SlideShare ist ein Scribd-Unternehmen logo
1 von 36
Downloaden Sie, um offline zu lesen
Maurício Linhares
Poucas diferenças entre os diferentes
cassinos;

Como avaliar se os incentivos são o
suficiente?

Quem são os clientes que oferecem as
Q      ã     li t         f
melhores oportunidades?
Melhores clientes eram os que estavam de
passagem e jogavam em caça-níqueis;

Incentivos como “quartos para o pernoite”
não eram interessantes;

Salões f
S lõ foram re-configurados com b
                  fi   d       base no
uso dos clientes;
A quantidade aumenta exponencialmente;

São espalhados por diversas partes da
organização e também por outras
organizações;

Muito do
M it d que vem d f
               de fora d
                       deve ser
considerado;

Devem ser confiáveis (e secretos!);
Coleta (interna externa pessoal);
       (interna, externa,

Armazenamento;
             ;

Pré-processamento para carga no data-
warehouse;

Análise
A áli por parte d usuários;
             t dos   á i

Geração de artefatos de apoio a decisão e
conhecimento;
Fontes de dados internas;

Dados pessoais;

Fontes d d d externas;
F      de dados

Internet e serviços de bancos de dados
comerciais;
Corbis;

DevianArt;

Consultorias d comércio e advocacia;
C    l i de       é i      d     i
[...é o controle automatizado de documentos
  eletrônicos,
  eletrônicos imagens de página, planilhas
                           página
  eletrônicas, documentos de processamento
  de textos e outros documentos complexos
  por meio de todo o ciclo de vida dentro de
  uma organização]
Os sistemas
disso que você
acabou de ver,
     oras!
Centro de cirurgia de Baltimore;




Universidade de Cincinnati;
[...um repositório de dados históricos
  orientado a assunto que são organizados
              assunto,
  para serem acessíveis em uma forma
  prontamente aceitável para o processamento
  analítico]
Organização;

Consistência;
            ;

Variante de tempo;

Não voláteis;

Multidimensional;

Baseados na web;
Dados para análise centralizados;

Dados em um formato de fácil acesso e
rápida busca e agrupamento;

Contém dados históricos que servem para
estatísticas d f t
  t tí ti    do futuro e planejamentos
                          l   j    t
estratégicos;
Investimento alto para montar a infra
estrutura necessária;

É necessário ter um ótimo relacionamento
entre TI e negócios;

É necessário t o apoio d di
        á i ter     i de diversas di t i
                                  diretorias
de diversos departamentos;
Crie um Data
Mart para o seu
departamento!
[...é
[ é o conjunto de técnicas para coletar
                                 coletar,
  armazenar, analisar e oferecer acesso a dados
  e ajudar os usuários da empresa a fazerem
  melhores negócios e tomarem melhores
  decisões estratégicas]
Entre num data warehouse ou no seu banco
de dados;

Comece a fazer análises;

Tire relatórios;

Faça projeções;

Agende alertas;
Como tudo começou?

Identificar padrões;

Ferramentas
F
◦ Consultas e relatórios ocasionais;
◦ O li A l ti l P
  Online Analytical Processing;
                           i
[...é
[ é o processo de procurar informações
  empesariais valiosas em um grande banco de
  dados,
  dados data warehouse ou data mart]
Previsão automatizada de tendências e de
comportamentos;

Descoberta automática d padrões
D     b t    t   áti de d õ
previamente desconhecidos;
Descobrir “filas”;
           filas ;

Descobrir escolas de baixa qualidade;

Descobrir professores aproveitadores;
D    b i     f              i d

Descobrir bons alunos;
Varejo e vendas;

Bancos;

Manufatura e produção;

Seguros;

Trabalho policial;

Assistência médica;

Marketing;
Sistemas geográficos;

Modelos interativos visuais ou simulação;

