UNIVERSIDADE REGIONAL DE BLUMENAU CENTRO DE CIÊNCIAS EXATAS E NATURAIS DEPARTAMENTO DE SISTEMAS E COMPUTAÇÃO CURSO DE SISTEMAS DE INFORMAÇÃO — BACHARELADO TRABALHO DE CONCLUSÃO DE CURSO I (TCC-I) PROPOSTA PARA O TRABALHO DE CONCLUSÃO DE CURSO - Aplicado Versão: 1 Título: APLICATIVO PARA EMPRESA DE HELP DESK BASEADO EM GESTÃO DO CONHECIMENTO UTILIZANDO A TÉCNICA DE MINERAÇÃO DE TEXTO. Palavras-chave: Aplicativo para help desk. Gestão de conhecimento. Mineração de texto. 1 IDENTIFICAÇÃO Nome: Klauber Scheffler Fischer Código/matrícula: 131763 Endereço residencial: Rua: Rua Benjamin Constant Bairro: Vila Nova CEP: 89035-100 Telefone fixo: n: 2323 Complemento: apto 124 Cidade: Blumenau UF: SC Celular: 47 9157-0153 Endereço comercial: Empresa: Hartsystem Informática Rua: Rua Frei Estanislau Schaette CEP: 89037-000 Cidade: Blumenau E-Mail FURB: [email protected] 1.1 n: 526 Bairro: Água verde UF: SC Telefone: 47 3329-2772 E-Mail alternativo: [email protected] ORIENTADOR Nome: Oscar Dalfovo E-Mail FURB: [email protected] 1.2 E-Mail alternativo: [email protected] SUPERVISOR/ESPECIALISTA DA APLICAÇÃO Nome: Gonzalez Feldhaus Goulart Função/Cargo: Técnico de Suporte à Software Telefone contato: 47 9918-1690 2 2 DECLARAÇÕES 2.1 DECLARAÇÃO DO ALUNO Declaro que estou ciente do Regulamento do Trabalho de Conclusão de Curso de Sistemas de Informação e que a proposta, a qual concordo, foi revisada e está dentro dos padrões metodológicos da disciplina. Ainda me comprometo pela obtenção de quaisquer recursos necessários para o desenvolvimento do trabalho, caso esses recursos não sejam disponibilizados pela Universidade Regional de Blumenau (FURB). Assinatura: Local/Data: 2.2 DECLARAÇÃO DO ORIENTADOR Declaro que estou ciente do Regulamento do Trabalho de Conclusão do Curso de Sistemas de Informação e que a proposta, a qual concordo, foi por mim revisada em todas as páginas. Ainda me comprometo a orientar o aluno da melhor forma possível de acordo com o plano de trabalho explícito nessa proposta. Assinatura: Local/Data: 2.3 DECLARAÇÃO DO SUPERVISOR/ESPECIALISTA DA APLICAÇÃO Declaro que estou ciente do Regulamento do Trabalho de Conclusão do Curso de Sistemas de Informação e que minha participação no referido trabalho não implica em nenhuma relação de ordem trabalhista e de remuneração bem como, manifesto ciência de que, por tratar-se de trabalho acadêmico, não tenho qualquer direito relacionada à sua autoria. Outrossim, autorizo a publicação do referido trabalho como também de informações técnicas de outros sistemas a ele relacionados. Assinatura: Local/Data: 3 TCC-I- APLICADO - AVALIAÇÃO DO ESPECIALISTA-1 Acadêmico(a): Klauber Scheffler Fischer ASPECTOS AVALIADOS 1. INTRODUÇÃO 1.1. O tema de pesquisa está devidamente contextualizado / delimitado? 1.2. O problema está claramente formulado? 1.3. A justificativa/relevância apresentada está coerente com o problema apresentado? 2. OBJETIVOS 2.1. O objetivo geral está claramente definido e é passível de ser alcançado? 2.2. São apresentados objetivos específicos (opcionais) coerentes com o objetivo geral? (Caso não sejam apresentados objetivos específicos, deixe esse item em branco.) 3. FUNDAMENTAÇÃO TEÓRICA 3.1. A revisão bibliográfica está de acordo com o tema abordado e é suficiente sobre o assunto? 3.2. São apresentados trabalhos correlatos, bem como é realizada a correlação dos mesmos com a proposta? 4. DESENVOLVIMENTO / ESPECIFICAÇÃO / MODELAGEM 4.1. A descrição do sistema proposto está clara, adequadamente fundamentada e abrange solução para todos os problemas apresentados? 4.2. Os requisitos funcionais e não funcionais do software a ser desenvolvido foram claramente descritos e estão coerentes com os objetivos da proposta? 4.3. Os requisitos a serem implementados são suficientes para o software? 4.4. O diagrama de casos de uso apresentado está correto e coerente com os requisitos? (Verificar a descrição dos principais casos e uso no apêndice) 5. AVALIAÇÃO GERAL (Organização e apresentação gráfica / linguagem usada) 5.1. A exposição do assunto é ordenada, isto é, as idéias estão bem encadeadas e a linguagem utilizada é clara? 5.2. As informações retiradas de outros autores estão devidamente referenciadas e constam nas referências bibliográficas? 5.3. As referências bibliográficas citadas contemplam adequadamente os assuntos abordados na proposta (São utilizadas obras atualizadas e/ou as mais importantes da área)? A Proposta de TCC deverá ser revisada, isto é, necessita de complementação, se: qualquer um dos itens tiver avaliação “NÃO ATENDE”; se 4 (quatro) ou mais itens tiverem avaliações “ATENDE PARCIALMENTE”. PARECER: ( ) APROVADA Assinatura do(a) Avaliador(a): ( ) NECESSITA DE COMPLEMENTAÇÃO Local/Data: Atende Parcialmente Não Atende Atende Avaliador(a): TCC-I- APLICADO - AVALIAÇÃO DO ESPECIALISTA-2 Acadêmico(a): Klauber Scheffler Fischer ASPECTOS AVALIADOS 1. INTRODUÇÃO 1.1. O tema de pesquisa está devidamente contextualizado / delimitado? 1.2. O problema está claramente formulado? 1.3. A justificativa/relevância apresentada está coerente com o problema apresentado? 2. OBJETIVOS 2.1. O objetivo geral está claramente definido e é passível de ser alcançado? 2.2. São apresentados objetivos específicos (opcionais) coerentes com o objetivo geral? 2.2.1. (Caso não sejam apresentados objetivos específicos, deixe esse item em branco.) 3. FUNDAMENTAÇÃO TEÓRICA 3.1. A revisão bibliográfica está de acordo com o tema abordado e é suficiente sobre o assunto? 3.2. São apresentados trabalhos correlatos, bem como é realizada a correlação dos mesmos com a proposta? 4. DESENVOLVIMENTO / ESPECIFICAÇÃO / MODELAGEM 4.1. A descrição do sistema proposto está clara, adequadamente fundamentada e abrange solução para todos os problemas apresentados? 4.2. Os requisitos funcionais e não funcionais do software a ser desenvolvido foram claramente descritos e estão coerentes com os objetivos da proposta? 