Funções Matemáticas Aplicadas a Indicadores Analíticos

O recurso à matemática para traduzir relações entre variáveis do nosso dia-a-dia, permite-nos estudar determinados comportamentos, identificar e padronizar essas relações quanto à sua linearidade, para que seja possível por um lado, controlar a sua evolução ao longo do tempo e por outro, prever evoluções futuras.

Para a gestão, a importância na identificação da função matemática que traduz as relações entre variáveis de um determinado indicador revela-se fundamental, para a análise e eventual alteração de tendências comportamentais quando determinados factores (variáveis) se conjugam.

Para exemplificar o que atrás foi dito, recorremos a situações comuns ,onde a utilização de funções matemáticas nos permite deduzir de forma quantitativa, quais os valores para as relações entre variáveis de alguns indicadores analíticos.

1. Indicador da Lotação (nº de camas disponíveis) no Internamento Hospitalar – Relação Linear

Este indicador é traduzido por uma função linear y = f(x), onde a Lotação é igual ao Nº de Camas disponíveis para Internamento.

2. Indicador de Incêndio Padrão ISO 834 – Relação Logarítmica

Indicador definido no “Eurocode 1”*, que pode ser utilizado para a simulação de um incêndio, permitindo determinar e comparar a resistência ao fogo de estruturas de edifícios.

A temperatura ambiente é dada pela curva de incêndio padrão ISO 834 representada na figura abaixo, cuja expressão analítica pode ser representada por:

onde:

e - é a temperatura ambiente, ou seja a temperatura dos gases do compartimento de incêndio, no instante t.
e0 - a temperatura inicial do compartimento de incêndio, geralmente 20ºC.
t – o tempo decorrido desde o inicio do teste (minutos).

* EUROCODE 1, Basis of Design and Actions on Structures -
Part 2-2: Actions on Structures – Action on Structures Exposed
to Fire, ENV 1991-2-2:1995.

3. Estimador de Crescimento dos Animais – Relação Exponencial

As funções utilizadas para estimar o peso dos animais desde a sua fase embrionária até à fase adulta são não-lineares, com componentes exponenciais. Estas funções apresentam uma interpretação biológica do crescimento e são facilmente comparadas entre diferentes cenários de produção.
A tabela abaixo, mostra as funções que descrevem e prevêem o crescimento de animais mais utilizadas.

por:

Fernanda Romão, João Guerreiro e Paulo Batista

"Tarefas" do Gestor

Quais as tarefas tipo de um gestor?

Como se relacionam os tipos de tarefas do gestor com os níveis de decisão organizacional (Estratégico, Táctico, Operacional)?

Uma organização é um sistema vivo e mutável, onde a função da gestão será interpretar esse sistema de forma a mantê-lo coeso e em evolução constante, no sentido da concretização dos objectivos delineados.
A gestão é ambígua, aplica-se a tudo e a todos, pois certamente em todos nós podemos identificar um gestor. Em meados do século XX, a gestão deixou de estar apenas associada à organização administrativa e financeira das empresas, deu-se inicio à era da gestão especializada, ou seja, direccionada para uma determinada função organizacional ou uma actividade económica, passou-se a falar de gestão de pessoal, gestão comportamental, gestão estratégica, gestão desportiva, gestão de carreiras, gestão ambiental, a gestão hospitalar, gestão industrial, e mais um sem nº de possibilidades associadas.
O próprio ensino especializou-se, temos cursos, licenciaturas e mestrados em Gestão, como se se tratasse de universos completamente distintos, quando a base é a mesma em qualquer que seja a especialidade associada à gestão.
É evidente que ao especializar-se, a gestão passou a focalizar-se num determinado nível de funções ou competências, como por exemplo a gestão estratégica focaliza-se mais mas actividades associadas ao nível estratégico da empresa, ou então em termos de competências podemos exemplificar com a gestão de Recursos Humanos e a Gestão Industrial. Todavia existem directrizes da gestão que devem estar sempre presentes da mente de qualquer gestor, independentemente da sua posição dentro da organização, ou da sua especialização, a saber:

