à ação, e ao seu correspondente valor para os negócios
G
A
P
O SAD deve estar conectado aos demais componentes da organização
INTELIGÊNCIA EMPRESARIAL – AULA 5
INTELIGÊNCIA EMPRESARIAL
VISÃO GERAL DO SAD – Sistema de Apoio à Decisão
Um SAD é um sistema de informação baseado em computador que 
utiliza conhecimentos a gerentes (ou pessoas autorizadas) que 
trabalham naquela área a solucionar problemas, ou seja, tomar 
decisões.
“... um SAD deve comandar um sistema interativo para 
auxiliar tomadores de decisão a utilizar dados e modelos para 
solucionar problemas não estruturados”
(Sprague Jr.)
INTELIGÊNCIA EMPRESARIAL – AULA 5
INTELIGÊNCIA EMPRESARIAL
CLASSIFICAÇÃO DAS DECISÕES
Com base na capacidade dos indivíduos em pré-definir o processo de
tomada de decisão, podemos classificar as decisões como:
➢ Estruturadas: podem ser pré-especificadas por um conjunto
de regras ou procedimentos que, se presume, podem ser
manipuladas por um programa de computador. São o que
chamamos de decisões programáveis
➢ Não estruturadas: mudam a cada vez que são necessárias. São
o que chamamos de não programáveis
INTELIGÊNCIA EMPRESARIAL – AULA 5
INTELIGÊNCIA EMPRESARIAL
Níveis Hierárquicos e as Informações Gerenciais
Gerentes Operacionais
Altos 
executivos
e acionistas
Gerentes corporativos
Gerentes operacionais
Suporte à decisão e 
monitoramento de desempenho 
de funções e processos 
Alocação de recursos e estratégias.
Monitoramento de desempenho do 
negócio, ou de partes do negócio
Planos objetivos e perspectivas de resultados. 
Desempenho consolidado do negócioNão estruturada
Semi estruturada
Estruturada
(Fonte: Adaptado de Fernando Nimer)
INTELIGÊNCIAEMPRESARIAL – AULA 5
INTELIGÊNCIA EMPRESARIAL
PRINCIPAIS CARACTERÍSTICAS DO SAD
Podemos resumir as principais características dos problemas a serem 
solucionados com o auxílio de um SAD como:
➢ O problema está continuamente mudando
➢ As respostas são necessárias rapidamente
➢ Os dados estão em constante mudança e possuem origem em
diversas fontes
➢ Os dados devem ser processados e disponibilizados em diferentes
tipos de representação
INTELIGÊNCIA EMPRESARIAL – AULA 5
INTELIGÊNCIA EMPRESARIAL
PRINCIPAIS CARACTERÍSTICAS DO SAD
Uma das maneiras de tentarmos compreender um SAD é através de 
suas características, sendo que as mais observadas são:
➢ tendência a problemas subespecificados, não bem estruturados,
tais como os executivos de alto nível se defrontam;
➢ combinação de modelos e técnicas analíticas com funções
tradicionais de acesso e recuperação de dados;
➢ usos de dispositivos que tornam fácil a sua utilização de modo
interativo pelos usuários;
➢ ênfase em flexibilidade e capacidade de adaptação a mudanças no
ambiente e na abordagem do usuário.
INTELIGÊNCIA EMPRESARIAL – AULA 5
INTELIGÊNCIA EMPRESARIAL
PRINCIPAIS CARACTERÍSTICAS DO SAD
Observação:
Cada tomador de decisão tem habilidades, conhecimentos e estilo 
diferentes de outro e, portanto, um SAD não pode ser projetado 
baseado apenas em um processo específico de tomada de decisão. 
Por isto, a flexibilidade é uma das principais características de um 
SAD, uma vez que o ambiente, as tarefas e os usuários estão sujeitos 
a frequentes mudanças. 
INTELIGÊNCIA EMPRESARIAL – AULA 5
INTELIGÊNCIA EMPRESARIAL
INDICAM A NECESSIDADE DE UM SAD NA ORGANIZAÇÃO
➢ Dificuldade em consolidar informações para tomar decisões;
➢ Muitos sistemas de informação dispersos na empresa;
➢ Diferenças e erros nos conceitos de dados;
➢ Conceitos de dados variando conforme o intérprete;
INTELIGÊNCIA EMPRESARIAL – AULA 5
INTELIGÊNCIA EMPRESARIAL
INDICAM A NECESSIDADE DE UM SAD NA ORGANIZAÇÃO
➢ Incapacidade de decidir com base em informações confiáveis;
➢ Dificuldade em compartilhar informações entre as várias áreas da 
empresa;
➢ Problemas de qualidade dos dados;
➢ Dados chegam atrasados para a tomada de decisão.
INTELIGÊNCIA EMPRESARIAL – AULA 5
INTELIGÊNCIA EMPRESARIAL
(Fonte: Fernando Nimer)
INTELIGÊNCIA EMPRESARIAL – AULA 5
INTELIGÊNCIA EMPRESARIAL
CLASSIFICAÇÃO DO SAD
SAD é um tipo de sistema que possui diversas espécies. Engloba o
conjunto de potenciais sistemas de suporte à decisão. Principais
espécies:
➢ Sistemas de Suporte à Decisão (DSS);
➢ Sistemas de Suporte à Decisão em Grupo (GDSS)
➢ Sistemas de Informação Executiva (EIS)
➢ Sistemas Especialistas (Expert Systems)
➢ Sistemas Artificiais / Redes Neurais
INTELIGÊNCIA EMPRESARIAL – AULA 5
INTELIGÊNCIA EMPRESARIAL
CLASSIFICAÇÃO DO SAD
Classe de SAD Definição Terminologia Típica
Sistema de Suporte à 
Decisão(SSD)
Sistemas interativos que 
auxiliam o tomador de decisão a 
utilizarem dados e modelos para 
resolver problemas
Data Warehouse, 
Data Mart, Data 
Mining
Sistema de 
Informação
Executiva(SIE)
Sistemas que atendem a 
necessidade de gestão e 
tomadas de decisão dos 
executivos
EIS, Balance
Scorecard, 
Dashboards, BPM
Sistema de Suporte à 
Decisão em Grupo 
(GSSD)
Sistemas que auxiliam a tomada 
de decisão coletiva
Groupware, Sisitemas
Colaborativos, 
Meetings Eletrônicos
Sistemas Especialistas Sistemas com conhecimento 
especializado para resolver 
problemas específicos, tomar 
decisões específicas
Inteligência Artificial, 
Expert System
(Fonte: Fernando Nimer)
INTELIGÊNCIA EMPRESARIAL – AULA 5
INTELIGÊNCIA EMPRESARIAL
AMBIENTE DO SAD
São instrumentos que facilitam a tarefa de tomada de decisão e que
tentam otimizar os resultados obtidos melhorando assim a qualidade
das decisões
Utilizados tanto do nível tático quanto do nível estratégico. Ajuda
os utilizadores na tomada de decisões fornecendo-lhes informação,
modelos e ferramentas para analisar a informação.
INTELIGÊNCIA EMPRESARIAL – AULA 5
INTELIGÊNCIA EMPRESARIAL
AMBIENTE DE SAD
O SAD é uma classe de sistema pertencente ao chamado ambiente
analítico (OLAP) da organização.
Vejamos então o que é este ambiente, suas características e
diferenças em relação ao ambiente transacional (OLTP) em uma
organização.
