M
M
I
I
N
N
E
E
R
R
A
A
Ç
Ç
Ã
Ã
O
O
D
D
E
E
D
D
A
A
D
D
O
O
S
S
P
P
A
A
R
R
A
A
I
I
N
N
D
D
U
U
Ç
Ç
Ã
Ã
O
O
D
D
E
E
U
U
M
M
M
M
O
O
D
D
E
E
L
L
O
O
D
D
E
E
G
G
E
E
S
S
T
T
Ã
Ã
O
O
D
D
O
O
C
C
O
O
N
N
H
H
E
E
C
C
I
I
M
M
E
E
N
N
T
T
O
O
Paulo de Tarso Costa de Sousa
P
AULO DET
ARSOC
OSTA DES
OUSAM
M
I
I
N
N
E
E
R
R
A
A
Ç
Ç
Ã
Ã
O
O
D
D
E
E
D
D
A
A
D
D
O
O
S
S
P
P
A
A
R
R
A
A
I
I
N
N
D
D
U
U
Ç
Ç
Ã
Ã
O
O
D
D
E
E
U
U
M
M
M
M
O
O
D
D
E
E
L
L
O
O
D
D
E
E
G
G
E
E
S
S
T
T
Ã
Ã
O
O
D
D
O
O
C
C
O
O
N
N
H
H
E
E
C
C
I
I
M
M
E
E
N
N
T
T
O
O
Dissertação apresentada ao Programa de Pós-Graduação Stricto Sensu em Gestão do Conhecimento e da Tecnologia da Informação da Universidade Católica de Brasília, como requisito parcial para obtenção
do grau de Mestre em Gestão do
Conhecimento e da Tecnologia da Informação.
Orientador: Prof. Dr. Hércules Antônio do Prado
Co-Orientador: Prof. Dr. Eduardo Amadeu Moresi
BRASÍLIA
2003
Ficha elaborada pela Divisão de Processamento do Acervo do SIBI – UCB.
S725m Sousa, Paulo de Tarso Costa de
Mineração de dados para indução de um modelo de gestão do conhecimento / Paulo de Tarso Costa de Sousa. – Brasília, 2003. 166 f. : il
Orientador: Hércules Antônio do Prado.
Dissertação (mestrado) – Universidade Católica de Brasília, 2003.
1. Gestão do conhecimento 2. Comportamento organizacional. 3. Tecnologia da informação. I. Prado, Hércules Antônio do, orient. II. Título.
Dissertação defendida e aprovada em 27 de março de 2003, pela banca
examinadora constituída pelos professores:
______________________________________________
Prof. Dr. Hércules Antônio do Prado - Orientador
______________________________________________
Prof. Dr. Eduardo Amadeu Moresi – Co-Orientador
______________________________________________
Prof. Dr. Paulo Martins Engel – Avaliador Externo
Dedicatória
À minha esposa Ionara e meus filhos Arthur e Gabriel.
Aos meus pais Fernandes e Hortência.
Agradecimentos
A Deus que proporciona a cada dia nossa capacidade de pensar e vontade de superar as dificuldades.
A minha família pela paciência nas horas em que tive que me afastar em função dos trabalhos desta dissertação. E, em especial, à minha esposa e filhos que sempre apoiaram esse esforço e compreenderam minha ausência dos nossos momentos de convívio.
Aos meus pais que sempre souberam passar aos filhos valores de honestidade, paciência, perseverança e fé.
Ao Prof. Dr. Hércules Prado, meu orientador, pessoa ímpar que merece toda a consideração por sua capacidade de superação e força nos momentos difíceis, sua capacidade de entender o espírito de luta dos alunos do mestrado.
Ao Prof. Dr. Eduardo Moresi, meu co-orientador, que, com grande competência, mostrou caminhos metodológicos para a condução do trabalho.
Aos Professores com os quais convivi no período de curso do mestrado, mostrando-me caminhos nunca antes vistos.
Ao CIC/UnB, na pessoa do Prof. Marcelo Ladeira, por franquear-nos o ingresso no curso de Mineração de Dados, oferecido no âmbito do projeto AIAS (CAPES/PROCAD-UFRGS/UNB/UCB) e pela liberação do equipamento necessário à realização das análises sobre o banco de dados.
Ao Excelentíssimo Desembargador Lécio Resende da Silva, que proporcionou abertura para a introdução do tema Gestão de Conhecimento no Tribunal Regional Eleitoral do Distrito Federal.
À Corregedoria Regional Eleitoral, na pessoa do Excelentíssimo Desembargador Nívio Gonçalves e da Dra. Ivana Ueda pela crença no alcance dos objetivos deste trabalho.
“Feliz do homem que encontrou a sabedoria, daquele que adquiriu a inteligência, porque mais vale esse lucro que o da prata, e o fruto que se obtém é melhor que o fino ouro.”
Provérbios 3:13, 14
S
S
U
U
M
M
Á
Á
R
R
I
I
O
O
LISTA DE FIGURAS...x
LISTA DE TABELAS...xi
LISTA DE GRÁFICOS...xii
LISTA DE REDUÇÕES ...xiii
RESUMO ...xiv
ABSTRACT ...xv
CAPÍTULO I – INTRODUÇÃO...1
1.1 Contexto da pesquisa ...1
1.2 Descrição do Problema ...2
1.3 Justificativa ...3
1.4 Revisão da Literatura...4
1.5 Objetivos...8
1.5.1 Objetivo Geral...8
1.5.2 Objetivos Específicos ...9
1.6 Organização do trabalho ...9
CAPÍTULO II – REFERENCIAL TEÓRICO ...10
2.1 Introdução...10
2.1.1 Conceitos...10
2.1.2 Dados, Informação e Conhecimento ...11
2.2 - Gestão do conhecimento ...14
2.2.1 Gestão do Conhecimento na Administração das Organizações...15
2.2.2 Gestão do Conhecimento na Economia ...16
2.2.3 Modelos de gestão do conhecimento ...18
2.2.4 A criação do conhecimento nas empresas ...22
2.3 Gestão da Informação e Gestão do Conhecimento ...32
2.4 Mineração de Dados como parte do DCBD ...36
2.4.1 DCBD (KDD) e Mineração de Dados (Data Mining) ...37
2.4.2 Arquitetura Básica de Sistemas de Mineração de Dados...41
2.4.3 A abordagem CRISP-DM para mineração dos dados ...44
2.4.4 O papel da mineração de dados na gestão do conhecimento...45
CAPÍTULO III – METODOLOGIA...46
3.1 Caracterização da pesquisa ...46
3.1.1 Tipologia da pesquisa...46
3.1.2 Universo da pesquisa ...46
3.2 Material e Métodos ...47
3.2.1 Abordagem Adotada...47
3.2.2 Descrição do método CRISP-DM ...47
3.2.3 Levantamento...49
3.2.4 Coleta de Dados ...50
3.3 Limitações da pesquisa...51
CAPÍTULO IV – ESTUDO DE CASO ...52
4.1 Introdução...52
4.2 Entendimento do negócio ...54
4.2.1 Objetivos...54
4.2.2 Avaliação dos recursos atuais ...58
4.2.3 Objetivos a serem alcançados pela mineração de dados...63
4.2.4 Aspectos da GC no Entendimento dos Negócios ...63
4.3 Entendimento dos Dados ...64
4.3.1 Dados Iniciais ...64
4.3.2 Descrição dos dados ...65
4.3.3 Exploração dos dados ...69
4.3.4 Qualidade dos dados...85
4.3.5 Aspectos da GC no Entendimento dos Dados ...88
4.4 Preparação dos Dados ...89
4.4.1 O Conjunto de Dados ...89
4.4.2 Aspectos da GC na preparação dos dados ...93
4.5 Modelagem ...93
4.5.1 Classificação ...94
4.5.2 Agrupamento (Clustering)...98
4.5.4 Aspectos da GC na modelagem ...110
4.6 Avaliação ...111
4.6.1 Avaliação da Mineração de Dados ...111
4.6.2 Aspectos da GC na Avaliação ...114
4.7 Distribuição ...114
4.7.1 Distribuição dos modelos...114
4.7.2 Aspectos da GC na Distribuição ...115
