CONTABILIDADE GERENCIAL ALIADA À MINERAÇÃO DE DADOS

Revista Eletrônica da Faculdade Metodista Granbery
http://re.granbery.edu.br - ISSN 1981 0377
Curso de Administração - N. 9, JUL/DEZ 2010
CONTABILIDADE GERENCIAL ALIADA À MINERAÇÃO DE DADOS
*Aline Marques Honorato Lopes da Silva
**Ana Valéria Vargas Pontes
***Saulo Moraes Villela
RESUMO
Com a globalização e a constante modernização empresarial, a contabilidade gerencial precisa estar
apta a acompanhar esses avanços e continuar analisando e fornecendo as informações necessárias às
tomadas de decisões das empresas. Para isso, a contabilidade gerencial também pode usufruir das
tecnologias que acompanham essa modernização, como por exemplo, a mineração de dados. A
mineração de dados tem por objetivo principal descobrir informações relacionadas e concisas, às
vezes, desconhecidas até pela própria empresa, em meio a suas enormes bases de dados, pois, na
maioria das vezes, esses dados estão espalhados e não vinculados da maneira correta. Este estudo se
propôs a investigar, através de uma pesquisa bibliográfica, como a mineração de dados pode auxiliar a
contabilidade gerencial. O que pôde ser observado foi que, com a descoberta de conhecimentos
proporcionada pela mineração de dados, as estratégias organizacionais, sustentadas pela contabilidade
gerencial, aumentam e proporcionam o aumento de competitividade entre as empresas.
Palavras-chave: Contabilidade gerencial. Mineração de dados. Tomada de decisão. Banco de dados.
Conhecimento.
ABSTRACT
With globalization and constant modernization, enterprise management accounting needs to be able to
monitor these developments and continue analyzing and providing the information needed for
decision-making businesses. For this, the management accounting can also take advantage of
technologies that come with these upgrades, such as data mining. The data mining aims to discover
information related principal and concise that sometimes the company itself is unaware of their huge
databases, because in most cases, these data are scattered and not tied properly. This study aimed to
investigate, through a literature search, such as data mining can assist in management accounting.
What can be observed was that with the knowledge discovery provided by data mining, organizational
strategies, underpinned by management accounting, enhance and provide increased competition
between companies.
Key-words: Management accounting. Data mining. Decision making. Database. Knowledge.
*Graduanda em Sistemas de Informação pela Faculdade Metodista Granbery.
Email: [email protected]
**Mestre em Sistemas de Gestão. Professora da Faculdade Metodista Granbery.
Email: [email protected]
***Doutorando em Engenharia de Sistemas e Computação pela Universidade Federal do Rio de
Janeiro. Professor da Faculdade Metodista Granbery.
Email: [email protected]
1 INTRODUÇÃO
Este trabalho tem por objetivo apresentar a relação, que atualmente se faz necessária,
entre a contabilidade gerencial e a mineração de dados. Relação essa que visa expandir visões
estratégicas e aumentar a competitividade das empresas.
As empresas modernas precisam estar constantemente investindo em maneiras de
obter vantagens competitivas através de planejamentos estratégicos para se manterem em um
mercado cada vez mais exigente. A contabilidade gerencial passa, nesse momento, a ter um
papel ainda mais significativo, visto que ela necessita conhecer tudo o que mensura uma
empresa, os dados de todos os setores, as transações, os stakeholders (acionistas,
funcionários, fornecedores, clientes etc.), enfim, tudo o que faz com que a empresa sobreviva,
e, a partir desse conhecimento, a contabilidade gerencial pode apoiar as funções da
administração: planejar, organizar, dirigir e controlar.
Normalmente, essas empresas detêm grandes bases de dados, mas, ainda assim,
algumas delas não sabem de fato aproveitar todo o conhecimento “escondido” nesses acervos
de dados. A reposta para essa necessidade, que muitas vezes a organização não sabe onde
procurar ou recorrer, está em aplicar métodos para extrair os dados realmente úteis e
relacionar esses dados, com o intuito de descobrir soluções para determinados problemas ou
que ajudem na tomada de decisão, de maneira mais eficiente.
Após uma breve introdução, o estudo está estruturado em seis subseções principais.
