Um modelo de sistema inteligente para
apoio a tomada de decisão
Adriano Rogério Bruno Tech
Mestre em Ciência da Informação - PUC-CAMPINAS
Professor do Centro Universitário Anhanguera - Unidade Leme e-mail: adrianorbt@yahoo.com.br
Resumo
A tecnologia aplicada aos negócios vem transformando as corporações e deixou de ser um fator de vantagem competitiva para ser uma questão de sobrevivência. Em meio a tantas mudanças e novidades, encontramos o ser humano, o profissional que é bombardeado por informações por todos os lados e que nem sempre está preparado para selecionar o que é importante e útil para seu dia-a-dia ou para seu futuro. Ele é o responsável por conduzir sua equipe, criando estratégias, analisando alternativas e renovando os negócios para obter sucesso contínuo. Mas é preciso algo mais, ser capaz de decidir com informações antecipadas para que possam garantir a competitividade de sua empresa no mercado. Para isso, softwares de decisão baseados em tecnologias inteligentes podem garantir uma melhor antecipação das informações no processo decisório, garantindo eficiência e eficácia na tomada de decisão.
Palavras-chave: Sistemas de Informações; Sistemas Inteligentes; Tomada de Decisão; Processo Decisório.
Abstract
The applied technology to the businesses is transforming the corporations and it stopped being a factor of competitive advantage to be a survival subject. Amid so many changes and innovations, we found the human being, the professional that is bombarded everywhere by information and that not always it is prepared to select what is important and useful for your day by day or for your future. He is the responsible for leading your team, creating strategies, analyzing alternatives and renewing the businesses to obtain continuous success. But it is necessary something plus, to be capable to decide with premature information so that they can guarantee the competitiveness of your company in the market, for that, softwares of decision based on intelligent technologies they can guarantee a better anticipation of the information in the process of decision, guaranteeing efficiency and effectiveness to the decision make.
Key-words: Systems of Information; Intelligent Systems; Decision Make; Process Decision.
Introdução
É muito difícil prever o futuro, principalmente no momento de transformações e na globalização. A disponibilização das informações pela Internet, o comércio eletrônico e todos os negócios que podem ser viabilizados de forma virtual estão quebrando elos importantes de diversas cadeias de valores e gerando novas alternativas. Os profissionais terão que aperfeiçoar sua linha de pensamento e principalmente de decisões, para facilitar a sua inserção no novo mercado, mais globalizado e mais exigente.
Sendo assim, ele não poderá esquecer a concepção dos sistemas gerenciais e de informação que permitirão uma análise mais elaborada e que irão gerar
bases de dados e conhecimentos necessários para ao processo decisório, mantendo assim, a empresa em alto nível de competitividade no mercado interno ou externo. Juntamente com os esses sistemas, têm-se os Sistemas de Apoio à Decisão (SAD) que amparados em tecnologias de ponta, permitirão cada vez mais, uma expansão de mercado e um aumento no ganho de capital. Os Sistemas de Apoio à Decisão englobam uma classe de sistemas de informação e dos sistemas gerenciais que extraem dos sistemas de processamento de transações e interagem com as outras partes do sistema de apoio executivo (gestor) para suportar a tomada de decisão dos gerentes e outros administradores na empresa (ROSINI & PALMISANO, 2003).
de interação entre esses elementos e a aplicabilidade de Sistemas Inteligentes, que permitirão um apoio ao gestor mais centralizado e rápido no tocante a decisão. Desta maneira, o presente artigo enfocará os sistemas de informações interagidos com os de apoio à decisão, utilizando a inteligência da máquina na concepção de possíveis soluções, como descritos nos próximos tópicos.
