Sistemas de Informação - Tecnologia da Informação – Facsum / FJF

TECNOLOGIA DA
INFORMAÇÃO
Gildo de Almeida Leonel
2
Sistemas de gerenciamento de
banco de dados
• É considerado um importante pacote de software
de sistemas que controla o desenvolvimento,
utilização e manutenção dos bancos de dados de
organizações usuárias de computadores.
• Os dados são um recurso organizacional decisivo
que precisa ser administrado como outros
importantes ativos das empresas. A maioria das
organizações não conseguiria sobreviver ou ter
sucesso sem dados de qualidade sobre suas
operações internas e seu ambiente externo.
3
Sistemas de gerenciamento de
banco de dados
• Administração de recursos de dados
• atividade administrativa que aplica tecnologia de
sistemas de informação como gerenciamento de
bancos de dados e outras ferramentas gerenciais
à tarefa de administrar os recursos de dados de
uma organização para atender as necessidades
de informação dos usuários.
4
Conceitos Básicos sobre
Dados:
• Caracter – Um caracter é o elemento de lógico mais
básico dos dados. Consiste em um único símbolo
alfabético, numérico ou outro.
• Campo – Um campo consiste em um grupamento de
caracteres. Um campo de dados representa um atributo
(uma característica ou qualidade) de alguma entidade
(objeto, pessoa, lugar ou evento).
• Registro – Campos de dados afins são agrupados para
formarem um registro. Assim, um registro representa uma
coleção de atributos que descrevem uma entidade.
Registros de comprimento fixo contêm um número fixo de
campos de dados de comprimento fixo. Registros de campo
variável contêm um número variável de campos e
comprimentos de campos.
5
Conceitos Básicos sobre
Dados:
• Arquivo – Um grupo de registros afins é
conhecido como um arquivo ou tabela de dados.
Os arquivos muitas vezes são classificados pelo
aplicativo para o qual são primeiramente usados,
tais como um arquivo de folha de pagamento ou
um arquivo de estoque, ou pelo tipo de dados
que contêm, tais como um arquivo de documento
ou um arquivo de imagem gráfica.
6
Conceitos Básicos sobre
Dados:
• Banco de Dados – Um banco de dados é um
conjunto integrado de registros ou objetos
logicamente afins. Um banco de dados
consolida registros previamente armazenados em
arquivos separados em uma fonte comum de
registros de dados que fornece dados para
muitas aplicações. Os dados armazenados em
um banco de dados são independentes dos
programas aplicativos que os utilizam e do tipo
de dispositivos de armazenamento secundário
nos quais estão armazenados.
7
Conceitos Básicos sobre Dados:
8
A Abordagem do Gerenciamento de
Bancos de Dados
é um método por meio do qual registros e objetos de
dados são consolidados em bancos de dados que
podem ser acessados por diferentes programas
aplicativos.
• Sistema de Gerenciamento de Bancos de Dados –
(DBMS ou SGBD) funciona como uma interface de
software entre usuários e bancos de dados. Dessa
forma, o gerenciamento de bancos de dados envolve
o uso de software de gerenciamento de bancos de
dados para controlar como os bancos de dados são
criados, consultados e mantidos para fornecerem as
informações necessitadas por usuários finais e suas
organizações.
9
A Abordagem do Gerenciamento de
Bancos de Dados
é um método por meio do qual registros e objetos de
dados são consolidados em bancos de dados que
podem ser acessados por diferentes programas
aplicativos.
• Sistema de Gerenciamento de Bancos de Dados –
(DBMS ou SGBD) funciona como uma interface de
software entre usuários e bancos de dados. Dessa
forma, o gerenciamento de bancos de dados envolve
o uso de software de gerenciamento de bancos de
dados para controlar como os bancos de dados são
criados, consultados e mantidos para fornecerem as
informações necessitadas por usuários finais e suas
organizações.
