Sistemas de Apoio a Decisão

(1)

Sistemas de Apoio a Decisão

(Inteligência nos Negócios - Business Inteligente)

Sistemas de Informação/Ciências da Computação

Aran Bey Tcholakian Morales, Dr. Eng. (Unidade 1)

(2)

2

1. Inteligência nos Negócios

(BI-Business Intelligence)

(3)

(4)

4

Quais são os objetivos dos sistemas de informação e da tecnologia

da informação nas empresas e organizações?

O avanço da tecnologia da informação e a disseminação dos

sistemas de informação contribuem para as organizações automatizarem e controlarem os seus processos e as suas operações.

Automatizar e controlar os processos e operações, garantem a

quantidade e a qualidade de dados que atendem às necessidades de informação das organizações e, nesse sentido, atingir o objetivo

principal da tecnologia da informação: informar.

(5)

5

Por que as empresas e as organizações necessitam de informação sobre os seus processos e as suas operações?

Os dados (dos sistemas transacionais ) são insumos para as

necessidades gerenciais de informação (e conhecimento) que dão apoio aos processos de gestão e decisão das organizações.

De outra forma, ter dados precisos e exatos é um fator essencial para a geração de informação (e conhecimento) que permitem melhorar a qualidade dos processos de gestão e decisão.

Isto significa que os dados são ativos de informação (e

conhecimento).

(6)

6

Muitas organizações possuem projetos de informática,

representados pelos seus sistemas transacionais (sistemas de apoio à operação), os quais dão suporte ao cotidiano da organização

(sistemas que controlam seus processos e suas operações). Possuir projetos de informática não significa ter a informação disponível para suprir as necessidades gerenciais de apoio aos

processos de gestão e de decisão.

(7)

7

Quando as organizações perceberam esse fato, começaram a

desenvolver os seus projetos de informação como complemento aos de informática.

Desta forma, foi necessário desenvolver repositórios de dados adequados para o processo de decisão (Data Warehouse).

Os DW levaram as organizações a ter repositórios de dados

baseado em assuntos, integrado, não volátil, variável em relação ao tempo (repositórios de apoio aos processos de gestão e decisão

dos analistas de negócios e da gerência).

(8)

8

O DW é um repositório de dados que facilita a transformação dos

dados, através do processo de descoberta, em informação e

conhecimento. Em outros termos os dados são ativos de informação e conhecimento, e os DW facilitam esta transformação.

Para que a transformação e descoberta se concretizem, surge a necessidade de haver técnicas de análise dos dados.

As técnicas de análises de dados procuram identificar padrões,

relações e tendências que auxiliem na interpretação dos dados e na

extração de informações explícitas e informações implícitas

(conhecimento), com o objetivo de suprir as necessidades gerenciais de apoio aos processos de gestão e de decisão das organizações.

(9)

9

O conceito de análise de dados engloba ferramentas de

processamento analítico (OLAP), ferramentas de análise exploratória

de dados (AED) e ferramentas de extração de conhecimento

(processo de descoberta em banco de dados – KDD/mineração de

dados), as quais possibilitam a descoberta de informações (explícitas

e implícitas) que possam ser úteis às organizações.

(10)

10

O conjunto de conceitos, metodologias e tecnologias que, fazendo uso de sistemas que apoiam os processos de gestão e de decisão, são chamados de sistemas de BI.

O objetivo dos sistemas de BI é definir regras e técnicas para a

formação adequada dos dados da organização, para transformar os

dados em informações e conhecimentos relevantes para suprir as

necessidades gerenciais de apoio aos processos de gestão e de

decisão.

(11)

11

Pergunta de pesquisa:

Como descobrir informações e conhecimentos de fontes de dados que possam ser úteis aos analistas de negócios da organização para auxiliar nos processos de gestão e decisão da própria organização? A pergunta “esconde” duas outras perguntas:

Como representar as fontes de dados que “facilitem” a descoberta de informações e conhecimentos (para auxiliar nos processos de gestão e decisão)?

Quais são as ferramentas e técnicas que “permitem” a descoberta de informações e conhecimentos?