4.3. Os requisitos a serem implementados são suficientes para o software? 4.4. O diagrama de casos de uso apresentado está correto e coerente com os requisitos? 4.4.1. (Verificar a descrição dos principais casos e uso no apêndice) 5. AVALIAÇÃO GERAL (Organização e apresentação gráfica / linguagem usada) 5.1. A exposição do assunto é ordenada, isto é, as idéias estão bem encadeadas e a linguagem utilizada é clara? 5.2. As informações retiradas de outros autores estão devidamente referenciadas e constam nas referências bibliográficas? 5.3. As referências bibliográficas citadas contemplam adequadamente os assuntos abordados na proposta (São utilizadas obras atualizadas e/ou as mais importantes da área)? A Proposta de TCC deverá ser revisada, isto é, necessita de complementação, se: qualquer um dos itens tiver avaliação “NÃO ATENDE”; se 4 (quatro) ou mais itens tiverem avaliações “ATENDE PARCIALMENTE”. PARECER: ( ) APROVADA Assinatura do(a) Avaliador(a): ( ) NECESSITA DE COMPLEMENTAÇÃO Local/Data: Atende Parcialmente Não Atende Atende Avaliador(a): Avaliador(a): Prof. Sérgio Stringari ASPECTOS AVALIADOS 1. Os elementos pré-textuais (capa e folha de rosto) estão adequadamente formatados? 2. Os elementos textuais (capítulos, seções, formatação) estão corretamente definidos e formatados? 3. Os parágrafos (fonte, alinhamento, margem, espaçamento) estão corretos? 4. As siglas estão todas devidamente apresentadas? 5. As citações obedecem às normas da ABNT? 6. Os textos de citação (direta – citar página, quantidade de linhas, espaçamento, aspas - e indireta) estão adequadamente apresentados? 7. As listas estão adequadamente formatadas (numeração, alinhamento, uso do “;”e início com letra minúscula)? 8. As ilustrações e tabelas estão adequadamente formatadas (legenda, fonte, borda)? 9. As referências bibliográficas obedecem às normas da ABNT? 10. Os elementos pós-textuais (descrição casos de uso e outros) estão adequadamente apresentados? A proposta de TCC deverá ser revisada, isto é, necessita de complementação, se: qualquer um dos itens tiver resposta “NÃO ATENDE”; se 4 (quatro) ou mais itens tiverem avaliação “ATENDE PARCIALMENTE”. PARECER: ( ) APROVADA Assinatura do(a) avaliador(a): ( ) NECESSITA DE COMPLEMENTAÇÃO Local/Data: Não Atende Klauber Scheffler Fischer Atende Parcialmente Acadêmico(a): Atende TCC-I- APLICADO - AVALIAÇÃO METODOLÓGICA (PROFESSOR DE TCC-I) UNIVERSIDADE REGIONAL DE BLUMENAU CENTRO DE CIÊNCIAS EXATAS E NATURAIS CURSO DE SISTEMAS DE INFORMAÇÃO – BACHARELADO KLAUBER SCHEFFLER FISCHER APLICATIVO PARA EMPRESA DE HELP DESK BASEADO EM GESTÃO DO CONHECIMENTO UTILIZANDO A TÉCNICA DE MINERAÇÃO DE TEXTO. Proposta de Trabalho de Conclusão de Curso submetida à Universidade Regional de Blumenau para a obtenção dos créditos na disciplina Trabalho de Conclusão de Curso II do curso de Sistemas de Informação — Bacharelado. Prof. Dr. Oscar Dalfovo - Orientador BLUMENAU 2012/I 2 1 INTRODUÇÃO Cada vez mais, novos produtos e serviços chegam ao mercado para atrair os consumidores, exigindo que as organizações acompanhem as novidades do mercado e ofereçam, além de bons produtos, atendimento de qualidade para satisfazer os clientes. Para um bom atendimento deve-se evitar a demora, tanto no atendimento pessoal como ao telefone, evitando deixar o consumidor na linha em espera. O telefone é um excelente instrumento de comunicação com os clientes, mas deve ser utilizado de forma adequada, pois um atendimento ruim pode fazer com que o cliente passe para a concorrência (GODRI, 1994). Sendo assim, as empresas utilizam sistemas denominados help desk. Este tipo de software tem a função de auxiliar a equipe de help desk para coordenar e solucionar os incidentes que ocorrem com os usuários, assegurando que os chamados gerados por estes incidentes não sejam perdidos, esquecidos ou negligenciados. Este tipo de sistema constitui em um mecanismo computacional facilitador da informação (CAVALARI; COSTA, 2005). Para Rossatto (2002) a gestão do conhecimento é um processo estratégico contínuo e dinâmico que visa o capital intangível da empresa e todos os pontos estratégicos a ele relacionados e estimular a conversão do conhecimento. Deste modo deve fazer parte da estratégia organizacional e ter sua implantação garantida e patrocinada pela alta gerência, a quem deve estar subordinado todo o processo de gestão do conhecimento. A gestão do conhecimento realiza a captação do conhecimento que envolve as rotinas e práticas dentro da organização, com o objetivo de criar métodos para que este conhecimento seja unido, expandido e transferido de forma a aumentar o capital intelectual organizacional (DALFOVO, 2004). Conforme Salim e Sabbag (2007), a gestão do conhecimento ou do capital intelectual está entre os temas mais quentes do momento. Líderes empresariais, consultores e acadêmicos, em uníssono, vêm falando do conhecimento como o principal ativo das organizações e a chave para uma vantagem competitiva sustentável. Já a técnica de text mining (mineração de texto) é essencial para a realização deste trabalho, pois é empregada na parte de pesquisa do aplicativo. Conforme Furtado (2004, p1) "O text mining auxilia as ferramentas de descoberta de conhecimento a extraírem informações padrões contidas nos textos, seja uma única palavra ou um conjunto de palavras". Ainda de acordo com Furtado (2004), o text mining pode ser usado para formalizar e explorar o conhecimento tácito, proporcionando a descoberta de soluções e de novos 3 conhecimentos. As ferramentas de text mining têm o propósito de facilitar o processo de recuperação de informação, minimizando as dificuldades enfrentadas e apresentando ao usuário algum tipo de conhecimento útil e novo, satisfazendo as necessidades de novas informações. 