Business Intelligence 2ª Ed by Grupo Lidel

BUSINESS INTELLIGENCE

modos alternativos de intervir para melhorar a realidade de trabalho. Assim, partese do pressuposto que, em qualquer situação, a realidade de trabalho possui quatro dimensões: estrutural, social, política e simbólica. Para ser possível compreender essa realidade na sua complexidade global, torna-se útil fazer realçar cada uma das dimensões e, de seguida, integrar o conhecimento obtido dessa forma. Esta integração de conhecimento permite definir intervenções alternativas. O Quadro 3.1 apresenta os diferentes aspectos de cada uma das dimensões do trabalho. Perspectiva estrutural

Perspectiva social

Perspectiva política

Perspectiva simbólica

Metas, objectivos e estratégias organizacionais

Metas e objectivos partilhados pelos grupos

Interesses pessoais relativos às tarefas desempenhadas, progressão na carreira e vida privada

Símbolos usados para lidar com a ambiguidade e incerteza

Tarefas e processos formais Regras, regulamentos e procedimentos que orientam a realização das tarefas Canais formais de comunicação e troca de informação Coordenação e controlo de actividades Papéis formais Infraestrutura tecnológica de apoio ao trabalho Factores objectivos e mensuráveis, internos e ambientais, que determinam a estrutura organizacional Distribuição de autoridade

Expectativas de desempenho Conhecimento individual e impacte nos conceitos, práticas e relacionamentos de trabalho

Processos de negociação: conceitos e práticas estabelecidas

Factores de motivação

Formação de coligações

Papéis e comunicação informais

Formas de poder

Recompensas e punições pelo desempenho Participação na tomada de decisão: encorajamento ou impedimento Ajuste entre as necessidades humanas e os condicionamentos organizacionais: impacte na estrutura organizacional

Conflitos de interesse

Jogos de poder: impacte na estrutura organizacional

Linguagem comum Mensagens que a organização envia para as entidades externas com interesse nas suas actividades Rituais e cerimónias Mitos, histórias e metáforas Formas legitimadas de expressar emoções Processos de construção e negociação de significados Valores e convicções partilhadas: impacte na estrutura organizacional

Quadro 3.1 - Aspectos relevantes do trabalho. Adaptado dos trabalhos de Bolman e Deal (1991) e Morgan (1997)

Os aspectos realçados correspondem a padrões organizacionais que a teoria organizacional tem vindo a estudar e apresentar como relevantes para a compreensão dos fenómenos organizacionais. O quadro foi desenvolvido a partir das ideias expressas nos trabalhos de Bolman e Deal (1991) e Morgan (1997), e complementada com os trabalhos de Palmer e Hardy (2000), Buchanan e Badham (1999), Ahrne (1994), Kramer e Neale (1998), Jones (1996), Turniansky e Hare 26

CONHECIMENTO ORGANIZACIONAL

A aprendizagem organizacional tem vindo a ser estudada em diversas áreas científicas, as quais contribuem de forma específica para o conhecimento deste fenómeno organizacional. Esta aprendizagem tem sido estudada na Psicologia, Gestão, Sociologia e Teoria Organizacional. A Tabela 3.2 apresenta um resumo dos principais aspectos estudados nessas áreas do conhecimento. Abordagem

Aspectos estudados A aprendizagem individual e colectiva, nomeadamente a forma como a aprendizagem colectiva assenta na aprendizagem individual e na partilha de experiências Os processos cognitivos que estão associados à aprendizagem, nomeadamente o papel desempenhado pela memória, pela atenção, p e l o c o n h e c i m e n t o a n t e r i o r, p e l o c o n t e x t o d e a p r e n d i z a g e m e p e l a acção

Psicologia

Os vários estilos de aprendizagem, a sua eficácia relativa e os problemas que podem causar à aprendizagem do todo colectivo que é a organização O conceito de conhecimento organizacional As implicações da adopção da perspectiva sistémica ao estudo da aprendizagem organizacional O papel da estrutura organizacional na aprendizagem

Gestão

O papel da política e do conflito organizacional na aprendizagem A medição da aprendizagem organizacional As formas de desaprender Os processos de construção social subjacentes à aprendizagem organizacional Os factores contingenciais conducentes a diferentes tipos de aprendizagem

Sociologia

O contributo da cultura organizacional para a aprendizagem Os valores e convicções em que assenta a noção de aprendizagem organizacional: perspectiva crítica As vantagens competitivas da aprendizagem organizacional Os factores de sucesso associados à aprendizagem organizacional