INTELIGÊNCIA EMPRESARIAL – AULA 5
INTELIGÊNCIA EMPRESARIAL
AMBIENTE OPERACIONAL x AMBIENTE ANALÍTICO
Ambiente Operacional Ambiente Analitico
Principal
Característica
voltado ao processamento
de transações OLTP
voltado ao processamento 
de consultas OLAP
Tipos de
Operação mais
Freqüentes
Atualização, exclusão e 
inserção
consulta
Características
das Transações
pequenas e simples,
acessam poucos registros
por vez
longas e complexas,
acessam muitos registros 
por vez e realizam várias
varreduras e junções de
tabelas
(Fonte: . Ciferri, C. D. de A., Ciferri, R. R., Processamento Analítico de Dados
INTELIGÊNCIA EMPRESARIAL – AULA 5
INTELIGÊNCIA EMPRESARIAL
AMBIENTE OPERACIONAL x AMBIENTE ANALÍTICO
Ambiente Operacional Ambiente Analitico
Interações com
os Usuários
pré-determinadas
estáticas
ad-hoc
dinâmicas
Granularidade
dos Dados
detalhado detalhado e agregado
Projeto do Banco
de Dados
normalizado (3FN) multidimensional, 
refletindo as necessidades 
de análise dos usuários 
Histórico dos 
registros
mantém a situação 
corrente (atual)
Dados Históricos são
relevantes (5 a 10 anos)
(Fonte: . Ciferri, C. D. de A., Ciferri, R. R., Processamento Analítico de Dados
INTELIGÊNCIA EMPRESARIAL – AULA 5
INTELIGÊNCIA EMPRESARIAL
AMBIENTE OPERACIONAL x AMBIENTE ANALÍTICO
Ambiente Operacional Ambiente Analitico
Volume de Dados megabytes a gigabytes gigabytes a terabytes
Principal Questão
de Desempenho
produtividade da
transação
produtividade da consulta
Exemplos de
aplicações
transações bancárias,
empréstimos de livros,
contas a pagar
planejamento de 
marketing,
análise financeira
(Fonte: . Ciferri, C. D. de A., Ciferri, R. R., Processamento Analítico de Dados
INTELIGÊNCIA EMPRESARIAL – AULA 5
INTELIGÊNCIA EMPRESARIAL
REQUISITOS DO AMBIENTE OPERACIONAL 
➢ Tempo de Resposta 
➢ Segurança 
➢ Recuperação de Falhas 
➢ Muitos usuários concorrentes 
INTELIGÊNCIA EMPRESARIAL – AULA 5
INTELIGÊNCIA EMPRESARIAL
REQUISITOS DO AMBIENTE ANALÍTICO 
➢ Flexibilidade, facilidade de navegação 
➢ Consultas complexas, não antecipadas 
➢ Gerenciamento de enormes volumes de dados 
➢ Necessidade de examinar o dado em diferentes níveis de detalhe 
➢ Necessidade de acesso a dados de fontes de dados diversas 
INTELIGÊNCIA EMPRESARIAL
Aula 6 – Componentes dos Sistemas de Apoio à Decisão
INTELIGÊNCIA EMPRESARIAL – AULA 6
INTELIGÊNCIA EMPRESARIAL
Conteúdo Programático desta aula
▪ Componentes dos Sistemas de Apoio à Decisão.
INTELIGÊNCIA EMPRESARIAL – AULA 6
INTELIGÊNCIA EMPRESARIAL
SISTEMAS DE APOIO À DECISÃO
Os SAD’s possuem diversas características, entre elas:
▪ Trabalhar com dados de fontes distintas;
▪ Flexibilidade de visualização de dados de saída;
▪ Realizar vários tipos de análise, como por exemplo:
• Análise de Sensibilidade;
• Simulação e
• Análise para Tomada de Decisão.
INTELIGÊNCIA EMPRESARIAL – AULA 6
INTELIGÊNCIA EMPRESARIAL
SISTEMAS DE APOIO À DECISÃO
O SAD permite que o tomador de decisão possa:
➢ Buscar informações em bancos de dados diferentes, mesmo que
estejam em lugares distintos.
➢ Acessar a outras fontes de dados pela Internet ou por umaIntranet da organização.
➢ Obter informações específicas sobre o determinado problema
para facilitar a análise de alternativas de solução.
INTELIGÊNCIA EMPRESARIAL – AULA 6
INTELIGÊNCIA EMPRESARIAL
SISTEMAS DE APOIO À DECISÃO
O SAD permite que o tomador de decisão possa:
➢ Obter somente as informações que necessita, uma vez que a
variedade de problemas e necessidades dos tomadores de decisão é
muito ampla.
➢ Planejar a decisão a ser tomada, pois é possível modificar
hipoteticamente os dados e obter uma visão do que acontecerá se
aquela decisão for tomada.
“A análise de sensibilidade constitui o processo de introduzir 
mudanças hipotéticas nos dados do problema e observar o 
impacto nos resultados.” (Reynolds)
INTELIGÊNCIA EMPRESARIAL – AULA 6
INTELIGÊNCIA EMPRESARIAL
SISTEMAS DE APOIO À DECISÃO
O SAD permite que o tomador de decisão possa:
➢ Obter a probabilidade de algo acontecer através da simulação de
cenários construídos a partir de decisões tomadas
➢ Obter os resultados das possíveis soluções de problemas a partir
da interação com o sistema, permitindo visualizar o alcance de uma
determinada meta.
INTELIGÊNCIA EMPRESARIAL – AULA 6
INTELIGÊNCIA EMPRESARIAL
COMPONENTES DOS SISTEMAS DE APOIO À DECISÃO
Os SAD’s são compostos pelos seguintes componentes:
- Subsistema de gerenciamento de dados
- Subsistema de gerenciamento de modelos
- Subsistema de interface com o usuário
Os SAD’s mais avançados possuem também, como componente, o
Subsistema de Gerenciamento de Conhecimento
INTELIGÊNCIA EMPRESARIAL – AULA 6
INTELIGÊNCIA EMPRESARIAL
SUBSISTEMA DE GERENCIAMENTO DE DADOS
Possui função semelhante a qualquer outro sistema de gerenciamento
de dados: coletar, organizar e armazenar uma série de informações
numa base de dados bem estruturada e de fácil captura para utilização
por parte dos usuários.
Esta base de dados fornece informações em resposta às consultas dos
usuários, dados para o processamento de modelos assim como armazena
os resultados intermediários e finais das análises efetuadas, quando
necessário.
 O banco de dados SAD é uma coleção de dados atuais e históricos de
uma variedade de fontes de origem.
INTELIGÊNCIA EMPRESARIAL – AULA 6
INTELIGÊNCIA EMPRESARIAL
COMPONENTES DOS SISTEMAS DE APOIO À DECISÃO
- Subsistema de gerenciamento de dados 
Diretório 
de dados
SGBD
Facilidade de 
Consultas
Extração de 
Dados
Banco de 
Dados do 
SAD
(Fonte : Adaptado de Turban e Aronson (1998). Decision Support Systems and Intelligent Systems. 5.ed. )
INTELIGÊNCIA EMPRESARIAL – AULA 6
INTELIGÊNCIA EMPRESARIAL
SUBSISTEMA DE GERENCIAMENTO MODELOS
Modelos são instrumentos que transformam dados em informação e que
podem apoiar a tomada de decisão. As funções deste subsistema são:
➢ Manipular modelos para testes;
➢ Armazenar e catalogar os modelos existentes;
➢ Registrar a utilização destes modelos;
➢ Relacionar os modelos com os dados necessários;
➢ Manter a base de modelos (armazenar, atualizar e registrar).
INTELIGÊNCIA EMPRESARIAL – AULA 6
INTELIGÊNCIA EMPRESARIAL
SUBSISTEMA DE GERENCIAMENTO MODELOS
A base de modelos contém uma série modelos rotineiros e especiais:
➢ Modelos estatísticos;
➢ Modelos financeiros;
➢ Modelos de previsão;
➢ Etc
Estes modelos permitem que o SAD possua capacidades analíticas e
estão divididos em categorias, de acordo com sua funcionalidade.
INTELIGÊNCIA EMPRESARIAL – AULA 6
INTELIGÊNCIA EMPRESARIAL
CATEGORIAS DE MODELOS DO SAD
Modelos operacionais
Apoiam as atividades operacionais do dia a dia da empresa.
Exemplo: empréstimos pessoais solicitados a instituições financeiras,
programação da produção, controle de estoque.
Fazem previsões em um período provisional de dias, no máximo, meses.
Modelos táticos
Apoiam gestores de nível médio no processo de distribuição e controle
dos recursos da organização.
Estes modelos recorrem apenas a dados internos e fazem previsões num
horizonte temporal que não ultrapassa os 2 anos.
INTELIGÊNCIA EMPRESARIAL – AULA 6
INTELIGÊNCIA EMPRESARIAL
CATEGORIAS DE MODELOS DO SAD
Modelos estratégicos
Apoiam gestores de alto escalão na elaboração de planos estratégicos,
estudos de impacto ambiental, etc.
Modelos analíticos
São usados para fazer análises sobre os dados contidos na base de dados
da SAD.
São compostos por modelos estatísticos, modelos de gestão científica,
algoritmos de mineração de dados e modelos financeiros.
Podem estar associados a outros modelos que fazem parte dos modelos
estratégicos.
INTELIGÊNCIA EMPRESARIAL – AULA 6
INTELIGÊNCIA EMPRESARIAL
VANTAGENS DO USO DE MODELOS
➢ Modelos podem ser construídos à baixo custo para se determinar o
impacto de diversas decisões;
➢ Modelagem costuma ser mais rápida que a experimentação com
sistemas reais;
➢ Apresenta menos riscos e mostra como a decisão pode impactar
todo o sistema;
➢ Excelente experiência de aprendizagem, à medida que, ao realizar
experiências com modelos, podemos conhecer os efeitos de imediato;
➢ Previsão de consequências futuras.
INTELIGÊNCIA EMPRESARIAL – AULA 6
INTELIGÊNCIA EMPRESARIAL
DESVANTAGENS DO USO DE MODELOS
➢ Um modelo requer a simplificação de algumas suposições. Se as
hipóteses se desviam muito da realidade, os resultados podem ser
bastante suspeitos.