1.1 PROBLEMA Apesar de ser uma software house, a HartSystem Informática não tem a prática de documentar seus processos e a solução de problemas conhecidos de forma linear e padronizada. Os técnicos do setor de help desk ao cliente enfrentam diversos problemas em solucionar as dúvidas dos clientes, pois não existe uma base de dados de conhecimento concentrada, que apresente todas as soluções conhecidas de forma clara, formatadas e adequadas para explicação. O suporte acontece por meio de atendimentos telefônicos, que são distribuídos entre os técnicos de help desk, ou bate-papo online, onde os clientes podem optar por quem chamar para esclarecer as dúvidas. Se o técnico de help desk que atender o chamado por primeiro não souber solucionar a sua dúvida, ele pede ajuda para outro técnico presente no recinto, neste tempo o cliente ficará aguardando o atendimento, ou tem o atendimento transferido para outro atendente mais capacitado. Normalmente estas situações causam insatisfação do cliente e geram desconforto para o técnico de help desk que atendeu a ligação, ou por ele não ter uma resposta/solução para ser apresentada ao cliente e ter de retornar depois, ou não conhecer a solução de forma clara para apresentá-la e instruir o cliente com o profissionalismo que a empresa deseja. 1.2 JUSTIFICATIVA O cargo de atendente de help desk é muitas vezes a porta de entrada para os jovens profissionais no mercado de trabalho. Estes jovens, em sua maioria, não têm experiência com 4 softwares ou quaisquer processos de trabalho. Com um aplicativo que permita fazer pesquisas de forma eficaz na base de conhecimento, utilizando uma técnica de mineração de texto, esses profissionais sem muito conhecimento poderão se desenvolver de forma mais independente, evitando meses de treinamento. Hoje em dia, cada técnico de atendimento resolve os problemas e chamados utilizando conhecimentos tácitos, adquiridos com a vivência, pois não existe documentação dos problemas conhecidos. Os técnicos dependem de dados memorizados, sem padronização ou formatação, o que favorece as chances de esquecimento e erros. Visto isso, a proposta disponibiliza na empresa HartSystem Informática, que desenvolve um software odontológico, um aplicativo onde os usuários podem além de cadastrar e atualizar as soluções conhecidas, também pesquisa-las de forma ágil, fornecendo ao cliente de forma uma solução ideal já preparada. 1.2 OBJETIVOS O objetivo geral do trabalho visa desenvolver um aplicativo para empresa HartSystem Informática, para apoio ao setor de help desk, aplicando gestão do conhecimento e a técnica de text mining (mineração de texto) para a pesquisa de soluções conhecidas. Os objetivos específicos deste trabalho são: a) utiliza a técnica de text mining para possibilitar o usuário do setor help desk pesquisar as soluções conhecidas, a partir do termo proposto pelos clientes (dúvidas, perguntas); b) permite o cadastramento e atualização das soluções conhecidas pelos próprios usuários do setor help desk; c) apresenta nas respostas o percentual de relevância da solução apresentada para a pergunta proposta. 5 2 FUNDAMENTAÇÃO TEÓRICA Este capítulo aborda assuntos a serem apresentados nas seções a seguir, tais como help desk, gestão do conhecimento, base de dados de conhecimento, descoberta de conhecimento em texto - text mining, sistema atual e trabalhos correlatos. 2.1 HELP DESK Os sistemas help desk têm a principal característica de ser um facilitador de informações ao usuário, não importando se esta facilidade é ou não de natureza técnica computacional. Um sistema help desk constitui um mecanismo facilitador de informação (MARTINS, 2000). O termo help desk surgiu com o aparecimento dos computadores pessoais nos anos 80, quando cresceu a necessidade de suporte aos novos usuários de computadores, entre eles gerentes, técnicos e secretárias. Assim, muitas empresas criaram os Centros de Informação para auxiliar no uso dos computadores pessoais. Os primeiros sistemas usados pelos Centros de Informação foram os sistemas gerenciadores de bancos de dados, com informações sobre os clientes de software e hardware. Com o advento dos sistemas especialistas, importantes funções de auxílio a clientes puderam ser desenvolvidas pelos Centros de Informação (KAMP, 1993 apud WILVERT, 2005, p. 16). Martins (2000) relata que enquanto nos anos 80 os usuários eram especialistas em informática, na década de 90 esse quadro se inverteu radicalmente. A população de usuários de computadores passou a ser composta por pessoas oriundas de áreas onde a informática não era fundamental e, por essa razão, estas pessoas possuíam praticamente nenhum conhecimento sobre o uso dos computadores. Essa mudança proporcionou a criação de um tipo de suporte capaz de atender a demanda deste novo público. Além disso, as empresas perceberam que era importante armazenar todos os dados decorrentes dos problemas ocorridos, assim como a maneira de solucioná-los. Desta forma, o usuário teria um atendimento mais rápido e personalizado e a empresa teria um controle maior sobre quais são os problemas mais comuns e as melhores formas de solucioná-los. 6 Statdlober (2006, p. 15) diz que a gestão do atendimento em um help desk procura oferecer uma metodologia para tratar e gerenciar diversas questões. O processo de atendimento a chamados possui inúmeros elementos que o compõem, mas os oito elementos principais que compõem o processo de atendimento são (STATDLOBER, 2006, p. 15): a) usuário final contatar a central de atendimento; b) central de atendimento realizar o atendimento em si; c) registrar no sistema e encaminhar para solução; d) qualificar o chamado e encaminhar para uma fila de atendimento; e) responsável pelo atendimento atuar na solução; f) gerente possuir acesso a todos os chamados registrados; g) solução aplicada ao chamado ficar disponível para futuros chamados e demais técnicos; h) comunicar o usuário final sobre eventos durante o atendimento ao chamado. Silva (2004, p. 15) afirma que “uma ferramenta de help desk, sem dúvida proporciona um diferencial que além da documentação e sistematização, oferece possibilidade de análise dos processos e fluxo de informações”. 