3. BESKRIVELSE AV STUDIET
3.1 HM204H Helse, miljø og sikkerhet (30 studiepoeng)
No âmbito que trata da Gestão do Relacionamento com o Cliente, a TI exerce papel fundamental no sentido de que sem ela a Gestão do Relacionamento com o Cliente seria impossível para as grandes empresas.
É através da Tecnologia que se é possível armazenar, trabalhar e analisar dados com velocidade suficiente para atendimento das necessidades do mercado. Descobrir uma informação mercadologicamente importante depois do tempo em que ela deveria ser utilizada, somente fará a empresa perceber que ela poderia ter antecipado a informação e a utilizado de forma a se precaver ou se preparar para a nova situação.
Nesse contexto, surgem tecnologias que têm o intuito de auxiliar no tratamento de informações de maneira rápida e eficiente.
Para atender aos requisitos de armazenamento de informações, principalmente, surgiu a tecnologia de Data Warehouse, para que se pudesse trabalhar as informações, fornecendo posições dinâmicas à empresa, com diversos níveis diferentes de agregação.
É importante destacar que antes do Data Warehouse, outras tecnologias com o mesmo propósito foram utilizadas.
Como conseqüente evolução do Data Warehouse, surgiram os Data Minings. Essa nova tecnologia, que na verdade se traduz muito mais claramente em um conceito de pesquisa estatística com grandes quantidades de dados manipulados por computador, permitiu que se fizessem previsões sobre o futuro, analisando profundamente os dados históricos e também que se descobrissem novas relações entre os dados de uma empresa.
Para Thearling (2000), o Data Mining foi fruto de uma evolução contínua, que se iniciou na necessidade de armazenar dados. A tabela 4, mostra com mais clareza como se deu essa evolução e quais as principais características de cada tecnologia.
Tabela 4 - Passos da Evolução do Data Mining Passo na Evolução Questão de Negócio Tecnologia viabilizadora Características
Data Collection Qual o meu rendimento
total nos últimos 5 anos?
Computadores Fitas Discos Entrega de dados retrospectivos e estáticos
Data Access Qual o total de vendas
nas lojas do estado de São Paulo em março passado?
Bases de dados relacionais SQL ODBC Entrega de dados retrospectivos dinâmicos no nível de registros
Data Warehousing & Decision Support System
Qual o total de vendas nas lojas do estado de São Paulo em março passado? Especifique a cidade de São Paulo.
On-line analytic processing (OLAP) Bases de dados multidimensionais Data Warehouses Entrega de dados retrospectivos dinâmicos em múltiplos níveis
Data Mining O que acontecerá com as vendas das unidades da cidade de São Paulo no próximo mês? Por quê?
Algoritmos avançados Computadores multiprocessadores Bancos de Dados massivos
Entrega de informações
prospectivas e proativas
Fonte: adaptado de Thearling, Kurt, As Introduction to Data Mining: Discovering hidden value in
your Data Warehouse. Disponível na Internet pelo endereço http://www.thearling.com , acessado em 15/10/2002
Sistemas de Informação
Segundo Laudon & Laudon (2001), sistemas de informação podem ser definidos como um conjunto de componentes inter-relacionados que coleta (ou recupera), processa, armazena e distribui informação com a finalidade de dar suporte à tomada de decisão e controle de uma organização.
Os sistemas de informação ganharam grande destaque nos últimos tempos dentro das corporações. De simples acessórios do trabalho das empresas, passaram a ser atores quase que principais do cenário desenvolvido pela grande concorrência.
Nesta concorrência, os sistemas de informação ganharam papel importante pelo fato de permitirem às empresas obter ganhos de competitividade pelo acesso rápido a informações antes não possuídas e que faziam a diferença nos momentos de tomada de decisões.
Os sistemas de informação se colocaram em tamanho destaque, que Lail (2001, 27) realça sua importância diante dos processos de negócio dizendo que no passado, os
sistemas de informação eram apenas um dos fatores a serem analisados no momento de uma mudança de processo e atualmente, não é concebível considerar uma alteração de processos desvinculada dos sistemas que o suportam.
Dentre os diversos tipos de sistemas que se desenvolveram com o intuito de suportar as atividades das empresas, desenvolveram-se sistemas que tinham como finalidade específica a de fornecer informações para a tomada de decisões e para subsidiar respostas a perguntas que não podiam ser respondidas pelos sistemas do dia-a-dia.