• O objectivo da gestão é transformar os objectivos em resultados
• O conhecimento do negócio é vital para o desempenho de qualquer actividade de gestão.
• O gestor deve ter perfeita consciência do seu papel dentro da organização, e quais as actividades que lhe estão adstritas.
• A gestão é exercer um poder dentro da organização, de modo a impulsionar todo o sistema na direcção e com um sentido definido para concretização da missão e dos objectivos.
• A gestão implica desempenhar dentro de uma organização actividades como organizar, direccionar, comunicar, controlar, liderar e prever, ou até operacionalizar.
• A gestão envolve a criação/ identificação de modelos organizacionais dentro do sistema corporativo, necessários ao funcionamento da organização. E para a definição dos modelos conta-se com a identificação de níveis, funções, hierarquias, processos e procedimentos.
  Nesta sequência, vamos agora definir a solução base da gestão, que posteriormente deverá ser adaptada aos diversos universos e contextos organizacionais. Em linha encontramos as 4 funções em que desagregamos as actividades de gestão e em coluna os três níveis de actuação.

A figura acima exemplifica em termos de actuação a intensidade que cada uma das funções da gestão impõe ao nível da sua actuação dentro da organização.
É visível que a função organização apresenta um papel de igual importância em toda a hierarquia de níveis de actuação, isto porque as tarefas desempenhadas em cada nível são de igual importância e intensidade. Assim sendo, a organização consiste em estabelecer relações formais entre as pessoas, e entre estas e os recursos, para atingir os objectivos propostos.
Quanto ao planeamento, podemos defini-lo como o processo de determinar antecipadamente o que deve ser feito e como fazê-lo. Deste modo, pode-se afirmar que as actividades associadas ao nível estratégico da organização têm uma relevância maior, pois será a este nível que são delineadas as directrizes de actuação dos níveis inferiores.
A actividade de controlo tem um comportamento oposto ao planeamento, já que é ao nível operacional que o controlo actua, recolhendo indicadores de âmbito operacional, úteis para avaliar o comportamento do negócio, e sempre que necessário exercer as devidas medidas reparadoras. Ao nível táctico e estratégico a actividade de controlo pode-se resumir à análise de relatórios, dashboard’s ou balance scorecard. Então o controlo trata de comparar o actual desempenho da organização com standards previamente estabelecidos, apontando eventuais acções correctivas.
Por último referimo-nos à actividade de direcção, entendida como o processo de determinar, isto é afectar, ou influenciar o comportamento dos outros. Deste modo, dadas as características intrínsecas da função direcção, e tendo por base a estrutura funcional em forma de pirâmide, a mais tradicional nas organizações, conduz a que estas actividades se intensifiquem à medida que descemos na pirâmide e aumente o numero de pessoas e áreas funcionais, ou seja o âmbito de actuação.

Artigo Completo: Tarefas do Gestor

por:

Fernanda Romão, João Guerreiro e Paulo Batista

"Modelo"

DIAGRAMA DE INFLUÊNCIAS

"ALTERAÇÕES CLIMÁTICAS"