➢ Com a diversidade de modelos disponíveis, os tomadores de
decisão podem gastar muito tempo para decidir qual modelo usar.
➢ Modelos não preveem sistemas reais com exatidão.
➢ Alguns modelos exigem alto grau de sofisticação matemática
tornando-os extremamente complexos de se construir e os resultados
muito difíceis de se interpretar
INTELIGÊNCIA EMPRESARIAL – AULA 6
INTELIGÊNCIA EMPRESARIAL
SUBSISTEMA DE INTERFACE COM OS USUÁRIOS
O termo “interface com o usuário” abrange todos os aspectos de
comunicação entre o SAD e o tomador de decisão.
Alguns especialistas afirmam que este componente é o mais importante
do SAD, uma vez que grande parte do poder, flexibilidade e facilidade
de navegação do SAD é derivada deste componente.
Se o decisor sentir dificuldade no uso do sistema ele pode simplesmente
não utilizá-lo, uma vez que não está interessado em conhecer com
profundidade os softwares utilizados e os algoritmos empregados pelos
modelos. O que importa para ele é saber como utilizar o sistema para
realizar suas atividades
INTELIGÊNCIA EMPRESARIAL – AULA 6
INTELIGÊNCIA EMPRESARIAL
SUBSISTEMA DE GERENCIAMENTO DE CONHECIMENTO
Muitos problemas não estruturados e semiestruturados exigem alto grau
de sofisticação para suas soluções devido à sua complexidade.
Esta sofisticação pode ser fornecida por um sistema que se baseia em
conhecimento.
O componente de conhecimento consiste em um ou mais sistemas
especialistas / inteligentes ou, então, de uma Base de Conhecimento.
À medida que mais problemas são resolvidos, mais conhecimento é
acumulado na Base de Conhecimento Organizacional.
INTELIGÊNCIA EMPRESARIAL – AULA 6
INTELIGÊNCIA EMPRESARIAL
O SAD E O SEU AMBIENTE
Dados externos 
e internos
Banco de 
Dados do SAD
Base de 
Conhecimento
Gerenciamento 
de dados
Modelos
Gestão de 
conhecimento
Interface com 
usuário
Outros 
sistemas
problema
solução
Melhores práticas
Funções do Excel
Modelos Padrão 
lineares (programação)
Modelos Customizados
Internet
Usuário é considerado como um dos 
componentes do SAD
(Fonte: Turban et all, Tecnologia da Informação para Gestão)
INTELIGÊNCIA EMPRESARIAL
Data Warehouse
INTELIGÊNCIA EMPRESARIAL – AULA 7
INTELIGÊNCIA EMPRESARIAL
SISTEMAS DE APOIO À DECISÃO
Os tomadores de decisão necessitam de informações confiáveis sobreoperações atuais , tendências e mudanças. Além disso, os dados
necessários para a tomada de decisão estão espalhados em diversas
áreas da empresa.
A integração e análise dos dados existentes nestes diferentes
sistemas, é uma tarefa difícil e necessita de muito tempo e recursos.
Por este motivo, surge a necessidade de um ambiente voltado para
os tomadores de decisão, que permita que estes analisem dados
confiáveis de forma eficiente e flexível.
INTELIGÊNCIA EMPRESARIAL – AULA 7
INTELIGÊNCIA EMPRESARIAL
SISTEMAS DE APOIO À DECISÃO
Os bancos de dados que conseguem armazenar tais dados e
arquiteturas computacionais que podem processar estes dados
também são diferentes, assim como também são diferentes as
características dos sistemas que permitem a consulta a estas bases
de tomada de decisão.
INTELIGÊNCIA EMPRESARIAL – AULA 7
INTELIGÊNCIA EMPRESARIAL
DATA WAREHOUSE (DW)
“Um data warehouse é um conjunto de dados produzido para
oferecer suporte à tomada de decisões; é um repositório de dados
atuais e históricos de possível interesse aos gerentes de toda a
organização. Os dados normalmente são estruturados de modo a
estarem disponíveis em um formato pronto para as atividades de
processamento analítico. Portanto, um Data Warehouse é uma
coleção de dados orientada por assunto, integrada, variável no
tempo e não volátil, que proporciona suporte ao processo de tomada
de decisão”
(Turban E., Sharda R., Aronson J.E., King D: Business Intelligence – um enfoque gerencial para a inteligência do negócio)
INTELIGÊNCIA EMPRESARIAL – AULA 7
INTELIGÊNCIA EMPRESARIAL
DATA WAREHOUSE
➔ Banco de dados que armazena dados sobre as operações da
empresa, como vendas e compras, extraídos de uma fonte única
ou múltipla, oferecendo enfoque histórico, para permitir um
suporte efetivo à tomada de decisão.
➔ Dados integrados e históricos que servem desde a alta
direção, que necessita de informações mais resumidas, até as
gerências de baixo nível, onde os dados detalhados ajudam a
observar aspectos mais táticos da empresa.
“conjunto de dados baseado em assuntos, integrado, não 
volátil e variável em relação o tempo, para dar suporte ao 
processo gerencial de tomada de decisão.” 
INTELIGÊNCIA EMPRESARIAL – AULA 7
INTELIGÊNCIA EMPRESARIAL
DATA WAREHOUSE
Data 
Warehouse
Orientação por assunto
⬧Organizado de acordo com as principais
areas de negocio da organização
⬧Não orientado a aplicação, permitindo a 
utilização dos dados de varias formas ao
longo do tempo
Integração
⬧Unificação fisica dos dados em um mesmo 
repositório
⬧Estruturas e formatos de dados comuns, 
independente dos sistemas fonte
⬧A integracao é feita através dos principais 
processos de carrga
Variação temporal
⬧Séries temporais de um conjunto de dados
⬧Variações de estado (datas de mudança 
de status)
⬧Datas de eventos(chamadas, 
faturas,pedidos, etc)
Não volatil
⬧Não há atualização de registros
⬧As alterações de informação são 
armazenadas a partir da captura de um 
novo retrato das informações
Informações detalhadas e 
agregadas
⬧Dados atômicos
⬧Mantem a flexibilidade dos dados, 
facilitando futuras mudanças no 
negócio
⬧Deve-se tomar cuidado para não se 
tornar fonte de relatórios
operacionais
⬧Visões agregadas montadas em função
das principais visões corporativas
⬧Estruturas consolidadas de perfis –
utilizadas para facilitar analises de eventos
que são baseados em um grande volume 
de dados
Adaptado de: Prof. Fernando Nimer 
INTELIGÊNCIA EMPRESARIAL – AULA 7
INTELIGÊNCIA EMPRESARIAL
 
 
 
ORIENTAÇÃO POR ASUNTO
Um DW sempre armazena dados importantes sobre temas específicos 
da empresa de acordo com o interesse das pessoas que irão utilizá-
los.
(Fonte: Adaptado de Oliveira, S.R. M - Data Warehouse: Arquitetura, Projeto e Abordagens de Implementação)
INTELIGÊNCIA EMPRESARIAL – AULA 7
INTELIGÊNCIA EMPRESARIAL
VOLATILIDADE
Os dados não sofrem atualizações. Eles são carregados uma única vez e,
a partir desse momento, só podem ser consultados, pois representam as
informações em um determinado instante de tempo.
Os dados passam por filtros antes de entrarem no DW, com isso muitos
dados nunca saem do ambiente transacional e outros são resumidos de
certa forma que não são encontrados fora do DW.
INTELIGÊNCIA EMPRESARIAL – AULA 7
INTELIGÊNCIA EMPRESARIAL
VARIAÇÃO NO TEMPO
Os dados são armazenados para fornecer informações de uma
perspectiva histórica. A cada mudança ocorrida num dado, uma nova
entrada é criada e não atualizada, como acontece nos sistemas
tradicionais
 
 
 
(Fonte: Adaptado de prof. Yomara Pires)
INTELIGÊNCIA EMPRESARIAL – AULA 7
INTELIGÊNCIA EMPRESARIAL
INTEGRAÇÃO 
Os dados necessários aos tomadores de decisão estão em diversas
áreas da empresa. Geralmente estes dados não estão padronizados e é
necessário integrar antes de carregarmos em um DW de forma que
passe a ter um único significado.
Como não existem padrões de codificação, cada analista pode definir a
mesma estrutura de dados de várias formas, fazendo com que dados
que representam a mesma informação sejam representados de
diversas maneiras dentro dos sistemas utilizados pela empresa o longo
dos anos
INTELIGÊNCIA EMPRESARIAL – AULA 7
INTELIGÊNCIA EMPRESARIAL
INTEGRAÇÃO
A maior parte do trabalho na construção de um DW está na análise dos
sistemas em operação e dos dados que ele contém.