Inicialmente é realizada uma revisão da literatura sobre bancos de dados e contabilidade
gerencial, depois é analisada a importância da TI (Tecnologia da Informação) nas empresas
modernas e, por fim, são apresentadas as etapas na descoberta de conhecimento, as tarefas de
mineração de dados e a principal ferramenta de visualização que auxiliará na tomada de
decisão. Este artigo apresenta apenas uma das ferramentas de visualização, o OLAP (On-line
Analytical Processing), mas é necessário que fique claro que existem muitas outras
ferramentas que têm por objetivo fornecer a visualização da informação minerada. Como
complemento ao trabalho, serão apresentados multicasos sobre a implantação de data mining
em alguns negócios.
A pesquisa é de cunho bibliográfico, pois se baseia em artigos científicos, livros e
periódicos já publicados para abordar as questões levantadas dentro do objetivo deste
trabalho. Para Cervo e Bervian (1983), a pesquisa bibliográfica explica um problema a partir
de referenciais teóricos publicados em documentos.
2
2 REFERENCIAL TEÓRICO
Alguns fatores precisam ser analisados e definidos para que a compreensão e a relação
entre os elementos sejam naturais. A mineração de dados está relacionada a bancos de dados,
já que é um conjunto de técnicas aplicadas a bancos. Além disso, a mineração faz parte de um
processo ainda maior, que é a descoberta de conhecimento. A contabilidade gerencial está
ligada às empresas, e as empresas, por sua vez, são proprietárias dos bancos de dados e
utilizam-se de sistemas de informação para movimentar esses bancos. E, por fim, as
empresas, enquanto organizações, permeiam todos esses elementos transformando-os em um
ambiente único, com o intuito de ampliar a competitividade no mercado.
2.1 Banco de dados e sistemas de informação
Navathe (2005, p.4) conceitua um banco de dados como “uma coleção lógica e
coerente de dados com algum significado inerente”. Özsu (2001, p.2) então explica que “uma
das motivações importantes por trás do uso de sistemas de banco de dados é o desejo de
integrar os dados operacionais de um empreendimento e proporcionar acesso centralizado, e,
portanto controlado, a esses dados.” Porém, ainda segundo o autor, a tecnologia de redes vai
em sentido contrário à centralização, então surge um outro conceito importante para entender
a tecnologia de banco de dados, que é a integração.
Navathe (2005) afirma que uma das características de um banco de dados é representar
um minimundo, onde qualquer alteração que aconteça no mundo real deve ser refletida nesse
minimundo, para que as informações contidas nesse banco de dados sejam confiáveis. Por
isso, é comum que os bancos de dados se tornem a chave, o ponto crucial, e na maioria das
vezes, a vida de uma empresa, não apenas pelos amontoados de dados que são inseridos lá,
mas principalmente pela relação que existe entre esses dados, gerando informações úteis.
Mas como os dados são selecionados e inseridos nos bancos de dados? Através dos
sistemas de informação.
Laudon e Laudon (2004, p.7) definem um sistema de informação como “um conjunto
de componentes inter-relacionados que coleta (ou recupera), processa, armazena e distribui
informações destinadas a apoiar a tomada de decisões, a coordenação e o controle de uma
organização”. O’brien (2004, p.6) complementa dizendo que “sistema de informação é um
conjunto organizado de pessoas, hardware, software, redes de comunicações e recursos de
3
dados que coleta, transforma e dissemina informações em uma organização”.
2.2 Contabilidade gerencial
A contabilidade gerencial é definida por Iudícibus (1998, p.21) como “todo
procedimento técnico, informação ou relatório contábil feitos ‘sob medida’ para que a
administração os utilize na tomada de decisões”. Pizzolato (2000, p.194) contribui afirmando
que “a contabilidade gerencial está voltada para a informação contábil que pode ser útil à
administração, de forma adequada para assessorar nos processos decisórios”. E Padoveze
(1999) diz que “a contabilidade gerencial pode ser definida como o processo de identificação,
mensuração, acumulação, análise, preparação, interpretação, e comunicação de informação” e
complementa, em Padoveze (2000, p.31), afirmando que “a contabilidade gerencial é
relacionada com o fornecimento de informações para os administradores – isto é, aqueles que
estão dentro da organização e que são responsáveis pela direção e controle de suas
operações”.
