Etapa 5. ‐ A organização tem uma arquitectura analítica empresarial completa, toda ela automatizada e integrada em processos altamente sofisticados
9.2.5 Tecnologias Analíticas 1 Tecnologias Analíticas Típicas
Os gestores das organizações que estão a planear tornarem‐se competitivos na componente analítica devem estar familiarizados com as categorias chave das ferramentas de software analítico:
• As folhas do cálculo, do Microsoft Excel, são as ferramentas analíticas mais comuns, porque são fáceis de usar e reflectem os modelos mentais dos utilizadores. Analistas e gestores usam‐nas como o último passo da componente analítica antes de os dados serem apresentados num formato de relatório ou gráfico aos decisores. No entanto, muitos utilizadores usam as folhas de cálculo para tarefas que não deviam, o que conduz a erros e conclusões incorrectas. Mesmo usando, de forma correcta, as folhas de cálculo estão sujeitas ao erro humano (mais de 20% das folhas de cálculo têm erros, e 5% têm células calculadas de forma incorrecta). Para minimizar estas falhas, os gestores insistem em começar com dados precisos, validados e com utilizadores que tenham as competências adequadas e experiência para desenvolverem as folhas de cálculo e modelos necessários para a monitorização e ou tomada de decisão.
• Os processadores analíticos on‐line são geralmente conhecidos pela sua abreviação, OLAP, e são usados para decisões e análises semi‐estruturadas. Numa base de dados relacional (RDBMS) os dados são armazenados em tabelas relacionais de forma a tornar eficiente a organização dos dados em sistemas transaccionais. No entanto, não são eficientes para analisar dados em formato de vector (como é o caso da forma, em célula, como os dados estão organizados numa folha de cálculo) ou linhas temporais.
As ferramentas OLAP foram especificamente desenhadas para problemas multidimensionais. Os dados são organizados em cubos (de dados) para permitir análises por tempo, pela geografia, por linhas de produto, entre outras. Os cubos de dados são conjuntos de dados que assentam em três ou mais variáveis e que estão preparados para “reporting” e análises, estes cubos podem ser idealizados como folhas de cálculo multidimensionais. Enquanto que nas folhas de cálculo do Excel existe um número finito de dimensões, os modelos OLAP não têm essa limitação. Como resultado, necessitam de competências especializadas para serem desenvolvidos, ou podem ser criados por “power users” que estejam familiarizados com as suas capacidades. Ao invés das tradicionais folhas de cálculo, as ferramentas OLAP têm de lidar com a proliferação de dados ou rapidamente os modelos se tornam inviáveis. Para consultas (“queries”) complexas, as ferramentas OLAP têm a reputação de produzir uma resposta em 0,1% do tempo que seria necessário para ser respondida por um modelo relacional. A Business Objects e a Cognos são fornecedores que estão entre os líderes de mercado nesta categoria. • Os algoritmos quantitativos e estatísticos permitem que os gestores ou profissionais na área da estatística possam analisar os dados de forma sofisticada. Os algoritmos processam dados quantitativos para chegarem ao objectivo ideal como o melhor preço ou uma quantidade exacta. Os algoritmos estatísticos também englobam modelação preditiva, optimização e simulação. Note‐se que no inicio dos anos 70, organizações como a SAS e a SPSS introduziram no mercado aplicações informáticas que tornaram a estatística mais acessível a todos.
• Os motores de regras processam uma série de regras de negócio que usam instruções condicionais para endereçarem questões lógicas. Por exemplo, se uma pessoa com menos de 25 anos, sem casa própria e sem ser licenciado, pretender efectuar um seguro para uma mota, não será possível. Os motores de regras podem fazer parte de uma aplicação automatizada ou proporcionarem recomendações para quem precise de tipos de decisões muito particulares.
• As ferramentas de data mining assentam numa gama que vai desde a aritmética computacional à inteligência artificial, estatística, árvores de decisão, redes neuronais e teoria de Bayes. O seu objectivo consiste em identificar padrões em conjuntos de dados complexos e pouco estruturados. Por exemplo, a empresa Sprint usa a
tecnologia analítica de redes neuronais para prever quais os clientes que não estão dispostos a trocar o seu telefone da rede fixa por um telemóvel.
• As ferramentas de text mining podem ajudar os gestores a identificarem de forma rápida, praticamente em tempo real, padrões emergentes. A simples contagem da mesma palavra ou frases em websites é um exemplo simples de text mining. A monitorização de blogs técnicos pode ajudar um vendedor a reconhecer, em poucas horas, que um novo produto tem defeito antes de começar a receber reclamações dos clientes. Outros produtos de text mining podem reconhecer referências a pessoas, lugares, objectos ou tópicos e usarem esta informação para desenharem inferências acerca do comportamento da concorrência.
• As ferramentas de simulação modelam os processos de negócio através de um conjunto de funções matemáticas, cientificas, de engenharia e financeiras. Assim como os sistemas de desenho assistido por computador (CAD) que são usados por engenheiros para modelar e desenhar um novo produto, as ferramentas de simulação são usadas em bastantes áreas como a engenharia, a investigação e desenvolvimento (ID), entre outras. As simulações podem ser usadas como dispositivo de formação de forma a ajudar os utilizadores a compreenderem as implicações da alteração de um processo de negócio. Também podem ser usadas para ajudar a verificar o fluxo de informação ou produtos, como por exemplo, ajudar os funcionários das organizações de saúde a decidir para onde é que devem enviar os órgãos doados de acordo com certos critérios que englobam o tipo de sangue e as limitações geográficas.
9.2.5.2 Tecnologias Analíticas Emergentes
Existem algumas tecnologias analíticas que no futuro próximo irão ter um papel importante nas organizações, a ver: • A categorização de texto é um processo que usa modelos ou regras de estatística para atribuir uma taxa à relevância de um documento para um certo tópico. Esta tecnologia pode ser usada para avaliar de forma dinâmica os produtos dos seus concorrentes nos seus websites. • Os algoritmos genéticos são uma classe estocástica de métodos de optimização que usam os princípios da reprodução genética natural (“crossover” ou mutações de
estruturas de DNA). Uma aplicação comum consiste na optimização de rotas de distribuição de produtos alimentares.
• Os sistemas inteligentes (“expert systems”) não são uma tecnologia nova, mas têm vindo a amadurecer com a idade. Aplicações especializadas de inteligência artificial são capazes de disponibilizar conhecimento a quem toma decisões.
• O audio e video mining são parecidos com as outras ferramentas de text ou data
mining, no entanto, procuram padrões em áudio (som), vídeo ou imagens.
• A swarm intelligence esta é utilizada para aumentar o realismo das simulações e para compreender os efeitos dramáticos das alterações de baixo nível num sistema. Esta tecnologia pode ser observada nas sociedades complexas de formigas e abelhas.
• A extracção de informação tem como função extrair conceitos como nomes, entidades geográficas e relacionamentos de grandes quantidades de dados (normalmente textuais) não estruturados.