2.2 GESTÃO DO CONHECIMENTO Vive-se em um cenário complexo, no mundo corporativo e na sociedade em geral. Fenômenos sociais e econômicos, de abrangência mundial, são responsáveis pela reestruturação do ambiente de negócios. A globalização econômica, impulsionada pela tecnologia da informação e pelas comunicações, tornou-se uma realidade da qual não se pode escapar. É nesse contexto que a gestão do conhecimento se transforma em um valioso recurso estratégico para a vida das pessoas e das empresas. Não é de hoje que o conhecimento desempenha papel fundamental na história. Sua aquisição e aplicação sempre representaram estímulo para as conquistas de inúmeras civilizações. No entanto, apenas "saber muito" sobre alguma coisa não proporciona, por si só, maior poder de competição para uma organização (SILVA, 2001 apud DALFOVO, 2010, p. 279). Conhecimento é a informação apropriada e interpretada pelo ser humano, possibilitando-o a ter novas ideias. Alguns dos fatores que influenciam nesses processos de busca do conhecimento são a rápida evolução da tecnologia, o acesso aos mercados globais e 7 como lidar e extrair dados e informações da inteligência competitiva nas organizações (DALFOVO, 2007). De acordo com Dalfovo (2004), a gestão do conhecimento pode ser utilizada pelas empresas, como vantagem competitiva. Isto causa uma reestruturação crescente no modo em que a organização administra o seu conhecimento e as suas informações. Conforme Figueiredo (2005) a gestão do conhecimento como estratégia competitiva nas organizações alavanca e multiplica o capital intelectual. Além disso, a gestão do conhecimento está a cada dia mais integrada na organização, pois possui gerenciamento, métodos e ferramentas imprescindíveis para que os executivos das empresas possam utilizálas com agilidade e precisão, e ainda, se bem manejadas, a utilização do capital intelectual será o diferencial competitivo para o negócio. Nonaka e Takeuchi (1997) classificam o conhecimento em dois tipos: a) tácito, é um tipo de conhecimento muito difícil de ser expresso por meio de palavras e é adquirido com a experiência, de maneira prática utilizando-se da intuição e da subjetividade. Segundo os autores, o aprendizado mais poderoso vem da experiência direta e é aquele que se articula por meio da linguagem formal, com afirmações gramaticais, expressões matemáticas, especificações, manuais, etc.; envolve fatores intangíveis como, por exemplo, crenças pessoais, perspectivas, sistema de valor, intuições, emoções e habilidades individuais. Este processo pode ter inclusive sua interatividade prejudicada devido aos ruídos que na maioria das vezes existem em qualquer processo de comunicação; b) explícito, é um tipo de conhecimento que pode ser facilmente expresso em palavras ou números e pode ser prontamente transmitido formalmente e sistematicamente entre pessoas. Envolve o conhecimento de fatos. É objetivo, teórico, digital e articula por meio da linguagem formal, com afirmações gramaticais, expressões matemáticas, especificações, manuais, etc. Esse foi o modo dominante de conhecimento na tradição filosófica ocidental. Probst, Raub e Romhardt (2002), explicam que as empresas despendem tempo e dinheiro para solucionar certos problemas quando, muitas vezes, soluções já haviam sido encontradas no passado ou estão sendo encontradas por outras equipes. Neste sentido, esses e outros autores atribuem a importância à identificação da base de conhecimento existente, sendo abordando no item a seguir. 8 2.3 BASE DE CONHECIMENTO Já Figueiredo (2002), considera bases de conhecimento como containers de conhecimento e informação, concebidas para armazenar, compartilhar e disseminar conhecimentos específicos, resolvendo questões de volume de armazenamento, organização, recuperação e herança do conhecimento, mantendo e estimulando os níveis de colaboração e de compartilhamento de conhecimento e informações relevantes dentro da empresa. Ferreira, Loureiro e Martinez (2004), afirmam que a base de conhecimento é um ambiente de trabalho para o compartilhamento, recuperação e distribuição de conhecimento específico. Afirmam que uma base de conhecimento não possui modelo ou tecnologia específicos, a sua implementação depende das características e objetivos da empresa que irá utilizá-la. Volino e Kendrich (2000 apud Wehrmeister, 2008, p. 20), explicam que bases de conhecimento consideradas simples utilizam busca por palavras-chaves em perguntas e respostas pré-determinadas. Diante disso, podem-se imaginar diferentes situações pelas quais as organizações utilizam bases de conhecimentos: a) quando há necessidade de se resolver um problema e se tenta aplicar uma solução disponível para tal; b) quando se tem uma situação e se procura uma experiência anterior que possa ajudar ou dar pistas para que se possa melhor enfrentá-la; c) quando se está trazendo alguém que possa ajudar a resolver um problema. Probst, Raub e Romhardt (2002) salientam que, as mudanças que ocorrem regularmente na base de conhecimento, através de contribuições dos membros de uma organização, constituem a aprendizagem organizacional, a criação de estruturas coletivas de referência e o crescimento da competência da organização para agir e resolver problemas. 