Sistemas de Informação (SI)
Os Sistemas de Informação são sistemas que permitem a coleta, o armazenamento, o processamento, a recuperação e a disseminação de informações para dar suporte à decisão, através da coordenação, controle, análise e visualização de uma organização (O’BRIEN, 2004). Para um perfeito entendimento da importância do papel da informação dentro do processo estratégico empresarial, é preciso um modelo que descreva o gerenciamento de informação e este modelo deve ser genérico, porque segundo Rezende e Abreu (2003):
- A informação recebe ênfases diferentes em cada segmento econômico e em cada organização. Embora se possa enfatizar a importância da informação em qualquer organização, é igualmente claro que a informação exerce papéis diferentes em uma montadora de veículos e numa indústria de cimento, por exemplo;
- As diferentes tarefas dentro do modelo assumem diferentes níveis de importância e valor entre as organizações. A aquisição de novas informações é vital, por exemplo, para muitas firmas prestadoras de serviços e que necessitam continuamente ter conhecimento de clientes em potencial e oportunidades de negócios.
Portanto, os Sistemas de Informação são sistemas especializados em processamento de dados e na geração de elementos importantes que permitirão ao executivo ou tomador de decisão decidir qual o melhor procedimento a ser tomado.
Pode-se dizer, portanto, que ele é constituído por um conjunto de módulos de comunicação, de controle, de memórias e de processadores, interligados por meio de uma rede a qual disponibilizará e receberá todos os recursos oriundos dos sistemas iniciais ou gerenciais, oriundos dos Sistemas Operacionais ou de Transações. Além desse ponto, assim avaliando, encontram-se os Sistemas de Informação que irão trabalhar estes dados e após processamento, transformá-los em uma informação que será utilizada pelo gestor. Neste caso, só deverá receber esta denominação, quando interpretado por um executivo que possua o conhecimento necessário para compreendê-la e que
possa utilizá-la em prol da instituição (MATTOS, 2005). Após essa fase, visualiza-se o nível decisório que irá utilizar os recursos disponíveis em um sistema de informação para aplicá-los em uma futura decisão, que dependerá de vários fatores e do conhecimento gerencial do executivo em destaque.
Nesse nível, identifica-se uma importante área de interesse e de atuação da computação no apoio a decisão, os Sistemas Inteligentes, que embasados em técnicas de inteligência artificial permitirão ao executivo, escolher ou definir, a melhor estratégia a ser seguida de acordo com os elementos ou informações existentes.
Segundo Rezende e Abreu (2003), esses sistemas refletem a alguns pensamentos e desafios que podem ser identificados da seguinte maneira:
- Da estratégia de negócios: consiste em buscar formas de usar a tecnologia da informação para projetar organizações que sejam realmente competitivas e efetivas;
- Da globalização: consiste em entender os requisitos de negócios e de sistemas de um ambiente de economia global;
- Da arquitetura da informação: pretende encontrar formas de desenvolver infra-estrutura de tecnologia da informação que suporte os objetivos de negócio das organizações;
- Do investimento em sistemas de informação: pretende encontrar formas de determinar de forma precisa o valor de negócio dos sistemas de informação;
- Da responsabilidade e do controle: pretende desenvolver sistemas que pessoas possam efetivamente controlar e entender.
Portanto, fica caracterizado a necessidade da compreensão e da complexidade dos elementos necessários para a efetiva tomada de decisão, identificando assim, a possibilidade da interação dos sistemas de informação aos sistemas de apoio a decisão, embasados por modelos complexos dos sistemas inteligentes.
Sistemas Inteligentes
Segundo Robert I Levine apud Rosini e Palmisano (2003) pode-se definir a Inteligência Artificial como: “Uma maneira de fazer o computador pensar inteligente. Isso é conseguido estudando como as pessoas pensam quando estão tentando tomar
decisões e resolver problemas, dividindo esses
processos de pensamento em etapas básicas e desenhando um programa de computador que
solucione problemas usando essas mesmas etapas. Inteligência Artificial então fornece um método simples e estruturado de se projetar programas complexos de tomada de decisão”.
Enfocando essa linha de atuação e dentro do espectro dos sistemas inteligentes, temos a Rede Neural Artificial (RNA) que está sendo considerada a mais nova e promissora área da Inteligência Artificial (IA). Trata-se da audaciosa tentativa de criar um modelo do cérebro em computador (modelo virtual), através da simulação dos neurônios humanos para a administração ou geração do conhecimento (MATTOS, 2005).