Realidade virtual;
[...um
[ um processo que ajuda a identificar
                              identificar,
  selecionar, organizar, disseminar, transferir e
  aplicar informações e experiências
  importantes que fazem parte da memória da
  organização e que normalmente residem
  dentro da organização de uma maneira
  desestruturada]
[...é informação contextual, relevante e
  acionável]




                Não disse nada...
Conhecimento contém experiências, juízos de
valores e reflexões de quem o tem;

O conhecimento pode ser utilizado
      h i    t     d      tili d
diretamente para solucionar um problema;
Explícito
◦ Objetivo;
◦ Racional;
◦ Técnico;


Tácito
◦ Subjetivo;
◦ Experiência;
◦ Pessoal;
Criar;

Capturar;
  p     ;

Representar;

Armazenar;

Gerenciar;

Disseminar;
Comunicação;

Colaboração;

Armazenamento e recuperação;

Inteligência artificial;

Agentes inteligentes;
Gestão de conhecimento e análise de dados

Weitere ähnliche Inhalte

Ähnlich wie Gestão de conhecimento e análise de dados

Big Data: Desafios e Oportunidades
Big Data: Desafios e OportunidadesBig Data: Desafios e Oportunidades
Big Data: Desafios e OportunidadesGabriel Prado
 
Simplificando o mundo Empresarial dos Dados
Simplificando o mundo Empresarial dos DadosSimplificando o mundo Empresarial dos Dados
Simplificando o mundo Empresarial dos DadosAlberto Costa, MSc, CBIP
 
O papel estratégico da informação e dos sistemas
O papel estratégico da informação e dos sistemasO papel estratégico da informação e dos sistemas
O papel estratégico da informação e dos sistemasSérgio Reis
 
Tecnologia para o processo de tomada de decisão
Tecnologia para o processo de tomada de decisãoTecnologia para o processo de tomada de decisão
Tecnologia para o processo de tomada de decisãoalessandrotk
 
Sistemas de Informações Gerenciais - SIG
Sistemas de Informações Gerenciais - SIGSistemas de Informações Gerenciais - SIG
Sistemas de Informações Gerenciais - SIGMúsicaParaense.Org
 
Uma Introdução a Threat Intelligence e Threat Hunting para Empresas Sem Orçam...
Uma Introdução a Threat Intelligence e Threat Hunting para Empresas Sem Orçam...Uma Introdução a Threat Intelligence e Threat Hunting para Empresas Sem Orçam...
Uma Introdução a Threat Intelligence e Threat Hunting para Empresas Sem Orçam...Alexandre Sieira
 
Palestra garimpando com pentaho data mining latinoware
Palestra garimpando com pentaho data mining latinowarePalestra garimpando com pentaho data mining latinoware
Palestra garimpando com pentaho data mining latinowareMarcos Vinicius Fidelis
 
Gestão do Conhecimento
Gestão do ConhecimentoGestão do Conhecimento
Gestão do ConhecimentoHudson Augusto
 
Data Science - A arte de estudar e analisar dados
Data Science - A arte de estudar e analisar dadosData Science - A arte de estudar e analisar dados
Data Science - A arte de estudar e analisar dadosDayane Cristine Leite
 
Digital Summit Brasil 2016 - Tech Trends + Cyber Security
Digital Summit Brasil 2016 - Tech Trends + Cyber SecurityDigital Summit Brasil 2016 - Tech Trends + Cyber Security
Digital Summit Brasil 2016 - Tech Trends + Cyber SecurityGustavo de Boer
 
1a Análise de Dados_Nayam Hanashiro_Apresentação.pptx
1a Análise de Dados_Nayam Hanashiro_Apresentação.pptx1a Análise de Dados_Nayam Hanashiro_Apresentação.pptx
1a Análise de Dados_Nayam Hanashiro_Apresentação.pptxssuser87aa77
 
Transforme Dados em Vantagem Competitiva
Transforme Dados em Vantagem CompetitivaTransforme Dados em Vantagem Competitiva
Transforme Dados em Vantagem CompetitivaLeonardo Couto
 