(Fonte: Adaptado de Oliveira, S.R. M - Data Warehouse: Arquitetura, Projeto e Abordagens de Implementação)
INTELIGÊNCIA EMPRESARIAL – AULA 7
INTELIGÊNCIA EMPRESARIAL
LOCALIZAÇÃO
Os dados podem estar fisicamente armazenados de três formas:
centralizados, distribuídos e por níveis de detalhes.
Centralizados: solução muito utilizada, mas com o inconveniente de
requerer investimento em um servidor com alta capacidade de
processamento e armazenamento.
Distribuídos: dados armazenados em diferentes locais, chamados
“Datamarts”, de acordo com áreas de interesse (Exemplo:
financeiro, marketing).
Níveis de Detalhes: dados altamente consolidados/resumidos em um
servidor e dados detalhados em outro
INTELIGÊNCIA EMPRESARIAL – AULA 7
INTELIGÊNCIA EMPRESARIAL
CREDIBILIDADE DE DADOS
Para o sucesso de qualquer Data Warehouse é determinante a
credibilidade dos dados. Simples distorções podem causar sérios
problemas quando se quer extrair dados para suportar decisões
estratégicas para o negócio das empresas. Dados não confiáveis podem
resultar em relatórios inúteis, sem importância.
Por exemplo, um simples CEP errado não afetará uma simples transação
de compra e venda, mas poderá influenciar informações referentes a
uma cobertura geográfica ou uma expansão de rede de filiais.
INTELIGÊNCIA EMPRESARIAL – AULA 7
INTELIGÊNCIA EMPRESARIAL
GRANULARIDADE DE DADOS
A granularidade diz respeito ao nível de detalhe dos dados existentes no 
Data Warehouse. Quanto maior o nível de detalhe, menor o nível de 
granularidade. 
(Fonte: Adaptado de Oliveira, S.R. M - Data Warehouse: Arquitetura, Projeto e Abordagens de Implementação)
INTELIGÊNCIA EMPRESARIAL – AULA 7
INTELIGÊNCIA EMPRESARIAL
PRINCIPAIS TAREFAS EFETUADAS PELO DW
➢ Obter dados dos BD’s operacionais e externos;
➢ Armazenar os dados;
➢ Fornecer informações para tomada de decisão;
➢ Administrar o sistema e os dados
INTELIGÊNCIA EMPRESARIAL – AULA 7
INTELIGÊNCIA EMPRESARIAL
PRINCIPAIS COMPONENTES DO DW
➢ Mecanismos para acessar e transformar dados;
➢ Mecanismo para armazenamento de dados;
➢ Ferramentas para análise de dados;
➢ Ferramentas de gerência.
INTELIGÊNCIA EMPRESARIAL – AULA 7
INTELIGÊNCIA EMPRESARIAL
DATAMARTS
Muitas vezes,apesar do Data Warehouse possuir um grande volume de
dados de toda a empresa, é necessário trabalhar apenas com uma
parte destes dados, correspondente a um setor da empresa, ou fazer
a implantação do Data Warehouse de forma fracionada até se formar o
sistema corporativo.
Pode ser considerado como um subconjunto de dados que possui
regras de negócio e de cálculo específicas, sumarizados ou agregados
de um database maior.
INTELIGÊNCIA EMPRESARIAL – AULA 7
INTELIGÊNCIA EMPRESARIAL
UTILIZAÇÃO DE DATAMARTS
Um Datamart é um banco de dados de suporte à decisão construído para 
utilização por um departamento ou grupo específico de uma empresa. 
(Fonte: Adaptado de www.inf.ufsc.br/~frank/bd_unoesc/DataWarehouse.ppt, acesso em 08/jan/2011)
INTELIGÊNCIA EMPRESARIAL – AULA 7
INTELIGÊNCIA EMPRESARIAL
UTILIZAÇÃO DE DATAMARTS
• “Pequenos” bancos de dados departamentais orientados por 
assunto 
• Solução “Tática” (possuem implementação mais simples)
• Menor tempo de desenvolvimento
• Atenção: a integração de DataMarts exige planejamento avançado
Observações: 
➢ Dados podem estar repetidos em diversos Data Marts
➢ O mesmo dado pode ser representado com granularidade 
diferente
INTELIGÊNCIA EMPRESARIAL – AULA 7
INTELIGÊNCIA EMPRESARIAL
ARQUITETURA DE UM DATA WAREHOUSE
(Fonte: Adaptado de Sun Expert Magazine)
INTELIGÊNCIA EMPRESARIAL – AULA 7
INTELIGÊNCIA EMPRESARIAL
DATA WAREHOUSE x BD OPERACIONAL 
CARACTERÍSTICA BD OPERACIONAL DATA WAREHOUSE
Objetivo Operações diárias do 
negócio
Analisar o negócio
Uso Operacional Analítico
Tipo de 
processamento
OLTP OLAP
Unidade de trabalho Inclusão, alteração, 
exclusão
Inserção e consulta
Interação do usuário Somente pré-definida Pré-definida e ad-hoc
Volume Megabytes – gigabytes Gigabytes – terabytes
(Fonte: Adaptado de Han, J., Kamber, M., 2001, “Data mining”, Morgan Kaufmann Publishers, New York, USA)
INTELIGÊNCIA EMPRESARIAL – AULA 7
INTELIGÊNCIA EMPRESARIAL
DATA WAREHOUSE x BD OPERACIONAL 
CARACTERÍSTICA BD OPERACIONAL DATA WAREHOUSE
Histórico 60 a 90 dias 5 a 10 anos
Granularidade Detalhados Detalhados e 
resumidos
Redundância Não ocorre Ocorre
Atualização Contínua (tempo real) Periódica (em batch)
Integridade Transação A cada atualização
Intenção dos índices Localizar um registro Aperfeiçoar consultas
(Fonte: Adaptado de Han, J., Kamber, M., 2001, “Data mining”, Morgan Kaufmann Publishers, New York, USA)
INTELIGÊNCIA EMPRESARIAL
Aula 9 - Modelagem de Data Warehouse
INTELIGÊNCIA EMPRESARIAL – AULA 9
INTELIGÊNCIA EMPRESARIAL
Conteúdo Programático desta aula
▪ Modelagem Multidimensional
▪ Modelo Esquema Estrela e Modelo Floco 
de Neve
INTELIGÊNCIA EMPRESARIAL – AULA 9
INTELIGÊNCIA EMPRESARIAL
MODELAGEM DE DADOS PARA O DW
A modelagem de dados para DW é diferente da utilizada para
sistemas OLTP.
Se simplesmente movermos o modelo de dados transacional para um
banco de dados separado, inserirmos dados históricos e chamarmos
de DW não conseguiremos trabalhar com estes dados por duas razões
principais:
INTELIGÊNCIA EMPRESARIAL – AULA 9
INTELIGÊNCIA EMPRESARIAL
MODELAGEM DE DADOS PARA O DW
1) Os usuários não ficarão felizes porque a complexidade será muito
alta, para que eles próprios possam realizar consultas ad hoc
2) Modelos de dados transacionais são construídos respeitando a
Terceira Forma Normal e não respondem com rapidez a questões
típicas de queries de apoio á decisão
INTELIGÊNCIA EMPRESARIAL – AULA 9
INTELIGÊNCIA EMPRESARIAL
MODELAGEM DE DADOS PARA O DW
A Modelagem Multidimensional é uma técnica de concepção e
visualização de um Modelo de Dados de um conjunto de medidas que
descrevem aspectos comuns de negócios.
É utilizada especialmente para sumarizar e reestruturar dados e
apresenta-los em visões que suportem a análise dos valores desses
dados.
INTELIGÊNCIA EMPRESARIAL – AULA 9
INTELIGÊNCIA EMPRESARIAL
MODELAGEM DE DADOS PARA O DW
Um modelo multidimensional é formado por três elementos básicos:
➢ Fatos;
➢ Dimensões;
➢ Medidas ( Variáveis )
INTELIGÊNCIA EMPRESARIAL – AULA 9
INTELIGÊNCIA EMPRESARIAL
MODELAGEM DE DADOS PARA O DW - FATO
• Representação de um assunto
• Um assunto pode ser um dado operacional, uma transação do 
negócio ou um evento
• Um fato é composto por dimensões e medidas
• Exemplos (domínio Loja):
– vendas (transação do negócio)
– promoções (evento)
– produtos e estoque (dado operacional)
INTELIGÊNCIA EMPRESARIAL – AULA 9
INTELIGÊNCIA EMPRESARIAL
MODELAGEM DE DADOS PARA O DW - DIMENSÃO
Representação dos contextos relevantes para a análise de um fato.
• Exemplo:
– Fato: Vendas
– Dimensões: Clientes, Produtos, Tempo, Locais, ...
