Sistemas Baseados em Regras

Herbert Simon, acerca dos sistemas baseados em regras: "Em vez do método de pesquisa força-bruta, temos um método combinado de pesquisa e raciocínio."

Os sistemas baseados em regras também são conhecidos por sistemas periciais e, frequentemente, por sistemas baseados em conhecimento. É um sistema de apoio à decisão que procura representar o modo de raciocínio e o conhecimento utilizado por especialistas na resolução de problemas no seu âmbito de especialidade. Ou seja, existe um paralelismo entre estes sistemas e a forma como os especialistas humanos atingem um alto nível de desempenho, na medida em que estes conhecem muito bem as suas áreas de especialização.

Um dos primeiros sistemas baseados em regras conhecidos foi o MyCin, que foi desenvolvido na década de 70 na Universidade de Stanford e tinha como objectivo fazer o diagnóstico de doenças infecciosas através de dados sanguíneos e recomendar os antibióticos apropriados.

Nos anos seguintes desenvolveram-se sistemas idênticos aplicados a outros domínios de problemas, nomeadamente na área da auditoria contabilística e recomendação fiscal. De forma mais abrangente, todas as situações, quer envolvam planeamento, diagnóstico, interpretação de dados, optimização ou comportamento social, podem ser expressos mediante um conjunto de regras bem definidas.

Um sistema baseado em regras é um modelo que utiliza regras explícitas para expressar o conhecimento do domínio de um problema e permite, através da confrontação do conhecimento existente com factos conhecidos sobre um determinado problema, inferir regras relativas a esses factos.

As componentes básicas do sistema baseado em regras são:

i) Base de conhecimento ou base de regras
Constitui uma espécie de base de dados que, em vez de dados, contém as regras do sistema. As regras assumem a forma de: Se x então y, em que x é a descrição de determinada situação e y é a acção desencadeada como consequência.

Designa-se por condição o lado esquerdo da regra, (antes do “se”), e por acção o lado direito da regras (depois do “se”).

A ideia por detrás da utilização de regras para representar conhecimento é a de que, utilizando um número suficiente destas regras, consegue-se fazer uma cobertura completa do domínio de raciocínio que um perito utiliza para resolver problemas desse domínio. Cada regra descreve uma região do espaço do problema. Usando uma abordagem do tipo divide-and-conquer (divide e conquistarás), consegue-se representar todo o espaço do problema por um conjunto bem definido de regras, reduzindo a complexidade desse espaço.

ii) Memória
Serve para guardar temporariamente factos iniciais e conclusões intermédias ou hipóteses.

iii) Interface com o utilizador
É o front-end do sistema, onde se introduz os factos do problema e se recebem os resultados ou conclusões retiradas pelo sistema.

iv) Interpretador de regras ou mecanismo de inferência
É o algoritmo que vai procurar fazer o “matching” (correspondência) dos factos iniciais do problema colocado (guardados na memória) com as regras existentes na base de conhecimento a fim de “disparar” a regra que melhor se aplica a esse facto. Quando há um match entre um facto do problema e uma regra, é feita a instanciação da regra e, se não existir conflito com outras regras derivadas de outros factos, esta é seleccionada e guardada novamente na memória ou, caso não existam outros factos para analisar, enviada para a interface com o utilizador.

A figura seguinte exemplifica o funcionamento de sistema.

Quando os factos são confrontados com as regras sendo feita uma correspondência e seleccionando uma regra que se aplica a essa situação, estamos perante um ciclo de reconhecimento – acção.

Este tipo de sistemas tem grande aplicação nos casos em que se consegue representar pequenas peças de conhecimento do domínio de um problema mas não se conhece um critério global de solução óptima.

Se colocarmos um especialista a resolver um problema ele irá seguir um determinado caminho para chegar a uma solução; outro especialista poderá seguir caminho diverso e, ainda assim, chegar à mesma solução. A resolução do problema depende do caminho adoptado, ou seja, das peças de conhecimento que são analisadas por cada perito, sendo extremamente difícil definir o que é a solução global óptima.

Uma das grandes vantagens deste tipo de sistema é a possibilidade de substituir a base de conhecimento, mantendo as restantes componentes, para se ter um novo sistema pericial de um diferente domínio do problema. A explicabilidade da solução é também uma das grandes vantagens a salientar, pois a aplicação de modelos num contexto de negócio pretende-se o mais transparente possível para que a decisão tomada seja claramente entendida por todos os intervenientes. Por outro lado, se estivermos perante um problema que se estruture em demasiadas regras, a sua abordagem via este tipo de sistemas pode ser de difícil implementação.

Sistemas periciais vs Árvores de Decisão

Os sistemas periciais implicam uma estruturação prévia do conhecimento (com base em regras, como vimos) que permite deduzir novos dados. As técnicas de Data Mining podem ser encaradas como o inverso: permitem “vasculhar” a memória que reside nos dados e descobrir padrões e regras significativas. Numa perspectiva de extracção de conhecimento bottom-up, não existem pressupostos e é dada aos dados a oportunidade de se expressarem.