Ti a serviço da inteligência estratégica
Ti a serviço da inteligência estratégicaTi a serviço da inteligência estratégica
Ti a serviço da inteligência estratégicaAndré Barreto
 
Como utilizar Bid Data na minha empres
Como utilizar Bid Data na minha empresComo utilizar Bid Data na minha empres
Como utilizar Bid Data na minha empresJosé Bringel Filho
 
Técnicas de sistemas de informação aplicadas ti
Técnicas de sistemas de informação aplicadas   tiTécnicas de sistemas de informação aplicadas   ti
Técnicas de sistemas de informação aplicadas tiAdrianoHenriqueVieir
 
Sistema de informações gerenciais - SIG
Sistema de informações gerenciais - SIGSistema de informações gerenciais - SIG
Sistema de informações gerenciais - SIGDavid Marcus Mápelli
 

Ähnlich wie Gestão de conhecimento e análise de dados (20)

Business Intelligence & Business Analytics
Business Intelligence & Business AnalyticsBusiness Intelligence & Business Analytics
Business Intelligence & Business Analytics
 
Big Data: Desafios e Oportunidades
Big Data: Desafios e OportunidadesBig Data: Desafios e Oportunidades
Big Data: Desafios e Oportunidades
 
Simplificando o mundo Empresarial dos Dados
Simplificando o mundo Empresarial dos DadosSimplificando o mundo Empresarial dos Dados
Simplificando o mundo Empresarial dos Dados
 
O papel estratégico da informação e dos sistemas
O papel estratégico da informação e dos sistemasO papel estratégico da informação e dos sistemas
O papel estratégico da informação e dos sistemas
 
Tecnologia para o processo de tomada de decisão
Tecnologia para o processo de tomada de decisãoTecnologia para o processo de tomada de decisão
Tecnologia para o processo de tomada de decisão
 
Sistemas de Informações Gerenciais - SIG
Sistemas de Informações Gerenciais - SIGSistemas de Informações Gerenciais - SIG
Sistemas de Informações Gerenciais - SIG
 
Apresentação IA
Apresentação IAApresentação IA
Apresentação IA
 
Uma Introdução a Threat Intelligence e Threat Hunting para Empresas Sem Orçam...
Uma Introdução a Threat Intelligence e Threat Hunting para Empresas Sem Orçam...Uma Introdução a Threat Intelligence e Threat Hunting para Empresas Sem Orçam...
Uma Introdução a Threat Intelligence e Threat Hunting para Empresas Sem Orçam...
 
Palestra garimpando com pentaho data mining latinoware
Palestra garimpando com pentaho data mining latinowarePalestra garimpando com pentaho data mining latinoware
Palestra garimpando com pentaho data mining latinoware
 
Gestão do Conhecimento
Gestão do ConhecimentoGestão do Conhecimento
Gestão do Conhecimento
 
Data Science - A arte de estudar e analisar dados
Data Science - A arte de estudar e analisar dadosData Science - A arte de estudar e analisar dados
Data Science - A arte de estudar e analisar dados
 
Digital Summit Brasil 2016 - Tech Trends + Cyber Security
Digital Summit Brasil 2016 - Tech Trends + Cyber SecurityDigital Summit Brasil 2016 - Tech Trends + Cyber Security
Digital Summit Brasil 2016 - Tech Trends + Cyber Security
 
1a Análise de Dados_Nayam Hanashiro_Apresentação.pptx
1a Análise de Dados_Nayam Hanashiro_Apresentação.pptx1a Análise de Dados_Nayam Hanashiro_Apresentação.pptx
1a Análise de Dados_Nayam Hanashiro_Apresentação.pptx
 
Transforme Dados em Vantagem Competitiva
Transforme Dados em Vantagem CompetitivaTransforme Dados em Vantagem Competitiva
Transforme Dados em Vantagem Competitiva
 