(12)

12

BI

Dados (OLTP e outras fontes) Data Warehouse/Data Marts

Ferramentas OLAP Mineração de dados - KDD Interpretação/ Avaliação Decisões Análise de dados Análises dos tomadores de decisão

Fundamentação da disciplina

Dados Informação Conhecimento Análise exploratória de dados

(13)

13

(14)

14

Pesquisa do Gartner (2012) realizada com mais de dois mil CIOs em todo mundo identificou as prioridades para a TI.

(15)

15

FONTE: Estudo de Mercado: BI – Rodrigo Lanna e Alexis Frick – http://www.stratmarket.com.br/

(16)

16

Das fontes de dados estruturadas da organização, podemos descobrir

ativos de informação e conhecimento que auxiliam nos processos de

gestão e decisão da própria organização.

Ao mesmo tempo, as organizações identificaram outras fontes que poderiam ser ativos de informação e conhecimento de seu interesse.

São fontes semiestruturadas e não estruturadas com dados

provenientes de fontes internas e externas a organização: redes sociais, blogs, manuais, e-mails, chats, GPS, sensores, arquivos de áudio e de imagens.

(17)

(18)

picture from Big Data Integration

(19)

(20)

(21)

21

Dessa forma, além dos dados gerados pela organização, temos dados provenientes de fora da organização, semiestruturados e não

estruturados . São dados com uma grande variedade de formatos,

gerados em alta velocidade e em grande volume.

A partir dessas caraterísticas, surgiu o conceito de Big Data, que

traz a necessidade e desafios de se dispor de tecnologias capazes de

capturar, armazenar, gerenciar e analisar esses dados.

(22)

O conceito Big Data pode ser resumidamente deﬁnido como uma

coleção de dados (ativos de informação e conhecimento) de extremo

volume, alta velocidade de geração e grande diversidade de formatos.

Essas caraterísticas nos dados fazem necessário dispor de tecnologias capazes de capturar, armazenar, gerenciar e analisar esses dados.

Big Data permite entender não só o perfil do consumidor com base

nos registros de seus sistemas transacionais (OLTP), como também seu comportamento nas redes sociais, hábito de consumo, intenção de

compras, relevância e influência.

(23)

Volume dos dados: excede os limites físicos de ser escalável de forma

vertical (em 2012, foram gerados 1,2 zettabyte de dados; a previsão para 2020 é 35 zettabytes)

Velocidade de geração dos dados: faz com que a captura, o

processamento e as análises dos dados tenham uma validade de tempo menor.

Variedade dos dados: impõe desafios na integração e análise de

diferentes formatos de dados (dados estruturados, não estruturados, imagens, vídeos, dados de sensores, etc.);

(24)

(25)

(26)

(27)

(28)

Sistemas de BI e Big Data:

(29)

29

Pergunta de pesquisa da disciplina:

A extensão “natural” da pergunta de pesquisa: como descobrir informações e conhecimento a partir de fontes de dados

semiestruturadas e não estruturadas.

Insights << informação << dados

(30)

30

A pergunta:

Como representar as fontes de dados que “facilitem” a descoberta de informações e conhecimentos?

É estendida para:

Como capturar, armazenar e gerenciar dados com o volume, a velocidade e a variedade com que são gerados?

(31)

31

A pergunta:

Quais são as ferramentas e técnicas que “permitem” a descoberta de informações e conhecimentos?

É estendida para:

Quais são as ferramentas e técnicas que “permitem” analisar o

volume, a velocidade e a variedade de dados gerados para a

descoberta de informações e conhecimentos?

(32)

Online gaming Ad serving Sensor data Internet commerce SaaS, Web 2.0 Mobile platforms Financial trade ▪ Structured data ▪ ACID guarantees ▪ Relational/SQL ▪ Real-time analytics NewSQL ▪ Unstructured data ▪ Eventual consistency ▪ Schemaless ▪ KV, document NoSQL Other OLAP data stores Analytic Datastore

High Velocity

High Volume

Fonte: VoltDB

Apresentação

Algumas tecnologias associadas para capturar, armazenar, gerenciar e analisar o Big

Data

(33)

34

BI

Fontes internas da organização e externas à organização

DW e estruturas de representação) Ferramentas OLAP Técnicas analíticas Interpretação/ Avaliação Decisões Análise de dados Análises dos tomadores de decisão Dados Informação Conhecimento Análise exploratória de dados

(34)

35

A informação e o conhecimento sempre estiveram presentes nas organizações. A sua importância e a necessidade de gestão (gestão

da informação e do conhecimento) têm aumentado devido à

percepção de bens intangíveis, os quais precisam ser gerenciados como qualquer outro bem tangível.