A extracção de conhecimento pode ser:

- supervisionada: a tarefa consiste em explicar o valor de um determinado campo com base nos outros. Seleccionamos um campo alvo e pedimos ao computador para o estimar, prever ou classificar. O exercício de análise de churn posto em prática nas aulas em Clementine usando Árvores de Decisão é um exemplo típico deste tipo de aprendizagem. Partindo de um conjunto de variáveis que caracterizavam clientes cujo comportamento de abandono é conhecido (a variável alvo aqui tomava dois valores possíveis: churners e não churners), foi possível obter um modelo que diferenciava estas duas tipologias de clientes e que, face a um novo conjunto de clientes atribuía uma probabilidade de pertencer aos dois grupos.

- não-supervisionada: não existe um alvo, pedimos à heurística/algoritmo para identificar nos dados padrões significativos. A segmentação de uma base de dados de clientes é um dos exemplos de aplicação da aprendizagem não supervisionada, pois apesar de o output final ser a constituição de agrupamentos de clientes com base em semelhanças, não existe uma classificação pré-definida. O K-means é um dos métodos mais usados neste tipo de problemas de negócio.

Retomando a temática das Árvores de Decisão iniciada nas aulas, vimos como uma das suas principais vantagens é a extracção de regras, que podem facilmente ser expressas em linguagem corrente, de modo a serem bem compreendidas pelos analistas e pelos gestores. Apesar de muitas vezes não ser fundamental conhecer a forma de funcionamento do modelo, existem problemas onde a possibilidade de explicar as razões que justificam determinadas decisões é essencial.

Se nos Sistemas Periciais é fundamental envolver os peritos para explicitar as regras que expressam o conhecimento do domínio de um problema, com as Árvores de Decisão o processo é o inverso. As Árvores de Decisão abordam o processo de extracção de conhecimento numa perspectiva de indução, ou seja, há uma generalização dos padrões encontrados nos dados que depois se traduzem em regras, sem existir um conjunto de premissas formuladas inicialmente sobre as relações entre objectos.

Contudo, há que controlar a quantidade de regras geradas pois a knowledge-base extraída pode ser tão má em complexidade tempo e espaço como a base inicial -não nos esqueçamos que, no limite, cada entrada de uma tabela pode originar uma regra. Essa questão é abordada através de técnicas de desbaste da Árvore de Decisão (prunning) e na minimização da diversidade nos nós terminais da Árvore (ou seja, garantir a maior proporção possível de objectos correctamente classificados).

Estas técnicas serão devidamente detalhadas no 3º trimestre da cadeira de Data Mining. Irão ver que, no fundo, é como jogar ao jogo das 20 perguntas: a resposta à primeira pergunta determina as questões seguintes e na maior parte das vezes chegamos à solução final sem serem feitas todas as perguntas possíveis, porque os padrões já encontradas por associação das respostas às perguntas anteriores permite-nos chegar à resposta correcta na maioria dos casos.

(é vermelho? SIM, é redondo? SIM, é um fruto? SIM, É UMA MAÇÃ???!! NÃO! Vêem aos pares? SIM!! ENTÃO SÃO CEREJAS!).

Tarefas e níveis da Gestão - uma visão integrada

Parece ser aceite por todos que a gestão é o processo de planear, organizar,
liderar e controlar o trabalho de membros de uma organização, bem como o processo de utilizar todos os recursos organizacionais de forma a alcançar objectivos claramente definidos dentro da organização. Estes 4 pilares que sustentam as funções dos gestores têm inerentes dois tipos de acções: o Decidir e o Fazer. Parece-me contudo correcto entender estas duas acções como transversais às organizações – em qualquer nível de uma organização (operacional, táctico e estratégico) deve existir a preocupação entre a correcta tomada de Decisões assim como a eficácia do que é Feito.

Devemos entender o gestor como a pessoa responsável pela canalização dos esforços empregues para o atingir desses objectivos. As suas funções tipo podem resumidamente descrever-se da seguinte forma:

Planear – é o processo de estabelecer objectivos e o correcto conjunto de acções para que estes sejam alcançados. É um processo que deve acontecer atempadamente e que deve originar os procedimentos a seguir pelos envolvidos no alcance dos objectivos.

Numa organização os objectivos são tipicamente estabelecidos nos níveis mais elevados, originando os objectivos das diversas unidades que compõem a organização – é sobre as pessoas que ocupam os níveis mais baixos da hierarquia que geralmente recai a tarefa de atingir os objectivos. A influência que o gestor tem sobre as pessoas das equipas operacionais é fulcral no cumprimento dos objectivos, conduzindo à colocação em prática do que foi especificado no processo de planeamento.

Organizar – é o processo de reunir duas ou mais pessoas num trabalho conjunto, de uma forma estruturada, de modo a alcançar um objectivo específico ou um conjunto de objectivos. Implica pois competências a nível da definição e delegação de tarefas, autoridade (que eu entendo como capacidade de influenciar) e estruturação de recursos entre as pessoas da organização. Esta função reúne a capacidade de ter presente as competências das pessoas que integram as equipas, bem como a capacidade de ter presente as tarefas a que essas pessoas estão afectas no seu quotidiano laboral.