9 2.4 DESCOBERTA DE CONHECIMENTO EM TEXTO A Descoberta de Conhecimento a partir de Textos (DCT), em inglês Knowledge Discovery from Text (KDT), que neste trabalho será tratada como text mining (mineração de textos), consiste na aplicação de técnicas de análise de informações e de aprendizado de máquina em dados textuais (WIVES, 2004). A técnica busca extrair conhecimento útil ao usuário, recuperando informações e permitindo ao usuário procurar o conteúdo que lhe seja interessante dentro do conjunto de textos pré-selecionados, o que reduz o tempo de busca e proporciona um retorno de informação mais significativo. “A área de text mining se refere ao processo de extrair padrões não triviais interessantes ou conhecimento a partir de documentos de texto não estruturado, podendo ser visto como uma extensão do data mining.” (FURTADO, 2004, p. 30). Visando recuperar informações relevantes, as técnicas de data mining surgiram para utilização em dados estruturados e as técnicas para text mining estão sendo desenvolvidas constantemente e aprimoradas para tratar dados não estruturados, representando uma área interessante e pouco explorada nas últimas décadas (MILLER, 2005 apud FINK, 2010, p. 20). A técnica de text mining vem solucionar grande parte dos problemas relacionados à busca, recuperação e análise de informações. A sobrecarga de informação é um dos maiores problemas enfrentados pelos usuários de sistemas atualmente (WIVES, 2004). Embora a mineração de texto possa trabalhar com qualquer tipo de informação, esta deve seguir alguns critérios (HOESCHL; BUENO; BORTOLON, 2002), quando da visualização pelo usuário: a) a informação recuperada deve ter valor para o operador do conhecimento. A mineração de textos deve fornecer novas visões sobre os textos para os operadores do conhecimento. Isto permite a adição de valores à base de conhecimento; b) o conteúdo deve ser baseado em texto. Para dados numéricos as tecnologias existentes estão mais bem desenvolvidas; c) o valor da mineração de textos é diretamente proporcional ao valor do dado que se está minerando. Quanto mais importante for o conhecimento contido na coleção de textos, mais valiosa será a mineração; d) o conteúdo deve estar explicitamente declarado no texto, tais como textos técnicos e científicos; 10 e) a mineração de textos é mais valiosa quanto menos estruturado for o texto. Textos desorganizados, contendo acúmulo de informações são os mais indicados. De acordo com Wives (2004), existem diferentes tipos de métodos que podem ser utilizados para a mineração de textos. Entre eles estão o processamento de dados, a predição, a regressão, a classificação, o agrupamento ou clustering, a análise de associações e visualização, entre outros. Porém, qualquer um dos métodos de descoberta tradicional pode ser aplicado nos textos, principalmente se for utilizado o método de extração de informações, que identifica informações relevantes nos documentos e as coloca em um formato estruturado. 2.5 SISTEMA ATUAL A HartSystem Informática foi fundada em 23 de Novembro de 1993 e lançou o software odontológico ProDent no 16º CIOSP (Congresso Internacional de Odontologia de São Paulo), em Janeiro de 1994. Desde esta data, está se dedicando exclusivamente ao desenvolvimento e comercialização de licenças do software ProDent (HARTSYSTEM INFORMÁTICA LDTA, 2011). O software ProDent é um sistema para administração de clínicas e consultórios odontológicos. Oferece cadastro de clientes, agenda, Odontograma, mala direta, contas a receber, contas a pagar e outros. Possui também módulos específicos: a) para clínicas de Radiologia; b) para Operadoras de planos de convênios; c) para clínicas que emitem Nota Fiscal de Serviço Eletrônica. A empresa oferece aos clientes o suporte à distância para resolução de problemas, dúvidas, erros e sugestões. Atualmente o processo de atendimento inicia-se com a ligação ou atendimento do cliente pelo bate-papo online, onde o mesmo expõe sua dúvida ao técnico que lhe atender no momento. Se o técnico souber solucionar, dará continuidade ao atendimento, caso não saiba, este estará repassando o atendimento a um técnico mais experiente na área. Frequentemente o técnico sabe que já respondeu sobre esta mesma dúvida a outro cliente, no entanto, muitas vezes não se recorda da solução conhecida. Diante desta situação o cliente muitas vezes terá que aguardar um longo tempo pela solução, pois o técnico irá procurar a solução e ocasionalmente ainda ligará ou enviará um email contendo a resposta ao questionamento mais tarde. 11 Cada contato feito pelo cliente é registrado num sistema interno próprio e básico, onde se tenta descrever da melhor maneira possível como foi solucionado o caso. Porém as soluções conhecidas não estão concentradas em uma base de dados de conhecimento geral, apenas individualmente em cada cadastro de cliente, o que torna a pesquisa por soluções conhecidas um processo demorado e pouco preciso. Como este é processo acima é manual e não integrado, existem falhas na qualidade da informação já disponível, por falta de atualização. Além disso, este conhecimento, muitas vezes tácito, muitas vezes está armazenado apenas na memória de cada colaborador, que resolve as ocorrências com base nos casos já ocorridos anteriormente de acordo com suas lembranças. 2.6 TRABALHOS CORRELATOS Wilvert (2005) apresentou como Trabalho de conclusão de curso (TCC) um sistema de apoio a help desk utilizando gestão do conhecimento e técnica de reconhecimento baseado em casos para área do suporte de Sistemas de Informação, com objetivo de automatizar a busca por soluções similares a novas ocorrências. O diferencial do trabalho desenvolvido quanto ao sistema do trabalho acima é uma aplicação web e a utilização da técnica de text mining. Fink (2010) implementou a técnica text mining para auxiliar o profissional de suporte, o técnico do nível 1 de um service desk na classificação de incidentes, em uma base de problemas (conhecimentos) já existente. Além da técnica de text mining, foi utilizado como modelo de referência o Information Technology Infrastructure Library (ITIL). Este trabalho também se identifica com a aplicação desenvolvida pela implementação de uma técnica text mining em ambiente web. Selbach (2010) desenvolveu um sistema web para auxílio em pesquisas e gerência de dados de entidades de saúde. Trata-se de um sistema que, a partir de dados de pacientes da entidade permite a criação e manutenção de pesquisas sobre esses dados. Além das pesquisas, existem relatórios específicos para auxiliar os gestores na tomada de decisão. É utilizado gestão do conhecimento, data warehouse e text mining. Os trabalhos citados possuem objetivos comuns entre a aplicação desenvolvida, cuja finalidade é buscar de resultados relevantes e precisos de forma automatizada para os usuários. 