Todos os autores argumentam sobre um ponto comum, quando dizem que a
contabilidade gerencial está diretamente ligada à tomada de decisões. Tomada de decisões, no
entanto, nos remete à ideia de estratégia, portanto, a contabilidade gerencial pode ser também
estratégica. O planejamento estratégico tem por objetivo promover a “vantagem competitiva”,
que Jamil (2001, p.20) define como “o conjunto de fatores que levam a que uma empresa
difira positivamente de seus competidores”, possibilitando que as organizações alcancem seus
objetivos da melhor forma, ou seja, da maneira mais adequada.
Então o que fazer para facilitar e apoiar a contabilidade gerencial quanto à tomada de
decisões? A solução é utilizar ferramentas que extraiam e trabalhem os dados a fim de
transformá-los em informações úteis à contabilidade gerencial. Não por acaso, pois Kaplan &
Norton (1997) acreditam que é dever da contabilidade gerencial ter conhecimento de como a
informação é criada, processada, estocada, comunicada e interpretada.
2.3 A empresa e a implantação de TI
Antes de falar sobre o relacionamento entre contabilidade gerencial e a mineração de
dados, é preciso ressaltar algumas condições necessárias à empresa. Segundo Walton (1993),
é preciso que já se tenha percorrido todo um caminho, em que a empresa avalia com muita
4
cautela e adota as soluções tecnológicas como visão estratégica e consiga, de fato, obter
sucesso.
Precisa ficar claro que nem a mercearia da esquina nem uma multinacional
conseguirão sucesso imediato com implantação e uso de sistemas de informação. São
necessários vários períodos (implantação, adaptação, treinamento, confiabilidade, segurança
etc.); é importante que a empresa obtenha um volume razoável de dados confiáveis, pois, a
partir daí, poderão ser gerados relatórios, gráficos e vários outros materiais para apoiar o
gerenciamento.
Uma mercearia, dificilmente, será uma empresa alvo para essas implantações, por isso
é sempre reafirmado que a análise do todo é essencial.
Walton (1993) diz que a implantação de TI em uma organização precisa ser bem
planejada e analisada para se ter certeza de que haverá sucesso no uso do sistema e que a
organização realmente vivenciará vantagens ao utilizá-lo. Sobre isso, Earl e Feeny (1995,
p.145) afirmam que “muitos presidentes de empresas estão cansados de escutar que a
tecnologia da informação pode gerar grandes benefícios, entretanto em diversos casos eles
observam fracassos em projetos”.
Walton (1993) expõe, de exemplo, um caso de clínicas médicas, mostrando o que
acontece quando não são proporcionadas à organização as condições necessárias a essa
implantação:
Os médicos falhavam na entrada dos diagnósticos e das informações de
tratamento nas consultas, o que tornou os dados não confiáveis. (...) O ritmo
normal de trabalho dos médicos era tão corrido que mesmo as pequenas
tarefas de pesquisar e fazer entrar dados eram tidas como difíceis e, portanto
frequentemente negligenciadas, apesar de o mérito das mesmas ser
reconhecido. (WALTON, 1993, p.29)
Este caso mostra que o sistema deveria ter um banco de dados para que, além de
conter dados e informações sobre os pacientes, pudesse agilizar as pesquisas a esses registros,
porém, esse caso feriu uma das propriedades implícitas que um banco de dados deve possuir,
que é a representação de algum aspecto do mundo real, explicado anteriormente.
Padoveze (2000) reafirma a necessidade de dados confiáveis quando diz que:
A informação deve ser tratada como qualquer outro produto que esteja
disponível para consumo. Ela deve ser desejada, para ser necessária. Para ser
necessária, deve ser útil. Cabe a nós, contadores gerenciais, construir essa
mercadoria com qualidade e custos competitivos, já que temos plena
consciência de sua utilidade e, portanto, de sua extrema necessidade para o
gerenciamento dos negócios.(PADOVEZE, 2000, p.44)
5
Por isso, é necessário o comprometimento da empresa e de todos os colaboradores.
Sobre isso, Walton (1993, p.84, 85) diz que “muitas companhias estão mudando sua estratégia
de administração de pessoal, ao passar daquela baseada na obediência para uma baseada no
comprometimento. O comprometimento mútuo vai bem além do contexto tradicional”. Para
concluir, cita os principais pontos que devem ser abordados a partir desse comprometimento
(tanto por parte do funcionário, quanto pela empresa):
•
Melhoria de qualidade;
•
Diminuição de perdas;
•
Ganho de produtividade;
•
Garantia de emprego;
•
Participação na tomada de decisões e outros.