Liderar – a função de liderança envolve a capacidade de dirigir, influenciar e motivar as pessoas das equipas para que as tarefas essenciais à continuidade da actividade sejam levadas a cabo. O estabelecimento de relações de confiança entre a equipa e o seu líder é fundamental para que as pessoas se sintam parte integrante da organização. Uma boa liderança é fundamental para garantir que todos remem na mesma direcção, na direcção do alcance dos objectivos. Um bom líder faz com que a sua equipa acredite no lema “Um por todos e todos por um”, e isso tem efeitos ao nível da motivação individual, do espírito de intra-ajuda (entre membros de uma equipa) e inter-ajuda (entre equipas) e do Fazer-bem transversal à organização.

Controlar - a função de controlo traduz-se no processo de assegurar que as actividades concretizadas respeitam o que foi traçado no processo de planeamento. Implica os seguintes elementos: a) o estabelecimento de padrões de desempenho; b) medir o desempenho actual; c) a comparação entre o desempenho efectivo e os padrões estabelecidos; d) a implementação de acções correctivas caso se verifiquem desvios. Esta função pressupõe manter a organização “nos carris”.

A gestão é, pois, um processo que requer maturidade. Maturidade ao nível das relações, do negócio, da apreensão da estratégia da organização e da sua comunicação às equipas. Aliás, parece-me que a função comunicação é uma das funções mais importantes do gestor apesar de não aparecer na listagem anterior de modo explícito. A comunicação do planeamento enquanto roadmap da estratégia da organização, a comunicação da estrutura organizativa das equipas (ou seja, a correcta comunicação das tarefas dos indivíduos e a forma como as diversas tarefas devem ser coordenadas no colectivo de grupo), a Comunicação da visão, missão e valores da organização (e o vivê-lo na pele, claro está), a comunicação dos mecanismos de controlo – a balizagem da actividade. Cito o colega João Guerreiro para acrescentar ao factor maturidade o factor coragem como característica de um gestor completo – “entender os outros requer consideração, procurar ser entendido requer coragem” (in http://guerreirojrpm.wordpress.com/).

Outros dois factores são essenciais a um gestor completo: capacidades de relacionamento inter-pessoal e de gestão das restrições temporais associadas ao processo de tomada de decisão e da própria execução de tarefas.

O gestor e a tomada de decisão

É bem entendido que o gestor não é uma peça isolada na estrutura das organizações, sendo isso sim parte integrante do sistema de influências que lhe está inerente. Na literatura encontramos 3 classificações para os diversos níveis da gestão:

Gestores de 1ª linha - correspondem ao nível mais baixo da organização em que existe um responsável afecto a determinada equipa de trabalho. Podemos dar como exemplos o responsável pelo serviço de gestão de reclamações de uma seguradora e o responsável pelo call-center da mesma empresa. Neste nível, e para além das 4 funções tipo que o gestor desempenha, é frequente que ele desempenhe ainda outra função: o Executar. Estes gestores enquadram-se sobretudo no nível Operacional das organizações.

Estabeleçamos uma associação entre este nível de gestão e a pergunta (formulada do ponto de vista da organização): Onde Estou?

Gestores intermédios - dirigem as actividades dos gestores de 1ª linha, sendo também frequente coordenarem o trabalho dos operacionais. Reportam a outros gestores e dirigem as actividades que visam implementar as directrizes da empresa. Retomando o exemplo anterior, o responsável pelo serviço de atendimento a clientes pode ser classificado como gestor intermédio, uma vez que reporta ao Director de Operações e dirige os responsáveis pelas diversas áreas responsáveis pela gestão dos contactos dos clientes. Têm um enquadramento sobretudo Táctico.

A pergunta central que ocupa as pessoas neste nível de gestão é: Como lá chegar?

Gestores de topo - ocupam os lugares mais elevados da hierarquia organizacional, sendo responsáveis pela gestão global da organização. O Director de Operações, referido no exemplo anterior, bem como os restantes membros do Comité de Direcção onde se inclui o Director Geral, podem ser apontados como exemplos.

Estes gestores preocupam-se com a definição das linhas Estratégicas que traçam o rumo da organização: Para onde queremos ir?

A associação das tarefas de gestão aos diferentes níveis de gestão acima definidos não pode ser feito com base em regras de classificação rígidas, uma vez que existe uma partilha dessas tarefas, que poderá ser distinguida com base no tempo afecto por cada um dos níveis a essas mesmas tarefas. Uma tradução possível pode ser a seguinte, apoiada numa lógica de modelação fuzzy:

Estes níveis de gestão têm latente um determinado grau de autoridade que está na base da modelação da estrutura formal da organização. Ou seja, podem traduzir-se numa hierarquia. Entenda-se “Autoridade” neste contexto como o poder de tomar decisões que influenciam as acções de outros. Implica a noção de “superior hierárquico” e, consequentemente, de “subordinado”.