• Uma dimensão pode:
– conter membros
– ser organizada em hierarquias
INTELIGÊNCIA EMPRESARIAL – AULA 9
INTELIGÊNCIA EMPRESARIAL
MODELAGEM DE DADOS PARA O DW - DIMENSÃO
São as possíveis formas de visualizar os dados, ou seja, são os “por”
dois dados: “por mês”, “por produto”, “por país”, “por região”, etc.
Normalmente não possuem atributos numéricos, são somente
descritivas e classificatórias dos elementos que participam de um
fato.
INTELIGÊNCIA EMPRESARIAL – AULA 9
INTELIGÊNCIA EMPRESARIAL
MODELAGEM DE DADOS PARA O DW - MEDIDA
• Representação de atributos (variáveis) relevantes para a análise de
um fato
– valores numéricos em geral
– indicadores de desempenho para a análise
• Uma medida é determinada pela associação de dimensões
– produto X tempo.ano;
- local.estado X cliente.classe X tempo.semana.dia
• Exemplo:
– Fato: Vendas
– Medidas: quantidade vendida, valor da venda
INTELIGÊNCIA EMPRESARIAL – AULA 9
INTELIGÊNCIA EMPRESARIAL
MODELAGEM DE DADOS PARA O DW - MEDIDA
São os atributos numéricos que representam um fato, a performance
de um indicador de negócios relativo às dimensões que participam
desse fato.
Uma medida é determinada pela combinação das dimensões que
participam de um fato, e estão localizadas como atributos de um
fato.
INTELIGÊNCIA EMPRESARIAL – AULA 9
INTELIGÊNCIA EMPRESARIAL
UMA NOVA FORMA DE VER OS DADOS
Uma visão multidimensional é usualmente representada por um
cubo
➢ A metáfora do cubo dá a impressão de múltiplas dimensões
➢ Os “cubos” podem ter 2, 3, 4 ou mais dimensões
➢ O usuário pode rolar e cortar (“slice and dice”) o cubo,
escolhendo qual a dimensão(ões) que será usada em cada consulta
(query)
INTELIGÊNCIA EMPRESARIAL – AULA 9
INTELIGÊNCIA EMPRESARIAL
UMA NOVA FORMA DE VER OS DADOS
http://www.inf.ufsc.br/~ronaldo/ine5342/6-dw.pdf, acesso em 24/03/2012
INTELIGÊNCIA EMPRESARIAL – AULA 9
INTELIGÊNCIA EMPRESARIAL
VISUALIZAÇÃO - EXEMPLO
Cubo do Fato Vendas
http://www.inf.ufsc.br/~ronaldo/ine5342/6-dw.pdf, acesso em 24/03/2012
INTELIGÊNCIA EMPRESARIAL – AULA 9
INTELIGÊNCIA EMPRESARIAL
Modelo Dimensional - Diagrama Estrela ( Star Schema )
Star Schema é o termo comum para designação de modelos de dados 
multidimensionais;
Como o termo esquema nos leva diretamente a uma idéia de modelo 
físico, o mais usual é denominarmos de modelo estrela;
INTELIGÊNCIA EMPRESARIAL – AULA 9
INTELIGÊNCIA EMPRESARIAL
Modelo Dimensional - Diagrama Estrela ( Star Schema )
O modelo estrela é a estrutura básica de um modelo de dados
multidimensional
Sua composição típica possui uma grande entidade central
denominada fato e um conjunto de entidades menores denominadas
dimensões, arranjadas ao redor dessa entidade central, formando
uma estrela
INTELIGÊNCIA EMPRESARIAL – AULA 9
INTELIGÊNCIA EMPRESARIAL
Modelo Dimensional - Diagrama Estrela ( Star Schema )
Tabela de Fatos
Tabela de 
Dimensão
(Fonte:Campos. M.L.C., material de aula – UFRJ)
INTELIGÊNCIA EMPRESARIAL – AULA 9
INTELIGÊNCIA EMPRESARIAL
MODELAGEM DE DADOS PARA O DW
http://www.inf.ufsc.br/~ronaldo/ine5342/6-dw.pdf, acesso em 24/03/2012
INTELIGÊNCIA EMPRESARIAL – AULA 9
INTELIGÊNCIA EMPRESARIAL
Diagrama Floco de Neve ( Snowflake )
O modelo Snowflake é o resultado da decomposição de uma ou mais
dimensões que possuam hierarquias entre seus membros;
Podemos definir relacionamento muitos para um entre os membros
em uma dimensão, formando uma hierarquia por meio desses
relacionamentos entre entidades dimensões;
➢ O modelo floco de neve é resultado da aplicação da terceira forma
normal sobre as entidades dimensão
INTELIGÊNCIA EMPRESARIAL – AULA 9
INTELIGÊNCIA EMPRESARIAL
Diagrama Floco de Neve ( Snowflake )
http://www.inf.ufsc.br/~ronaldo/ine5342/6-dw.pdf, acesso em 24/03/2012
INTELIGÊNCIA EMPRESARIAL – AULA 9
INTELIGÊNCIA EMPRESARIAL
Diagrama Floco de Neve ( Snowflake )
➢ Variante do modelo estrela
Tabelas de dimensões estão normalizadas (3FN)
Representação explícita das hierarquias
➢ Vantagem
Evita redundância (mais economia de espaço)
INTELIGÊNCIA EMPRESARIAL – AULA 9
INTELIGÊNCIA EMPRESARIAL
Diagrama Floco de Neve ( Snowflake )
➢ Desvantagem
– maior número de tabelas (maior número de junções)
➢ Modelo estrela é considerado mais apropriado
- desperdício de espaço é menos crítico que tempo para
recuperação de dados em um DW
INTELIGÊNCIA EMPRESARIAL – AULA 9
INTELIGÊNCIA EMPRESARIAL
Comparação dos Esquemas
Transação de Mercearia
Número da Loja
Data da Transação
Cliente
Produto
Quantidade
Valor
Cliente
Cliente
Da Data
À Data
Nome
Sobrenome
Endereço 1
Endereço 2
Endereço 3
Cidade
Estado
País
CEP
Produto
Produto
Descrição
Categoria
Tempo
Data da Transação
Loja
Número da Loja
Nome da Loja
Cidade
Estado
País
Telefone
Estrela Relacional Normalizado
Cliente
Cliente
Da Data
À Data
Nome
Sobrenome
Endereço 1
Endereço 2
Endereço 3
Cidade
Estado
País
CEP
Transação de Mercearia
Número da Encomenda
Número da Loja
Cliente
Data da Transação
Loja
Número da Loja
Nome da Loja
Cidade
Estado
País
Telefone
Produto
Produto
Descrição
Categoria
Item da Nota
Número da Nota
Produto
Quantidade
Valor
Altamente desnormalizado para melhor performance
Os dados transacionais são armazenados em Tabelas Fato
e os dados de referência são armazenados em Tabelas
Dimensão
Minimiza a redundância de dados
Os dados transacionais podem ser armazenados em qualquer
tabela
INTELIGÊNCIA EMPRESARIAL – AULA 9
INTELIGÊNCIA EMPRESARIAL
Esquema Constelação
União de esquemas estrela e/ou floco de neve
– esquema estrela: modela em geral um Data Mart
– esquema constelação: modela o DW
http://www.inf.ufsc.br/~ronaldo/ine5342/6-dw.pdf, acesso em 24/03/2012
INTELIGÊNCIA EMPRESARIAL – AULA 9
INTELIGÊNCIA EMPRESARIAL
Exemplo Modelagem
Uma rede de lojas de departamento possui diversas lojas distribuídas 
em diferentes estados do Brasil. O sistema transacional gerencia todas 
as vendas efetuadas em cada uma das lojas. 
O modelo relacional utilizado nesse sistema possui:
a) uma tabela Fatura que contém todos os dados relacionados a uma 
fatura, com seus itens vendidos sendo armazenados na tabela 
Item_Fatura. 
b) cadastros de Lojas, de Clientes, de Funcionários, de Produtos, de 
Categorias e de Fornecedores. 
(Adaptado de: Hokama, D.D.B., Camargo, D., Fujita, F., Fogliene, J.L.V. - A Modelagem de dados no 
ambiente Data Warehouse, site: Google, acesso em 01 de abril de 2006 )
INTELIGÊNCIA EMPRESARIAL – AULA 9
INTELIGÊNCIA EMPRESARIAL
Exemplo Modelagem
A área de negócios solicitou a construção de um Data Mart que 
permitisse consultas analíticas, como por exemplo:
✓qual o faturamento com a venda de cosméticos da "Johnson &
Johnson", em lojas da zona sul da cidade de São Paulo no período do
dia das mães ?
✓quais foram as vendas no período de janeiro a março deste ano na
região sudeste e nordeste ?
✓quais os produtos mais rentáveis ?
✓quem foram os maiores clientes ?