Ti a serviço da inteligência estratégica
Ti a serviço da inteligência estratégicaTi a serviço da inteligência estratégica
Ti a serviço da inteligência estratégica
 
Como utilizar Bid Data na minha empres
Como utilizar Bid Data na minha empresComo utilizar Bid Data na minha empres
Como utilizar Bid Data na minha empres
 
Técnicas de sistemas de informação aplicadas ti
Técnicas de sistemas de informação aplicadas   tiTécnicas de sistemas de informação aplicadas   ti
Técnicas de sistemas de informação aplicadas ti
 
Asi aula1
Asi aula1Asi aula1
Asi aula1
 
Sistema de informações gerenciais - SIG
Sistema de informações gerenciais - SIGSistema de informações gerenciais - SIG
Sistema de informações gerenciais - SIG
 
UFCD 0781 - Análise de Sistemas de Informação.pptx
UFCD 0781 - Análise de Sistemas de Informação.pptxUFCD 0781 - Análise de Sistemas de Informação.pptx
UFCD 0781 - Análise de Sistemas de Informação.pptx
 

Mehr von Maurício Linhares

Unindo Ruby e Java através de uma arquitetura orientada a serviços na OfficeDrop
Unindo Ruby e Java através de uma arquitetura orientada a serviços na OfficeDropUnindo Ruby e Java através de uma arquitetura orientada a serviços na OfficeDrop
Unindo Ruby e Java através de uma arquitetura orientada a serviços na OfficeDropMaurício Linhares
 
Mixing Ruby and Java in a Service Oriented Architecture at OfficeDrop
Mixing Ruby and Java in a Service Oriented Architecture at OfficeDropMixing Ruby and Java in a Service Oriented Architecture at OfficeDrop
Mixing Ruby and Java in a Service Oriented Architecture at OfficeDropMaurício Linhares
 
Curso java 08 - mais sobre coleções
Curso java   08 - mais sobre coleçõesCurso java   08 - mais sobre coleções
Curso java 08 - mais sobre coleçõesMaurício Linhares
 
Curso java 06 - mais construtores, interfaces e polimorfismo
Curso java   06 - mais construtores, interfaces e polimorfismoCurso java   06 - mais construtores, interfaces e polimorfismo
Curso java 06 - mais construtores, interfaces e polimorfismoMaurício Linhares
 
Curso java 05 - herança, classes e métodos abstratos
Curso java   05 - herança, classes e métodos abstratosCurso java   05 - herança, classes e métodos abstratos
Curso java 05 - herança, classes e métodos abstratosMaurício Linhares
 
Curso java 04 - ap is e bibliotecas
Curso java   04 - ap is e bibliotecasCurso java   04 - ap is e bibliotecas
Curso java 04 - ap is e bibliotecasMaurício Linhares
 
Curso java 01 - molhando os pés com java
Curso java   01 - molhando os pés com javaCurso java   01 - molhando os pés com java
Curso java 01 - molhando os pés com javaMaurício Linhares
 
Curso java 03 - métodos e parâmetros
Curso java   03 - métodos e parâmetrosCurso java   03 - métodos e parâmetros
Curso java 03 - métodos e parâmetrosMaurício Linhares
 
Outsourcing e trabalho remoto para a nuvem
Outsourcing e trabalho remoto para a nuvemOutsourcing e trabalho remoto para a nuvem
Outsourcing e trabalho remoto para a nuvemMaurício Linhares
 
Aulas de Java Avançado 2- Faculdade iDez 2010
Aulas de Java Avançado 2- Faculdade iDez 2010Aulas de Java Avançado 2- Faculdade iDez 2010
Aulas de Java Avançado 2- Faculdade iDez 2010Maurício Linhares
 

Mehr von Maurício Linhares (20)