CAPÍTULO V – APRESENTAÇÃO DOS RESULTADOS ...116
5.1 Modelo de gestão atual do TRE-DF ...116
5.2 Gestão do conhecimento no TRE ...117
5.3 Contribuição do Estudo de Caso...118
CAPÍTULO VI – DISCUSSÃO ...121
6.1 Análise dos processos de Gestão do Conhecimento com processos de DCBD...121
6.2 Conclusões e Trabalhos Futuros ...127
6.2.1 Conclusões...127
6.2.2 Trabalhos futuros...130
REFERÊNCIAS ...132
ANEXOS ...137
Anexo I Solicitação de Autorização de uso das informações ...137
Anexo II Considerações do TRE-DF ...147
Anexo III Tabela de FASEs ...151
L
L
I
I
S
S
T
T
A
A
D
D
E
E
F
F
I
I
G
G
U
U
R
R
A
A
S
S
Figura 1 Relação Dados, Informação e Conhecimento 10
Figura 2 Modelo genérico de GC - Stollenwerk (2001) 22
Figura 3 Duas Dimensões da criação do conhecimento 23
Figura 4 Criação do Conhecimento na organização 24
Figura 5 Espiral do Conhecimento 25
Figura 6 Conteúdo do conhecimento criado pelos quatro modos 26
Figura 7 Níveis da Organização em Hipertexto 32
Figura 8 Informação e Estratégia Competitiva 33
Figura 9 Processos de DCBD. Fayyad, Piatestsky-Shapiro e Padhraic (1996) 39
Figura 10 Arquitetura de um sistema típico de mineração de dados 42
Figura 11 Fases do Modelo de Referência CRISP-DM 48
Figura 12 Esquema de uso de DM em GC 53
Figura 13 Organograma do TRE-DF 56
Figura 14 Cronograma de Atividades 59
Figura 15 Árvore de Decisão para Dataset1 96
Figura 16 Resultado do Agrupamento 99
L
L
I
I
S
S
T
T
A
A
D
D
E
E
T
T
A
A
B
B
E
E
L
L
A
A
S
S
Tabela 1 Valor de Mercado das marcas mais valiosas do mundo – 2000 17
Tabela 2 Equipe de criação do conhecimento 27
Tabela 3 Dicionário de dados da tabela ELEITOR 66
Tabela 4 Dicionário de dados da tabela FASE 67
Tabela 5 Dicionário de dados da tabela HISTORICO_FASE 67
Tabela 6 Dicionário de dados da tabela HISTORICO_OPERACAO 67
Tabela 7 Dicionário de dados da tabela MUNICIPIO 68
Tabela 8 Dicionário de dados da tabela REGISTRO_RAE 68
Tabela 9 Dicionário de dados da tabela COINCIDENCIAS 69
Tabela 10 Distribuição por Situação 70
Tabela 11 Distribuição por Faixa de Idade 71
Tabela 12 Distribuição por Grau de Instrução 72
Tabela 13 Distribuição por Estado Civil 73
Tabela 14 Distribuição por Sexo 74
Tabela 15 Distribuição da Qtd Operações por Eleitor 75
Tabela 16 FASEs que alteram situação do eleitor para não votante 77
Tabela 17 Lista de Zonas Eleitorais do DF 79
Tabela 18 Erros de Data de Ocorrência de FASEs 86
Tabela 19 Descrição do conjunto de dados do Eleitores 89
Tabela 20 Relação de conversão de dados 91
Tabela 21 Descrição da tabela de análise de FASES e Operações 92
Tabela 22 Relação de regras da classificação 97
Tabela 23 Relação de regras do agrupamento 106
Tabela 24 Listagem das fases de GC, DCBD e CRISP-DM 121
Tabela 25 Modelo Integrado GC e DCBD 123
L
L
I
I
S
S
T
T
A
A
D
D
E
E
G
G
R
R
Á
Á
F
F
I
I
C
C
O
O
S
S
Gráfico 1 Distribuição por Situação ...70
Gráfico 2 Distribuição por Faixa de Idade ...71
Gráfico 3 Distribuição por Grau de Instrução ...72
Gráfico 4 Distribuição por Estado Civil...73
Gráfico 5 Distribuição por Sexo...74
Gráfico 6 Distribuição da Qtd de Operações por Eleitor ...75
Gráfico 7 Distribuição da Qtd FASEs por Eleitor ...76
Gráfico 8 Distribuição dos eleitores já envolvidos em coincidência por sexo...77
Gráfico 9 Distribuição de FASEs por sexo ...78
Gráfico 10 Distribuição dos eleitores que estiveram em coincidência por zona...79
Gráfico 11 Distribuição dos eleitores, por faixa de idade e zona, que já estiveram em coincidência ...80
Gráfico 12 Comparativo entre FASEs de Falecidos digitados e Registros de Óbitos 81 Gráfico 13 Tempo médio de atualização dos FASES s dos falecidos...82
Gráfico 14 Quantidade de FASEs de restabelecimento (361) ...83
Gráfico 15 Comparativo dos FASEs para eleitores envolvidos ou não em coincidências ...84
Gráfico 16 Comparativo das operações dos eleitores envolvidos ou não em coincidências ...85
Gráfico 17 Distribuição dos Centróides ...100
Gráfico 18 Distribuição do CENTROID 0 ...101
Gráfico 19 Distribuição do CENTROID 1 ...102
Gráfico 20 Distribuição do CENTROID 2 ...103
Gráfico 21 Distribuição do CENTROID 3 ...104
Gráfico 22 Distribuição do CENTROID 4 ...105
Gráfico 23 Distribuição do CENTROID 7 ...106
L
L
I
I
S
S
T
T
A
A
D
D
E
E
R
R
E
E
D
D
U
U
Ç
Ç
Õ
Õ
E
E
S
S
Siglas Descrição
CKO Chief Knowledge Officer
CLO Chief Learning Officer
CNM Combinatorial Neural Model
CRISP-DM Cross-Industry Standard Process for Data Mining
DCBD Descoberta de Conhecimento em Bases de Dados
DF Distrito Federal
FASE Formulário de Atualização de Situação do Eleitor
GC Gestão do Conhecimento
GCMD Gestão do Conhecimento e Mineração de Dados
IBGE Instituto Brasileiro de Geografia e Estatística
KDD Knowledge Discovery in Databases
OLTP On-Line Transactional Processing
P&D Pesquisa e Desenvolvimento
RAE Requerimento de Alistamento Eleitoral
RH Recursos Humanos
SQL Structured Query Language
TI Tecnologia da Informação
TRE-DF Tribunal Regional Eleitoral do Distrito Federal
TSE Tribunal Superior Eleitoral
UCB Universidade Católica de Brasília
UNB Universidade de Brasília
WEKA Waikato Environment Knowledge Analysis (Também nome de ave em
extinção oriunda da Nova Zelândia)
XML eXtended Markup Language
R
R
E
E
S
S
U
U
M
M
O
O
A partir de um modelo genérico de gestão do conhecimento aliado à metodologia CRISP-DM de mineração de dados, este trabalho busca a integração desses modelos como forma de induzir a organização a uma aplicação formal da gestão do conhecimento. É realizado um estudo de caso em que os processos de mineração de dados e de gestão do conhecimento são integrados, trazendo como vantagem o alinhamento das estratégias organizacionais com as estratégias tecnológicas, além de propiciar o estudo e o conhecimento mais aprofundado dos dados do cadastro de eleitores do Distrito Federal. São também apresentados os possíveis desdobramentos do conhecimento adquirido por meio de intervenções pró-ativas, tanto na organização da Secretaria do Tribunal e Cartórios Eleitorais, quanto no relacionamento com os eleitores.