Te o r i a O r g a n i z a c i o n a l

Os modelos de aprendizagem organizacional e métodos de implementação de iniciativas conducentes a uma melhor aprendizagem organizacional

O contributo da aprendizagem organizacional para a adaptabilidade das organizações ao seu ambiente A troca de conhecimento e transferência de tecnologia entre as organizações

Tabela 3.2 - As várias abordagens à aprendizagem organizacional

Em resultado dos vários contributos das áreas referidas na Tabela 3.2, têm vindo a ser apontadas algumas características essenciais das organizações que apresentam facilidade de aprendizagem. As organizações que ligam a aprendizagem à formulação da sua estratégia têm maior capacidade de aprender 37

GESTÃO DE CONHECIMENTO ORGANIZACIONAL

Os resultados obtidos a partir dos sistemas de Business Intelligence são vistos como conhecimento objectivo extraído dos Data Warehouses que, uma vez colocado ao dispor dos decisores, permitirá tomar as melhores decisões.

4.3

OS SISTEMAS INFORMÁTICOS NA GESTÃO DE CONHECIMENTO

Os sistemas de apoio à gestão de conhecimento são aplicações das TI desenvolvidas com o objectivo explícito de apoiar as actividades de gestão de conhecimento (i. e., criação, retenção e recuperação, partilha e transferência, e aplicação do conhecimento). Desta forma, estes sistemas têm vindo a ser considerados ferramentas facilitadoras da inovação e criatividade, inteligência e aprendizagem nas organizações do período pós-industrial (Hahn e Subramani, 2000; Alavi e Leidner, 2001; Marwick, 2001). Os sistemas de apoio à gestão de conhecimento têm vindo a ser desenvolvidos para apoiar a criação de novo conhecimento, a melhoria de processos, a identificação e interpretação de padrões em grandes volumes de informação, a localização e desenvolvimento de competências na organização ou a partilha de experiência. O Quadro 4.1 não pretende enumerar exaustivamente os sistemas que têm vindo a ser especificamente ligados ao apoio da gestão de conhecimento mas apenas realçar aqueles mais frequentemente referidos.

Actividades de gestão de conhecimento Criação de novo conhecimento

Retenção e Recuperação

Sistemas periciais

Agentes inteligentes

Redes semânticas

Motores de pesquisa

Sistemas de informação geográfica

Sistemas de gestão de bases de dados

Data Mining

Gestão documental

Mapas de conhecimento

Sistemas de apoio à inovação

Bibliotecas on-line

Aplicação de conhecimento Sistemas de gestão de fluxo de trabalho Ferramentas de modelação de processos Sistemas helpdesk

Partilha e Transferência Ferramentas colaborativas Correio electrónico Chat rooms Vídeo-conferência Bulletin boards Te c n o l o g i a s d e simulação

Formação on-line e assistida por computador

Quadro 4.1 - Sistemas de apoio às actividades de gestão de conhecimento

BUSINESS INTELLIGENCE

4.6

A MEDIÇÃO DO CAPITAL INTELECTUAL: MODELOS

Vários têm sido os modelos desenvolvidos para medir o capital intelectual de uma organização. Não faz parte do objectivo deste livro explorar este tema, pelo que se fará apenas referência a alguns dos modelos mais conhecidos. Os modelos de medição do capital intelectual orientam a definição de estratégias para gerir o capital intelectual de uma organização, as quais incluem a identificação dos indicadores mais apropriados e a utilização das ferramentas analíticas para alimentar esses indicadores. Os três modelos referidos nesta secção são: modelo de monitorização dos activos intangíveis (Sveiby, 1997), diagrama de valor de Skandia (Edvinsson e Malone, 1997) e Balanced Scorecard (Kaplan e Norton, 1996).

4.6.1

MODELO DE MONITORIZAÇÃO DOS ACTIVOS INTANGÍVEIS

Este modelo foi desenvolvido para medir activos intangíveis e inclui um conjunto de indicadores para fazer esta medição. O modelo foi desenvolvido a partir da noção de que as pessoas são centrais ao sucesso do negócio e que todos os activos da organização resultam da acção e interacção dos seus membros (Figura 4.1).

Figura 4.1 - Modelo de monitorização dos activos intangíveis

O modelo foca as competências individuais, a estrutura interna e a estrutura externa. As competências individuais incluem valores, atitudes, experiência e formação dos colaboradores da organização. Estes colaboradores, ao executarem as suas tarefas, aplicam essas competências técnicas e humanas ao serviço da organização. A estrutura interna é definida pelas representações de conhecimento integradas nos modelos e procedimentos de trabalho, patentes, sistemas de informação e bases de dados, sistemas de investigação e desenvolvimento, cultura e processos de negócio. Estes activos são criados pelos membros da organização 68

BUSINESS INTELLIGENCE

Pivot (rotate) − A rotação permite rodar os eixos de visualização dos dados, disponibilizando uma representação alternativa dos mesmos.