Mercado de TI
Mercado de TIMercado de TI
Mercado de TI
 
Unindo Ruby e Java através de uma arquitetura orientada a serviços na OfficeDrop
Unindo Ruby e Java através de uma arquitetura orientada a serviços na OfficeDropUnindo Ruby e Java através de uma arquitetura orientada a serviços na OfficeDrop
Unindo Ruby e Java através de uma arquitetura orientada a serviços na OfficeDrop
 
Mixing Ruby and Java in a Service Oriented Architecture at OfficeDrop
Mixing Ruby and Java in a Service Oriented Architecture at OfficeDropMixing Ruby and Java in a Service Oriented Architecture at OfficeDrop
Mixing Ruby and Java in a Service Oriented Architecture at OfficeDrop
 
Aprendendo ruby
Aprendendo rubyAprendendo ruby
Aprendendo ruby
 
Curso java 07 - exceções
Curso java   07 - exceçõesCurso java   07 - exceções
Curso java 07 - exceções
 
Curso java 08 - mais sobre coleções
Curso java   08 - mais sobre coleçõesCurso java   08 - mais sobre coleções
Curso java 08 - mais sobre coleções
 
Curso java 06 - mais construtores, interfaces e polimorfismo
Curso java   06 - mais construtores, interfaces e polimorfismoCurso java   06 - mais construtores, interfaces e polimorfismo
Curso java 06 - mais construtores, interfaces e polimorfismo
 
Curso java 05 - herança, classes e métodos abstratos
Curso java   05 - herança, classes e métodos abstratosCurso java   05 - herança, classes e métodos abstratos
Curso java 05 - herança, classes e métodos abstratos
 
Curso java 04 - ap is e bibliotecas
Curso java   04 - ap is e bibliotecasCurso java   04 - ap is e bibliotecas
Curso java 04 - ap is e bibliotecas
 
Curso java 01 - molhando os pés com java
Curso java   01 - molhando os pés com javaCurso java   01 - molhando os pés com java
Curso java 01 - molhando os pés com java
 
Curso java 02 - variáveis
Curso java   02 - variáveisCurso java   02 - variáveis
Curso java 02 - variáveis
 
Curso java 03 - métodos e parâmetros
Curso java   03 - métodos e parâmetrosCurso java   03 - métodos e parâmetros
Curso java 03 - métodos e parâmetros
 
Extreme programming
Extreme programmingExtreme programming
Extreme programming
 
Feature Driven Development
Feature Driven DevelopmentFeature Driven Development
Feature Driven Development
 
Migrando pra Scala
Migrando pra ScalaMigrando pra Scala
Migrando pra Scala
 
Outsourcing e trabalho remoto para a nuvem
Outsourcing e trabalho remoto para a nuvemOutsourcing e trabalho remoto para a nuvem
Outsourcing e trabalho remoto para a nuvem
 
Mercado hoje
Mercado hojeMercado hoje
Mercado hoje
 
Análise de sistemas oo 1
Análise de sistemas oo   1Análise de sistemas oo   1
Análise de sistemas oo 1
 
Revisão html e java script
Revisão html e java scriptRevisão html e java script
Revisão html e java script
 
Aulas de Java Avançado 2- Faculdade iDez 2010
Aulas de Java Avançado 2- Faculdade iDez 2010Aulas de Java Avançado 2- Faculdade iDez 2010
Aulas de Java Avançado 2- Faculdade iDez 2010
 