(Adaptado de: Hokama, D.D.B., Camargo, D., Fujita, F., Fogliene, J.L.V. - A Modelagem de dados no 
ambiente Data Warehouse, site: Google, acesso em 01 de abril de 2006 )
INTELIGÊNCIA EMPRESARIAL – AULA 9
INTELIGÊNCIA EMPRESARIAL
Exemplo Modelagem
Quem é o fato? 
Neste exemplo o fato é VENDAS
Quem são as dimensões? 
PRODUTO
LOJA
CLIENTE
TEMPO
INTELIGÊNCIA EMPRESARIAL – AULA 9
INTELIGÊNCIA EMPRESARIAL
Exemplo Modelagem
VENDA
LOJA
PRODUTO
CLIENTE
TEMPO
INTELIGÊNCIA EMPRESARIAL
Aula 8 - Metadados
INTELIGÊNCIA EMPRESARIAL – AULA 8
INTELIGÊNCIA EMPRESARIAL
Conteúdo Programático desta aula
▪ Conceitos e principais características dos 
Metadados
▪ Principais operações OLAP
INTELIGÊNCIA EMPRESARIAL – AULA 8
INTELIGÊNCIA EMPRESARIAL
METADADOS
A definição mais simples de metadados é que eles são dados sobre
dados – mais especificamente, informações (dados) sobre um
determinado conteúdo (os dados).
Os metadados são utilizados para facilitar o entendimento, o uso e o
gerenciamento de dados.
Um registro de metadados consiste de alguns elementos pré-
definidos que representam determinados atributos de um recurso,
sendo que cada elemento pode ter um ou mais valores.
INTELIGÊNCIA EMPRESARIAL – AULA 8
INTELIGÊNCIA EMPRESARIAL
METADADOS
“Metadado é uma abstração do dado capaz, por exemplo, de indicar 
se uma determinada base de dados existe, quais são os atributos de 
uma tabela, tais como: tamanho e/ou formato.”
(IMMON, Willian H. Enterprise meta dada. DM Review Magazine, v.8. n. 10, Nov 1998)
INTELIGÊNCIA EMPRESARIAL – AULA 8
INTELIGÊNCIA EMPRESARIAL
METADADOS
O metadados é extremamente importante para a organização pois
transforma dados em informação empresarial, aumentando a
produtividade e melhorando a tomada de decisão
As regras de negócio das aplicações alternam de forma muito rápida,
o que implica no fato das aplicações precisarem ser desenvolvidas
rapidamente e de forma flexível.
(Adaptado de: Cristofoli, F – Metadados – FEA/USP, disponível em http://stoa.usp.br/cristofoli/files/675/6553/Slides+-+Metadados.pdf, acesso em 26 de março de 2012)
INTELIGÊNCIA EMPRESARIAL – AULA 8
INTELIGÊNCIA EMPRESARIAL
IMPORTÂNCIA DO METADADOS
Os metadados asseguram a correta interpretação ( baseado em
atividades, objetos, relações e regras) do que os dados realmente
significam para o negócio. Exemplo:
O que é lucro?
Lucro = receita das vendas menos os custos de produção
(Adaptado de: Cristofoli, F – Metadados – FEA/USP, disponível em http://stoa.usp.br/cristofoli/files/675/6553/Slides+-+Metadados.pdf, acesso em 26 de março de 2012)
INTELIGÊNCIA EMPRESARIAL – AULA 8
INTELIGÊNCIA EMPRESARIAL
IMPORTÂNCIA DO METADADOS
Ou, é um cálculo mais complicado como:
“O Total das receitas anuais, menos
A soma do custo médio real por produto, menos
Overhead deduzido de cada produto acumulado da produção anual,
menos
Gratificações, menos
Cupons de descontos, dividido por doze”
(Adaptado de: Cristofoli, F – Metadados – FEA/USP, disponível em http://stoa.usp.br/cristofoli/files/675/6553/Slides+-+Metadados.pdf, acesso em 26 de março de 2012)
INTELIGÊNCIA EMPRESARIAL – AULA 8
INTELIGÊNCIA EMPRESARIAL
Será que toda organização tem a mesma compreensão de lucro?
Existe somente um cálculo para o lucro?
Se existem diversas interpretações para o lucro, todas são
verdadeiras?
IMPORTÂNCIA DO METADADOS
(Adaptado de: Cristofoli, F – Metadados – FEA/USP,disponível em http://stoa.usp.br/cristofoli/files/675/6553/Slides+-+Metadados.pdf, acesso em 26 de março de 2012)
INTELIGÊNCIA EMPRESARIAL – AULA 8
INTELIGÊNCIA EMPRESARIAL
Se existirem várias versões para o cálculo de lucro, vários elementos
devem ser criados, cada um com o seu próprio nome, sua definição,
regras, conteúdo, relacionamentos ... e assim por diante.
Toda esta informação sobre lucro é metadado.
“A finalidade principal dos metadados é documentar e organizar de forma
estruturada os dados das organizações, com o objetivo de minimizar
duplicação de esforços e facilitar a manutenção dos dados” (Moriarty)
IMPORTÂNCIA DO METADADOS
(Adaptado de: Cristofoli, F – Metadados – FEA/USP, disponível em http://stoa.usp.br/cristofoli/files/675/6553/Slides+-+Metadados.pdf,
acesso em 26 de março de 2012)
INTELIGÊNCIA EMPRESARIAL – AULA 8
INTELIGÊNCIA EMPRESARIAL
TIPOS DE METADADOS
Em um projeto de DW, os metadados devem gerar e gerenciar uma
documentação sobre o levantamento de dados, do banco de dados,
relatórios a serem gerados, origem dos dados que alimentam do DW ,
processos de extração, tratamento e rotinas de carga dos dados, as
regras de negócio da empresa e todas as suas mudanças.
São divididos em dois grupos:
➢ Técnicos
➢ Negócios
INTELIGÊNCIA EMPRESARIAL – AULA 8
INTELIGÊNCIA EMPRESARIAL
METADADOS TÉCNICOS
Fornecem aos desenvolvedores e usuários técnicos a confiança de 
que os dados estão corretos;
São críticos para a manutenção e o crescimento contínuo do DW
Exemplos:
• Controles de auditoria;
• Tabelas com a estrutura do DW;
• Dependência dos programas;
• Nomes das tabelas do DW
INTELIGÊNCIA EMPRESARIAL – AULA 8
INTELIGÊNCIA EMPRESARIAL
METADADOS DE NEGÓCIO
São o elo de ligação entre os usuários de negócios e o DW;
Mostram que relatórios, consultas e dados estão no DW, a localização
dos dados, contexto dos dados, regras de transformação que foram
aplicados e as origens desses dados
Exemplos:
• Mapeamento dos campos das tabelas físicas do DW;
• Regras para drill-down, drill-up e drill-across;
• Informações sobre sumarizações e transformações dos dados;
• Estruturas dos dados com a nomenclatura que possa ser 
facilmente entendida pelo usuário final;
INTELIGÊNCIA EMPRESARIAL – AULA 8
INTELIGÊNCIA EMPRESARIAL
TIPOS DE METADADOS
Repositório de metadados
Metadados
técnicos
Metadados de 
negócios
Administrador de dados
Usuários técnicos
(desenvolvedores e analistas)
Usuários de negócios
(executivos e analistas de negócios)
Fonte: Machado, F.N.R.