Com o intuito de tentar modelar um diagrama de influências e utilizando uma abordagem que não tivesse sido proposta, lembrámo-nos de utilizar um dos casos que mais tem suscitado atenção da comunidade internacional, nomeadamente através da nomeação de Al Gore para prémio Nobel da Paz em 2007 pela defesa do planeta Terra face à crescente poluição e consequentes impactos no aquecimento global.
A definição de um modelo, através do seu diagrama de influências, estava previsto para a semana que passou, no entanto, face à investigação que levámos a cabo, quisemos tentar apresentar um modelo que trouxesse um novo tema que nos pusesse a pensar no impacto que as alterações climáticas terão no futuro das relações de negócio.
As alterações climáticas são, cada vez mais, um problema que tem de ser enfrentado pelas empresas e muito embora a percepção hoje seja ainda que as organizações devem ter apenas uma consciência social face a estas alterações, o que é facto é que a estratégia adoptada face a estas alterações pode representar uma oportunidade que não deve ser ignorada.
Num dos seus mais recentes artigos (Out, 2007) Michael Porter e Forest Reinhardt da Harvard Business School focam de forma brilhante este assunto. Em “A Strategic Approach to Climate” são definidas duas abordagens para as quais se deve olhar quando falamos do impacto das alterações climáticas nas organizações.
A primeira é a visão “inside-out” ou seja, tentar melhorar a cadeia de valor da empresa para responder aos novos desafios impostos por estas alterações, nomeadamente saber qual o impacto que o aumento progressivo das taxas aplicadas por libertação de gases poluentes pode ter. Esta visão pode, segundo Porter e Reinhardt, fazer com que empresas do mercado florestal decidam que remover o dióxido de carbono da atmosfera através da plantação de árvores pode ser mais rentável do que as cortar e produzir papel ou móveis.
Por outro lado, há a visão “outside-in” onde, através da modelação das influências causadas pelo aumento do efeito de estufa, é possível encontrar novos modelos de negócio, lacunas a preencher e que poderão representar no futuro oportunidades para as empresas.
O seguinte modelo, embora esteja longe de representar todas as influências presentes na problemática do aquecimento global e suas consequências é um bom ponto de partida para mostrar que o aquecimento global poderá influenciar uma nova idade do gelo, que embora cíclica na vida do nosso planeta, poderá ser antecipada em virtude dos anos de libertação de gases poluentes em que vivemos.
Apesar de nem todos concordarem que a influência humana no aumento dos gases poluentes poderá ser decisiva nas alterações climáticas, o que é facto é que as empresas não podem ignorar o facto de que a poluição produzida tem de ser de alguma forma controlada.
Como facto histórico, saibam que o planeta em que vivemos tem cerca de 4,5 mil milhões de anos e que há cerca de 2,2 mil milhões de anos houve um congelamento maciço do planeta Terra seguido de mil milhões de anos de calor. Depois houve outra idade do gelo ainda maior do que a primeira onde as temperaturas chegaram a descer 45 graus centígrados, tendo os gelos oceânicos atingido 800 metros de espessura nas latitudes mais altas e dezenas de metros mesmo nos trópicos. A terra era uma “Bola de Neve”.
No entanto, de facto, a maior parte da história da terra, até tempos muito recentes, foi pautada por um clima de muito calor e sem gelo permanente em nenhum ponto do globo até há cerca de 40 mil anos onde começou a última época glaciar, sendo que ainda hoje cerca de 14 por cento do nosso planeta se encontra gelado.
Muitos cientistas, governos e empresas concluíram que a estabilização da concentração de CO2 na atmosfera pode efectivamente atrasar os aspectos mais negativos das alterações climáticas. Nesse sentido, este diagrama de influências tenta modelar essas relações, no fundo uma visão “outside-in” como diz Porter e Reinhardt para uma consciência global desse impacto.

por:
Fernanda Romão, João Guerreiro e Paulo Batista

"Hierarquias"

Para a resolução deste TPC recorremos ao projecto "Health Care Hospital", que será desenvolvido na cadeira de Gestão de Projectos de DataWarehouse.
O Health Care Hospital enquadra-se no sistema nacional de saúde português e caracteriza-se por ser um hospital central, que serve uma vasta área metropolitana com cerca de 3 milhões de habitantes.
Com este projecto pretende-se criar um sistema de apoio à decisão, no âmbito da gestão da actividade clínica do Health Care Hospital, nomeadamente através da identificação de um conjunto de indicadores de performance nos vários serviços clínicos integrados neste Hospital, designadamente a Consulta externa, o Internamento, o Hospital de Dia, a Urgência, e Actividade Cirúrgica.

A implementação deste sistema, irá auxiliar os diversos níveis de gestão do hospital a maximizar a curto prazo a utilização dos recursos e a prever necessidades futuras.