Palavras-chave: gestão do conhecimento, gestão da informação, mineração de dados, CRISP-DM, Tribunal eleitoral, eleitor, DCBD.
A
A
B
B
S
S
T
T
R
R
A
A
C
C
T
T
From a generic knowledge management model combined with the data mining CRISP-DM methodology, this work aims at integrating these models to induct the organization to apply a formal knowledge management model in it. A case study is carried out where data mining and knowledge management processes are integrated, taking advantage of organizational strategies and technologies alignment, besides affording a deeper knowledge and study about data of electors of Distrito Federal. Also shown here are the possible outcomes from the acquired knowledge by means of pro-active interventions, both in the organization of the Office of Electoral Court and electoral registry officies and the relationship with electors.
Keywords: knowledge management, information management, data mining, CRISP-DM, electoral court, elector, KDD;
C
CA
AP
PÍ
ÍT
TU
UL
LO
O
I
I
–
–
I
IN
N
TR
T
R
OD
O
D
UÇ
U
ÇÃ
Ã
O
O
1
1
.
.
1
1
C
C
o
o
n
n
t
t
e
e
x
x
t
t
o
o
d
d
a
a
p
p
e
e
s
s
q
q
u
u
i
i
s
s
a
a
A comunidade de Gestão do Conhecimento (GC) considera duas formas de
conhecimento: o tácito, referente ao conhecimento usado sem que haja uma
formalização para o mesmo, e o explícito, que já possui registro formal em livros,
relatórios, ou mesmo na experiência enunciável por especialistas. Muitos fatores
podem levar à criação do conhecimento explícito. O acúmulo de experiências e o
exercício mental, em um estudo de cenários, são exemplos do processo de criação
do conhecimento explícito. Adicionalmente, em anos recentes, a tecnologia de
Informática tem contribuído neste sentido ao tornar disponíveis as ferramentas de
Descoberta de Conhecimento em Bancos de Dados (DCBD). Estas ferramentas
permitem a identificação de padrões de relacionamento entre dados que,
adequadamente interpretados, podem levar à abstração de conhecimento inédito e
relevante. Esse conhecimento, pelas vantagens competitivas que proporciona às
organizações, representa uma categoria que merece a atenção dos profissionais
envolvidos com Gestão do Conhecimento. Não se trata de uma abordagem
tecnicista, uma vez que podemos tratar do mesmo reconhecendo-o, simplesmente,
como um conhecimento que tem origem a partir de dados, não importando a técnica
utilizada para a sua extração. Ao tratarmos desse tipo de fonte de conhecimento de
forma explícita, estaremos antecipando questões relativas ao valor econômico dos
dados como patrimônio da empresa, e permitindo a antecipação de problemas que,
com o passar do tempo, podem se tornar de difícil solução como, por exemplo, a
decisão sobre como organizar os dados nos níveis estratégico, tático e operacional
da organização.
De modo geral, a gestão do conhecimento é a forma com que as organizações
trabalham o conhecimento, englobando a sua aquisição, compartilhamento,
utilizar o que é largamente reconhecido como o bem ou recurso mais valioso da
organização.
A gestão do conhecimento faz com que os ativos de conhecimento das
organizações, ora restritos às pessoas, sejam convertidos em produtos e serviços.
Ocorre ainda que a geração em massa de informações registradas nos bancos de
dados, impulsionados pela tecnologia da informação (TI), nos proporciona uma fonte
de informações muita rica e com grande potencial de auxílio na criação de novos
conhecimentos. Aliando-se, então, as experiências pessoais, ou seja, o
conhecimento tácito, e os dados e informações dos bancos de dados, pode-se
impulsionar a geração de novos conhecimentos.
O Tribunal Regional Eleitoral do Distrito Federal (TRE-DF) não foge a esse
panorama, possuindo uma série de dados não explorados que podem ser úteis para
a geração de novos conhecimentos, desembocando na melhoria dos serviços
prestados aos cidadãos. Este trabalho pretende, através de um estudo de caso, em
que a aplicação de técnicas de descoberta de conhecimento em bancos de dados
aliada a um modelo genérico de gestão do conhecimento, induzir a implantação de
um modelo formal de gestão de conhecimento no Tribunal. Para isso, toma por base,
pelo lado da gestão do conhecimento, o modelo de Stollenwerk (2001) e, pelo lado
da descoberta de conhecimento em bases de dados, o modelo de Fayyad,
Piatestsky-Shapiro e Padhraic (1996) e a metodologia CRISP-DM (CHAPMAN, et al,
1999).
1
1
.
.
2
2
D
D
e
e
s
s
c
c
r
r
i
i
ç
ç
ã
ã
o
o
d
d
o
o
P
P
r
r
o
o
b
b
l
l
e
e
m
m
a
a
A Justiça Eleitoral é uma justiça especializada para o tratamento de questões
relativas às eleições e seu eleitorado. Coelho (1996) trata a justiça eleitoral não
apenas por seu papel jurisdicional, mas também pela administração do pleito,
incumbindo-se de sua realização e de todos os atos preparatórios, organizativos e de
escrutínio.
O Tribunal Regional Eleitoral do Distrito Federal lida com situações diárias
relativas ao trato das informações dos eleitores de sua jurisdição. Essas situações
que os mesmos possam, em dias de eleição, exercer seu direito ao voto. Para o
exercício do voto, o eleitor deve estar em situação regular no cadastro de eleitores,
que indica estar em dia com as suas obrigações eleitorais. Ocorre que uma parte dos
eleitores registrados no cadastro de eleitores do Distrito Federal se encontra em
situação diversa à de regular. Podem estar cancelados, suspensos, em base
histórica, não-liberados, situações estas que muitas vezes indicam exceções, falhas
ou mesmo fraudes não detectadas pelo atual sistema de informação. Essas
situações de exceção acarretam o dispêndio de recursos públicos para sua
administração, bem como efeitos negativos para os preceitos democráticos em
guarda pela justiça eleitoral.