Esse modelo pode ser representado de acordo com a representação utilizada nos Sistemas de Informação, onde se verifica a funcionalidade e o relacionamento dos dados até a sua possível transformação, em uma Informação:
Dessa forma, pode-se criar um modelo que é uma abstração de alguma coisa com um propósito definido e com o objetivo de conhecê-lo melhor, antes de construí-lo ou implementá-construí-lo, permitindo lidar com situações complexas que estarão alicerçadas nos sistemas inteligentes, que possuem uma abstração dos dados que irão ser trabalhados e transformados em uma possível informação, ou mesmo, decisão (ROSSATTO, 2003).
Os modelos devem satisfazer e representar os requisitos fundamentais do conteúdo em análise, os quais serão apenas detalhados para a identificação da melhor ou da mais apropriada solução para o evento em análise, caracterizado assim, um modelo computacional baseado em Redes Neurais e em elementos determinísticos, baseados em Lógica Probabilística.
A representação do modelo simplificado de um Sistema de Informação, conforme figura 1, pode ser transformada em um modelo neural conforme figura 2 (RUSSEL & NORVIG, 2004).
Onde:
- Camada de Entrada (Input): são números normalizados entre [0,1] e podem representar dados ou informações a serem tratadas pelas camadas intermediárias;
Camada Intermediária (Hidden -Processing): onde ocorrem as associações entre os dados ou informações. Dessa maneira, através da
parametrização realizada pelo profissional ou gestor da informação o sistema irá simular e analisar qual procedimento ou qual tomada de decisão será a melhor ou a mais apropriada para o momento;
- Camada de Saída (Output): irá fornecer o resultado dos processamentos realizados na Camada Intermediária. Nesse momento, o sistema irá identificar qual decisão poderá ser tomada, dentre um link de possíveis soluções existentes e, identificadas pelos gestores.
Portanto, é possível modelar uma estrutura que percorra uma base de dados ou conhecimento, na busca por padrões ou de informações filtradas, de acordo com a necessidade ou perfil do gestor, sendo que, variações nos parâmetros podem ser testadas em tempo de execução, sem perda para o sistema.
Mensuração da Informação através da Inteligência Artificial
Um dos grandes objetivos dos atuais Administradores está relacionado à concepção da palavra “TOMADA DE DECISÃO”, como já descrito em parágrafos anteriores. Oliveira (2001) e O’Brien (2004) questionam como encontrar o melhor caminho e ao mesmo tempo, que permita uma redução nos custos operacionais e gerenciais da empresa, permitindo assim, um aumento de competitividade no cenário nacional e mesmo internacional. Ambos os objetivos caminham de forma entrelaçada, procurando identificar possíveis medidas gerenciais ou tomadas de decisões, em cima de fatos, fatores e situações existentes em um determinado momento da política social, política, cultural e econômica de uma nação.
Para facilitar essa decisão ou parametrização, vários empresários aprimoram ou mesmo criam pensamentos ou conceitos respaldados em autores contemporâneos, na busca de um caminho que lhe permitirão optar, escolher e decidir qual a melhor atitude
a ser tomada.
Dessa forma, para uma melhor identificação de padrões ou procedimentos, podemos utilizar alguns conceitos de Inteligência Artificial aplicada a Administração, principalmente as com ênfases em tomada de decisão.
Nessa linha de pensamento temos algumas técnicas computacionais que facilitam a identificação ou facilitam uma abordagem mais profunda sobre determinados dados, de maneira a encontrar ou mensurar comportamentos existentes, ou reconhecimentos de padrões, facilitando assim, o apoio ao processo decisório (LAUDON & LAUDON, 2004).
Entre essas técnicas temos a Lógica Fuzzy, as
Redes Neurais e os Sistemas Bayesianos (ou Probabilísticos), ambos com o objetivo de predizer
um determinado comportamento de acordo com determinadas situações e fatores (RAO & RAO, 1993).
Pode-se, portanto, comparar o modelo neural humano, com um comportamento de mercado que facilite o reconhecimento de determinados padrões que permitam aos executivos tomarem as decisões embasadas em conceitos formulados por pensadores (modelos) reconhecidos (RUSSEL & NORVIG, 2004).