Os objectivos a atingir encontram-se perfeitamente identificados, e foram esquematizados sumariamente na representação a seguir.

por:

Fernanda Romão, João Guerreiro e Paulo Batista

Sistemas de Suporte à Decisão (DSS)

No primeiro capítulo do seu livro Decision Support Systems in the 21st Century, George Marakas é peremptório ao afirmar que o estudo dos Sistemas de Suporte à Decisão (DSS), é na realidade acerca das pessoas, da forma como as pessoas pensam, raciocinam e tomam decisões, o seu comportamento aquando da tomada de decisão, e o estudo da sua reacção face às decisões que tomaram.

Para este autor, os DSS foram concebidos, construídos e utilizados para assistirem na actividade de apoio ao processo de tomada de decisão. Alerta-nos para o facto de os DSS não terem sido desenvolvidos para tomarem decisões por eles próprios, embora existam modelos criados para essa função. O verdadeiro propósito dos DSS é providenciar o auxílio ao Gestor no decorrer do processo de decisão. Por conseguinte, quando se estuda os DSS, estamos a estudar pessoas, decisões e como essas decisões são tomadas.
Toda esta questão, lembra-nos os processos tecnológicos industriais do inicio dos anos 80, quando derivado da evolução nos sistemas autómatos e tecnológicos, algumas multinacionais apostaram em fábricas cujos processos de fabrico estavam completamente automatizados, em que a intervenção humana limitava-se a um painel de controlo. A aposta revelou-se um completo falhanço, de custos enormíssimos, e visto da perspectiva actual, tratou-se de uma aposta um pouco naive, pois os sistemas não são perfeitos, muito menos os sistemas industriais onde coabitam tecnologias cujas fontes de impulsão são distintas (sistemas pneumáticos, eléctricos, hidráulicos) e também porque face às exigências do mercado e optimização dos meios produtivos, existe necessidade de constantemente modificar o processo de fabrico de modo a produzir a mais variada gama de produtos. Como é evidente seria arriscar e pedir demais às máquinas, que todo este ajustamento fosse realizado, sem a intervenção humana.
Também os DSS são sistemas de produção, são geradores de conhecimento, no sentido de informação trabalhada, que auxiliam o Gestor a fazer a melhor opção em tempo útil. E não podem substituir as pessoas no processo de decisão porque não têm a capacidade dos humanos de serem criativos, imaginativos, ou intuitivos.

Características mais comuns dos DSS:

• Têm subjacentes modelos e dados
• São aplicados em contextos de decisão semi-estruturados ou desestruturados
• Direccionados para apoiar os Gestores e não substitui-los
• Apoiam todas as fases do processo de decisão
• Estão focalizados para a eficácia da decisão e não para a eficiência
• Estão sob controlo dos utilizadores do DSS
• Facilitam a aprendizagem por parte dos decisores
• São interactivos e de fácil utilização
• Em regra são desenvolvidos através de um processo interactivo e com possibilidades de evolução
• Providenciam apoio a todos os níveis de gestão, desde gestores de topo a gestores operacionais
• Podem suportar a decisão múltipla independente ou interdependente
• Apoiam a decisão individual, de grupo, ou contextos de tomada de decisão em equipa
  