12 3 DESENVOLVIMENTO Neste capítulo estão descritos a particularidades técnicas do aplicativo proposto tais como a descrição do mesmo e a apresentação dos requisitos funcionais e não funcionais, diagrama de casos de uso e suas descrições. 3.1 APLICATIVO PROPOSTO O aplicativo web proposto auxilia os técnicos do setor de help desk a compartilhar os conhecimentos necessários para resolução dos chamados efetuados pelos clientes, permitindo o cadastro das soluções conhecidas, manipulação e pesquisa deste conhecimento. É importante oferecer aos clientes e técnicos uma melhor forma de gerenciar e transformar o conhecimento individual em um conhecimento coletivo. A consulta a partir da base de conhecimento é uma das ideias principais do aplicativo desenvolvido. Entendido como repositório de conhecimento e de informações, este aplicativo armazena, compartilha e dissemina conhecimentos da organização. O primeiro passo foi construir ou importar uma base de conhecimentos onde são descritos os chamados já conhecidos pelo setor help desk. As diversas situações levantadas pelos clientes e suas respectivas soluções são descritas de duas maneiras; reproduzindo as mensagens automáticas (tratamento de erros) do sistema ProDent e textos semelhantes aos do Manual do Usuário do ProDent ou cadastrando as soluções com texto descritivo, utilizando o linguajar do cliente que é leigo e não utiliza os jargões da informática. A partir da existência do banco de informações, o aplicativo web permite que sejam efetuadas buscas utilizando a técnica de text mining, de forma que o usuário do setor help desk pergunta ao cliente qual a mensagem apresentada, a dificuldade encontrada ou sua dúvida e digita desta forma no aplicativo aqui proposto, e o mesmo apresenta as soluções já conhecidas baseadas no texto pesquisado. Também é registrado no cadastro da solução conhecida a versão do ProDent em que a mesma foi corrigida e/solucionada. Pelo fato de muitas mensagens possuírem discretas diferenças em seu título (porém soluções pouco semelhantes), é apresentando um percentual de relevância para as possíveis 13 soluções encontradas mediante o termo pesquisado pelo usuário, de forma que auxilia o usuário a escolher a solução ideal. Conforme mostrado na figura 1, as etapas pertencentes ao text mining necessárias para o desenvolvimento no aplicativo são (CORRÊA, 2003): a) dados: o text mining ser baseado no armazenamento de dados de forma estruturada; b) seleção de dados: após ter definido o domínio sobre o qual se pretende executar o processo de descoberta, a próxima etapa é selecionar e coletar o conjunto de dados ou variáveis necessárias; c) processamento: visa eliminar os dados que não se adequam as informações, com base nos algoritmos, ou seja, dados incompletos, problemas de definição de tipo, eliminação de repetidas, etc.; d) transformação: nesta etapa os dados deverão ser armazenados adequadamente para facilitar a utilização das técnicas de mineração de texto; e) mineração de texto: a atividade de descoberta do conhecimento é onde são processados os algoritmos. A maioria dos métodos de text mining são baseados em conceitos de reconhecimento de padrões, clusterização, processamento de dados, classificação, análise de associações e visualização e outros; f) interpretação/avaliação: os resultados do processo de descoberta do conhecimento podem ser mostrados de diversas formas, portanto devem ser apresentados de forma que o usuário possa entender e interpretar os resultados obtidos. Fonte: CORRÊA (2003). Figura 1 – Etapas do text mining. 14 3.2 ESPECIFICAÇÃO DOS REQUISITOS O Quadro 1 apresenta os requisitos funcionais previstos para o aplicativo e sua rastreabilidade, ou seja, vinculação com o(s) caso(s) de uso associado(s). Requisitos Funcionais Caso de Uso RF01: O aplicativo deverá permitir ao administrador o cadastramento de UC01 usuários (criação, alteração, exclusão). RF02: O aplicativo deverá exigir login e password para permitir o acesso UC02 à interface inicial. RF03: O aplicativo deverá permitir ao técnico o cadastramento de UC03 categorias de chamados (erros, dúvidas, tutoriais, como fazer backup...). RF04: O aplicativo deverá permitir ao técnico o cadastro dos chamados e UC04 sua(s) solução(s) (criação, alteração, exclusão). RF05: O aplicativo deverá permitir ao técnico atribuir categorias aos UC05 chamados criados. RF06: O aplicativo deverá permitir ao técnico pesquisar as soluções no UC06 banco de dados de chamados e soluções cadastrados, utilizando a técnica de text mining. RF07: O aplicativo deverá apresentar no resultado da pesquisa o grau de UC07 relevância do termo pesquisado. Quadro 1: Requisitos funcionais O Quadro 2 lista os requisitos não funcionais previstos para o aplicativo. Requisitos Não Funcionais RNF01: O aplicativo deverá utilizar banco de dados MySQL. (Software) RNF02: O aplicativo deverá ser desenvolvido utilizando a linguagem Java. (Software) RNF03: O aplicativo deve ser compatível com as mais atuais versões de navegadores disponíveis no mercado, como o Internet Explorer 8 e Google Chrome 13. (Usabilidade) RNF04: O aplicativo deverá conter visualização de tela 1024x768. (Usabilidade) Quadro 2: Requisitos não funcionais 15 3.3 MODELAGEM Esta seção apresenta os diagramas que serão necessário para o entendimento do sistema proposto, sendo que o detalhamento dos principais casos estão descritos no Apêndice A. Na figura 2, tem-se o diagrama de casos de uso. 3.3.1 Diagrama de casos de uso uc Actors Figura 2: Diagrama de casos de uso 16 3.3.2 Diagrama de Classes Na figura 3, tem-se o diagrama de classes. class Use Case Vi... Figura 3: Diagrama de classes a) Usuario: classe que armazena informações dos usuários do aplicativo de apoio; b) Versao: armazena dados da versão do ProDent onde o chamado foi solucionado. c) Categoria: armazena informações referentes a categoria dos chamados; d) Palavras: classe que armazena observações sobre as palavras da mineração de texto, semelhante um glossário. e) Chamado: classe que armazena as informações dos chamados/soluções conhecidas. 