(35)

36

A informação e o conhecimento de interesse das organizações estão presentes nos dados dos sistemas transacionais, nos documentos, manuais e sites, e-mails e chat, blogs, redes sociais e outras fontes. É o chamado conhecimento explícito, que pode ser formalizado,

sistematizado, comunicado e partilhado entre os indivíduos.

O conhecimento organizacional está também de forma tácita nos próprios colaboradores da organização, conhecimento tácito, difícil de ser capturado e formalizado.

A gestão do conhecimento organizacional refere-se à gestão de todos os ativos de conhecimento da organização.

(36)

37

A gestão do conhecimento não somente consiste na descoberta (que é uma forma de aquisição). Consiste também no seguinte:

- na criação (essencial para o processo de inovação);

- na modelagem e no armazenamento (diz respeito à representação e à integração do conhecimento que permita ser acessado e

compartilhado para a socialização do conhecimento);

- e na manipulação do conhecimento, que permite a utilização e o

reúso, assim como extrair outras informações (por elaboração de

informações já disponíveis) ou inferir outras informações novas (por

aprendizado).

(37)

(38)

39

Ementa

Informação e decisão. Dados, informação e conhecimento. Sistemas transacionais e de apoio a decisão. Data Warehouse: motivação,

conceitos, definição, características e arquiteturas de

implementação. Modelo Dimensional: fatos, dimensões, medidas e granularidade. Sistemas ETL: extração limpeza, transformação e

carga de um modelo dimensional. Área de apresentação:

características das ferramentas OLAP. Mineração de dados: processo de descoberta do conhecimento em banco de dados. Técnicas de mineração: agrupamentos, classificação e regras de associação.

(39)

40

Objetivo Geral

A informação e o conhecimento são diferenciais necessários ao processo decisório das organizações. Apenas armazenar dados já

não é o suficiente. As organizações buscam transformar os dados em informação e em conhecimento sobre seus clientes, colaboradores, processos e assuntos de negócio.

O objetivo da disciplina é: apresentar metodologias, técnicas,

ferramentas e elementos necessários que permitam compreender a importância da construção de estruturas de dados que permitam a extração e aquisição de informações e conhecimentos dessas

estruturadas para auxilio aos processos de gestão e de decisão da organização.

(40)

41

Objetivos Específicos

Para alcançar o objetivo geral se faz necessário:

• Construir estruturas de dados para projetos de informação: conceitos básicos de Data Warehouse;

• Elaborar e interpretar informações: processamento analítico on-line (OLAP) e análises exploratória de dados (AED);

• Adquirir conhecimento: processo de extração de conhecimento em bases de dados (KDD) e técnicas de mineração de dados.

(41)

42

Unidade 1: O processo decisório nas organizações

Carga horária: 6 horas aula Conteúdo.

1. Informação, conhecimento e o processo decisório nas organizações. 2. Sistemas de Informação (SI): Sistema OLTP e Sistema SAG.

3. Dados, Informação e Conhecimento.

4. Inteligência nos Negócios (BI-Business Intelligence): Sistemas de BI. 5. Arquitetura de um Sistema de BI.

(42)

43

Unidade 2: Estrutura de dados para a construção de sistema de BI

1. Data Warehouse (DW) DW: a memória da organização.

2. Modelo dimensional: conceitos e características. Fatos, dimensões e medidas. Modelo Estrela.

2. ETL: Extração, limpeza, transformação e carga de dados. Ferramentas de ETL: Pentaho Data Integration.

3. Construção de modelos dimensionais lógicos e físicos.

Ferramentas de modelagem de dados: SQL Power Architec. SGBD: base de dados PostgreSql.

(43)

44

Unidade 3: Extração e descoberta de informação e conhecimento

1. Área de apresentação de um DW: navegando e visualizando os dados da organização com técnicas e ferramentas de processamento analítico – OLAP.

Ferramentas OLAP: Mondrian Schema Workbench, Pentaho BI Server, Saiku , Excel. .

2. Processo de Descoberta de Conhecimento em Bancos de dados (KDD). Mineração de Dados: Tarefas, técnicas e algoritmos.

Ferramentas de mineração de dados: RapidMiner.