Walton (1993) acredita que quando se trata de organizações que usam TI deve haver o
constante aperfeiçoamento e retreinamento dos empregados. De acordo com Rosow e Zager
(apud Walton, 1993) “as empresas devem se preparar para novas tecnologias
institucionalizando o ‘aprendizado contínuo’”. O aprendizado contínuo, em resumo, é
caracterizado por quatro pontos principais:
•
Aprende-se em todos os dias de trabalho;
•
Deve-se conhecer a cultura e os relacionamentos da organização;
•
Todos os colaboradores devem relacionar-se; e
•
Todos devem transmitir conhecimento.
Valeriano (2003) completa, concluindo que “os gerentes estão desdobrando novas
formas de informação gerencial contábil para assistir e fortalecer os funcionários em suas
atividades de melhoria contínua”. Portanto, todos os colaboradores precisam ter consciência
sobre sua importância na elaboração dessa nova fase na organização.
2.4 Necessidade de organização do acervo de dados
Para entender a necessidade de trabalhar dados e informações, a fim de produzir
conhecimento para apoiar a contabilidade gerencial na tomada de decisões, é preciso definir e
relacionar os termos: dado, informação e conhecimento. Jamil (2001, p.25) define um dado
como “valor medido sem a preocupação de contexto e relevância que permita ser usado de
imediato”, portanto, uma empresa pode possuir incontáveis dados e não conseguir utilizá-lo
em processos decisórios ou qualquer outra situação crítica. Nada melhor do que exemplos
6
para definir os termos citados anteriormente. Segundo Jamil (2001, p.161), “um dado pode ser
uma temperatura, por exemplo, 38ºC. Uma informação seria que 38ºC é a temperatura do
corpo de uma pessoa.” Conhecimento seria a análise feita com essa informação: se sabemos
que a temperatura média do corpo humano é de 36ºC, esta pessoa então está com febre e, a
partir daí, pode-se tomar decisões para resolver esse problema, como tomar um banho frio ou
ingerir um remédio antitérmico.
Jamil (2001, p. 9) ao contar como se iniciou a
necessidade de TI em empresas modernas, faz a seguinte afirmação: “outro impacto profundo
ocorre sobre os fluxos de informações e sobre os processos de tomadas de decisão (dois dos
principais problemas a serem tratados pelas ferramentas de TI) que se tornaram
crescentemente lentos”. Isto porque, além de existir o problema dos organogramas
empresariais que eram verticais demais, havia o problema da acumulação de dados não
relacionados, dados que não eram transformados em conhecimento e que, consequentemente,
complicavam a tomada de decisões.
E, segundo Silberschatz et al. (1999), o problema principal nas organizações que
detêm quantidade volumosa de dados é que normalmente esses dados estão distribuídos
dentro da organização, ou seja, estão em várias bases de dados correspondentes a cada
departamento (RH, produção, comercial), por exemplo. Este principal problema ocasiona
outro, que também deve ser considerado, que é a proliferação de dados não confiáveis. Pois,
com várias bases de dados, começa haver redundância de informações e inconsistências,
como dados desatualizados em algumas bases.
Fatos estes que vêm mais uma vez comprovar a necessidade da criação de uma visão
estratégica por parte da empresa.
2.5 O processo de descoberta de conhecimento
Grzeszezeszyn (2005), em sua definição de estratégia empresarial, cita a necessidade
de ferramentas que auxiliem a gestão, a fim de possibilitar a sobrevivência e o crescimento da
organização.
Diante desse contexto, surge, então, como parte da solução do problema apresentado
no item anterior (a outra parte da solução é o comprometimento da empresa e de todos os
colaboradores em garantir a entrada de dados confiáveis através sistemas de informação,
conforme explicado no item 2.3), a mineração de dados, que tem por objetivo trabalhar os
7
dados a fim de transformá-los em conhecimento e, a partir daí, descobrir, segundo O’brien
(2004, p. 291) “padrões, tendências e correlações ocultas nos dados, o que pode propiciar uma
vantagem competitiva estratégica a uma empresa”.