17 3.4 OPERACIONALIDADE DO SISTEMA tutorial das telas/ passsos para uso do sistema (ajuda, manual de procedimento) usar palavra apresentado, nao usar palavra 'demonstra' AINDA NO 3.3 -destacar as telas com os objetivos especificos Ex.: na tela tal apresenta-se o 'determinado objetivo' conforme objetivo especifico a). Colocar um pedaço do fonte que faça algo relevante a alguma coisa como obj especifico conceito de um autor Ex.: Conforme 'autor' é importade que faça determinada coisa (deve estar na referencia do 2 fundamentacao teorica) 18 3.5 RESULTADO comparar este tcc com os trabalhos correlatos -Validacao da aplicaçao, questionar usuarios 19 4 CONCLUSÃO maioumenos 1 pagina e meia - 1 paragrafo falando no geral de como atingiu o tcc(globalmente). - 1 paragrafo objetivo geral separado - 1 paragrafo para cada paragrafo de objetivo especifico - Ferramenta ou a técnica (Medias moveis) confirmando - se tiver alguma dificuldade ou limitação (descrever) - ultimo paragrafo é a minha conclusao final entendimento etc 20 4.1 EXTENÇÕES No formato texto, em paragrafos, sugestoes (3) Sugere-se para trabalhos futuros ... (o que e para que) 21 5 REFERÊNCIAS BIBLIOGRÁFICAS CAVALARI, Gabriel O.T.; COSTA, Heitor A. X. Modelagem e desenvolvimento de um sistema Help-Desk para a prefeitura municipal de Lavras – MG. 2005. 40 f. Trabalho de Conclusão de Curso (Bacharelado em Ciências da Computação) - Departamento de Ciência da Computação Universidade Federal de Lavras, Lavras. CORRÊA, Adriana C. G. Recuperação de documentos baseada em Informação Semântica no ambiente AMMO. 2003. 92 f. Trabalho de Conclusão de Curso (Bacharelado em Ciências da Computação) – Universidade Federal de São Carlos, São Carlos. Disponível em <http://www.bdtd.ufscar.br/tde_busca/arquivo.php?codArquivo=485>. Acesso em 23 ago. 2011. DALFOVO, Oscar; TAMBORLIN, Norberto. Business Intelligence. Blumenau: Edição do Autor, 2010. DALFOVO, Oscar. Modelo de integração de um sistema de inteligência competitiva com um sistema de gestão da informação e de conhecimento. 2007. 234 f. Tese (Doutorado em Engenharia e Gestão do Conhecimento) - Área de Engenharia e Gestão do Conhecimento, Universidade Federal de Santa Catarina, Florianópolis. DALFOVO, Oscar. Sistemas de informação: Estudos e casos. O uso da informação pelos administradores e executivos que obtêm vantagem competitiva. Blumenau: Acadêmica, 2004. FERREIRA, Mônica A.; LOUREIRO, Carlos A.S. ; MARTINEZ, Maurício M. Estudo sobre a viabilidade de implantação de bases de conhecimento na Embrapa recursos genéticos e biotecnologia. 2004. Disponível em: < http://kmol.online.pt/artigos/2004/11/01/baseconhecimento-embrapa >.Acesso em: 16 ago 2011. FIGUEIREDO, Saulo P. Gestão do Conhecimento a partir do e-mail. São Paulo, [2002]. Disponível em: <http://www.informal.com.br/artigos/a02052002_001.html>. Acesso em 29 ago. 2011. FIGUEIREDO, Saulo P. Gestão do conhecimento: estratégias competitivas para a criação e mobilização do conhecimento na empresa. Rio de Janeiro: Qualitymark, 2005. FINK, Carla A. Aplicação da técnica text mining para auxílio na classificação de incidentes de service desk. 2010. 57 f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) - Centro de Ciências Exatas e Naturais, Universidade Regional de Blumenau, Blumenau. 22 FURTADO, Maria I. V. Inteligência competitiva para o Ensino Superior: uma abordagem através da mineração de texto. 2004. 119 f. Tese (Doutorado em Engenharia Civil) – Área de Engenharia, Universidade Federal do Rio de Janeiro. Disponível em: <http://wwwp.coc.ufrj.br/teses/doutorado/inter/2004/Teses/FURTADO_MIV_04_t_D_int.pdf >. Acesso em: 18 ago. 2011 GODRI, Daniel. Conquistar e manter clientes. 32. ed. Blumenau-SC: Eko, 1994. HARTSYSTEM INFORMÁTICA LTDA. ProDent Software Odontológico. Blumenau, [2011]. Disponível em: <http://www.hartsystem.com.br>. Acesso em: 28 ago. 2011. HOESCHL, Hugo. C; BUENO, Tânia. C. D.; BORTOLON, André S. AlphaTemis - Do texto ao conhecimento. 2002. 111 f. Programa de Pós- Graduação em Engenharia de Produção, Universidade Federal de Santa Catarina, Florianópolis. MARTINS, André. Computação baseada em casos: Contribuições metodológicas aos modelos de indexação, avaliação, ranking, e similaridade de casos. 2000. 193 f. Tese (Doutorado em Engenharia Elétrica) - Universidade Federal da Paraíba, Campina Grande. NONAKA, Ikujiro.; TAKEUCHI, Hirotaka. Criação de conhecimento na empresa. Rio de Janeiro: Campus, 1997. PROBST, Gilbert.; RAUB, Steffen.; ROMHARDT, Kai. Gestão do conhecimento, os elementos construtivos do sucesso. Porto Alegre: Bookman, 2002. ROSSATTO, Maria A. Gestão do Conhecimento: a busca da humanização, transparência, socialização e valorização do intangível. Rio de Janeiro: Interciência. 2002. SALIM, Jean J.; SABBAG, Paulo Y. A emergência da gestão do conhecimento como disciplina nas organizações. 2007. Disponível em: <http://bibliotecadigital.fgv.br/site/bkab/busca_externa>. Acesso em 22 ago. 2011. SELBACH, Frederico C. Sistema web para auxílio em pesquisas e gerência de dados clínicos. 2010. 65 f. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) – Instituto de Informática, Universidade Federal do Rio Grande do Sul, Porto Alegre. Disponível em <http://www.lume.ufrgs.br/handle/10183/28337>. Acesso em 11 set. 2011. SILVA, Jaime J. Help Desk com sistema RBC para as gerências de aplicativos do Banco do Brasil. 2004. 45 f. Trabalho de Conclusão de Curso (Curso de Especialização e Desenvolvimento, Segurança e Qualidade a Internet) - Instituto de Informática, Universidade Federal do Rio Grande do Sul, Porto Alegre. STATDLOBER, Juliano. Help Desk e SAC com qualidade. Rio de Janeiro: Brasport, 2006. 