10
• A abordagem do gerenciamento de bancos de dados envolve
três atividades básicas:
• Atualização e manutenção de bancos de dados comuns para refletir
novas transações empresariais e outros eventos que exigem
mudanças nos registros de uma organização.
• Fornecimento das informações requisitadas por cada aplicação do
usuário final mediante o uso de aplicativos que compartilham os dados
em bancos de dados comuns.
• Fornecimento de uma capacidade de consulta/resposta e emissão de
relatório por meio de um pacote DBMS de sorte que os usuários finais
possam facilmente consultar os bancos de dados, gerar relatórios e
receber respostas rápidas para seus pedidos de informações para
situações específicas.
Pacotes de Gerenciamento de Banco de
Dados
Desenvolvimento
do
Banco de Dados
Consulta ao
Banco de Dados
Tarefas Básicas dos
Pacotes de Gerenciamento
de Bancos de Dados
Manutenção do
Banco de Dados
Desenvolvimento
de Aplicação
Modelo de banco de dados:
Modelo de banco de dados:
Relatório de Pedido:
Modelo de banco de dados:
16
Benefícios do Gerenciamento de Bancos
de Dados:
• Redução da duplicação de dados
• Integração dos dados de forma que possam ser acessados por múltiplos
programas e usuários.
• Os programas não dependem do formato dos dados e do tipo de
hardware de armazenamento secundário que estão sendo utilizados.
• Os usuários são dotados de uma capacidade de consulta/resposta e
relatório que lhes permite facilmente obter as informações de que
necessitam sem terem de formular programas de computação.
• A programação é simplificada, porque os programas não dependem nem
do formato lógico dos dados nem da localização de seu armazenamento
físico.
17
Tipos de Bancos de Dados:
• Bancos de Dados Operacionais –
• Esses bancos de dados armazenam dados detalhados
necessários para apoiar as operações da organização
como um todo. Eles também são chamados bancos de
dados de área temática (Subject Area Databases, ou
SADB), bancos de dados de transações e bancos de
dados de produção.
• São exemplos os bancos de dados de clientes, bancos de
dados de pessoal, bancos de dados de estoque e outros
bancos de dados contendo dados gerados pelas operações
empresariais.
18
Tipos de Bancos de Dados:
São necessários recursos e ferramentas especiais para analisar vastas
quantidades de de dados e extraí-los de múltiplos sistemas. Entre
recursos estão o Data warehousing (armazenamento de dados), o data
mining (mineração de dados) e ferramentas para acessar bancos de
dados internos por meio da Web.
• Data Warehouse (Armazém de dados)
• É um banco de dados que armazena dados correntes e históricos de potencial
interesse aos tomadores de decisão de toda a empresa. Os dados originam-se de
muitos sistemas operacionais centrais, como sistemas de vendas, contas de
clientes e manufatura, podendo incluir ainda dados advindos de transações em
sites.
• O data warehouse consolidada e padroniza as informações oriundas de diferentes
bancos de dados operacionais, de modo que elas possam ser usadas por toda a
empresa para análise gerencial e tomada de decisões.
19
Tipos de Bancos de Dados:
• Data Warehouse (Armazém de dados)
• Um data warehouse armazena dados do ano em curso e de anos
anteriores que foram extraídos dos vários bancos de dados
operacionais e gerenciais de uma organização.
• É uma fonte central de dados que foram classificados, editados,
padronizados e integrados de tal forma que podem ser utilizados por
gerentes e outros profissionais usuários finais ao longo de toda uma
organização.
• Os data warehouse podem ser subdivididos em mercados de dados
[data marts], que guardam subconjuntos específicos de dados a partir
do depósito.
20
Tipos de Bancos de Dados:
21
Tipos de Bancos de Dados:
• Data marts –
• Empresas podem montar data warehouses organizacionais, nos quais um
armazém central de dados atende à organização inteira, ou podem criar
armazéns menores, descentralizados, denominados data marts.
• Data mart é um subconjunto de um data warehouse, no qual uma porção
resumida ou altamente focalizada dos dados da organização é colocada
em um banco separado destinado a um população específica de usuários.