No tribunal, há um conjunto de pessoas especializadas em diversas áreas de
atuação, porém sem uma sistematização, para a maximização de resultados, pela
integração e exploração das informações e conhecimentos existentes. As ações
destinadas à execução das atividades não são direcionadas por um modelo formal
de gestão.
A falta de cultura organizacional para a gestão de projetos formais e da
formalização de procedimentos de gestão da informação e do conhecimento no
Tribunal Regional Eleitoral do Distrito Federal, é o ponto crucial a ser resolvido. A
partir da implantação de modelos de gestão, espera-se contribuir para a geração de
uma base de conhecimento capaz de auxiliar os especialistas na tomada de decisão
e na formulação de novas idéias que permitam um gerenciamento mais eficaz e
eficiente quanto às atividades da Justiça Eleitoral do Distrito Federal.
Este trabalho é o embrião para a motivação dos tomadores de decisão quanto
às linhas de conduta a serem tomadas para o futuro, com relação a novas
metodologias de gestão do conhecimento e o seguimento de tendências
organizacionais já em prática no mercado.
1
1
.
.
3
3
J
J
u
u
s
s
t
t
i
i
f
f
i
i
c
c
a
a
t
t
i
i
v
v
a
a
O Tribunal não possui modelo de gestão formalizado que seja o norteador de
suas ações, executando suas atividades baseado no que estabelece a lei e as
metodologia para uso da ferramenta tecnológica com intuito de implantar um modelo
de gestão, espera-se que a utilização da mineração de dados seja um despertar para
a importância do estabelecimento de modelos de gestão empresarial e,
conseqüentemente, de informação e conhecimento. A administração do Tribunal terá
resultados práticos com a aplicação da mineração de dados para a identificação de
padrões que podem levar a conhecimento útil, relevante e novo em auxílio aos
processos decisórios da organização.
1
1
.
.
4
4
R
R
e
e
v
v
i
i
s
s
ã
ã
o
o
d
d
a
a
L
L
i
i
t
t
e
e
r
r
a
a
t
t
u
u
r
r
a
a
O foco deste trabalho está direcionado para uma aplicação de mineração de
dados no ambiente da Justiça Eleitoral do Distrito Federal. São dois os principais
pontos a serem analisados na revisão literária: a aplicação da gestão do
conhecimento em organizações públicas, especialmente na Justiça Eleitoral, e a
mineração de dados, também na justiça Eleitoral.
No âmbito da gestão do conhecimento, buscou-se a identificação de trabalhos
relacionados existentes nos Tribunais Regionais e no Tribunal Superior Eleitoral,
porém não há trabalhos nesta área. No âmbito da mineração de dados também não
foram encontrados trabalhos relativos ao tema. Iniciativas de trabalhos submetidos
ao III Seminário de Informática da Justiça Eleitoral (2001), tratam de data marts e
data warehouse do cadastro de eleitores, que são fontes de dados para a mineração
de dados. O principal alvo do nosso trabalho é a integração de mineração de dados
com gestão do conhecimento de forma a provocar os processos mentais dos
especialistas e evidenciar a importância da gestão do conhecimento e da informação.
A revisão de contribuições já publicadas relacionados com o nosso trabalho
inicia-se com o estudo isolado dos temas gestão do conhecimento e mineração de
dados, passando, posteriormente, aos trabalhos em que os dois temas aparecem em
conjunto.
Dentre as literaturas revisadas, destacam-se uma referente a uma instituição
pública brasileira, o SERPRO (SANTOS, et al, 2001), pelo lado da Gestão do
Conhecimento, e outra que relata o estudo de caso de duas instituições públicas
Inicialmente, Santos et al (2001) mostra um histórico dos modelos de gestão
empresarial, traçando um panorama das conseqüências sofridas pelos modelos de
gestão ocidental quando da reviravolta japonesa em seus conceitos de gestão.
Esta obra, já em seu capitulo I, estabelece a linha de pensamento voltada para
o ser humano, em que envolve a gestão das competências, a gestão do capital
intelectual, a aprendizagem organizacional, a inteligência empresarial e a educação
corporativa. A experiência do SERPRO em gestão do conhecimento surgiu na
necessidade de incluir em seu modelo de gestão empresarial, a gestão dos saberes,
de sua inteligência, do seu conhecimento.
A importância da transformação para as instituições públicas, conforme
vivência do SERPRO, é devido às demandas pela melhoria dos serviços que
provocam uma revisão contínua em suas funções e na legitimidade do papel das
instituições. Nota-se que, para a implantação do modelo de gestão do conhecimento,
o SERPRO passou por um processo de remodelagem organizacional e funcional,
com foco na qualidade de seus serviços, inovação, pessoas e conhecimento.
Importante salientar que, no SERPRO, foram desenvolvidas as políticas de Gestão
do Conhecimento Organizacional que orientaram as ações de implantação do projeto
e o estabelecimento de práticas de gestão e mecanismos de mensuração de
resultados.
Um ponto importante do projeto SERPRO de gestão do conhecimento está na
disseminação da informação pela importância do registro e intensificação do
compartilhamento de idéias, informações e experiências.
Com isso, o SERPRO é uma referência de projeto de gestão do conhecimento
em instituições públicas, destacando a necessidade de mudanças e rompimentos de
paradigmas culturais e organizacionais criando as seguintes condições para a
implantação da Gestão do Conhecimento: visão estratégica do negócio, cultura
organizacional voltada para a Gestão do Conhecimento, modelo de gestão
empresarial, infra-estrutura de tecnologia e, finalmente, uma liderança pró-ativa e
visionária.
Já o processo de Mineração de Dados, demonstrado no artigo da SAS (1999),
se assemelha ao processo de Descoberta de Conhecimento em Bases de Dados
mostra dois estudos de caso relativos ao uso de mineração de dados em instituições
publicas: uma do setor de saúde na identificação de indenizações fraudulentas e
outra, uma agência federal que objetiva o controle dos gastos públicos pelo programa
de cartões de crédito adotado pelo organismo. Esses dois estudos de casos utilizam
a metodologia de mineração de dados adotada pela empresa, tendo os seguintes
passos em seu processo: definição do problema, coleta e enriquecimento dos dados,
estratégias de modelagem, treinamento, validação e testes dos modelos, análise dos
resultados, modelagem de iterações e implementação dos resultados.
Alguns exemplos do uso de aplicações da gestão do conhecimento são
citados também por McGee e Prusak (1994), sendo a DELL Computer quanto aos
processos de aprendizado dos funcionários; Microsoft e WordPerfect, no estímulo ao
aprendizado do pessoal de suporte técnico e o compartilhamento das melhores
práticas; OTIS Elevadores, com um banco de dados para coletar, classificar e
disseminar, online, sua base de conhecimento. O artigo de Barroso e Gomes (1998)
traz uma iniciativa brasileira na implementação de uma Unidade de Inteligência
Competitiva para o CNEC – Comissão Nacional de Energia Nuclear, porém a
inteligência competitiva está mais voltada aos acontecimentos externos à
organização que podem ser úteis na formulação de idéias e auxílio na tomada de
decisão.