23 WEHRMEISTER, Janira. Sistema de conhecimento em Help Desk utilizando raciocínio baseado em casos para apoio aos clientes e consultores de softhouse na web. 2008. 74 f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) - Centro de Ciências Exatas e Naturais, Universidade Regional de Blumenau, Blumenau. WILVERT, Carla. Sistema de apoio a Help Desk utilizando gestão do conhecimento e técnica de raciocínio baseado em casos. 2005. 72f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) - Centro de Ciências Exatas e Naturais, Universidade Regional de Blumenau, Blumenau. WIVES, Leandro K. Utilizando conceitos como descritores de textos para o processo de identificação de conglomerados (clustering) de documentos. 2004. 136 f. Tese (Doutorado no Programa de Pós-Graduação em Computação) - Instituto de Informática, Universidade Federal do Rio Grande do Sul, Porto Alegre. 24 APÊNDICE A – Detalhamento dos casos de uso Esta seção da proposta apresenta a descrição dos casos de uso conforme previstos no(s) diagrama(s) apresentado(s) na seção 3.3.1. UC01 Cadastrar usuários Permite ao administrador informar os dados de um novo usuário do sistema, bem como alterar ou excluir informações do usuário. Além disso, o administrador pode consultar todos (lista) ou um cadastro de usuário específico. UC02 Exigir login e password É necessário que o usuário esteja previamente cadastrado e possua uma senha (password) de acesso próprio para acessar o aplicativo. UC03 Cadastrar de categorias de chamados Permite ao técnico incluir, alterar ou excluir as categorias em que os chamados se encaixam, por exemplo, erros, tutoriais, dúvidas financeiras, dúvidas sobre mala direta, sendo que é exigido o preenchimento de apenas um campo com o nome da categoria. Constraints Pré-condição . O usuário solicitante deve estar cadastrado no sistema. Pós-condição . Uma categoria foi incluída, alterada ou excluída do sistema. Pós-condição . Categoria(s) foi(ram) consultado(s). Cenários Incluir categoria {Principal}. 1. Técnico solicita cadastro de categoria; 2. O sistema apresenta tela para cadastro de categoria; 3. O técnico seleciona NOVO e informa o nome da nova categoria; 4. O técnico seleciona GRAVAR; 5. O sistema valida as informações; 6. O sistema grava as informações. Alterar categoria {Alternativo}. No passo 3, o técnico pesquisa uma categoria 3.1. O sistema apresenta a categoria; 3.2. O técnico edita o nome e seleciona GRAVAR; 25 3.3. O sistema solicita confirmação da operação; 3.4. O técnico confirma; 3.5. O sistema altera o nome da categoria. Excluir categoria {Alternativo}. No passo 3, o técnico seleciona uma categoria; 3.1. O sistema apresenta os dados; 3.2. O técnico seleciona EXCLUIR; 3.3. O sistema solicita confirmação da operação; 3.4. O técnico confirma; 3.5. O sistema exclui a categoria. Categoria não localizada {Exceção} No passo 3.1, caso a categoria digitada não exista, apresenta mensagem “Categoria não existente.”. UC04 Cadastrar os chamados e sua(s) solução(s) Permite ao técnico incluir, alterar ou excluir os chamados recebidos pelo setor de help desk da empresa, viabilizando a consulta por informações quaisquer do chamado. É necessário preencher o “título”, “categoria”, campo de texto “solução do chamado” e versão em que foi solucionado, se houver.. Constraints Pré-condição . O usuário solicitante deve estar cadastrado no sistema. Pós-condição . Um chamado foi incluído, alterado ou excluído do sistema. Pós-condição . Chamados(s) foi(ram) consultado(s). Cenários Incluir chamado {Principal}. 1. Técnico solicita cadastro de chamado; 2. O sistema apresenta tela para registro de chamado; 3. O técnico seleciona NOVO e informa os dados de um novo chamado; 4. O técnico seleciona GRAVAR; 5. O sistema valida as informações; 6. O sistema grava as informações. 26 Alterar chamado {Alternativo}. No passo 3, o técnico pesquisa um chamado; 3.1. O sistema apresenta os dados; 3.2. O técnico edita os dados e seleciona GRAVAR; 3.3. O sistema solicita confirmação da operação; 3.4. O técnico confirma; 3.5. O sistema altera os dados do chamado. Excluir chamado {Alternativo}. No passo 3, o técnico seleciona um chamado; 3.1. O sistema apresenta os dados; 3.2. O técnico seleciona EXCLUIR; 3.3. O sistema solicita confirmação da operação; 3.4. O técnico confirma; 3.5. O sistema exclui o chamado. Chamado não localizado {Exceção} No passo 3.1, caso o chamado informado não exista, apresenta mensagem “Chamado não existente.” UC05 Atribuir categorias Permite ao técnico atribuir a categoria correta para cada chamado cadastrado. Cada chamado só pode ter uma categoria. É necessário estar previamente cadastrada. UC06 Pesquisar as soluções Permite ao técnico fazer a pesquisa a partir de um termo na base de dados de conhecimento. O sistema utilizará a técnica de text mining para pesquisar as informações; Constraints Pré-condição . O usuário solicitante deve estar cadastrado no sistema. Pós-condição . Uma(s) solução(s) foi(ram) ou não encontrada(s). Pós-condição . Solução(s) foi(ram) atualizadas(s). Cenários Pesquisa solução {Principal}. 1. Técnico solicita pesquisa de chamado/solução; 27 2. O sistema apresenta tela para pesquisa de chamado/solução; 3. O técnico escreve no campo de pesquisa o termo desejado; 4. O sistema, a partir da digitação, apresenta as soluções encontradas e seu grau de relevância; 5. O sistema abre a tela de cadastro da solução; 6. O técnico pode copiar o conteúdo ou atualizar se achar necessário, e então explicar para o cliente. Solução não localizada {Exceção} No passo 4, caso o aplicativo não encontre solução/chamado correspondente ao termo pesquisado, apresenta mensagem “Chamado não encontrado” e apresenta possibilidade de cadastrar um novo chamado com o título pesquisado ou a opção de fazer nova pesquisa. UC07 Apresentar grau de relevância Ao apresentar o resultado da pesquisa o sistema deve apresentar também o grau de relevância da resposta mediante o termo pesquisado pelo usuário.