Passemos à história dos DSS

Primeiro que tudo temos que referir que os DSS estão em constante evolução, pelo que é impossível alienar da história dos DSS os seus respectivos modelos e suportes tecnológicos, pois muitos deles ainda se encontram em utilização.
Os DSS nasceram há cerca de 40 anos, em meados dos anos 60 do século passado, quando os investigadores iniciaram experiências de utilização de modelos sistemáticos quantitativos computorizados, no apoio ao processo de decisão e planeamento.
O conceito em si de DSS foi criado por volta dos anos 70, e resultou na publicação de 2 artigos, o primeiro dos quais escrito por J. D. Little, intitulava-se Models and Managers: The Concept of a Decision Calculus, que introduzia o modelo assente num conjunto de procedimentos com respostas pré definidas que apoiavam o gestor na tomada de decisão.
O segundo artigo A Framework for Management Information Systems foi escrito por Gorry and Scott Morton, e foi neste artigo que pela primeira vez foi utilizado o termo de Decision Support System. Estes autores conceberam um modelo sustentado numa matriz dimensional, que apresentava em coluna as actividades de gestão e em linha os tipos de decisão.
Ainda nos anos 70, o investigador John Little, encontrava-se a estudar os DSS aplicados ao Marketing, quando criou o modelo de sistema de decisão de planeamento para os Media. Foi também este autor que identificou os critérios de desenho de modelos e sistemas de suporte à tomada de decisão na gestão. Os 4 critérios identificados incluíam: a robustez, facilidade de controlo, simplicidade e complexidade nos detalhes relevantes, sendo que todos esses 4 critérios ainda se aplicam nos modelos actuais de DSS. O DSS desenhado por Little, chamado de Brandaid, tinha como funções apoiar no processo de decisão quanto à promoção dos produtos, sua publicitação e estabelecimento de um preço de venda.
No início dos anos 80, deu-se a explosão em empresas e Universidades das actividades associadas á construção e estudo dos DSS. O resultado foi a proliferação do conceito e das aplicações associadas, que emergiram para além do domínio tradicional de aplicação, a gestão.

A partir dos anos 80 até à actualidade tem-se apostado essencialmente no desenvolvimento de aplicações de DSS, nomeadamente os Knowledge-driven DSS, DSS impulsionados pelo conhecimento decorrente da aplicação de sistemas de Inteligência Artificial, os Document-driven DSS, desenvolvidos tendo como base tecnologias de armazenamento e processamento de documentos para posterior recuperação ou análise. Por último, queremos referir os Model-driven DSS que têm como base de funcionamento aplicações suportadas por modelos de dados. Os DSS impulsionados por dados têm como característica, a utilização de um nº limitado de parâmetros e quantidade de informação, e estão direccionados para dar respostas em áreas como as finanças ou comercial.

O Universo dos DSS não se resume apenas a um sistema com características claramente identificáveis e um propósito comum e singular. A simples definição de um DSS obriga a um considerável número de factores, que incluem o seu propósito, o seu enquadramento contextual, e os objectivos a alcançar com a sua aplicação.
Deparamo-nos com vários métodos de classificação dos DSS no que respeita aos seus componentes, todavia vamos referir a classificação dos componentes do DSS em 5 partes apresentada por Marakas, designadamente:

1.The data management system
Sistema de Gestão de Dados

É nesta componente do DSS que as várias actividades ligadas à recuperação, armazenamento e organização dos dados relevantes para um contexto de decisão particular são geridos.

2.The model management system
Sistema de Gestão do Modelo

Realiza as actividades de recuperação, armazenamento, organização ao nível dos modelos que suportam as capacidades analíticas do DSS. Entre estes componentes estão o modelo de base, o modelo base de gestão do sistema, e o modelo de repositório.

3.The knowledge engine
O motor de conhecimentos

Nesta componente são realizadas as actividades relacionadas com o reconhecimento do problema, e a geração de soluções interinas ou finais. O motor de conhecimento é o cérebro que reúne os modelos e os dados e devolve ao utilizador um cenário capaz de o auxiliar na tomada de decisão.

4. The user interface
O interface do Utilizador

É o veículo através do qual o utilizador tem acesso e poderá manipular todo o sistema.

5. The DSS user
O utilizador do DSS

Trata-se do elemento mais importante dos componentes de DSS, pois todo o sistema foi feito para estar sob controlo e utilização do utilizador.

As categorias e classes de DSS

Existe um variado conjunto de métodos de classificação e categorização dos DSS, métodos baseados no tipo de suporte do DSS; no grau de orientação ou de procedimentos conferidos ao utilizador; orientados para os dados, regras ou modelos; ou focados no individual versus multiplicidade de decisores.