Amo (2004) diz que as etapas para o processo de descoberta de conhecimento,
conhecido pelo termo original KDD (Knowledge Discovery in Databases), são as seguintes:
•
Limpeza dos dados;
•
Integração dos dados;
•
Seleção dos dados;
•
Transformação dos dados;
•
Mineração;
•
Avaliação ou Pós-processamento;
•
Visualização.
A limpeza de dados consiste na garantia da consistência dos dados, preenchimento de
informações que deveriam ser “não nulas”, eliminação de ruídos e redundâncias, e qualquer
processo que possa ocasionar informações totalmente confiáveis.
A integração de dados é a combinação de várias fontes de dados. A partir dessa
definição, surge o conceito de Data Warehousing, que é um repositório onde são agrupados
todos esses dados, a fim de relacioná-los para que possam continuar sendo aplicadas as
técnicas de mineração de dados.
Selecionar os dados compreende extrair desse novo repositório apenas dados
relevantes às tarefas que precisam ser avaliadas. Já a transformação dos dados é o ato de fazer
com que o dado fique na forma mais apropriada à mineração. Um exemplo seria um dado que
está definido no banco como string, e, na verdade, é um integer.
Mineração, ou data mining, consiste em aplicar métodos inteligentes, por exemplo,
regressões, árvores de decisões ou análise de grupamentos, entre outros, a fim de deixar que
apenas algumas colunas (conjuntos de dados), de acordo com os critérios do usuário,
continuem no processo. É importante ressaltar que essa é a etapa essencial de todo o processo.
Na avaliação ou pós-processamento são identificados os padrões, tendências que o
usuário necessita analisar. E por último a visualização, em que são utilizadas técnicas de
visualização e representação para apresentar o conhecimento minerado ao usuário. A Figura 1
mostra a sequência das etapas de KDD.
8
Figura 1 – “Passos fundamentais de uma mineração bem sucedida” Navega (2002)
Fonte: Navega (2002), adaptada pela autora.
2.6 Mineração de dados e a ferramenta de visualização OLAP
Como citado anteriormente, a mineração de dados é a etapa principal de todo o
processo de descoberta de conhecimento e é também a principal aliada da contabilidade
gerencial nesse estudo. Já a ferramenta OLAP surge como um facilitador para as empresas na
visualização do conhecimento minerado. Nos próximos itens serão detalhados esses dois
componentes.
2.6.1 As tarefas de mineração de dados
Existem algumas tarefas de data mining que, de acordo com a necessidade da
contabilidade gerencial, deverá ser escolhida a mais adequada para apoiar a solução de
determinado problema ou para facilitar qualquer análise que seja. Contudo, como em qualquer
processo que envolva estratégia e tomada de decisão, é necessário fazer uma validação do
problema e analisar qual tarefa apresentará os melhores resultados.
De acordo com Amo (2004), as tarefas podem ser divididas em:
•
Regras de associação;
•
Padrões sequenciais;
9
•
Classificação;
•
Agrupamentos;
•
Exceções.
As regras de associação têm por objetivo descobrir padrões do tipo X → Y (se X
então Y). Regras, essas, que são comumente utilizadas na análise de compras, para se fazer
associação entre produtos. Para exemplificar, será exposta a “famosa” regra de associação
entre fraldas e cervejas. Segundo Gurovitz (1997), uma grande rede de varejo dos Estados
Unidos descobriu a partir de seu acervo de dados que a venda de fraldas descartáveis está
associada à de cerveja. Essa rede de varejo constatou que, em geral, os compradores eram
homens, que saíam à noite para comprar fraldas e aproveitavam para levar algumas latinhas
de cerveja. A partir dessa descoberta, a seguinte medida foi tomada: colocar os produtos um
ao lado do outro; e, como resultado, obteve o expressivo aumento da venda dos dois produtos.
Um padrão sequencial define uma ordem cronológica em que fatos ocorreram com
um conjunto de itens (<i1, ..., in>). Por exemplo: musculação, luva palmar e squeeze, significa
que “pessoas que praticam musculação, algum tempo depois compram luva palmar e
squeeze”.
Uma tarefa de classificação consiste em definir um modelo a partir de objetos que
ainda não possuem classificação, baseando-se em dados de amostragem que possuem objetos
corretamente classificados. Um exemplo seria, a partir dos atributos de um carro (cor, nº de
portas, cilindrada etc.), classificá-lo em esporte, utilitário ou passeio.