Esta hierarquia inerente aos níveis da gestão parece-me estar fortemente correlacionada com a hierarquia de decisões. O comportamento dos indivíduos que desempenham determinado papel ou função de gestão e/ou operacional é orientado por objectivos. O foco do processo de decisão pode ser:

a selecção dos objectivos de negócio transversais à organização – tipicamente os objectivos estratégicos, que se propõem a dar resposta a problemas pouco estruturados (em que existem muitas vezes alternativas conflituosas e em que existe elevado grau de incerteza e risco sobre a decisão tomada) ;
a implementação desses objectivos – tipicamente de carácter operacional, que dão resposta a problemas altamente estruturados, na medida em que são facilmente determinados e em que as alternativas de acção são claras e bem definidas.

Falo em hierarquia porque o estabelecimento de objectivos pelos níveis de gestão mais altos da hierarquia tem forçosamente impacto na implementação dos objectivos dos níveis de gestão seguintes. Retomo aqui os actos de Decidir e Fazer. A tarefa de atingir os objectivos de uma organização recai quase sempre sobre as pessoas nos níveis mais baixos da hierarquia, que dedicam a maior parte do seu tempo ao Fazer. Mas a correcta definição dos objectivos terá de ser determinada pelos níveis superiores, cuja principal afectação de actividades se centra no Decidir.

Contudo, não se deve inferir que esta hierarquização de objectivos é claramente definida e aceite – as organizações são complexas, frequentemente multi-objectivos, que são alvo de ponderações (ou prioritizadas) em função de níveis de importância ou do grau de influência dos seus “patrocinadores”.

As estruturas organizacionais tornaram-se mais complexas e os custos associados à tomada de más decisões aumentaram. O acesso a informação de apoio à decisão ganhou o devido relevo e a extracção de conhecimento da imensa quantidade de dados gerada pelos sistemas operacionais através da aplicação de modelos tem hoje uma dimensão claramente estratégica.


Os decisores são encorajados a justificar as suas acções com base no conhecimento que extraído dos dados, pelo que é fundamental representar a importância do layer Dados-Modelos-Conhecimento-Inteligência nas organizações. O seu objectivo é o de apoiar o gestor a utilizar os dados e modelos inerentes ao seu negócio de forma a dar resposta às 3 questões fundamentais que determinam o seu sucesso:

Para onde quero ir? Como lá chegar? Onde estou?

****************************************************

Referências:

Simon, H., Administrative Behavior
Stoner, J., Freeman, R., Gilbert Jr., D. , Management
Arsham, H., Applied Management Science: making good strategic decisions
(http://home.ubalt.edu/ntsbarsh/opre640/opre640.htm)

Funções e relações entre indicadores

A preocupação em traduzir matematicamente fenómenos de naturezas diversas encontra expressão num sem número de discussões sobre relações entre pares de variáveis. Tomemos como exemplo as seguintes questões económicas ditas clássicas:

- a quantidade procurada de um produto e o preço;
- o consumo e o rendimento;
- educação e rendimento;
- desemprego e a taxa de inflação.

Isto não significa que o mundo possa ser reduzido a relações bivariadas. Quando se abandonam as representações gráficas bidimensionais dos livros de referência, a realidade multidimensional impera. Contudo, as ferramentas matemáticas desenvolvidas para tratar relações entre duas variáveis são pedras basilares para a análise de relações mais complexas.

A relação entre duas quaisquer variáveis económicas, como as acima mencionadas, pode ser expressa nas seguintes formas:

a) Especificação económica: há uma relação positiva ou negativa entre x e y;

Y = f(x)

b) Especificação estatística: a partir de um conjunto observado de dados estatísticos para cada uma das variáveis;

Y1 = f(x1)

Y2 = f(x2)

Y3 = f(x3)

...

Y4 = f(x4)

c) Especificação matemática: em termos de uma equação;

Y = a + bx

d) Especificação geométrica: representação gráfica num plano a duas dimensões;

Sobre as Funções

Função de uma variável. Sejam u e z duas variáveis, reais ou complexas, e sejam e , respectivamente, os seus domínios.
Se entre u e z existe uma correspondência tal que a cada valor de z, domínio (D), corresponde um valor de u, domínio (F) , seja qual for a maneira como essa correspondência é estabelecida, diz-se que u é função de z, definida no domínio (D) , e escreve-se:

u = f(z)

(…) Ao conjunto (D) chama-se domínio da função; ao conjunto (F) contra-domínio da função.

in Lições de álgebra linear e análise – volume II, Bento de Jesus Caraça.

************************************************************************

Podemos dizer que uma função é uma relação entre variáveis e constantes que permitem descrever fenómenos traduzíveis numericamente e que podem ser representados através de gráficos sobre eixos cartesianos. Esta relação é caracterizada por um conjunto de operações, ou fórmula, que incluem um input (variável independente, representada geralmente por x) e um output (variável dependente, representada geralmente por y).

Dos vários tipos de funções existentes, iremos sumariamente abordar dois em concreto: as lineares e não lineares.

a) Funções lineares

Uma função linear é dada pela formula f(x) = m x + b.