INTELIGÊNCIA EMPRESARIAL – AULA 8
INTELIGÊNCIA EMPRESARIAL
METADADOS COMO INSTRUMENTO DE NAVEGAÇÃO
Em um ambiente de tomada de decisões os metadados assumem um 
novo papel, tampém muito importante:
o de navegação, e não apenas de documentação 
Pois ajudam os executivos a:
✓ Localizar
✓ Gerenciar
✓ Compreender e
✓ Utilizar os dados de um DW
(Adaptado de: Cristofoli, F – Metadados – FEA/USP, disponível em http://stoa.usp.br/cristofoli/files/675/6553/Slides+-+Metadados.pdf, acesso em 26 de março de 2012)
INTELIGÊNCIA EMPRESARIAL – AULA 8
INTELIGÊNCIA EMPRESARIAL
Tipos de Informação Metadados
Por serem considerados um dicionário de informações os metadados 
devem descrever:
• Fonte dos dados 
• Destino dos dados
• Formato dos dados
• Nome e Alias
• Definições de Negócios
INTELIGÊNCIA EMPRESARIAL – AULA 8
INTELIGÊNCIA EMPRESARIAL
Tipos de Informação Metadados
• Regras de Transformação
• Atualização dos dados
• Requisitos de Teste
• Processos Automáticos
• Propriedade e responsabilidade sobre os dados
• Acesso e Segurança
INTELIGÊNCIA EMPRESARIAL – AULA 8
INTELIGÊNCIA EMPRESARIAL
Camadas de Metadados
Normalmente, os metadados em um DW podem ser apresentados em 
três camadas diferentes:
➢ Metadados operacionais: definem a estrutura dos dado mantidos 
pelos bancos operacionais, usados pelas aplicações de produção da 
empresa
➢ Metadados centrais do DW: são orientados por assunto e definem 
como os dados transformados devem ser interpretados, incluem 
definições de agregação e campos calculados, assim como visões 
sobre cruzamento de assuntos
➢ Metadados de nível do usuário: organizam os metadados do DW para 
os conceitos que sejam familiares e adequados aos usuários finais
INTELIGÊNCIA EMPRESARIAL – AULA 8
INTELIGÊNCIA EMPRESARIAL
OPERAÇÕES OLAP
Operação Definição
drill-down analisa os dados em níveis de agregação progressivamente
mais detalhados, ou de menor granularidade
roll-up analisa os dados em níveis de agregação progressivamente
menos detalhados, ou de maior granularidade
slice and
dice
restringe os dados sendo analisados a um subconjunto destes 
dados
slice: corte para um valor fixo
dice: seleção de faixas de valores
drill-across compara medidas numéricas distintas que são relacionadas
entre si através de pelo menos uma dimensão em comum
pivot reorienta a visão multidimensional dos dados, oferecendo
diferentes perspectivas dos mesmos dados
(Adaptado de : CIFERRI, C.A, CIFERRI, R.R. - Processamento Analítico de Dados -
INTELIGÊNCIA EMPRESARIAL – AULA 8
INTELIGÊNCIA EMPRESARIAL
Drill-Down - Exemplo
http://www.inf.ufsc.br/~ronaldo/ine5342/6-dw.pdf, acesso em 24/03/2012
INTELIGÊNCIA EMPRESARIAL – AULA 8
INTELIGÊNCIA EMPRESARIAL
Roll-Up - Exemplo
http://www.inf.ufsc.br/~ronaldo/ine5342/6-dw.pdf, acesso em 24/03/2012
INTELIGÊNCIA EMPRESARIAL – AULA 8
INTELIGÊNCIA EMPRESARIAL
Slice-and-Dice - Exemplo
http://www.inf.ufsc.br/~ronaldo/ine5342/6-dw.pdf, acesso em 24/03/2012
INTELIGÊNCIA EMPRESARIAL – AULA 8
INTELIGÊNCIA EMPRESARIAL
Pivot - Exemplo
http://www.inf.ufsc.br/~ronaldo/ine5342/6-dw.pdf, acesso em 24/03/2012
Informação e tomada de decisão 
Tomada de Decisão Empresarial
Condições para tomada de decisão:
• Certeza;
• Risco;
• Incerteza;
• Competição ou decisão em condições de conflitos
Etapas do Processo de tomada de decisão:
• Inteligência (ou Compreensão)
• Projeto
• Escolha
• Implementação da Solução
Tomada de decisão:
Processo de escolha entre diferentes cursos de ação com o propósito de
alcançar um ou mais objetivos. Freqüentemente considerada o mesmo que
resolver problemas Abordagens para a solução de problemas: REATIVA ou
PRÓ-ATIVA.
Grau de risco: risco é a medida da probabilidade de que uma
alternativa selecionada resultará em um produto não-esperado ou
não-desejado.
Tipos de Riscos:
• à própria decisão (risco da decisão)
• ao processo de estimativa (risco de estimativa)
Decisão Estruturada: operações ou transações, cujos processos de recuperação e
controle de dados são repetitivos.
Decisão não estruturada: situações específicas, freqüentemente únicas (ambientes
complexos e dinâmicos). São originais, não rotineiras e importantes e necessitam
muito de julgamento humano.
• Facilmente automatizados
• Todos os dados relevantes estão disponíveis
CONDIÇÕES PARA A TOMADA DE DECISÃO
Em condições de certeza:
• Ocorre quando a decisão é feita com pleno conhecimento de todos os estados da natureza
• Existe a certeza do que irá ocorrer durante o período em que a decisão é tomada
• É possível atribuir probabilidade de 100% a um estado específico da natureza Em
condição de risco
• Ocorre quando são conhecidas as probabilidades associadas a cada um dos estados da
natureza, ou mesmo a parcela dos estados conhecidos da natureza possui dados obtidos com
probabilidade incerta, ou é desconhecida a probabilidade associada aos eventos Em
condições de incerteza ou decisão em condições de ignorância
• Ocorre quando não se obteve o total estado da natureza, ou mesmoa parcela dos estados
conhecidos da natureza possui dados obtidos com probabilidade incerta, ou é desconhecida
a probabilidade associada aos eventos
Em condições de competição ou decisão em condições de conflitos
• Ocorre quando estratégias e estados da natureza são determinados pela ação de
competidores
• Existem, obrigatoriamente, dois ou mais decisores envolvidos, o resultado depende da
escolha de cada um dos decisores.
Podemos dizer que a teoria da decisão é um conjunto de procedimentos e métodos de
análise que procura assegurar a coerência, a eficácia e a eficiência das decisões tomadas
em função das informações disponíveis e busca prever possíveis cenários. Para isto, pode
fazer uso de métodos e ferramentas matemáticas ou não.
Etapas do Processo de Tomada de Decisão
• Inteligência (ou Compreensão)
• Projeto
• Escolha
• Implementação da Solução
INTELIGÊNCIA
a) Monitorar o ambiente de decisão: monitoramos informações internas e externas que irão
indicar os desvios que a organização está apresentando.
b) Definir o problema a ser decidido: devemos procurar delinear os limites do problema,
saber a extensão de sua gravidade.
c) Especificar objetivos de decisão: devemos indicar quais seriam os comportamentos
aceitáveis para a situação.
d) Diagnosticar o problema: devemos coletar dados e informações para que o problema se
torne o mais conhecido possível que nos permita indicar caminhos para a solução.
e) Desenvolver soluções alternativas: procura-se identificar, com bases nos dados e
informações obtidos, o maior número possível de formas de superar o problema.
f) Avaliar as alternativas: cada alternativa tem seus prós e contras que devem ser
mensurados em termos de eficácia e eficiência, além de capacidade técnica de
implementação.
PROJETOS
• Liderança
• Desenvolvimento da equipe
• Motivação
• Comunicação
• Influência
• Tomada de decisão
• Conhecimento político e cultural
• Negociação
• Construção da confiança
• Gerenciamento de conflitos
• Coaching Coaching é uma forma de desenvolvimento na qual alguém
denominado coach, ajuda um aprendiz ou cliente a adquirir um
objetivo pessoal ou profissional específico através de
treinamento e orientação.
ESCOLHA
1- Intuitivo
A tomada de decisão intuitiva envolve confiar na decisão que parece certa, sem necessariamente pensar na 
lógica que está por trás desta escolha.
2- Racional
É o ato de usar a lógica para determinar o que é melhor. Para isso, deve-se rever todas as opções
possíveis. E, em seguida, avaliar cada opção usando o modo racional de pensar.
3- Baseada em valores
Cada pessoa possui uma formação, bagagem e experiência diferente. Isso acontece porque cada um de
nós é formado por valores diferentes ao longo da vida, sejam eles pessoais ou profissionais.
4- Colaborativa
Em vez de tomar uma decisão sozinho, de forma totalmente isolada, seguindo algum dos modelos
anteriores, você toma a decisão em conjunto.
5- Baseada nos especialistas
Essas são pessoas preparadas, que já vivenciaram o mesmo problema de outras formas, e que podem
fazer surgir novas ideias e soluções.
IMPLEMETAÇÃO DA SOLUÇÃO
• Selecionar a alternativa escolhida;
• Após a alternativa ser escolhida deve-se anunciá-la com confiança e de 
forma decisiva, pois caso contrário poderá ser despertado um sentimento de 
insegurança nos outros.
• Implementar a alternativa escolhida;
• Um erro comum é implementar a alternativa escolhida na época errada.
https://www.setting.com.br/blog/lideranca/exemplos-tomada-decisao-empresas/
https://www.setting.com.br/blog/gestao-empresarial/ferramentas-tomada-decisao/
Processo decisório
Técnicas de tomada de decisão
Conhecer os principais modelos de tomada de decisão
Compreender o papel da Tecnologia da Informação na tomada de decisão
empresarial
Brainstorming
Auxilia um grupo a imaginar/criar tantas ideias quanto possível em torno de um assunto ou problema, de forma
criativa. Deve ser utilizada quando for necessário conhecer melhor o universo de uma situação, colher informações,
opiniões e sugestões dos participantes, identificando problemas existentes e encontrando soluções criativas para o
problema identificado.
O brainstorming (“tempestade de ideias”, em tradução literal) é uma técnica de ideação que tem como objetivo gerar
um grande volume de novas ideias. A técnica se baseia em princípios como foco em quantidade, ausência de críticas
às ideias e combinação de ideias.