De seguida são apresentados exemplos que têm como objectivo evidenciar o resultado da execução de cada uma das operações apresentadas anteriormente, nomeadamente o slice (Figura 5.16), o drill-down (Figura 5.16), o pivot (Figura 5.16), o dice (Figura 5.17) e o roll-up (Figura 5.17).

Figura 5.16 - Exemplos de operações de manipulação de cubos (1)

DATA MINING

directamente o resultado (informação gerada) nelas explícito (Han e Kamber, 2001). Uma árvore de decisão integra nós, ramos e folhas. Nos nós, encontram-se os atributos a classificar, enquanto os ramos descrevem os valores possíveis para esses atributos. As folhas da árvore indicam as diversas classes em que cada registo pode ser classificado. A Figura 7.4 apresenta um exemplo de uma árvore de decisão que permite verificar a atribuição, ou não, de um determinado crédito, atendendo às características (atributos utilizados pelo modelo) dos clientes.

Figura 7.4 - Árvore de decisão: exemplo

As árvores de decisão podem ainda ser representadas por conjuntos de regras. Cada folha da árvore dá origem a uma regra, sendo o seu conteúdo apresentado na parte consequente da regra. A parte antecedente da regra integra uma conjunção de valores, associados aos atributos que existem no ramo que liga esta folha à raiz da árvore. Na árvore de decisão apresentada na Figura 7.4, uma das regras associadas à concessão de crédito aos clientes é: Se Bem Financiado = “Electrodoméstico” e Estado Civil = “Casado” e Rendimento Bruto = “5001-10000” Então “Conceder”

A Figura 7.5 apresenta um pequeno exemplo que retrata o processo de indução de regras, isto é, sobre o modo de operação desta técnica. Como já referido anteriormente, na descrição da tarefa de classificação, na primeira etapa, 133

BUSINESS INTELLIGENCE

Figura 8.4 - Montante total atribuído por estado civil e bem financiado

Figura 8.5 - Montante total atribuído por estado civil, número de filhos e bem financiado

Para os clientes do estado civil Casado, e atendendo ao bem financiado, verifica-se que:

É aos clientes com 1 filho que é atribuída a maior fasquia de financiamento no bem Carro e no bem Electrodomésticos; É aos clientes sem filhos que é atribuída a maior parte do financiamento no bem Mota; É aos clientes com 2 filhos que é atribuída a maior parte do financiamento para o bem Móveis.

152

BUSINESS INTELLIGENCE

8.3.2.1

CLASSE DE PRODUTO E CLASSE DE CUSTO DO PRODUTO

Esta primeira análise visa evidenciar a variação percentual média da quantidade de produtos vendida, no que diz respeito ao aumento de vendas após a realização das promoções. É utilizada como indicador de negócio (facto) a VariaçãoPercentualQuantidade e nas dimensões são consideradas a ClasseProduto e a ClasseCustoProduto. A Figura 8.18 apresenta o cubo que permite a análise da informação referida no parágrafo anterior. Este cubo foi elaborado recorrendo às Pivot Tables do Microsoft® Excel, como já referido anteriormente. Além do cubo, a figura permite verificar que a ferramenta disponibiliza uma janela com os atributos disponíveis para análise, e ainda uma barra de ferramentas com as operações drill-down e roll-up, entre outras.

Figura 8.18 - Variação média da quantidade vendida atendendo à classe de produto e ao custo do produto

Pela análise do cubo apresentado na Figura 8.18, é possível constatar que a classe que apresenta uma maior variação na quantidade de produtos vendida, em caso de promoção, é a classe das Bebidas (10,49%). A classe com menor variação está associada aos Alimentos (3,08%). Tal pode ser explicado pelo facto de os Alimentos constituírem um grupo de bens essenciais à nossa sobrevivência e que são sempre consumidos, independentemente de estarem em promoção, ou não. No 166

BUSINESS INTELLIGENCE

Para o cenário acima descrito, a Figura 8.24 apresenta o esquema em estrela adoptado para o Data Mart do exemplo na área do Marketing. A opção por um esquema em estrela deriva do facto de apenas termos identificado para análise um único processo de negócio. Assim, o esquema em estrela integra a tabela de factos associada a este processo (CampanhaMarketing) e as dimensões sob as quais o mesmo será analisado: Cliente, Carro, Região, ContaOrdem, ContaPrazo, CréditoHabitação, ClasseIdade e ClasseVencimento.