• Por exemplo, uma empresa pode desenvolver data marts de vendas e
marketing par tratar informações de clientes. Um data mart em geral
focaliza uma única área de interesse ou linha de negócios, de modo que
pode ser montado com mais rapidez e a custo mais baixo do que um data
warehouse de âmbito empresarial.
22
Inteligência empresarial:
• Uma vez capturados e organizados em data warehouses e
data marts, os dados ficam disponíveis para análise
posteriores. O usuário conta com uma série de ferramentas
para analisar essas informações e, assim, descobrir novos
padrões, relacionamentos e insights úteis para orientar a
tomada de decisão.
• Essas ferramentas que consolidam, analisam e acessam
vastas quantidades de dados para ajudar os usuários a
decidir melhores escolhas empresariais são, muitas vezes,
chamadas de inteligência empresarial (BI – business
intelligence
23
Inteligência empresarial:
• A inteligência empresarial confere às empresas a capacidade de
acumular informações, adquirir conhecimento sobre clientes,
concorrentes e operações internas; e mudar o comportamento de
tomada de decisão a fim de alcançar maior lucratividade e outras
metas corporativas.
• Por exemplo, o mercado de entretenimento, uma empresa do
setor de jogos, analisa continuamente dados sobre os clientes,
coletados enquanto jogam nos caça-níqueis da empresa ou
frequentam cassinos e hotéis da rede. O departamento de
marketing da empresa utiliza essas informações para desenvolver
um detalhado perfil do jogador, com base no valor ao longo do
tempo de um cliente particular à empresa. Essa informação
orienta as decisões administrativas sobre como cultivar os clientes
mais lucrativos, estimulá-los a gastar mais e atrair mais clientes
com alto potencial de geração de receita.
24
Inteligência empresarial:
25
Processamento analítico on-line (OLAP –
on-line-analytical processing):
• Imagine que sua empresa venda quatro produtos diferentes
– porcas, pinos e parafusos -, nas regiões leste, oeste e
central.
• Se quisesse fazer um pergunta bem direta, como “Quantos
parafusos foram vendidos durante o último trimestre?”,
poderia facilmente achar a resposta consultando seu banco
de dados de vendas.
• Mas e se quisesse saber quantos parafusos foram
vendidos em cada região e também comparar os
resultados reais com a projeção de vendas?
26
Processamento analítico on-line (OLAP –
on-line-analytical processing):
• Para obter essa resposta, é necessário um processamento
analítico on-line (OLAP).
• Permite a análise multidimensional de dados, de forma que os
usuários vejam os mesmos dados de diferentes maneiras, pois
usa múltiplas dimensões. Cada aspecto da informação – produto,
preço, custo, região ou período de tempo – representa uma
dimensão diferente.
• O OLAP permite que usuários obtenham respostas on-line sobre
questões específicas como essas em velocidade razoável, mesmo
quando os dados então armazenados em bancos gigantescos,
como números de vendas de vários anos.
27
Processamento analítico on-line (OLAP –
on-line-analytical processing):
• Dessa forma o gerente de produto poderia utilizar uma
ferramenta de análise multidimensional de dados para saber
quantos parafusos foram vendidos na região leste em junho,
comparar essas informações com as do mês anterior e
também de junho do ano anterior e ainda confrontá-las com
a previsão de vendas.
28
Banco de dados Multidimensional:
29
Data mining – mineração de dado:
• O data mining fornece percepções dos dados corporativos
que não podem ser obtidas com o OLAP, descobrindo
padrões e relacionamentos futuros. Esses modelos e regras
podem então ser utilizados par guiar o processo de decisão
e prever o efeito dessas escolhas.
• Os tipos de informações obtidos com o data mining incluem
associações, sequências, classificações, aglomerações e
prognósticos.