Gestão de conhecimento e análise de dados

  • 2. Poucas diferenças entre os diferentes cassinos; Como avaliar se os incentivos são o suficiente? Quem são os clientes que oferecem as Q ã li t f melhores oportunidades?
  • 3. Melhores clientes eram os que estavam de passagem e jogavam em caça-níqueis; Incentivos como “quartos para o pernoite” não eram interessantes; Salões f S lõ foram re-configurados com b fi d base no uso dos clientes;
  • 4.
  • 5. A quantidade aumenta exponencialmente; São espalhados por diversas partes da organização e também por outras organizações; Muito do M it d que vem d f de fora d deve ser considerado; Devem ser confiáveis (e secretos!);
  • 6. Coleta (interna externa pessoal); (interna, externa, Armazenamento; ; Pré-processamento para carga no data- warehouse; Análise A áli por parte d usuários; t dos á i Geração de artefatos de apoio a decisão e conhecimento;
  • 7. Fontes de dados internas; Dados pessoais; Fontes d d d externas; F de dados Internet e serviços de bancos de dados comerciais;
  • 8.
  • 9.
  • 10.
  • 11. Corbis; DevianArt; Consultorias d comércio e advocacia; C l i de é i d i
  • 12. [...é o controle automatizado de documentos eletrônicos, eletrônicos imagens de página, planilhas página eletrônicas, documentos de processamento de textos e outros documentos complexos por meio de todo o ciclo de vida dentro de uma organização]
  • 13. Os sistemas disso que você acabou de ver, oras!
  • 14. Centro de cirurgia de Baltimore; Universidade de Cincinnati;
  • 15. [...um repositório de dados históricos orientado a assunto que são organizados assunto, para serem acessíveis em uma forma prontamente aceitável para o processamento analítico]
  • 16. Organização; Consistência; ; Variante de tempo; Não voláteis; Multidimensional; Baseados na web;
  • 17. Dados para análise centralizados; Dados em um formato de fácil acesso e rápida busca e agrupamento; Contém dados históricos que servem para estatísticas d f t t tí ti do futuro e planejamentos l j t estratégicos;
  • 18. Investimento alto para montar a infra estrutura necessária; É necessário ter um ótimo relacionamento entre TI e negócios; É necessário t o apoio d di á i ter i de diversas di t i diretorias de diversos departamentos;
  • 19. Crie um Data Mart para o seu departamento!
  • 20. [...é [ é o conjunto de técnicas para coletar coletar, armazenar, analisar e oferecer acesso a dados e ajudar os usuários da empresa a fazerem melhores negócios e tomarem melhores decisões estratégicas]
  • 21. Entre num data warehouse ou no seu banco de dados; Comece a fazer análises; Tire relatórios; Faça projeções; Agende alertas;
  • 22. Como tudo começou? Identificar padrões; Ferramentas F ◦ Consultas e relatórios ocasionais; ◦ O li A l ti l P Online Analytical Processing; i
  • 23. [...é [ é o processo de procurar informações empesariais valiosas em um grande banco de dados, dados data warehouse ou data mart]
  • 24. Previsão automatizada de tendências e de comportamentos; Descoberta automática d padrões D b t t áti de d õ previamente desconhecidos;
  • 25. Descobrir “filas”; filas ; Descobrir escolas de baixa qualidade; Descobrir professores aproveitadores; D b i f i d Descobrir bons alunos;
  • 26. Varejo e vendas; Bancos; Manufatura e produção; Seguros; Trabalho policial; Assistência médica; Marketing;
  • 27.
  • 28. Sistemas geográficos; Modelos interativos visuais ou simulação; Realidade virtual;
  • 29.
  • 30. [...um [ um processo que ajuda a identificar identificar, selecionar, organizar, disseminar, transferir e aplicar informações e experiências importantes que fazem parte da memória da organização e que normalmente residem dentro da organização de uma maneira desestruturada]
  • 31. [...é informação contextual, relevante e acionável] Não disse nada...
  • 32. Conhecimento contém experiências, juízos de valores e reflexões de quem o tem; O conhecimento pode ser utilizado h i t d tili d diretamente para solucionar um problema;
  • 33. Explícito ◦ Objetivo; ◦ Racional; ◦ Técnico; Tácito ◦ Subjetivo; ◦ Experiência; ◦ Pessoal;
  • 34. Criar; Capturar; p ; Representar; Armazenar; Gerenciar; Disseminar;