Segundo entrevista para um jornal Coreano, Karl Sveiby (2001) listou
companhias como McKinsey, MTN, Celemi, Siemens, Motorola, BP, Chevron,
Hewlett-Packard como algumas que obtiveram sucesso em seus processos de
implantação da gestão do conhecimento.
Em artigo do Gartner Group, Debra e Cadwell (2002) tratam a gestão do
conhecimento como uma disciplina de gestão voltada para a atividade-fim das
empresas, o negócio. As grandes empresas de solução em tecnologia, segundo esse
artigo, estão se voltando para a oferta de produtos e serviços de gestão do
conhecimento, especificamente quanto a ferramentas de coleta, armazenagem e
busca do conhecimento, além de produtos de colaboração como correio eletrônico,
salas de bate-papo entre outros. Daí a grande ênfase dada aos portais corporativos e
Seguindo uma linha mais técnica, o artigo de Abbot et al (1998) tratam da
avaliação de algumas ferramentas de mineração de dados utilizadas para a detecção
de fraudes. Este tema, fraude, torna-se importante para este trabalho considerando
que o TRE-DF lida com questões de fraude em seus cadastros e no processo de
eleição. Assim, a mineração de dados exerce um papel preponderante para a
detecção de situações ou comportamentos que indiquem fraudes. Inicialmente, Abbot
et al (1998) delineiam o processo de seleção das ferramentas compreendendo o
seguinte: o ambiente computacional, tipo de usuário e o processo de seleção.
Importante salientar a presença de algoritmos de redes neurais e árvores de decisão
em 4 de 5 ferramentas analisadas.
A mineração de dados para Sistemas de Apoio à Decisão descrita por Freitas
et al (2001) mostram sua aplicação em um estudo de caso da Universidade de
Marília. Nesse artigo, o estudo de caso proposto está relacionado com a descoberta
de conhecimento sobre titulação e produção acadêmica, regime e produção
acadêmica, utilizando o algoritmo de regras de associação Apriori.
A gestão do conhecimento aborda a organização, tecnologia e pessoas. Surge
então a figura da pessoa que lidará com as questões de conhecimento de forma a
alcançar essas grandes áreas. Davenport (1996), em seu artigo, mostra a
importância do Chief Knowledge Officer (CKO) encarregado de criar a infra-estrutura
para a gestão do conhecimento, construir uma cultura de conhecimento na
organização e tornar tudo isso um investimento lucrativo. Já o engenheiro do
conhecimento, descrito no sítio de Engenharia e Representação do Conhecimento da
Universidade Estadual de Marília (SÃO PAULO, 2002), está voltado para a
construção de sistemas especialistas, em que exerce o papel de extração de
conhecimento dos especialistas de domínio e transformando esse conhecimento em
regras e estratégias para o sistema.
Dentre as diversas literaturas pesquisadas não se encontram trabalhos
relacionados ao tema desta dissertação, ligado à Justiça Eleitoral. Pesquisa no sítio
da Universidade de Brasília (BRASIL, 2002a) não obteve sucesso. Foram utilizados
os argumentos “mineração & dados & eleitoral” com 2 ocorrências não relacionadas
ao tema em estudo; “mineração & dados & eleitor” com 1 ocorrência não relacionada
em estudo, ”data & mining & eleitor” com nenhuma ocorrência e “mining & eleitor”
com nenhuma ocorrência. Trabalhos relativos a eleitores a nível estatístico também
foram pesquisados na base de teses e dissertações da UNB, com os argumentos
“estatística & eleitor”, sendo encontrada uma referência não relacionada ao tema em
estudo.
Consulta ao sítio de Teses e Dissertações da Universidade de São Paulo
(BRASIL, 2002b) com os argumentos de pesquisa: “mineração and eleitor” com
nenhuma ocorrência; “mineração and dados” com 31 resultados entre teses e
dissertações relativas à mineração de minerais e de dados, “mining and eleitor”,
nenhuma ocorrência; “estatística and eleitor” com 2 ocorrências não relacionados ao
tema em estudo (os documentos recuperados apenas relacionam as palavras
pesquisadas) e “mineração and qualidade and dados” com 24 resultados não
relacionados ao tema em estudo.
Consulta à Biblioteca Digital de Teses e Dissertações do IBICT (BRASIL,
2002c) com os seguintes argumentos de pesquisa: “mineração and eleitor”, com
nenhuma ocorrência; “mineração and dados”, com 5 resultados encontrados, porém
não relacionados à área eleitoral; “mining and eleitor” com nenhuma ocorrência,
“estatística and eleitor” com nenhuma ocorrência e “mineração and qualidade” com
nenhuma ocorrência.
Foi realizado o encaminhamento, através da biblioteca do TRE-DF, de
pesquisa nos Tribunais Regionais, quanto à existência de trabalhos relativos à
mineração de dados sobre o cadastro de eleitores, não sendo encontrados trabalhos
sobre o tema desta pesquisa.
1
1
.
.
5
5
O
O
b
b
j
j
e
e
t
t
i
i
v
v
o
o
s
s
1.5.1 Objetivo Geral
O objetivo geral deste trabalho é a criação de elementos que possam induzir a
adoção de um modelo formal de Gestão de Conhecimento no âmbito do TRE-DF, a
partir de um estudo de caso baseado na criação do conhecimento com a aplicação
1.5.2 Objetivos Específicos
Como objetivos específicos, podemos descrever os seguintes:
- Enquadramento dos processos informais de gestão do conhecimento do
TRE-DF ao modelo genérico proposto por Stollenwerk (2001).
- Propor um conjunto de ações a serem tomadas para a efetivação da
gestão do conhecimento e da tecnologia da informação.
- Gerar resultados que possam motivar a alta administração do TRE-DF
para a adoção de um modelo formal de gestão do conhecimento;
- Identificar os pontos em que a DCBD pode contribuir para a gestão do
conhecimento no TRE-DF;
- Apontar novas demandas em termos de técnicas de DCBD.
1
1
.
.
6
6
O
O
r
r
g
g
a
a
n
n
i
i
z
z
a
a
ç
ç
ã
ã
o
o
d
d
o
o
t
t
r
r
a
a
b
b
a
a
l
l
h
h
o
o
Este trabalho está dividido em basicamente em 5 partes: (1) o capítulo II trata
de estabelecer a base teórica utilizada para o desenvolvimento deste trabalho,
lidando com três áreas distintas, porém inter-relacionadas: a gestão do
conhecimento, com destaque aos autores Ikujiro Nonaka e Hirotaka Takeuchi, Karl
Sveiby, Thomas Davenport e Maria de Fátima Stollenwerk; a gestão da informação
por James McGee e Laurence Prusak; e, finalmente, a descoberta de conhecimento
em bases de dados e mineração de dados baseados nos autores Usama Fayyad,
Piatestsky-Shapiro e Padhraic, e Pete Chapman e outros, no modelo CRISP-DM. (2)
o capítulo III descreve a metodologia aplicada neste trabalho; (3) o capítulo IV mostra
o estudo de caso realizado junto ao Tribunal Regional Eleitoral do Distrito Federal,
quanto ao uso da mineração de dados para indução a um modelo de gestão do
conhecimento. O estudo de caso é baseado no cadastro de eleitores do DF; (4) o
capítulo V descreve os resultados alcançados pelo trabalho; e (5) o capítulo VI tece
algumas considerações sobre o trabalho e o alcance dos objetivos propostos, além
C
CA
A
PÍ
P
ÍT
TU
UL
LO
O
I
II
I
–
–
R
R
EF
E
FE
ER
R
EN
E
NC
C
IA
I
A
L
L
T
TE
EÓ
ÓR
R
IC
I
C
O
O
2
2
.