Brainstorming
A dinâmica da reunião pode ser resumida da seguinte
forma:
1. Explicar o problema;
2. Cada participante anotar suas ideias;
3. Apresentar as ideias para o grupo;
4. Agrupar e condensar as ideias;
5. Encerramento.
1. Sem críticas
É essencial que a reunião tenha um ambiente favorável à
livre exposição das ideias.
Após cada ideia sugerida, o procedimento ideal é anotá-la e
partir para a próxima, sem julgamentos, críticas ou
levantamento de barreiras à aplicação prática do que foi
sugerido.
2. Buscarvolume de ideias
Quantidade é mais importante do que qualidade em uma
reunião de brainstorming. Isso porque não é o momento de
julgar as ideias, apenas de garantir um alto volume delas.
3. Combinar ideias similares
Para chegar a uma grande quantidade de ideias, não adianta
sugerir pequenas variações de uma ideia central. Quando isso
acontece, é necessário agrupar por similaridade e continuar
buscando novas (e diferentes) ideias.
BRAISTORMING – PRINCÍPIOS FUNDAMENTAIS
1.Foco na quantidade: quanto mais ideias, melhor. O brainstorming aceita que é possível encontrar qualidade
dentro da quantidade.
2.Evitar a crítica: idéias não devem ser criticadas durante a sessão de brainstorming. Como o objetivo é focar
na quantidade e estimular todos os integrantes a participar, nenhum julgamento é feito sobre as ideias
propostas.
3.Apreciar ideias fora do comum: como o objetivo é coletar o maior número de ideias e identificar novas
abordagens na solução do problemas, ideias que fogem dos conceitos conhecidos ou esperados são bem-
vindas.
4.Combinar e melhorar ideias: esse é um ponto importante do brainstorming, por entender que é possível
criar ideias inteiramente novas por associação, isto é, combinações de ideias já propostas.
5.Colocar as ideias em ação: é inegável que o brainstorming é um momento de reflexão, interação e
descobrimento que deve se tornar um hábito nas empresas. Mas é importante que as visões e ideias levantadas
sejam transformadas em realidade ou ele se torna uma perda de tempo.
6.Evolução dos resultados: o líder precisa mostrar para a sua equipe como os projetos realizados com base no
brainstorming estão evoluindo. Essa prática é fundamental para motivá-la ainda mais na busca por melhores
ideias.
Melhores técnicas de brainstorming
Análise SWOT
A matriz SWOT:
Forças (Strengths);
Fraquezas (Weaknesses)
Oportunidades (Opportunities);
Ameaças (Threats).
No contexto do brainstorming, essa técnica é fundamental para identificar as melhores oportunidades e o que
pode atrapalhar a sua empresa, sem perder tempo com demandas que não são importantes no momento ou
ideias que não podem ser aplicadas.
Viagem no tempo
Uma das principais maneiras de antecipar tendências é se projetar o futuro. E é isso que a técnica da viagem no
tempo propõe: que o profissional se imagine em outra época, no passado ou alguns anos a frente.
A partir daí, ele deve pensar no que faria para resolver uma determinada situação, quais as necessidades do
público consumidor naquela época, o que foi diferencial ou pode ser inovador e transformar essas respostas em
soluções proveitosas para o presente.
Teleporte
A imaginação da equipe deve fluir no teleporte. Nessecaso, ela deve se imaginar enfrentando diferentes
situações em cenários distintos: em outro país, em outro contexto econômico, ou até mesmo na concorrência,
por exemplo.
Efeito Medici
O Efeito Medici propõe que a equipe faça interseções entre temas que não possuem uma correlação
aparente para a criação de novas ideias. Essa é uma visão muito explorada pelos empreendedores e um dos
caminhos mais promissores para a inovação.
Desafio dos Atributos
No dia a dia de um profissional, é raro que ele se coloque na posição de outras pessoas, especialmente daquelas
que consomem o seu produto ou serviço. É dessa falta de empatia que surgem as ideias erradas, campanhas de
marketing ruins e problemas com a fidelização.
Se imaginar como outra pessoa é a sugestão do Desafio dos Atributos, com o intuito de ajudar o colaborador a
pensar melhor no que realmente é esperado da sua empresa do ponto de vista da direção, dos consumidores e
dos concorrentes.
Ideias Livres
O modelo clássico do brainstorming deixa a cargo da equipe discutir as ideias e propor soluções de forma livre.
O mais importante nesse modelo é que todos tenham espaço e haja uma real troca de experiências, de conceitos,
de dúvidas, e que ele não se transforme em uma palestra — em que somente o líder fala.
Matriz de decisão
A matriz de decisão é uma ferramenta estratégica que possibilita fazer uso de instrumentos de avaliação e
análise de riscos e oportunidades, de forma a ampliar estas oportunidades de negócios e/ou reduzir seus
riscos.
Por exemplo, uma empresa deseja aumentar o nível de segurança dos seus funcionários quanto à ocorrência
de acidentes e doenças ocupacionais. Nesse caso, é possível utilizar-se não apenas da legislação específica
como também de “ferramentas de análise de riscos”.
Assim, por meio da matriz de decisão é possível estabelecer quais itens são relevantes e, a partir daí, atribuir
notas ou pontos específicos a cada questão.
Para isso são levantados, por exemplo:
• problemas relatados e observados;
• falhas devido à ausência de procedimentos, ou procedimentos que apresentam deficiência nas suas
ações;
• não conformidades, entre outros.
Qual é a importância da matriz de decisão?
A matriz de decisão é uma ferramenta de apoio no processo de decisão. Tal instrumento possibilita que seja
feita uma análise rápida por meio de critérios que favoreçam uma visão ampla e coerente de várias alternativas.
Passo 1: Identifique os critérios desejáveis para avaliação e os posicione na coluna da esquerda.
Passo 2: Nas demais colunas referentes aos critérios de avaliação (que são Impacto, Esforço, Lucratividade e
Visão), estabeleça uma pontuação para cada variável, considerando uma escala de 1 a 5, sendo “5” o valor
mais importante e “1” o valor menos importante.
Passo 3: Some os critérios de avaliação — Impacto, Lucratividade e Visão — de cada premissa estabelecida.
Subtraia do resultado a pontuação do critério Esforço e atribua um valor ao “total”:
Total: Impacto + Lucratividade + Visão – Esforço
Passo 4: Por fim, analise o critério com maior pontuação para se dedicar no momento.
A matriz de decisão é um método simples para ser utilizado como apoio no processo de decisão. Com isso, é
possível levantar os pontos fortes e fracos do negócio, o que permite estabelecer um plano de ação com as
melhores soluções para cada problema encontrado e, consequentemente, para as respectivas causas deste
problema.
Mapa cognitivo, mapa mental, modelos cognitivos e modelos mentais são tipos de processamento mental.
O MAPEAMENTO COGNITIVO
PASSO 1: DEFINIR UM RÓTULO PARA O PROBLEMA
PASSO 2 - DEFINIR OS ELEMENTOS PRIMÁRIOS DE AVALIAÇÃO
PASSO 3 - CONSTRUIR CONCEITOS A PARTIR DOS ELEMENTOS PRIMÁRIOS DE AVALIAÇÃO
PASSO 4 - CONSTRUIR A HIERARQUIA DE CONCEITOS
Técnicas para criar mapas cognitivos
1- Mapeamento Causal
É uma das técnicas de mapeamento cognitivo mais utilizadas para investigar a cognição da tomada de decisão
nas organizações. Essa teoria posiciona um conjunto de perspectivas pessoais, que o indivíduo usa para tomar
decisões.
2- Mapeamento conceitual
Outra técnica popular é mapas conceituais. Um mapa conceitual é uma representação gráfica na qual os nós
representam conceitos e os links representam as relações entre essas noções. As estruturas cognitivas
existentes são críticas para aprender novos conceitos.
3- mapeamento semântico
Deve-se notar que as declarações causais são apenas parte do sistema de crença total de um indivíduo.
Existem técnicas de mapeamento cognitivo que podem ser usadas para identificar outras relações entre
conceitos.
Os mapas semânticos, também conhecidos como mapas de ideias, são usados ​​para explorar uma ideia sem as
restrições de uma estrutura imposta.
EXERCÍCIO:
Você é o gestor da TI de uma empresa e é necessário que os serviços que estão disponíveis sejam
desenvolvidos no prazo de 15 dias.
As condições atuais não permitem que haja aumento da equipe e dos equipamentos sendo que dois
desses serviços necessitam obrigatoriamente de um equipamento específico que também deverá ser
usado para outros serviços.
Utilizando a técnica de Braistorming, reúna a equipe e modere essa reunião com coleta das ideias e
organizando-as de forma a gerar a melhor decisão para o problema.
1. Explicar o problema;
2. Cada participante anotar suas ideias;
3. Apresentar as ideias para o grupo;
4. Agrupar e condensar as ideias;
5. Encerramento.