30
Data mining – mineração de dado:
• Associações –
• são ocorrências ligadas a um único evento. Por exemplo, um estudo
de modelos de compra em supermercados pode revelar que, na
compra de salgadinhos de milho, compra-se também refrigerante tipo
cola em 65% das vezes; mas quando há uma promoção, o refrigerante
é comprado em 85% das vezes. Com essa informação, os gerentes
podem tomar decisões mais acertadas, pois aprenderam a respeito da
rentabilidade de uma promoção.
31
Data mining – mineração de dado:
• Sequência –
• os eventos estão ligados ao longo do tempo. Pode-se descobrir, por
exemplo, que, quando se compra uma casa, em 65% das vezes se
adquire também nova geladeira no período de duas semanas; e que,
em 45% das vezes, um fogão também é comprado um mês após a
compra da residência.
32
Data mining – mineração de dado:
• Classificação –
• reconhece modelos que descrevem o grupo ao qual o item pertence,
por meio do exame dos itens já classificados e pela inferência de um
conjunto de regras.
• Empresas de operadores de cartões de crédito, e companhias
telefônicas preocupam-se com a perda de clientes regulares. A
classificação pode ajudar a descobrir as características de clientes que
provavelmente virão a abandoná-las e oferecer um modelo par ajudar
os gerentes a prever quem são, de modo que se elabore
antecipadamente campanhas especiais para reter esse clientes.
33
Data mining – mineração de dado:
• Aglomeração –
• funciona de maneira semelhante à classificação quando ainda não
foram definidos grupos.
• Uma ferramenta de data mining descobrirá diferentes agrupamentos
dentro da massa de dados; por exemplo, ao encontrar grupos de
afinidade para cartões bancários ou ao dividir o banco de dados em
categorias de clientes com base na demografia e em investimentos
pessoais.
34
Data mining – mineração de dado:
• Prognósticos –
• partem de uma série de valores já existentes para prever quais serão
os outros valores.
• Por exemplo, um prognóstico pode descobrir padrões nos dados que
ajudam os gerentes a estimar o valor futuro de variáveis como
números de vendas.
35
Mas isto realmente funciona?
• Uma das maiores redes de varejo dos Estados Unidos
(Wal-Mart) descobriu, em seu gigantesco banco de
dados, que a venda de fraldas descartáveis estava
associada à de cerveja. Em geral, os compradores
eram homens, que saíam à noite para comprar fraldas
e aproveitavam para levar algumas latinhas para casa.
Os produtos foram postos lado a lado. Resultado: a
venda de fraldas e cervejas disparou.
36
Mas isto realmente funciona?
• Outra rede varejista descobriu que a venda de colírios
aumentava na véspera dos feriados. (Por quê? Mistério...)
Passou a preparar seus estoques e promoções do produto
com base nesse cenário.
• O banco Itaú, pioneiro no uso de data warehouse no Brasil,
costumava enviar mais de 1 milhão de malas diretas, para
todos os correntistas. No máximo 2% deles respondiam às
promoções. Hoje, o banco tem armazenada toda a
movimentação financeira de seus 3 milhões de clientes nos
últimos 18 meses. A análise desses dados permite que
cartas sejam enviadas apenas a quem tem maior chance de
responder. A taxa de retorno subiu para 30%. A conta do
correio foi reduzida a um quinto.
37
Mas isto realmente funciona?
• A Sprint, um dos líderes no mercado americano de telefonia de
longa distância, desenvolveu, com base no seu armazém de
dados, um método capaz de prever com 61% de segurança se um
consumidor trocaria de companhia telefônica dentro de um
período de dois meses. Com um marketing agressivo, conseguiu
evitar a deserção de 120 000 clientes e uma perda de 35 milhões
de dólares em faturamento.
• Outra empresa de telefonia detectou, ao implantar seu armazém
de dados, que quatro grandes clientes empresariais eram
responsáveis por mais da metade das chamadas de manutenção.
Um deles estava prestes a abandonar os serviços. A telefônica fez
reparos imediatos, convenceu o cliente a ficar e manteve uma
receita anual de 150 milhões de dólares.