.
1
1
I
I
n
n
t
t
r
r
o
o
d
d
u
u
ç
ç
ã
ã
o
o
2.1.1 Conceitos
Ao tratarmos de Gestão do Conhecimento associada à extração de padrões
em bases de dados, é necessário que sejam compreendidos os conceitos básicos de
dados, informação e conhecimento, que se inter-relacionam e, muitas vezes, se
confundem. A definição precisa desses conceitos pode tornar mais fácil um estudo
sobre gestão da informação e do conhecimento. A importância desses conceitos está
na identificação do que é realmente cada um deles, de forma a não prover más
interpretações quando se fala de gestão do conhecimento.
O que são dados, informação e conhecimento?
Dado, informação e conhecimento não são sinônimos. Então, de qual deles
precisamos para a realização das atividades ou o crescimento da organização?
Todos, porém com um tratamento singular a cada um, visto que, à medida que os
dados se tornam informações e as informações, conhecimento, há como que, em um
ciclo, uma desmaterialização dos dados e informações em conhecimento, e a
materialização deste em novos dados e informações, conforme ilustrado na figura 1.
Dados Informação
Conhecimento
Embora estejam intrinsecamente ligados, os conceitos de dados, informação e
conhecimento são tratados separadamente para que, dentro de suas áreas de
especialização, possam proporcionar meios de transformação entre si, ou seja, de
dados para informação, de informação para conhecimento.
2.1.2 Dados, Informação e Conhecimento
Os termos dados e informação estão fortemente relacionados, sendo usados
em muitas ocasiões como equivalentes. Porém, há uma diferença sutil entre eles: os
dados são uma referência não-elaborada, algo não interpretado, não classificado,
não estruturado, não ajustado a um contexto. Os dados reunidos segundo uma
determinada estrutura lógica nos trazem a informação (MATTOS, 1982). São
tratados como sinônimos e alguns autores distinguem dados como sendo os valores
fisicamente armazenados em um banco de dados e informação como o significado
que esses valores tem para o usuário (DATE, 1986).
Os dados são a matéria-prima para a criação da informação e do
conhecimento, apesar de descreverem apenas parte do acontecido, sem o
fornecimento de qualquer semântica sobre o objeto. São sinais coletados por
processos organizacionais, nos ambientes internos e externos, não processados,
integrados, avaliados e interpretados (MORESI, 2001a).
Informação é uma mensagem que permite aumentar o conhecimento das
coisas que nos cercam. O aumento do conhecimento se dá pela importância que
damos à informação para a tomada de decisão.
Os dados se tornam informação quando seu criador ou possuidor dá
significado aos mesmos, agregando-lhes valor de forma a serem úteis para a
organização.
Conforme Moresi (2001a), a informação possui como finalidade o
conhecimento dos ambientes internos e externos da organização e sua atuação
nesses ambientes. As organizações cada vez mais tomam consciência da
importância da informação como recurso necessário para sua estruturação tanto
informação como estruturas significantes com a competência de gerar conhecimento
no indivíduo, em seu grupo, ou na sociedade.
A gestão adequada pode contribuir significativamente para o aprimoramento
dos processos de uma organização. Esta atividade, como proposto por Choo (1998)
em Tarapanoff (2001), pode ser decomposta em um conjunto de seis processos
distintos e cíclicos, porém inter-relacionados:
1) Identificação de necessidades informacionais;
2) Aquisição de informação;
3) Organização e armazenagem da informação;
4) Desenvolvimento de produtos informacionais e serviços;
5) Distribuição da informação;
6) Uso da informação.
A conceituação de conhecimento é algo que vem sendo estudado há séculos.
São duas as correntes do pensamento ocidental: o racionalismo e o empirismo. A
discussão sobre conhecimento é iniciada, de forma mais sistemática, na antiguidade
com Platão e Aristóteles, e o conhecimento na modernidade é claramente
representado por Descartes e Leibniz, com o racionalismo, e Locke com o
empirismo. O racionalismo tem como pressuposto a razão pura, em que o
conhecimento não é fruto de experiências sensoriais, e sim a partir de um
conhecimento a priori. O empirismo já afirma que todo nosso conhecimento é
adquirido pela via do sensorial.
Essas duas correntes ocidentais do pensamento foram reunidas por alguns
pensadores na tentativa de aproveitar seus conceitos. Dentre eles, citamos Kant,
Hegel e Marx. O primeiro acreditava na experiência como base do conhecimento,
mas não a única fonte. Karl Marx relatou que “a percepção é uma interação entre o
conhecedor e o conhecido”.
Uma outra corrente de pensamento é a oriental descrita em Nonaka e
Takeuchi (1997), que descrevem a visão, especificamente dos japoneses, com
relação ao conhecimento. Essa visão está baseada em três aspectos básicos: (1) a
unidade do homem e da natureza, (2) a unidade do corpo e da mente e (3) a unidade
do eu e do outro. Esses aspectos mostram que o pensamento japonês está voltado
ocidental, baseada no dualismo cartesiano, segundo o qual o “eu pensante” busca o
conhecimento isoladamente da natureza e das outras pessoas.
Um conceito extraído de Davenport e Prusak (1998) diz que “Conhecimento é
uma mistura fluida de experiência condensada, valores, informação contextual e
insight experimentado, a qual proporciona uma estrutura para a avaliação e
incorporação de novas experiências e informações. Ele tem origem e é aplicado na
mente dos conhecedores. Nas organizações, ele costuma estar embutido não só em
documentos ou repositórios, mas também em rotinas, processos, práticas e normas
organizacionais”. Essa conceituação de Davenport e Prusak leva ao pensamento do
conhecimento nas empresas como algo já explicitado por meios de relatórios,
documentos, bancos de dados, porém, Nonaka e Takeuchi, em sua obra “Criação do
conhecimento na empresa”, enfatizam o lado humanístico do conhecimento e o
desafio de extração ou criação do conhecimento das pessoas.
Como num encadeamento, o conhecimento é derivado das informações e as
informações são derivadas dos dados. Isso mostra uma relação estreita entre esses
conceitos. No caso dos dados e informações, pressupõe-se que os mesmos estão
descritos sob alguma forma de linguagem. O conhecimento, por sua vez, além de
usufruir dos dados e informações para a construção de modelos e padrões úteis,
está calcado nas experiências individuais e em todos os modelos mentais existentes.
Para alguns autores, o conhecimento é o recurso mais importante nas
organizações. Peter Drucker (1994 apud NONAKA e TAKEUCHI, 1997), em seu livro,
argumenta que o conhecimento não é mais um recurso, ao lado dos fatores de
produção trabalho, capital e terra, mas o único recurso significativo atualmente. Para
Toffler (1994 apud NONAKA e TAKEUCHI, 1997), o conhecimento é a fonte de poder
de mais alta qualidade e a chave para a futura mudança de poder. Quinn (1992 apud
NONAKA e TAKEUCHI, 1997) compartilha a visão de Drucker e Toffler de que o
poder econômico e de produção está mais nas capacidades intelectuais e de serviço
do que em seus ativos imobilizados, como terra, instalações e equipamentos.