Nessa última classe de sistemas estão incluídos os sistemas de Data Warehouses e de Data Minings, que são sistemas responsáveis pelo suporte à tomada de decisões.
É importante ressaltar que não são somente os sistemas que extraem informações sobre os clientes que são importantes para o CRM. Conforme foi visto, a qualidade de dados é questão primordial para que esse processo se estabeleça com eficácia e eficiência. Desta maneira, para garantir a qualidade dos dados, é preciso um cuidado especial com os Sistemas de Informação que geram os dados sobre os clientes.
Esses sistemas, que normalmente estão vinculados ao dia a dia das organizações, não recebem muita atenção quando da implantação de soluções de CRM. Porém, eles são extremamente importantes a partir do momento que eles geram todos os dados para serem trabalhados pelos sistemas que suportam o CRM analítico.
A partir desta definição os sistemas conhecidos como transacionais passam a fazer parte da solução de Gestão do Relacionamento com o Cliente, e adquirem importância nas implantações de soluções deste tipo.
Data Warehousing e Data Mining
As empresas, atualmente, conforme foi destacado na contextualização deste trabalho, vêm sofrendo com a necessidade de reagir rápida e decisivamente à demanda de seu mercado. Esse fenômeno acontece em todas as instâncias da indústria, do setor de serviços e do varejo.
O caminho encontrado para agilizar o processo de geração de informações consistentes para fornecer respostas às necessidades criadas pela urgência mercadológica foi o da criação dos Data Warehouses, que inegavelmente foram os precursores dos Data Minings.
A necessidade de conhecer melhor o cliente já existia e por esse motivo, foram desenvolvidos sistemas para atuarem nos pontos de venda (PDV) de forma que pudessem capturar informação de qualidade na sua origem e no momento em que ela ocorre.
Takaoka (1999, 87)24 destaca a importância dos sistemas de ponto de venda (PDVs) no varejo:
"A Tecnologia da informação, de forma geral, e particularmente os sistemas de ponto de venda (PDV), vêm desempenhando um papel importante no varejo nos últimos anos, por terem permitido às empresas varejistas a melhoria no atendimento e a captação de dados sobre a movimentação dos produtos na loja."
Essa mesma realidade é enfrentada pelos bancos, que com a mesma sistemática, disponibilizam sistemas de transação com o cliente final capazes de colher dados importantes sobre o comportamento desses clientes.
Takaoka (1999,87)25 destaca ainda que os dados disponibilizados pelos pontos de venda não vêm sendo trabalhados eficazmente pelas empresas e nesse contexto surgem então os Data Warehouses, como soluções capazes de prover as informações necessárias aos gestores para relacionar-se melhor com seus clientes.
24
Nota do Autor: in Angelo, Claudio F. & Giangrande, Vera. Marketing de Relacionamento no Varejo. São Paulo: Atlas, 1999.
Inmon apud Takaoka (1999, 87) 25 destaca que Data Warehouse é uma coleção de dados, organizados por assunto, integrados, não voláteis, históricos, cujo objetivo é fornecer apoio à tomada de decisão nas organizações.
Em geral, operacionalmente, os Data Warehouses estão categorizados e são executados a partir de um ambiente diferente daquele em que ocorrem as operações do dia-a-dia dos sistemas. Enquanto que os ambientes em que se armazenam os sistemas responsáveis pelas operações do dia-a-dia são chamados ambientes transacionais, os ambientes em que se armazenam os Data Warehouses são chamados ambientes informacionais.
Storey (2001, 10) destaca que um Data Warehouse é uma cópia dos dados transacionais (presentes nos ambientes transacionais) estruturados para permitir consultas e confecção de relatórios.
Kimball (2002) destaca que um ambiente de sistemas deveria considerar a separação dos sistemas transacionais (responsáveis pelo dia-a-dia) da empresa dos sistemas informacionais, como Data Warehouse, etc. Para ele, deixar todos os sistemas no mesmo ambiente, poderá causar confusão, e principalmente problemas de desempenho dos mesmos, pois os Data Warehouses são sistemas que trabalham com grandes quantidades de dados e com processamento, em geral, pesado visando sumarizações demonstrativas. Já os sistemas transacionais trabalham, em geral, com poucos dados e sem dados sumariados. Essa natureza diferenciada requer um tratamento também diferenciado para ambos os casos.