Figura 8.24 - Esquema em estrela para o Data Mart (exemplo Marketing)

8.4.2

ANÁLISE DO DATA MART COM A FERRAMENTA OLAP

Como já referido anteriormente, os dados associados a este exemplo da área do Marketing são analisados recorrendo às funcionalidades das Pivot Tables do Microsoft® Excel. Para o Data Mart apresentado na Figura 8.24, as próximas subsecções sistematizam a análise do indicador de negócio considerado no mesmo, CompraCampanhaAnterior, o qual permitirá identificar o perfil dos clientes atendendo às diversas dimensões consideradas no modelo.

174

BUSINESS INTELLIGENCE

A Figura 9.10 apresenta a stream construída na fase de pré-processamento dos dados para transformar atributos com valores contínuos em atributos com valores discretos, para explorar os dados e identificar associações entre os diversos atributos e para concretizar a construção dos conjuntos de dados de Treino e de Teste.

Figura 9.10 - Pré-processamento dos dados (exemplo Banca)

Na stream apresentada na Figura 9.10, o nó DadosT permite o acesso aos dados seleccionados e tratados nas fases anteriores. Os nós ClasseRendimento, ClasseCredito, ClassePrestacao e ClasseIdade permitem a transformação dos atributos RendimentoBruto, ValorCredito, ValorPrestacao e Idade, em atributos com valores discretos, atendendo às classes definidas anteriormente e apresentadas na Tabela 9.1. O nó filter permite a eliminação dos atributos RendimentoBruto, ValorCredito, ValorPrestacao e Idade, uma vez que estes passam a ser representados pelas respectivas classes. Posteriormente, quatro nós Web permitem a análise dos dados (os mesmos serão apresentados de seguida) e dois nós Sample (1-in-2 e (1-in-2)) facilitam a divisão aleatória do conjunto de dados disponível para análise, no conjunto de dados de Treino e no conjunto de dados de Teste. A transformação dos atributos com valores contínuos em atributos com valores discretos foi efectuada recorrendo à linguagem CLEM, conforme ilustra a Figura 9.11 para a criação do atributo ClasseRendimento.

192

A CONSTRUÇÃO SOCIAL DO CONHECIMENTO: ANÁLISE DE DADOS ORGANIZACIONAIS

Para que os resultados do processo de DCBD possam servir a organização no seu todo, torna-se necessário que aquele processo seja realizado no contexto de reforço de relacionamentos de trabalho, realização de actividades operacionais ou de gestão, utilização de artefactos digitais (i. e., padrões de comportamento e modelos de decisão produzidos pelo Clementine), persecução de metas e objectivos de negócio, realização de tarefas de rotina e/ou definição e cumprimento de normas e práticas sancionadas. Não é suficiente que apenas o decisor fique a conhecer melhor o negócio através dos resultados obtidos no processo de DCBD. A organização só aprende quando esse conhecimento pessoal for transmitido a outros membros da organização e se traduzir na instituição de novos entendimentos e práticas. O processo de DCBD ficará enriquecido pela participação de agentes organizacionais com experiências de trabalho e competências diferentes. Esta variedade de perspectivas sobre o negócio, desafios e oportunidades permitirá uma melhor decisão sobre a informação a analisar e os algoritmos de Data Mining a utilizar. O facto de existirem múltiplas perspectivas pode ainda enriquecer a interpretação dos resultados do processo de DCBD, bem como conduzir a aplicações criativas desses resultados. Tal como noutras situações, a diversidade de perspectivas e opiniões só poderá contribuir para uma maior eficácia do processo de DCBD, e utilizações criativas dos seus resultados, se o grupo de intervenientes tiver uma postura suficientemente aberta e tolerante para questionar as suas próprias convicções e preconceitos.

10.3

ORIENTAÇÕES PRÁTICAS PARA FACILITAR A PARTILHA DO CONHECIMENTO CRIADO

Uma das pré-condições essenciais para permitir que as pessoas se envolvam naturalmente na produção contínua de conhecimento é a existência de coesão organizacional ao nível de metas e objectivos, práticas de trabalho para os atingir, respostas a desafios e a mudanças internas e externas e coordenação de esforços. Para que as pessoas se sintam motivadas a partilhar o conhecimento, é ainda necessário que sintam que o seu próprio bem-estar depende do sucesso do grupo (Shaw, 1996). A coesão organizacional, o sentimento de pertença e a noção de interdependência motivam os agentes organizacionais a abordar problemas e oportunidades comuns e a participarem activamente nos processos de decisão e 245