Drucker conceitua ainda o “trabalhador do conhecimento” como o maior ativo
da empresa, comparando o executivo do conhecimento com o capitalista quando
o trabalhador do conhecimento no sentido de aplicar o conhecimento ou ainda
destinar o conhecimento para algo produtivo.
2
2
.
.
2
2
-
-
G
G
e
e
s
s
t
t
ã
ã
o
o
d
d
o
o
c
c
o
o
n
n
h
h
e
e
c
c
i
i
m
m
e
e
n
n
t
t
o
o
Nas diversas referências sobre gestão do conhecimento se encontram
variadas definições para o tema. Stollenwerk (2001) mostra várias abordagens e
definições sobre gestão do conhecimento, descritas a seguir:
“Gestão do conhecimento é a construção sistemática, explícita e intencional do conhecimento e sua aplicação para maximizar a eficiência e o retorno sobre os ativos de conhecimento da organização.” (Wiig, 1993)
“Gestão do conhecimento é a disponibilização do conhecimento certo para as pessoas certas, no momento certo, de modo que estas possam tomar as melhores decisões para a organização.” (Petrash, 1996)
“Gestão do conhecimento é o processo de busca e organização da expertise coletiva da organização, em qualquer lugar em que se encontre, e de sua distribuição para onde houver o maior retorno.” (Hibbard, 1997)
“Gestão do conhecimento é o controle e o gerenciamento explícito do conhecimento dentro da organização, de forma a atingir seus objetivos estratégicos.” (Spek & Spijkevert, 1997).
“Gestão do conhecimento é a formalização das experiências, conhecimentos e expertise, de forma que se tornem acessíveis para a organização, e esta possa criar novas competências, alcançar desempenho superior, estimular a inovação e criar valor para seus clientes.” (Beckman, 1999).
De modo geral, a gestão do conhecimento é a forma com que as organizações
trabalham o conhecimento, englobando a sua aquisição, compartilhamento,
adaptação ao meio e aprimoramento. Com isso, as organizações estarão aptas a
utilizar o que alguns expoentes da gestão do conhecimento consideram como o
“bem” ou “recurso” mais valioso.
Segundo conceito na página de gestão do conhecimento da Universidade do
Texas (KNOWLEDGE MANAGEMENT, 2002), gestão do conhecimento é um
“processo sistemático de busca, seleção, organização, refinamento e apresentação
interesse. Gestão do conhecimento ajuda a organização a obter insights e
compreender sua própria experiência. Atividades específicas de gestão do
conhecimento ajudam a focar a organização na aquisição, armazenamento e
utilização do conhecimento para a solução de problemas, aprendizagem dinâmica,
planejamento estratégico e tomada de decisão. Também protege os ativos
intelectuais da decadência, contribui para a consolidação da inteligência e provê o
incremento da flexibilidade”.
Segundo Sveiby (2001), a gestão do conhecimento observa duas abordagens
e duas perspectivas: as abordagens dizem respeito, primeiro, à gestão da
informação, de forma a estabelecer o binômio CONHECIMENTO = OBJETOS. Esta
linha de pensamento é trazida pelos pesquisadores em tecnologia da informação,
re-engenharia, inteligência artificial, entre outros. Está calcada basicamente na
tecnologia da informação. A segunda abordagem diz respeito à gestão de pessoas,
estabelecendo o binômio CONHECIMENTO = PROCESSOS. Esta abordagem é
calcada na avaliação do comportamento humano e suas habilidades. O mesmo autor
estabelece dois níveis de perspectivas: a individual, em que o foco da pesquisa e
práticas está no indivíduo, e a organizacional, em que o foco está na organização.
2.2.1 Gestão do Conhecimento na Administração das Organizações
A pesquisa nas organizações, no prisma administrativo, iniciou o ciclo de
estudos sobre os processos de trabalho a partir da administração científica,
introduzida por Frederick W. Taylor, que buscava a otimização dos métodos de
trabalho da época. Em seguida à rápida difusão da administração científica, dá-se
origem à teoria de relações humanas, por George Elton Mayo, que mostrava que
fatores sociais envolvendo as pessoas estavam ligados à produtividade da
empresas.
Segundo Nonaka e Takeuchi (1997), a administração científica foi uma
tentativa de formalizar as experiências e as habilidades tácitas dos trabalhadores, em
conhecimento científico e objetivo, porém, através apenas da experiência dos
humanas, de forma a mostrar uma evolução do pensamento, devida à introdução de
aspectos humanistas nas relações de trabalho.
2.2.2 Gestão do Conhecimento na Economia
Pelo prisma sócio-econômico, o estudo de Terra (2001) mostra alguns
aspectos interessantes relativos aos países realizadores de investimentos em
educação e tecnologia, indicando que o conhecimento é um fator determinante na
competitividade entre empresas e países. O fato é que a determinação ou
mensuração de quanto o conhecimento influencia no desenvolvimento das empresas
e países não é uma tarefa fácil. Por isso, indicadores econômicos e de desempenho
podem auxiliar nessa tarefa. Exemplos disso são as empresas que, apesar de um
ativo de menor valor, são cotadas, no mercado de ações, a preços muito superiores
em função de suas marcas, ou seja, do valor que um determinado know-how
acrescentou à empresa. É o capital intelectual se sobressaindo sobre o capital
material.
Nesta seção, analisamos em que medida o conhecimento está influenciando
as organizações e quais indicadores podem ser utilizados para se verificar a inserção
de uma sociedade na era do conhecimento. Para Terra (2001), o conhecimento se
tornou um fator preponderante para algumas organizações e países, podendo-se
comprovar isto através de diversos sinais. Ao contrário dos ativos tangíveis, o
conhecimento, um ativo intangível, é difícil de se medir, porém possui a característica
da reutilização adquirindo mais valor à medida de sua constante utilização. O mesmo
autor cita o exemplo da indústria de software e a fonográfica como as que se utilizam
do conhecimento e usufruem da separação dos custos de produção, dos valores de
uso e distribuição. Nesses o custo de produção, em muitos casos, é infimamente
inferior aos valores de uso e distribuição. A tecnologia não fica atrás, quando milhões
de dólares são faturados apenas com o seu licenciamento. Na tabela 1, pode-se ver
as marcas mais valorizadas mundialmente, face ao uso e disseminação dos produtos
Tabela 1 Valor de Mercado das marcas mais valiosas do mundo – 2000
Fonte: Interbrand/Citibank – WPP Group , Annual Report, p.44. Terra (2001)
MARCA VALOR (US$
Bilhões)
Coca-Cola 72.5 Microsoft 70.2 IBM 53.2 Intel 39.0 Nokia 38.5
General Electric 38.1
Ford 36.4 Disney 33.6 McDonald’s 27.9 AT&T 25.5 Marlboro 22.1 Mercedes 21.1
Apesar da dificuldade de avaliar o quanto as organizações estão se inserindo
na sociedade do conhecimento, Terra (2001) nos traz alguns sinais dessa
empreitada:
a) Importância da inovação tecnológica para o crescimento econômico e a
competitividade empresarial. Em pesquisa citada pelo autor, 70% do crescimento
econômico e 80 a 90% de ganho de produtividade são devidos à inovação
tecnológica.
b) Relação entre Conhecimento e Comércio Exterior. Crescente participação
de setores de alta tecnologia nas exportações.
c) Queda de preços e da participação na economia dos Recursos Naturais e
Agricultura.
d) Evolução dos setores de informática e telecomunicações. Em 1981, nos
EUA, os investimentos em informática e telecomunicações correspondiam à metade
dos investimentos em equipamentos industriais.
e) Importância relativa dos ativos intangíveis. O valor de mercado das
empresas tende a superar seu próprio valor patrimonial.
f) Impactos econômicos e sociais dos níveis de educação e qualificação
profissional. Relata que, em estudo envolvendo 29 países, os investimentos em
que, no ano 2000, 85% dos empregos nos EUA e 80% na Europa serão intensivos
no uso do conhecimento.