Graficamente uma função linear é ilustrada por uma linha recta.
Uma grande particularidade deste tipo de funções está no facto da diferença de sucessivos outputs ser constante, ou seja, cada vez que a variável x é incrementada em 1, a variável y sofre um aumento constante.

b) Funções não lineares

Por outro lado, funções cujos gráficos não são linhas rectas são chamadas funções não lineares. Algumas delas têm nomes específicos, como são os casos da função quadrática (f(x)=ax2+ bx+c) e da função cúbica ( f(x) = ax3 + bx2 + cx + d ).

A grande particularidade deste tipo de funções está no facto da primeira diferença entre sucessivos outputs constituir uma função linear e das segundas diferenças constituírem uma função constante.

Representação gráfica de Funções Lineares e Não Lineares através de dados

Case study I - Indicadores de Gestão (alguns exemplos)

Seguem-se alguns exemplos das relações entre indicadores de apoio a diversas actividades das Organizações (representação gráfica e tipo de função):

Case study II - CrediSIAD (Projecto de GPDW)

De seguida apresentamos alguns exemplos das funções já abordadas, com o apoio dos dados (simulados) do negócio que estamos a trabalhar no projecto de GPDW. Pretendemos apenas ilustrar graficamente a relação entre alguns indicadores que poderão ser produzidos neste contexto, sem a pretensão de chegar à estimação do modelo com melhores medidas de ajustamento.

Por Ana Cardoso, Ana Sofia Marques, Rui Cunha

Mr. Palomar is back ...

"Num modelo bem construído, cada detalhe deve ser condicionado pelos outros, pelo que tudo se mantém com absoluta coerência, tal como num mecanismo onde, se uma das engrenagens pára, todo o conjunto pára. O modelo é por definição aquilo em que não há nada a mudar, aquilo que funciona na perfeição; ao passo que, em relação à realidade, podemos facilmente verificar que ela não funciona, que se espapaça por todos os lados; portanto, nada mais resta do que obrigá-la a tomar a forma do modelo, a bem ou a mal."

Mr. Palomar é, sem dúvida, um fundamentalista dos modelos. Imune aos dados, "esforçou-se por alcançar uma impassibilidade e uma distanciação tais que fizessem com que aquilo que contasse fosse apenas a serena harmonia das linhas do desenho - linhas claramente traçadas, rectas e círculos e elipses, paralelogramas de formas, gráficos com abcissas e ordenadas."

No case study anterior, a harmonia do desenho é o que menos importa. Em primeiro lugar, aquele modelo nasceu da necessidade de traduzir uma determinada decisão de negócio. Procura traduzir a relação entre as diferentes variáveis inerentes ao problema de decisão, apoiando o processo exploratório dos factores que impactam a decisão. As formas utilizadas têm significados bem definidos, identificando a variável de decisão, as variáveis intermédias e as variáveis objectivo.

Acima de tudo, é a concretização do processo mental que se desencadeia na mente do gestor quando confrontado com a necessidade da tomada de decisão. O diagrama de influências apresentado baseia-se numa situação de negócio real e foi um óptimo exercício por ter revelado a necessidade de considerar duas variáveis exógenas que raramente são abordadas como tendo verdadeiro impacto nos resultados (... deve ser por isso que passo dias a fazer análises sobre a influência dos perfis e dos meios na taxa de resposta e nada se conclui ... uuupsss ...). Provavelmente, andamos a querer moldar a realidade ao modelo que nos convém ... (sim, ELES têm o endereço deste blog; sim, vou descobrir rapidamente se ELES costumam vir aqui dar uma espreitadela).

Para construir o modelo, é necessário partir de alguma coisa, ou seja, é preciso ter modelos, axiomas, postulados, a partir dos quais se faça derivar por Dedução o nosso próprio raciocínio. E de alguma forma eles têm de existir, porque senão não nos podíamos pôr a pensar sequer. É a obtenção de dados através da aplicação de fórmulas. Contudo, o processo de Dedução pouco acrescenta por assentar na aplicação de regras gerais a casos particulares. A Indução é, em certos aspectos, oposta à dedução, porque as premissas a partir das quais se parte são as menores, fazendo o raciocínio avançar do particular para o geral. É a extracção de conhecimento, revelado através de relações emergem dos dados. É a existência de dois princípios que se completam entre si, que são os vasos comunicantes entre Dados e Modelos.

"Deduzir era uma das actividades preferidas de Mr. Palomar, porque podia dedicar-se a ela sozinho, (...) sem quaisquer apetrechos. (...) Em relação à indução, pelo contrário, sentia uma certa desconfiança, talvez porque as suas experiências lhe pareciam aproximativas e parciais.

A construção de um modelo era portanto para ele um milagre de equilíbrio entre os princípios e a experiência, mas o resultado tinha de ter uma consistência muito mais sólida do que aquelas e do que esta."

(ITALO CALVINO, Mr. Palomar)

P.S. -

Diagrama de influência - case study individual

O diagrama de influência apresentado procura modelar o impacto da decisão de continuar ou não a investir em publicidade nos meios de imprensa, para determinado produto de crédito, na minimização do custo de recrutamento.