Dessa forma, nossa proposta é a criação de um modelo neural para a identificação da qualidade da informação, respaldado em outras técnicas computacionais como a Lógica Fuzzy ou Lógica Nebulosa e os Algoritmos Probabilísticos juntamente com as Redes Neurais Artificiais.
Pode-se definir assim, uma informação, ou uma situação problema, que poderá ser modelada e transposta para um modelo abstrato, ou seja, para a construção ou transformação do modelo real (decisão a ser tomada) para um modelo virtual (baseado em comportamentos e padrões de desempenho).
Sendo assim, pode-se desenvolver uma representação neural de um modelo real, através do modelo genérico de redes neurais conforme apresentado na figura 2.
Assim, é possível classificar o modelo neural (representação do problema) através da representação e da identificação dos pesos ou tabelas de ponderações de acordo com as informações a serem processadas pelos sistemas de informações.
Dessa maneira, temos (CABRAL, 2003): - Camada de Entrada: onde os padrões (dados ou informações) são apresentados à rede;
- Camada Intermediária ou Oculta: onde é feita a maior parte do processamento ou análise, através das conexões ponderadas; podendo ser consideradas como extratoras de características e padrões;
- Camada de Saída: onde a melhor informação ou decisão é apresentada ao gestor da decisão.
Representando esse modelo através de uma equação matemática, temos a representação física da decisão e da forma como o modelo irá processar esses elementos até definir qual é a mais viável para ser utilizada no processo decisório.
Assim, a representação abaixo é a concretização do modelo simbólico da DECISÃO a ser tomada (RUSSEL & NORVIG, 2004):
Onde:
- X1,...., Xn: representa a informação ou os dados de alimentação do sistema;
- W1,..., Wn: representa os pesos a serem definidos pelo detentor do problema (ou resolvedor, neste caso, o empresário);
- Y: a confiabilidade (%) da qualidade dessa informação ou decisão.
Portanto, o empresário possuirá um modelo que lhe permitirá em tempo de execução, verificar a qualidade de sua informação ou decisão e respaldado em conceitos teóricos e utilizando os conceitos práticos ou experiências anteriores, escolher a melhor decisão a ser tomada.
Outro ponto de excelência do sistema, esta relacionado à flexibilidade e ao aprendizado do sistema, ou seja, o próprio sistema pode aprender com novas interações e com os modelos de conhecimento utilizados pelos gestores para a busca de um modelo que possa solucionar ou direcionar o processo decisório.
Entre esses modelos de aprendizado, citam-se o aprendizado supervisionado, o qual recebe um estimulo externo para a identificação da melhor resposta e o aprendizado não supervisionado, o qual não depende de uma avaliação externa, e sim, das informações constantes em sua base de conhecimento.
Aplicações dos Sistemas Inteligentes Dentre as várias aplicações dos sistemas inteligentes com ênfase em modelos de informação, citam-se os Data Warehouse (DW) e os Data Minig (DM), que de acordo com o modelo mental do gestor, buscam padrões ou comportamentos de respostas baseados na configuração do modelo, através das entradas ou input dos sistemas neurais.
Analisando o banco de dados das empresas, percebe-se a grande quantidade de informações e possíveis soluções escondidas nessas bases e a dificuldade dos gestores em buscarem essas informações para possibilitarem o aprimoramento ou as definições de estratégias de gestão, que permitirão a empresa uma melhor competitividade no mercado interno, e até mesmo, no mercado externo.
Como conseqüência, estes bancos de dados passam a conter verdadeiros tesouros de informação sobre vários dos procedimentos dessas companhias. Toda esta informação pode ser usada para melhorar seus procedimentos, permitindo que a empresa detecte tendências e características disfarçadas, e reaja rapidamente a um evento que ainda possa estar por vir. No entanto, apesar do enorme valor desses dados, a maioria das organizações é incapaz de aproveitar totalmente o que está armazenado em seus arquivos. Esta informação preciosa está na verdade, implícita, escondida sob uma grande quantidade de dados, e não pode ser descoberta utilizando-se sistemas de gerenciamento de banco de dados convencionais. A solução existe, e pode-se utilizar nestes casos, o auxílio dos sistemas inteligentes, que permitem a modelagem de seus filtros ou entradas na busca de informações ou estímulos para respostas a determinados eventos ou problemas, as quais identifica-se por sistemas de Data Warehouse, conhecido como um grande repositório de dados para suporte ao processo decisório e os Data Mining, conhecidos como mineradores de dados nos grandes repositórios de dados.