(44)

45

Formas de Avaliação:

No transcorrer do semestre teremos quatro avaliações:

1. Trabalho em grupo de pesquisa bibliográfica; 2. Prova individual de modelagem dimensional;

3. Trabalho em grupo de modelagem dimensional e análises de dados; 4. Prova individual de análises de dados (utilizando ferramentas e técnicas

de OLAP e de Mineração de Dados);

As avaliações terão o mesmo peso, e os trabalhos poderão ser feitos em grupos de até duas pessoas.

(45)

46

Bibliografia principal (DW e BI)

1. INMON, W. H. Como construir o Data Warehouse. Rio de Janeiro: Campus, 1997.

2. KIMBALL, R. The Data Warehouse Toolkit: guia completo para modelagem dimensional. Rio de Janeiro: Campus, 2002.

3. LEME FILHO, Trajano. Business Intelligence no Microsoft Excel. Rio de Janeiro: Axcel Books do Brasil, 2004.

4. Machado, F. N. Tecnologia e projeto de Data Warehouse: uma visão multidimensional. São Paulo: Érica, 2004.

5. TURBAN, Efrain; SHARDA, Ramesh; ARONSON, Jay; KING, David. BUSINESS

INTELLIGENCE: um enfoque gerencial para a inteligência do negócio. Porto

Alegre: Bookman, 2009.

(46)

47

Bibliografia principal (OLAP, AED e KDD)

1. THOMSEM, Erik. OLAP: construindo sistemas de informações dimensionais. Rio de Janeiro: Campus, 2002.

2. LAPPONI, J. C. Estatística usando Excel. São Paulo: Lapponi Treinamento e Editora, 2000.

3. TAN, P.; STEINBACH, M.; KUMAR, V. Introdução a mineração de dado. Rio de Janeiro, Editora Ciência Moderna, 2009.

(47)

48

Bibliografia complementar

1. BARBIERI, C. BI-Business Intelligence: modelagem e tecnologia. Rio de Janeiro: Axcel Books do Brasil, 2001.

2. LAUDON, K. C.; LAUDON, J. P. Sistemas de informação com

Internet. 4. ed. Rio de Janeiro: LTC, 1999.

3. O’BRIAN, J. A. Sistemas de informação e as decisões gerenciais

na era da Internet. São Paulo: Saraiva, 2001.

(48)

• DataWarehouse:

– Banco de dados: PostgreSQL;

– Modelagem: SQL Power Architect; • ETL:

– SQLs;

– PDI (Kettle) (Pentaho )

• Análises de dados: OLAP, AED, Mineração de Dados: – Excel;

– BiServer (Pentaho); – RapidMiner ;

(49)

50

BI

(50)

51

(51)

52

Sistemas de informação

“ [...] é um conjunto interdependente de pessoas, estruturas organizacionais, software, hardware, processos e métodos

Interligados com o objetivo de facilitar o planejamento e o controle em organizações, de forma que as informações se tornem

utilizáveis na coordenação do fluxo de trabalho de uma organização [...] ”

(LAUDON; LAUDON, 1998).

(52)

53 Hardware Pessoas Software Tele-Comunicações Procedimentos Banco de Dados Mainframes DW Data Mart DB Transacional

Sistemas de BI

(53)

54

Sistemas de Informação

Visão operacional

da TI

Visão estratégica

_{da TI}

Sistemas de apoio

às operações

(Sistemas OLTP)

Sistemas de apoio

à gerência

(Sistemas SAG)

(54)

55

Características Visão operacional da TI Visão estratégica da TI Características dos sistemas

Função Monitorar e processar as funções básicas e rotineiras do

dia a dia

Elaboração das informações que

sejam pertinentes (embasar) ao

processo decisório Forma Baseado em transações Baseado em análises Representante Representado pelos sistemas

OLPT

Representado pelos sistemas de apoio à gerência (SAG)

Características dos dados

Natureza Dados atuais Dados históricos Organização Por processo ou sistema

de informação

Orientado a assuntos de negócios

Conteúdo Armazenam dados em detalhe Dados sumarizados Modelo Modelo relacional (ER) Modelo dimensional

(55)

56

Características Visão operacional da TI Visão estratégica da TI Características dos usuários e responsáveis

Tipo de usuário Comunidade operacional Tomadores de decisão, analistas de negócios Representante

na empresa

Gerente ou diretor de informática

Diretor de informação, analista de negócios

Responsabilidade do representante

Qualidade dos dados e funcionamento dos serviços

de informática

Qualidade da informação para decidir

Forma de uso Processo repetitivo, estruturado

Processo analítico, heurístico Tipo de decisão Suporte a decisões cotidianas

(diárias)

Suporte a decisões estratégicas (em longo prazo)

(56)

57

Os sistemas de BI são a evolução dos SAG.