Os agrupamentos ou clusters tentam descobrir, diferentemente da classificação, os
atributos comuns de uma classe em determinados agrupamentos. Por exemplo, descobrir que
moradores do bairro A fazem compras aos domingos, e já os moradores do bairro B fazem
compras entre as segundas e terças-feiras.
E, por último, as exceções ou outliers procuram determinar os dados que não se
enquadram em nenhuma situação (modelo) e por isso apresentam comportamentos
completamente diferentes, ou seja, representam anomalias. Através dessa tarefa, por exemplo,
pode-se detectar o roubo de cartões de crédito quando se analisa que clientes efetuaram
compras fora de seu padrão habitual de gastos.
2.6.1.1 Técnicas de mineração
Amo (2004) relaciona e explica as principais técnicas para algumas tarefas; este artigo
10
apenas citará:
•
•
Regras de associação e padrões sequenciais:
○
Algoritmos APRIORI;
○
Algoritmos SPIRIT.
Classificação e agrupamentos:
○
Árvores de decisão;
○
Redes neurais;
○
K-Means;
○
Algoritmo CURE.
Sobre as técnicas de mineração de dados, Wang (2003) afirma que o uso de apenas
uma ferramenta pode falhar na descoberta de conhecimento em grandes bases de dados, e que
o ideal é combinar duas ou mais ferramentas.
2.6.2 A ferramenta de visualização OLAP
As ferramentas de visualização, como citado anteriormente, são utilizadas para
apresentar o conhecimento minerado ao usuário. O OLAP (On-line Analytical Processing ou
Processamento Analítico Online) é uma das muitas ferramentas existentes para visualização.
O OLAP permite que gerentes e analistas examinem interativamente os dados, a partir de
muitas perspectivas.
A ferramenta OLAP é apresentada da seguinte maneira:
O Olap envolve a análise de relações complexas entre milhares ou até
mesmo milhões de itens de dados armazenados em banco de dados
multidimensionais para descobrir padrões, tendências e situações incomuns.
Uma sessão de Olap acontece em tempo real, com respostas rápidas às
consultas de um gerente ou analista, de forma que sua análise ou processo de
tomada de decisão não seja perturbado. (O'BRIEN, 2004 p.284)
Através de pesquisas na grande rede sabe-se que, em modelos OLAP, a informação é
conceitualmente organizada em cubos que armazenam valores quantitativos ou medidas. As
medidas são compostas por categorias descritivas denominadas dimensões, que formam a
estrutura de um cubo. Uma dimensão pode ser qualquer visão do negócio que faça sentido
para sua análise, como produto, departamento ou tempo. Este modelo de dados
multidimensional simplifica para os usuários o processo de formular pesquisas, criar
relatórios, efetuar análises comparativas, e visualizar subconjuntos de maior interesse. Por
11
exemplo, um cubo contendo informações de vendas poderá ser composto pelas dimensões
tempo, região, produto, cliente e medidas. As medidas seriam valor de venda, unidades
vendidas, custos, margem, etc.
A operacionalidade é uma característica dos sistemas que visam atender à
contabilidade gerencial. Padoveze (2000, p. 46) define “são sinais de operacionalidade
informativa, relatórios práticos e objetivos; ou seja, relatórios necessários para quem os utiliza
e entendidos por quem os utiliza”. Duas das características básicas de operacionalidade
citadas pelo autor são comuns às propostas do OLAP: relatórios elaborados de acordo com as
necessidades do usuário; apresentação visual e de manipulação adequada.
Sobre a relevância do OLAP, Jamil (2001, p.172) diz que “uma combinação
interessante é a das ferramentas de OLAP com as de Data Mining, onde esta última pesquisa
os dados necessários nos sistemas e a primeira permite a sua estruturação de forma interativa
para estudo e imposição dos métodos de análise”.
Portanto, o OLAP pode ser uma ferramenta que irá facilitar, ou de alguma forma
auxiliar, a contabilidade gerencial na tomada de decisão, já que podem ser combinadas,
interativamente, variáveis importantes, cujos valores já foram previamente tratados através da
mineração de dados.
3 CASOS DE TESTES
Para complementar este trabalho, serão apresentados multicasos, selecionados a partir
de pesquisas sobre implantação de data mining, com o objetivo de demonstrar a questão de
aplicação.