A empresa tem duas formas de angariar clientes para este produto:

- aproveitar a base de clientes que têm um outro produto e trabalhá-la em termos de cross-selling, propondo a estes clientes a adesão ao produto de crédito, através de campanhas via mailing;

- fazer publicidade em jornais e revistas, com o objectivo de fazer aumentar a notoriedade do produto de crédito e diversificar a carteira de clientes.

O custo de recrutamento é obtido através de uma relação entre o montante total investido por acção (mailings ou publicidade, neste caso) e o montante total financiado aos clientes recrutados por cada uma das vias. Por questões estratégicas do Grupo, a continuidade do investimento em Media tem vindo a ser questionado, colocando-se a hipótese de recrutar clientes apenas via mailings de cross-sell.

Hierarquia de Objectivos de Grupo

por Ana Cardoso, Ana Sofia Marques e Rui Cunha

História dos DSS

Times: 1982-2006 (A maturidade é uma conquista poderosa mas lenta ...)

No seu livro Decision Support Systems in 21st Century, Marakas entrelaça as raízes dos DSS com o esforço dos gestores em aplicar modelos quantitativos aos problemas de decisão recorrentes nos ambientes organizacionais. Para o autor, o conceito surge no início dos anos 70 e dois artigos são destacados como referências para o desenvolvimento do conceito e para a formalização da terminologia Decision Support Systems.

O primeiro artigo, datado de 1970 e escrito J.D. Little (1970), intitulava-se “Models and managers: The concept of a decision calculus” e focava a não utilização dos modelos de gestão vigentes na época pelos decisores. Ainda sem invocar especificamente o termo DSS, o autor descrevia o decision calculus da seguinte forma: “a “model-based set of procedures for processing data and judgments to assist a manager in his decision making”. O título do artigo e a própria definição explicitam o enfoque dado pelo autor à componente de modelização. Como condição para o modelo ser usado por um gestor, ele deveria ser simples, robusto, fácil de controlar, adaptativo, o mais completo possível e de fácil interacção. O próprio Marakas recupera algumas destas características na sua definição de DSS, nomeadamente o estar sob o controlo do utilizador do sistema, a interactividade e o ser user-friendly (a ergonomia do sistema), ter um desenvolvimento evolutivo e iterativo (citando Little, “adaptative means that the model can be adjusted as new information is acquired”).

Começa a delinear-se o que se entende por model-driven DSS. Segundo Powers (2003), estes enfatizam o acesso e a manipulação de modelos financeiros, de optimização e/ou simulação. Modelos quantitativos simples, sem a necessidade de serem alimentados por grandes bases de dados, orientariam o decisor no processo de tomada de decisão. Segundo o mesmo autor, é no final dos anos 70 que surge a primeira ferramenta comercial para a construção de model-driven DSS, tendo por base modelos financeiros e quantitativos – chamava-se IFPS e foi desenvolvida na Universidade do Texas por Gerald. R. Wagner em conjunto com os seus alunos.


O segundo artigo referido por Marakas, escrito por Gorry and Scott Morton (1989) – “A framework for management information systems”, apresenta pela primeira vez o termo Decision Support System .Os autores apresentam um framework assente em dois eixos para fornececer suporte computarizado a actividades de gestão.

O eixo vertical resulta da classificação de estuturação da decisão proposta por Simon. Simon sugeriu que as decisões podem ser categorizadas de acordo com o facto de serem programáveis (repetitivas, rotineiras, de senso comum) ou não programáveis (novas e únicas no seu contexto, com consequências incertas).

O eixo horizontal representa os níveis das actividades de gestão propostas por Anthony (1965). Este autor considera que as actividades de gestão podem ser categorizadas em 3 classes – o planeamento estratégico, o controlo de gestão, controlo operacional. Através da combinação das abordagens dos 2 autores, o framework proposto por Gorry e Morton servia como guia para a afectação de recursos de SI onde houvesse o maior Return On Investment.

Ainda nos anos 70, começam a surgir os primeiros data-driven DSS que, segundo Powers, enfatizam o acesso e a manipulação de séries temporais, privilegiando os dados internos das organizações. Trata-se portanto do aproveitamento dos dados históricos na posse das organizações como matéria-prima de suporte ao processo de tomada de decisão. Através de ferramentas de query conseguem-se obter respostas a perguntas de negócio “escondidas” nos dados.

Segundo o autor, é neste contexto que se enquadram os EIS (Executive Information Systems) e os ESS (Executive Support Systems), que podem ser entendidos como um sistema de informação de gestão que apoiam a tomada de decisão e que integram dados internos e externos à organização. Estes sistemas evoluíram dos model-driven DSS e da utilização de bases de dados relacionais, focando-se no display gráfico da informação, apelativo para o gestor e na usability dos interfaces. Estamos nos anos 80.