Kimball (2000) propõe então que o ambiente de sistemas esteja separado em 4 categorias distintas, sendo elas:
1) Produção de Sistemas transacionais;
2) Área de organização dos Data Warehouses;
3) Sistemas de Apresentação de Dados do Data Warehouse;
4) Área opcional para ferramentas analíticas como Data Mining, etc.
Berson, Smith & Thearling (1999, 16) fornecem uma explicação para a pergunta colocada, dizendo que o Data Mining descreve uma coleção de técnicas que auxiliam a encontrar relações úteis, até então não conhecidas, em coleções de dados, cujo objetivo maior é a criação de modelos de tomada de decisão que possam predizer o comportamento futuro dos clientes, baseando-se nas atividades do passado. Uma das chaves do sucesso desse processo é, portanto, a capacidade de utilizar-se de informações completas, integradas e precisas, que é um dos objetivos do Data
Warehouse.
O Data Mining é, portanto, um conceito que traduz uma aplicação, ou uso da tecnologia, que se tornou possível a partir da tecnologia de Data Warehouse.
Segundo Lawson (2002, 49) Data Mining é a habilidade de reconhecer, entender, e utilizar os dados disponibilizados pra acesso a partir de uma base de dados centralizada.
Para Hand (1998, 112) Data Mining é uma disciplina ligada à estatística, que está preocupada em análises secundárias em grandes bases de dados para encontrar relações insuspeitas que sejam de interesse ou que tenham algum valor para o proprietário da base de dados.
Para Berson, Smith & Thearling (1999, 6) o Data Mining automatiza a detecção de padrões de informações em um banco de dados.
Ainda segundo Berson Smith & Thearling (1999, 90), torna-se mais fácil entender o que é um Data Mining depois de entender o que ele realmente não é. Portanto, os autores esclarecem que um Data Mining não é simplesmente um conjunto de ferramentas estatísticas, tampouco é tecnologia OLAP, que permite aos usuários finais navegar mais facilmente com seus dados e também não é Data Warehouse, pois o Data Mining permite um maior poder de pesquisa buscando padrões de relacionamento entre as informações.
Segundo Thearling (2000) Data Mining é a extração de informações preditivas que estavam escondidas em grandes bancos de dados. É uma nova tecnologia poderosa com grande potencial para auxiliar empresas a concentrar-se nas informações mais importantes de seus Data Warehouses.
Para Thearling (2000) as ferramentas de Data Mining são capazes de prever tendências e comportamentos futuros, baseando-se em dados do passado.
Essa capacidade de pesquisar dados se torna maior, quanto maior for a capacidade de compor informações de forma a construir conhecimento, seja sobre o presente, sobre o passado ou sobre o futuro.
Thearling (2000) destaca ainda que o ponto chave dos Data Minings é a construção de modelos que trabalham a informação e são capazes de gerar previsões. Para o autor, modelagem é o ato de construir modelos para uma situação conhecida, sobre a qual se conhece também a resposta para depois aplicá-lo em outras situações semelhantes e sobre as quais não se sabe a resposta. A primeira aplicação tem a finalidade de validar a capacidade preditiva do modelo e pode ser executada várias vezes para atribuir-lhe maior confiabilidade. A aplicação em outras situações é feita para aproveitar a capacidade preditiva do modelo elaborado, fornecendo dados de previsões, importantes para o negócio das empresas.
Lawson (2002, 52) observa que a causa dos maiores problema para as pessoas que trabalham com informações e dados, é o entendimento incompleto, ou o não entendimento do significado dos dados.
Essa constatação se faz necessária para justificar a necessidade de esclarecer minuciosamente o significado dos dados em sistemas de Data Warehouses ou Data
Minings. Ocorre que com freqüência o uso indevido de uma informação, pode
acarretar prejuízos incalculáveis à empresa. E para Lawson, esses erros ocorrem principalmente pelo uso indevido de uma informação decorrente do não entendimento de seu conteúdo. Esse tipo de situação pode ser evitada através do Metadados25 .
25
Nota do Autor: Metadados é uma nomenclatura utilizada para referir-se às informações sobre os dados de um banco de dados, como por exemplo, o nome da informação, a data de sua última atualização, o conteúdo, o significado das codificações, caso existam, etc.