Analisando tais sinais, verifica-se a inserção do conhecimento no cotidiano das
organizações e, dentro desse ponto, destaca-se a importância da gestão do
conhecimento como forma de alavancar a economia das organizações e paises. Os
investimentos em educação e pesquisa e desenvolvimento (P&D) são fatores
relevantes para uma sociedade do conhecimento, o que terá como conseqüência a
melhoria da qualidade de vida das pessoas.
2.2.3 Modelos de gestão do conhecimento
O modelo de gestão do conhecimento adotado pelo SERPRO (SANTOS, et al,
2001) seria o que se assemelharia com o Tribunal tendo em vista esse ser uma
instituição pública. Esse modelo é voltado para os aspectos organizacionais à
medida que tenta evidenciá-lo como modelo de gestão empresarial. Para Stollenwerk
(2001), são inúmeros os modelos associados à gestão do conhecimento e cita
Barclay & Murray, que trazem as seguintes abordagens:
1) Culturais – com ênfase nas relações humanas;
2) Reengenharia – com ênfase nas tecnologias da informação e processos de
negócio;
3) Pensamento sistêmico – ênfase na compreensão do sistema e suas
interdependências.
Por outro lado, Sveiby (2001) classifica as abordagens, segundo sua
orientação, nas que são voltadas para a gestão da informação e as que são
orientadas para a aprendizagem organizacional e competências. Nota-se que as
abordagens sempre se referem às tecnologias da informação e os aspectos
relacionados com o comportamento dos indivíduos e suas relações interpessoais e
interorganizacionais.
Em seus estudos, Stollenwerk (2001) identificou, em diversos modelos de
gestão do conhecimento, os seguintes processos:
a) Identificação/conceituação
c) Seleção e validação
d) Organização e armazenagem
e) Compartilhamento/transferência
f) Aplicação/uso
g) Criação
h) Venda/incorporação nos produtos e serviços
i) Avaliação dos benefícios e do valor do conhecimento gerado.
A partir desses processos, a autora definiu um modelo genérico de gestão do
conhecimento, que será adotado neste trabalho como referência, e é composto pelos
seguintes processos:
a) Identificação – identificar que competências são críticas para o sucesso da
organização (competências essenciais). Torna-se um processo importante
pelo fato de reconhecer as áreas com conhecimento já disponível e as que
devem ser desenvolvidas ou adquiridas. A autora destaca a importância da
avaliação desse processo sob o enfoque operacional – conhecimentos,
tecnologias e habilidades que suportam o conhecimento atual – e estratégico,
um balanço dos conhecimentos e habilidades existentes, com os que devem
ser adquiridos para a geração de novas competências. O processo de
identificação inclui:
1. Criação de agenda de competências essenciais
2. Identificação de gap (lacuna) entre competências existentes e
necessárias;
3. Desdobramento dessas competências nas áreas de conhecimento
(mapeamento de conhecimento);
4. Identificação de fontes internas e externas de conhecimento;
5. Proposição de soluções para redução do gap entre competências
existentes e necessárias.
b) Captura – aquisição de conhecimentos, habilidades e experiências
necessárias para a criação e manutenção das competências essenciais e
áreas do conhecimento selecionadas e mapeadas. O processo de captura
abrange:
2. Seleção das estratégias de aquisição;
3. Aquisição, formalização e recuperação do conhecimento.
c) Seleção e validação – está associado fortemente ao processo de captura,
visando filtrar o conhecimento, avaliar sua qualidade e sintetizá-lo para
aplicação futura. Divide-se em sete etapas:
1. Determinação da relevância e valor do conhecimento ou informação;
2. Determinação do grau de confiabilidade do conhecimento;
3. Identificação e consolidação do conhecimento útil e descarte do
redundante;
4. Contratação, desenvolvimento e criação de conhecimentos não
disponíveis;
5. Redução do grau de incerteza do conhecimento não comprovado;
6. Identificação e proposição de solução para os problemas relacionados
a conhecimentos conflitantes;
7. Estabelecimento de visões múltiplas para conhecimentos conflitantes
não solucionados.
d) Organização e armazenagem – garantir a recuperação rápida, fácil e correta
do conhecimento por meio de sistemas efetivos de recuperação. Essa
recuperação e armazenagem estão bastante facilitadas em função das
tecnologias associadas à gestão da informação. São etapas do processo:
1. Classificação do conhecimento já validado;
2. Definição da arquitetura de TI e ferramentas de gestão da informação;
3. Criação e gerenciamento dos bancos de dados repositórios dos
conhecimentos.
e) Compartilhamento – tornar o conhecimento acessível aos interessados de
forma fácil. São etapas desse processo:
1. Identificação das necessidades de informação e de conhecimento das
organizações;
2. Criação de mecanismos eficazes de recuperação e disseminação do
conhecimento;
4. Disseminação do conhecimento em tempo hábil e para as pessoas
certas.
f) Aplicação - é a real utilização do conhecimento na geração de novos produtos
e serviços, ou na agregação de valor aos produtos e serviços existentes. É a
concretização do uso do conhecimento. Possui como etapas:
1. Aplicação do conhecimento relevante, confiável e de alto valor
agregado em processos decisórios, de inovação, operacionais e de
aprendizagem;
2. Registro das lições aprendidas e ganhos obtidos com a utilização do
conhecimento.
g) Criação de conhecimento – o processo de criação do conhecimento envolve
as seguintes dimensões: aprendizagem, externalização do conhecimento,
lições aprendidas, pensamento criativo, pesquisa, experimentação, descoberta
e inovação. A autora utiliza a abordagem de criação de conhecimento de
Nonaka e Takeuchi (1997).
Ainda identificou alguns fatores facilitadores da gestão do conhecimento como:
liderança – que exerce um papel crucial no processo de gestão do conhecimento,
com o aval, compromisso e o direcionamento da alta liderança; a cultura
organizacional – que dará suporte para que a organização atue com alto
desempenho, foco no cliente, foco em melhoria, foco em excelência, pró-atividade,
visão de futuro, entre outras; a tecnologia – que propiciará as ferramentas para o
compartilhamento do conhecimento adquirido, e medição e avaliação – utilizada para
a receptividade, apoio e comprometimento com a organização do conhecimento.