Assim sendo, podem-se enumerar as seguintes categorias e classes de DSS:

• Data-centric and Model-centric DSSs ( Alter)
  Este modelo caracteriza-se por se apresentar em dois suportes, primeiro o data-centric, que se focaliza no suporte a actividades de recolha e análise de dados, e o model-centric que tem incluídas actividades de simulação, maximização e optimização de cenários, através das quais os outputs do DSS geram respostas ao utilizador.
• Formal and Ad Hoc Systems (Donovan and Madnick)
  O método de classificação dos DSS destes autores baseou-se nos atributos do contexto de resolução de problemas. O DSS Formal focaliza-se no tipo de decisões que são periódicas ou recorrentes dentro da organização. Este tipo de contexto de problemas requer uma interacção regular com a aplicação, de modo a assegurar uma informação consistente. Exemplos de utilização deste tipo de aplicações encontram-se na indústria petrolífera, ou em mercados sazonais.
  Os DSS ad-hoc são desenhados para responder a contextos de problemas muito restritos, a conjuntos de decisões não recorrentes ou de fácil antecipação. Um cenário típico de utilização deste tipo de DSS seria uma fusão hostil entre empresas. Segundo os autores, torna-se bastante dispendioso a aplicação de um DSS ad-hoc, porém com o desenvolvimento das novas tecnologias, estes sistemas estão a tornar-se menos dispendiosos, com a vantagem de serem bastante eficazes.
• Direct versus Nondirect DSS ( Silver)
  O método de classificação dos DSS proposto por este autor baseia-se no grau de orientação que o sistema disponibiliza ao utilizador na construção e execução de processos de decisão. O tipo de orientação pode estar ao nível mecânico (mechanical), quando a ajuda aos utilizadores depende de menus, botões ou comandos. Ou então decisional, quando o sistema auxilia o utilizador através de sugestões, ou informação adicional.
• Procedural and Nonprocedural systems
  Neste método de classificação dos DSS (similar ao de Silver), os mesmos são posicionados em termos de grau de utilização do elemento de procedimento (especificação de orientações) no DSS. Exemplos de DSS’s com um baixo grau de procedimentos, serão sistemas que utilizam a linguagem SQL. As estruturas de comando nonprocedural, são mais de mais fácil compreensão e utilização, todavia esses sistemas ainda necessitam de um conjunto de regras e sintaxes para a sua utilização.
• Hypertext Systems
  A classificação utilizada neste método assenta nas técnicas que os DSS dispõem para providenciar a administração do conhecimento necessário para a contextualização do problema. Nestes sistemas o apoio à tomada de decisão estabelece-se através de uma monitorização de uma díspar e enorme base de conhecimento proveniente de documentos de base textual. Um exemplo de utilização destes sistemas pode ser encontrado na Web, aquando de uma pesquisa, onde o utilizador vai passando por hiperligações de hiper-texto.
• Spreedsheet Systems
  Uma outra técnica que os DSS utilizam para disseminar informação é recorrendo a folhas de cálculo, puras ferramentas de BI, simples mas poderosas, o método de representação relacional através da utilização da matriz de colunas e linhas.
• Individual and Group DSS
  Segundo Marakas, este é o método mais abrangente de classificar os DSS, focalizando-se na capacidade em providenciar o apoio a um utilizador individual, ou a um grupo de utilizadores.
  
  

Fontes:
· Power, D.J. A Brief History of Decision Support Systems. DSSResources.COM, World Wide Web, http://DSSResources.COM/history/dsshistory.html, version 4.0, March 10, 2007.
· Marakas, George M., Decision Support Systems in the 21st Century

Artigo Completo: DSS

por:
Fernanda Romão, João Guerreiro e Paulo Batista

Quem inventou as matrizes multidimensionais?

Neste documento pretende-se tentar encontrar as raízes da modelação dimensional e das matrizes multidimensionais que são a base das bases de dados analíticas de hoje defendidas por Inmon e por Kimball.