Nos anos 90, o data warehousing e o OLAP (On-Line Analytical Processing) alargam o que já se havia alcançado com os EIS e estendem o âmbito dos data-driven DSS, por permitirem lidar com quantidades de dados na ordem das dezenas de terabytes. Inmon e Kimball estiveram na linha da frente destas evoluções, como “the father of the data warehouse” e “the doctor of the DSS”, respectivamente.

Voltando a Marakas e à discussão entre dados e modelos, o autor considera que ambos definem um DSS. O autor considera que a evolução dos DSS desde a sua concepção em 1970 até aos dias de hoje sofreu já inúmeras extensões da noção original. A visão evolutiva dos DSS inclui um foco em knowledge-based systems, inteligência artificial, expert systems, group support systems, data visualization systems and organizational decision support systems. Uma resenha histórica sem citar estes sistemas não estaria nunca completa.

Powers aborda o futuro dos DSS do ponto de vista da evolução tecnológica, enquanto Marakas realça sobretudo a evolução da mentalidade das organizações e do gestor, ao afirmar que “managers will rely on the availability of more powerfull and usefull DSS applications in the conduct of their daily activities”. Podemos ter os olhos postos no futuro mas convém ir dando uma piscadela ao passado. É que em 1947 Simon publicava o seu livro Administrative Behavior, que é até hoje uma referência na forma como mostra que as organizações podem ser entendidas em termos do processo de decisão. Fala-se de tecnologia, mas fala-se sobretudo de pessoas. Os editores da Times deviam ter lido o livro em 1982 ...

Multidimensionalidade

A representação da realidade tem sido uma preocupação do Homem desde o início dos tempos, sendo a Arte um óptimo exemplo disso mesmo. As pinturas rupestres do Paleolítico (40.000 A.C.) serão porventura as mais antigas representações da realidade conhecidas e com elas percebemos que a tarefa de Descrever nos acompanha desde os primórdios. Graças ao desejo de expressão inerente ao Homem, chegaram até aos dias de hoje descrições de caçadas que são verdadeiros documentos históricos para os historiadores e antropólogos. Nesta altura, o Homem era caçador-recolector e um dos grandes problemas com que se debatia era o da subsistência – curioso como era esse também o grande tema das suas representações.

Hoje em dia descrevemos processos de negócio, na época descreviam-se as caçadas - os objectos descritos eram as presas, os instrumentos utilizados, os predadores. Através de representações simplificadas, ficámos a conhecer os atributos desses objectos – por exemplo, no que respeita às presas preferenciais: qual o seu porte, se andavam em manada, se tinham ou não chifres … E estas representações bidimensionais duram até hoje (não existiam tapes), sendo aquilo que considero a primeira representação no plano (enfim, não obstante tratar-se da parede de uma gruta) de um problema real da vida do Homem. Teoria da Evolução à parte, e assumindo a impossibilidade de converter o QI que o Homem tinha nessa época para as medidas que conhecemos hoje, será que essa representação teria como objectivo apoiar o aperfeiçoamento das tácticas empregues nas caçadas? Se os nossos antepassados possuíam Inteligência para a expressão artística, não me parece completamente descabido que possuíssem um outro tipo de Inteligência mais Lógica empregue na análise de Problemas.


O que se pretende com este post é uma reflexão sobre a origem da abordagem multidimensional no contexto do Data Warehousing. Foi afirmado na aula que o Kimball estaria na origem da terminologia, tendo a veracidade dessa afirmação sido imediatamente questionada pela Profª. De facto, no seu livro “The Data Warehouse Toolkit”, Kimball refere que não foi ele quem inventou essa terminologia (pp. 16). Os termos “Dimensão” e “Factos” terão tido origem num projecto de investigação conjunta conduzido por General Mills e a Universidade de Dartmouth nos anos 60. As Dimensões são tabelas que contêm os atributos de um negócio (sim, já há muito que deixámos de ser caçadores-recolectores, pelo menos neste hemisfério do globo), pelo que são em si bidimensionais- têm uma estrutura organizadas em linhas e colunas. Contudo, cada objecto que encontramos em linha tem uma tradução multidimensional. Num determinado contexto de negócio, se considerarmos uma Dimensão Cliente como uma tabela que guarda n atributos de Cliente, conseguimos imaginar uma projecção no espaço de 3 atributos em simultâneo. Até aí conseguimos uma visualização da realidade. A introdução de um 4º atributo faz com que já não seja possível visualizar esse objecto no espaço. A leitura combinada de várias Dimensões para explicar um determinado Facto de negócio é, da mesma forma, impossível de visualizar no espaço. Conseguimos, contudo, olhar para uma linha de uma tabela, composta por n atributos e responder à pergunta “O que caracteriza o Cliente A?”, descrevendo os seus atributos. O Cliente A é um vector, que se traduz num ponto do espaço, independentemente da nossa capacidade de o visualizar.

Se invocarmos a definição matemática (simplista) de Dimensão de um espaço, recordamos que é o número de parâmetros necessários para identificar um ponto desse espaço. No mundo de Kimball, a Dimensão continua a respeitar essa definição, se considerarmos que uma Dimensão tem os atributos necessários para a correcta descrição de um processo de negócio. E que a combinação em linha dos diversos atributos se pode traduzir num ponto num espaço.