O Data Mining define o processo automatizado de captura e análise de enormes conjuntos de dados, para então extrair um significado. Esta tecnologia está sendo usada para descrever características do passado, assim como predizer tendências para o futuro. Sua utilização permite avanços tecnológicos e descobertas científicas, além de garantir uma vantagem competitiva invejável.
Conclusão
A concepção da utilização de uma informação com qualidade e em tempo hábil para que a mesma possa trazer os benefícios às instituições, mostrando a grande necessidade de sistemas com capacidades de armazenamento e mineração de conhecimento e padrões, como o grande insight do momento.
A necessidade de obter o mais rápido possível e com maior segurança e qualidade uma informação faz com que os sistemas de informação e de decisão, quando apoiados em tecnologias de ponta e ligados a inteligência artificial tornem o processo de tomada de decisão um ponto de excelência para as empresas, permitindo a elas, uma análise criteriosa da informação que apoiará o processo decisório.
Dessa forma, o modelo citado, visa facilitar essa interação na busca de uma informação precisa, rápida e de acordo com os mesmos parâmetros utilizados pelo sistema convencional, ou seja, o modelo humano de representação e análise de dados, padrões e comportamento.
A aplicabilidade da Inteligência Artificial na tomada de decisão aumentará, portanto, o campo espectral e permitirá aos gestores analisarem e avaliarem as possíveis vertentes e suas conseqüências em tempo de execução, aprimorando assim, o valor agregado à informação.
Além disso, os gestores poderão alterar o comportamento do sistema, mediante os pesos e as características individuais de cada gestor (conhecimento), tornando-se assim, um sistema perfeito para as grandes empresas, que possuirão ferramentas tecnológicas que darão suportes aos seus executivos e aumentarem com isso, a competitividade da instituição, perante o mercado interno e externo.
Finalmente, para estudos futuros, os autores propõem um aprofundamento no estudo de um modelo de avaliação de atributos da qualidade baseado nos conceitos de Redes Neurais e Lógica Fuzzy, visando a valorização da qualidade da informação.
Referências Bibliográficas
BATISTA, E. O. Sistemas de Informação: o uso consciente da tecnologia para o gerenciamento. São Paulo: Saraiva, 2004.
CABRAL, E. Jr. Redes Neurais Artificiais: modelos em C. São Paulo: O Grupo, 2003.
LAUDON, K. C. & LAUDON, J. P. Gerenciamento de Sistemas de Informação. 3ª. Edição. São Paulo: LTC, 2004.
executiva. São Paulo: Saraiva, 2005.
O’BRIEN, J. A. Sistemas de Informação e as decisões gerenciais na era da internet. Tradução: Célio Knipel Moreira e Cid Knipel Moreira. 2ª. Edição. São Paulo: Saraiva, 2004.
OLIVEIRA, D. P. R. Planejamento Estratégico: Conceitos, Metodologia e Práticas. 16ª. Edição. São Paulo: Editora Atlas, 2001.
RAO, V. B. & RAO, H. V. C++ Neural Network and Fuzzy Logic. 1a. Edição. New York: MISS: PRESS, 1993. REZENDE, D. A. & ABREU, A. F. Tecnologia da Informação: Aplicada a Sistemas de Informação Empresariais. 3ª. Edição. São Paulo: Editora Atlas, 2003. ROSINI, A. M. & PALMISANO, Â. Administração de Sistemas de Informação e a Gestão do Conhecimento. São Paulo: Editora Thomson, 2003.
ROSSATTO, M. A. Gestão do Conhecimento. Rio de Janeiro: InterCiência, 2003.
RUSSEL, S. & NORVIG, P. Inteligência Artificial. 2ª. Edição. São Paulo: Campus, 2004.
Recebido em 30 de maio de 2007 e aprovado em 12 de julho de 2007.