Os sistemas de BI são um conjunto de conceitos, metodologias e tecnologias que, fazendo uso de fatos ou de acontecimentos e

Sistemas baseados nesses fatos, apoiam o processo de tomada de decisão.

Conhecido também por Inteligência Empresarial, ou Inteligência nos Negócios, o termo BI é usado como guarda-chuva.

(57)

58

O objetivo das técnicas de BI é definir regras e técnicas para a

formação adequada dos dados da organização, visando transformá-los em depósitos de informações e conhecimento que atendam às necessidades dos processos de gestão e de decisão.

Em outras palavras, isso quer dizer transformar os dados em

informações e conhecimentos relevantes para suprir as necessidades gerenciais de apoio aos processos de gestão e de decisão.

(58)

59

Sistemas de BI

Equipe técnica que desenvolve e

(59)

60

A arquitetura de um sistema típico de BI é composta das seguintes partes:

• Módulo ETL (back-end): componente dedicado à Extração, à

Transformação e à carga (Load) dos dados.

A extração é a parte responsável pela coleta dos dados.

A transformação unifica os formatos e faz a “limpeza” dos registros incompletos e das inconsistências dos dados. Os dados tratados são

carregados em um repositório de dados comum.

(60)

61

• Repositório de dados: estrutura de armazenamento de

informações como Data Warehouse e Data Marts (repositório de dados baseados em assuntos de negócios, integrado, não volátil, variável em relação ao tempo).

• Aplicações de front-end: são as ferramentas de análise de dados com a possibilidade da descoberta de informações explícitas e implícitas que pudessem ser úteis para as organizações

(ferramentas de processamento analítico (OLAP), de análise

exploratória de dados (AED) e processo de descoberta de conhecimento em bancos de dados (KDD)).

(61)

62

O valor do BI para o negócio da empresa

O valor do BI resulta de uma boa análise das necessidades de

informação (requisitos para o DW), da pertinência e da qualidade das fontes de coleta (dados) e da qualidade das análises e informações extraídas (análises de dados) para os analistas de negócio.

(62)

63

(63)

64

Os dados são uma entidade puramente sintática, sem significado nem semântica (não carregam caráter informativo). No contexto dos sistemas de informação, dados são registros de transações.

Os dados são os componentes básicos (matéria-prima) a partir dos quais a informação é criada. O dado deve então ser trabalhado

para que se torne uma informação e seja utilizável.

(64)

65

Exemplo:

A tabela acima constitui apenas um conjunto de dados, pois

somente com ela não se pode estabelecer um contexto nem um

significado.

Podemos até imaginar alguns significados, mas não há como assegurar sua validade.

Dados, Informação e Conhecimento

L Pr DV M P JN

A 1.000 10 6 1.866,67 2

(65)

66

Informação são dados formatados de uma maneira inteligível e útil

ao usuário. Informar é dar forma, relevância e propósito aos dados.

Informação são dados em um contexto dotado de semântica.

(66)

Um conjunto de dados representa uma informação para uma pessoa quando ela consegue perceber suas relações com outros dados e/ou

informações que lhe definem um contexto.

Os “outros dados e/ou informações” que já lhe são familiares podem ser lembranças, impressões, experiências, etc., tendo dessa forma condições de transformar dados em informações por meio de sua

interpretação.

67

(67)

Exemplo: na tabela anterior, se for esclarecido que se trata de uma comparação

entre as condições de venda de um produto nas Lojas (L) A e B, incluindo o Preço de Venda (PV), Desconto à Vista (DV), prazo em Meses (M), Valor da Prestação (P), Juro Nominal (JN) declarado, e se esses termos e conceitos fazem sentido

para mim, passo a entender o contexto e o significado dos dados, que se

constituem em uma informação para mim.