Desde sempre que vivemos conscientes das três dimensões que nos rodeiam e aprendemos a viver com elas. A nossa experiencia forma o contexto em que analisamos e interpretamos o que observamos e quanto mais universais são as nossas percepções mais difícil é colocá-las em causa. Ninguém duvida que vivemos à custa de um mundo tridimensional, que pode ser representado pelas dimensões “esquerda-direita”, “frente-trás” e “cima-baixo”. Através da combinação destas três dimensões e de uma que aprendemos a considerar bastante mais tarde através do trabalho de Albert Einstein, o tempo, conseguimos definir-nos em relação ao que nos rodeia de forma clara e todos os dias o fazemos. Cada vez que combinamos um encontro, por exemplo, estamos a indicar as nossas 4 posições para nos definirmos em relação aos outros: “A minha casa fica na rua X, no número Y e no 3º andar” define as minhas 3 dimensões espaciais, mas para que o encontro seja eficaz temos de definir ainda a 4ª dimensão tempo: “Encontramo-nos às 10h20m”. Desta forma conseguimos definir através de dados onde estaremos naquele ponto da dimensão temporal.

Mas será que estas são as únicas dimensões que existem, ou estaremos simplesmente a sofrer de um paradigma universal que nos impede de ver para além do óbvio?

Em 1958, Arthur Cayley, um matemático britânico publicou, através de um trabalho intitulado “Memoir on the Theory of Matrices”, a primeira visão abstracta de matriz, compilando alguns trabalhos anteriores e desenvolvendo o conceito das matrizes de n-dimensões, utilizadas mais tarde por Heisenberg para o estudo do espaço-tempo contínuo, a noção de que o espaço e o tempo são inseparáveis.

Em 1919, um outro matemático Polaco pouco conhecido, chamado Theodor Kalusa, da Universidade de Conisberga, teve a coragem de desafiar o óbvio, sugerindo que o universo poderia ter, não três, nem quatro mas mais dimensões. De facto, a mera sugestão de que universo possa ter mais do que três dimensões pode parecer sem sentido, no entanto, se nos abstrairmos temporariamente do paradigma universal podemos tentar posicionar-nos num caso mais simples para explicar o crescimento lógico subjacente às multi-dimensões.

Se imaginarmos que alguns quilómetros de uma mangueira se encontram estendidos e suspensos num vale e que a vemos, a cerca de meio quilómetro de distância, conseguimos perceber facilmente que a mangueira é muito longa, fina como um fio e que está estendida horizontalmente, mas a não ser que tenhamos uma vista muito apurada, não conseguiremos discernir a espessura da mangueira. Poderemos imaginar que, se uma formiga fosse obrigada a viver na mangueira, teria de passar a vida a viver da esquerda para a direita” e para especificarmos a sua posição, teríamos apenas de fornecer um dado, o valor que indica a variável dessa dimensão. O ponto fundamental é que, a meio quilómetro a mangueira nos parece um objecto unidimensional. No entanto, a experiência indica-nos que uma mangueira tem espessura e se utilizarmos um binóculo para olhar mais de perto conseguimos começar a encontrar mais dimensões naquele objecto que julgávamos unidimensional.

Em 1919 Kalusa, e mais tarde em 1926 o sueco Oskar Klein sugeriram que o universo poderia ter dimensões escondidas, que escondiam dados que não estávamos preparados para analisar, a não ser que fizéssemos uma mudança de paradigma que nos permitisse observá-las.

A análise matricial multi-dimensional de dados, permite-nos ver além das 3 dimensões que estamos habituados a modelar facilmente, através dos cruzamentos das nossas operações neuronais, separando as camadas de informação que juntas, são o nosso universo de conhecimento.

Mais tarde, já em 1961, John K. Iliffe sugeriu uma forma de implementar matrizes multidimensionais em computação através do vector Iliffe (http://en.wikipedia.org/wiki/Iliffe_vector), uma estrutura de dados que se serve de apontadores para modelar várias dimensões de uma matriz.