Há vários softwares no mercado, chamados de ferramentas de data mining, que
aplicam as técnicas de mineração de dados, ou seja, algoritmos, da maneira mais adequada em
função da necessidade do cliente. Alguns desses softwares e seus fabricantes:
•
Clementine, da SPSS;
•
STATISTICA Data Miner 9, da StatSoft;
•
Microsoft SQL Server 2005, da Microsoft;
•
VisuMap, da VisuMap Technologies Inc;
•
MicroStrategy Data Mining Services, da MicroStrategy;
•
GMDH Shell, da Geos Research Group.
Um case de sucesso, utilizando data mining, é o da emissora de cartões de créditos
12
bastante conhecida: Credicard. A necessidade da Credicard, antes de 2004, era, segundo o site
da SPSS (CREDICARD), "conhecer o perfil do prospect e prever seu comportamento futuro"
para que não houvesse aumento no índice de rejeição à marca, após os disparos de malas
diretas em massa aos prospects (possíveis clientes). Portanto, a área de Estratégia e Logística
de Vendas decidiu implantar o data mining para "obter informações úteis dos prospects e
apoiar o processo de definição das campanhas de venda de cartões". Hoje a Credicard, através
do data mining, consegue desenvolver modelos e delinear: "para quem ofertar, por qual canal,
o que ofertar e como abordar".
Outro case de sucesso é o da empresa Gasmig (Companhia de Gás de Minas Gerais).
A empresa tinha problemas quanto ao acesso às informações para tomada de decisão,
principalmente quando precisavam de análise de faturamentos ou de quantidade de produtos
por cliente vendido. A área financeira fazia os relatórios “à mão” e por isso o processo poderia
demorar dias. A identificação da necessidade e a decisão por utilizar data mining foi do
gerente de TI da empresa, que estava bem próximo do dia-a-dia do setor financeiro. Agora são
gerados relatórios analíticos rapidamente, que respondem com agilidade à demanda do
negócio. “Isso melhora a produtividade e torna os profissionais mais independentes”, afirma o
gerente, após a implantação de data mining.
Não há muitos cases de insucesso publicados, porém um case de fracasso, bastante
citado nas pesquisas feitas, foi o do site de vendas Gazelle.com. A Gazelle necessitava
caracterizar clientes que faziam pedidos acima de $12, porém, ela tinha uma base de dados
com volume de compras baixo demais, com isso, o investimento em data mining sairia alto
para a empresa e provavelmente não seria recuperado.
4 CONCLUSÃO
Como se pode observar, a contabilidade gerencial passa a ter à disposição poderosas
técnicas para desenvolver novas estratégias consistentes, sem teorias fantasiosas, e conseguir
ainda mais agilidade, dinamismo e assertividade junto à tomada de decisão. As ferramentas
apresentadas poderão ser utilizadas não a longo prazo e sim de imediato. Após todo o período,
talvez um longo período, de adaptação das empresas, como citado anteriormente, uma
empresa não pode mais perder tempo e as ferramentas podem nesse momento ser usadas tão
rapidamente quanto, por exemplo, uma decisão importante a ser tomada.
A mineração de dados não tem função apenas na informática, mas nesse novo cenário,
13
em que a modernidade impera também nas empresas, ela surge, principalmente, para ser
aliada à inteligência de negócios. As técnicas para mineração dos dados passam a ser
ferramentas de apoio à tomada de decisão, que é justamente o que a contabilidade gerencial
procura para promover o sucesso de sua organização, já que, com várias informações valiosas
em mãos, pode-se tomar decisões para aumento de produtividade, aumento de vendas, dentre
outros, e, assim, não assistir à perda de competitividade do seu negócio.
REFERÊNCIAS
AMO, Sandra de. Técnicas de mineração de dados. Universidade Federal de Uberlândia,
2004. Disponível em:
http://www.deamo.prof.ufu.br/arquivos/JAI-cap5.pdf. Acesso em: 27 mai. 2010.
CERVO, A. L.; BERVIAN, P. A. Metodologia científica: para uso de estudantes
universitários. 3 ed. São Paulo: McGraw-Hill do Brasil, 1983.
CREDICARD. Aumentando as vendas com modelagem preditiva e inteligência da
informação. Disponível em:
http://www.spss.com.br/cases/case_credicard.htm. Acesso em: 24 ago. 2010.