Para uma pessoa não habituada a compras a prazo, os dados podem fazer menos sentido, não transmitindo a mesma informação. 68

Dados, Informação e Conhecimento

L Pr DV M P JN

A 1.000 10 6 1.866,67 2

(68)

Informação é uma visão pessoal sobre um conjunto de dados - as relações percebidas associam ao dado um significado próprio, na

medida em que são específicas para cada indivíduo, pois dependem de suas capacidades e experiências anteriores. Assim, um mesmo conjunto de dados não gera a mesma informação para diferentes pessoas.

Informação é, portanto, a leitura que cada indivíduo faz de um

conjunto de dados, é o significado que o indivíduo atribui ao "internalizar" esses dados.

69

(69)

70

Conhecimento é um tipo de informação mais estruturada, com alto

grau de refinamento, com valor agregado, carregada de entendimento sobre um domínio.

Pode-se dizer que o conhecimento é subjetivo e depende muito do usuário (analista de negócios), que requer uma vivência sobre o assunto para estabelecer novas relações, tirar novas conclusões, fazer novas inferências, agregar novas informações e reformular

significados.

Nesse sentido, envolve fatores intangíveis como crenças pessoais, perspectivas, insights, intuições e interpretações.

(70)

Exemplo: com referência à mesma tabela anterior, se tenho

conhecimentos sobre juros e sobre as vendas do comércio a prazo, sou capaz de interpretar as informações com maior profundidade, por exemplo, deduzindo como cada loja aplica os juros e calculando os juros reais cobrados por cada uma delas.

71

(71)

72

Sendo assim, o conhecimento pode ser definido como estratégias (modelos, métodos, regras, técnicas, mecanismos) usadas por uma pessoa (ou máquina) para interpretar, analisar e responder

apropriadamente às situações de um determinado assunto.

Por esse motivo, o conhecimento deve ser adquirido de forma

construtivista, em que o processo de descoberta é guiado por

hipóteses, numa interação entre o analista do negócio e os dados.

(72)

73

Exemplo: em um sistema de vendas, podemos ter o seguinte: Informações:

Vendas por mês dos últimos anos; crescimento das vendas;

sazonalidade dos produtos; total de faturamento; lucratividade dos produtos, etc.

Conhecimentos:

Saber o retorno das campanhas publicitárias; identificar o perfil do cliente para um novo produto; saber se existe venda “conjunta” (arroz e feijão); identificar os clientes para uma mala direta; etc.

(73)

74

Dados, Informação e Conhecimento

Dados Informação Conhecimento

São simples observações ou fatos sobre eventos

São dados dotados de relevância (semântica) e

propósito

Informação com valor agregado e entendimento sobre o domínio

Fácil de estruturar e capturar por sistemas

Facilmente

contextualizada por sistemas

De difícil estruturação, captura e apresentação Facilmente transferível Transferível com certa

dose de esforço

De difícil transferência Claro, apresentável Apresentação por gráficos,

indicadores, índices.

De difícil apresentação e compartilhamento

Frequentemente quantificado

Exige análises, contexto e medições humanas

Inclui interpretação, reflexão e contexto

(74)

75

O processo de construir um modelo para representar um conjunto de

dados com o propósito de encontrar padrões, tendências e relações

interessantes entre os dados é o principal objetivo das técnicas de

análises de dados.

Os modelos construídos têm o intuito de facilitar as análises e

as visualizações dos dados para os analistas de negócios, na procura de informações (explícitas e implícitas) que auxiliem nos processos de gestão e decisão da organização.

(75)

76

Dados, Informação e Conhecimento

ID Sexo Cidade Idade Comprou?

1 M Floripa 25 S 2 M Criciúma 21 S 3 F Floripa 23 S 4 F Criciúma 34 S 5 F Floripa 30 N 6 M Blumenau 21 N 7 M Blumenau 20 N 8 F Blumenau 18 N 9 F Floripa 34 N 10 M Floripa 55 N

(76)

Idade Cidade 27 Blumenau Criciúma Floripa

SIM NÂO _Cidade

Idade

Não Sim

Floripa

Sim Não

Dados, Informação e Conhecimento

Se Cidade = Blumenau então comprou = Não; Se Cidade = Criciúma então comprou = Sim;

Se Cidade = Floripa e Idade > 27 então comprou = Não; Se Cidade = Floripa e Idade <= 27 então comprou = Sim;

(77)

78