Relativamente à aplicação da modelação dimensional na análise de dados, apesar de ser consensual que Bill Inmon é o pai do conceito de Data Warehouse, já a adopção da modelação dimensional como o standard de facto para a implementação de sistemas de apoio à decisão deve-se em grande parte e também a Ralph Kimball. Através da aplicação do modelo dimensional à análise de negócio, é possível ter uma visão abrangente, holística de todas as dimensões de uma organização, fazendo tal com sugerido por Kalusa e Klein, uma mudança do paradigma, neste caso, do simples processo de negócio para um nível mais abstracto, no qual é possível cruzar dados que, de outra forma, nos pareceriam impossíveis de relacionar.

por:

Fernanda Romão, João Guerreiro e Paulo Batista

TPC - (28/09/2007)

Objectivo do trabalho:

Determinar o nível de aptidão dos candidatos ao Mestrado de SIAD



Variáveis de Decisão:

Foram encontrados 5 indicadores, considerados os mais pertinentes para aferir a aptidão dos candidatos.
Para cada indicador, foi definida uma métrica e um peso relativo.
As métricas servirão para atribuir um valor relativo a cada elemento do indicador em análise.
O peso relativo permitirá definir a importância que cada indicador terá no conjunto analisado.

Cálculos:

Para calcular o valor final do Nível de aptidão do candidato foram utilizadas 5 dimensões de análise.

Para a dimensão de "Formação do Candidato" foi utilizada uma fórmula métrica que é um somatório ponderado dos valores atribuídos a cada disciplina, agrupada por área de formação.

Não tendo sido considerada relevante, a hierarquização das restantes dimensões de análise, apenas foi atribuído um valor a cada um destes indicadores, recorrendo a uma métrica comum a todos.

Com estes procedimentos de cálculo chegámos a um valor, ou seja, a uma medida para cada indicador.

Ao chegar a este ponto da análise, seria necessário estabelecer processo de comparação para os indicadores, de forma a chegar a um único valor final.

Foi então determinado um peso relativo a cada indicador e efectuado uma média ponderada.

No quadro seguinte poderemos ver o resultado:

O valor mínimo para o perfíl de entrada desejado, terá de ter em conta os objectivos do Mestrado, nomeadamente o nº de vagas, o nº de candidatos, se se pretendem preencher todas as vagas não dando tanta importância à "qualidade" dos candidatos.

Estas questões poderiam ser resolvidas recorrendo à utilização de outros indicadores.


Paulo Batista

TPC - Q7

Construir uma tabela com os processos de decisão mais conhecidos

Paulo Batista

TPC - Q6

Hierarquizar os conceitos: (Guião; Método; Metodologia; Heuristica; Algoritmo)

1º Lugar: Guião
Porquê?
Porque de todos os conceitos em causa, este parece-me mais abrangente. Um guião é algo que nos guia, que nos define linhas gerais, orientadoras. Permite-nos ter uma ideia do que vamos alcançar.

2º - Método
Porquê?
No método definem-se as regras de acção, define-se o modo de agir, os modelos a seguir. Daí estarmos para além de um guião, já se estabeleceram sequências de passos para começar a por em prática o guião.

3º - Metodologia
Porquê?
Porque a metodologia já tem necessariamente implícitos um conjunto de métodos para implementação da ideia inicial que está no guião. Porque quando tenho uma metodologia, não tenho apenas um método, preciso de vários métodos já testados, que funcionem, várias regras pré-estabelecidas para cumprir as várias etapas do meu guião.

4º - Heurística
Porquê?
Para chegar à “sequência lógica de passos que apresenta uma solução aproximada do problema”, necessitei de uma metodologia que se baseou num conjunto de métodos orientados por um guião.

5º - Algoritmo
Porquê?
Porque para ter um algoritmo, ou seja, para chegar à sequência lógica e finita de passos que me permitem verificar uma determinada condição, precisei dos conceitos anteriores. Sem a hierarquia destes conceitos, ou seja, sem passar por esta sequência de passos não alcançaria o algoritmo.

Paulo Batista