EARL, Michael J.; FEENY, David F.. Is your CIO adding value? Abril, 1995.
GRZESZEZESZYN, Gilberto. Contabilidade gerencial estratégica: conceito e caracterização.
PR : Revista Capital Científico, 2005. Disponível em:
http://200.201.10.38/editora/revistas/capitalcientifico/v3n1/09-27.pdf. Acesso em: 19 mai.
2010.
GUROVITZ, Hélio. O que cerveja tem a ver com fraldas? São Paulo: Exame, 1997.
Disponível em:
www.datawarehouse.inf.br/Artigos/cervejaefraldas.pdf. Acesso em: 27 mai. 2010.
IUDÍCIBUS, Sérgio de. Contabilidade gerencial. 6. ed. São Paulo: Atlas, 1998.
JAMIL, George Leal. Repensando a TI na empresa moderna. Rio de Janeiro: Axcel Books
do Brasil Editora, 2001.
KAPLAN, Robert S.; NORTON, David P. A estratégia em ação: balanced scorecard. Rio de
Janeiro: Campus, 1997.
LAUDON, Kenneth C.; LAUDON Jane P. Sistemas de informação gerenciais:
administrando a empresa digital. Tradução Arlete Simille Marques. São Paulo: Pearson
Prentice Hall, 2004.
MICROSOFT. Gasmig reforça produtividade, 2006. Disponível em:
http://www.microsoft.com/brasil/revistams/anteriores/edicao_4/caso_gasmig.aspx. Acesso
14
em: 30 ago. 2010.
NAVATHE, Shamkant B.; ELMASRI, Ramez. Sistemas de banco de dados. São Paulo:
Addison Wesley, 2005.
NAVEGA, Sergio. Princípios essenciais do data mining. São Paulo: Publicado nos Anais da
Infoimagem 2002, Cenadem. Disponível em:
http://www.intelliwise.com/reports/i2002.htm. Acesso em: 19 mai. 2010.
O'BRIEN, James A. Sistemas de informação e as decisões gerenciais na era da Internet.
Tradução Célio Knipel Moreira e Cid Knipel Moreira. São Paulo: Saraiva, 2004.
ÖZSU, M. Tamer. Princípios de sistemas de banco de dados distribuídos. 2 ed. Rio de
Janeiro: Campus, 2001.
PADOVEZE, Clóvis Luiz. O papel da contabilidade gerencial no processo empresarial de
criação de valor. São Paulo: Caderno de estudos, 1999. Disponível em:
http://www.eac.fea.usp.br/cadernos/completos/cad21/o_papel.pdf. Acesso em: 19 mai. 2010.
PADOVEZE, Clóvis Luís. Contabilidade gerencial: um enfoque em sistema de informação
contábil. São Paulo: Atlas, 2000.
PIZZOLATO, Nélio D. Introdução à contabilidade gerencial. 2 ed. São Paulo: Makron
Books, 2000.
SANTOS, Rafael. Princípios e aplicações de mineração de dados. 2010. Disponível em:
http://www.lac.inpe.br/~rafael.santos/Docs/CAP359/2010/notas01.pdf. Acesso em: 27 ago.
2010.
SILBERSCHATZ, Abraham; KORTH, Henry F; SUDARSHAN, S.. Sistemas de banco de
dados. São Paulo: Makron Books, 1999.
STEINBACH, Michael; KUMAR, Vipin; TAN, Pang-Ning. Introdução ao data mining
(Mineração de Dados). Rio de Janeiro: Ciência Moderna, 2009.
VALERIANO, Carlos Eduardo Braz. Estudo sobre a contribuição do Balanced Scorecard
na Contabilidade Gerencial. São Paulo, 2003. Disponível em:
http://www.kcd.com.br/arquivos_site/dissertacoes/Estudo_Sobre_Contribuicao_do_Balanced_
Scorecard_na_Contabilidade_Gerencial_2008.pdf . Acesso em: 20 mai. 2010.
WALTON, Richard E. Tecnologia de informação: o uso de TI pelas empresas que obtêm
vantagem competitiva. Tradução Edson Luiz Riccio. São Paulo: Atlas, 1993.
WANG, John. Data mining: opportunities and challenges. Hershey, PA: Idea Group Pub.,
2003.
15