Entramos no mundo dos Espaços Vectoriais e das Matrizes. Uma matriz é uma tabela rectangular de elementos (ou objectos), que obedecem a propriedades de adição e multiplicação bem definidas. Não entrando em demasiado detalhe sobre as propriedades a que as matrizes devem obedecer, o conceito de organização de dados em linhas e colunas está lá, nos princípios de Álgebra Linear.
Historicamente, o estudo de matrizes surge na literatura Chinesa de 650 AC, no âmbito da resolução do problema do quadrado-mágico (um Sudoku, para ser mais perceptível).
A designação matriz ganha afirmação no século XIX, com o trabalho de matemáticos como J. J. Sylvester. Cayley, Hamilton, Grassmann, Frobenius and von Neumann. Incrível, estamos a falar de mais de 1000 anos de distância entre as duas ocorrências, e não referimos os trabalhos de Descartes no âmbito da Geometria Analítica (séc. XVII) ou de Newton (sec. XVIII).

O conhecimento dos Investigadores não é uma tábua rasa. A sabedoria suporta-se de descobertas anteriores e do questionar continuo dos paradigmas estabelecidos. Kimball teve honestidade intelectual suficiente para referir que “It is probably accurate to say that a single person did not invent the dimensional approach”. O nosso trabalho de pesquisa pode levar-nos a concluir que o princípio por trás da abordagem dimensional remonta aos primórdios da História e da Ciência e das diversas tentativas que o Homem tem feito desde sempre para representar a Realidade que o rodeia.

Indicadores de Inteligência

Gosto destes TPC's que nos fazem subir o ego!!!

("Como sabiam que gosto de bandoletes?" - ai que isto é plágio ...)

Os testes de Inteligência são mais uma ferramenta de Classificação das que o Homem insiste em desenvolver e melhorar desde o inicio dos Tempos, com o objectivo de dar resposta a questões tão profundas, como "Quem sou eu?".

Os autores do Tickle.com disponibilizam-nos uma descrição detalhada dos resultados obtidos no teste de QI (The Classic IQ Test, para ser mais precisa), nomeadamente a pontuação em cada um dos vários tipos de Inteligência (de acordo com a sample do site, é possível pelo menos avaliarmos a Inteligência Matemática e a Visual-Espacial ) e a comparação dos nossos resultados com os de outras pessoas. Já acho positivo conseguirem desagregar os nossos resultados pelos diversos tipos de Inteligência (tenho alguma curiosidade, confesso ...) mas mais incrivel ainda conseguirem estabelecer relações entre os nossos resultados e os dos outros. Como custa $13 temos pena, mas não vai ser desta que vou ficar a saber como é que os srs. do tickle.com classificam a minha pessoa.

No que respeita à objectividade/subjectividade destes e outros testes, considero que todos eles são muito objectivos naquilo a que se propõem.

Por exemplo, Binet e Simon desenvolveram uma das primeiras escalas de inteligência - Escala de Binet-Simon - usada para identificar estudantes que pudessem precisar de ajuda extra na sua aprendizagem escolar.

Quantos de nós não realizámos já testes de orientação escolar, que nos dá o perfil académico que temos à data e as orientações profissionais que se adequam ao perfil revelado?

E a nossa média do secundário, que resulta da média das avaliações que tivemos em todas as disciplinas durante 3 anos e das notas de uma bateria de exames que são feitos em 15 dias? É ela que determina a nossa entrada em determinado curso, é o indicador de perfil mais completo que o nosso sistema de acesso ao ensino superior tem para nos possibilitar ou recusar o acesso a determinada licenciatura.

Não se tratando exactamente de um teste de Inteligência, todos nós sabemos o signo do zodíaco a que pertencemos e que características têm os nativos de cada um (talvez o modelo de classificação universalmente mais conhecido).

Estes sistemas de classificação são objectivos? São, resultam de um conjunto de regras bem definidas que transformam os nossos inputs (sejam respostas ao testes do Tickle ou as notas que obtivemos do 10º ao 12º ano) em outputs adequados ao contexto em que se inserem (Filósofo Visionário ou colocado em Estatística e Gestão de Informação). A minha data de nascimento classifica-me como Peixes.

Concordamos com os resultados? Ah, é aqui que entra a noção de subjectividade. Um aluno com média de 19 e com uma inteligência Interpessoal (uma das 7 inteligências de Gardner) concorre a Medicina e entra. Um outro com média de 17 e com qualidades interpessoais fantásticas não entra. Acho que todos concordamos que os testes conduzidos para aferir a inteligência de cada um foram objectivos, mas terão sido completos ou multi-inteligências? Não.

Não, porque o Homem carrega em si subjectividade, algo que só se passa em si e que não é válido para todos. Algo que não é mensurável através de testes. Ou pelo menos através de um teste único. "Ah, o Manel entrou em Medicina só porque é um marrão. O João daria um médico muito melhor, mas ninguém tem isso em conta. Essa história das médias finais é muito subjectiva". O cálculo das média de entrada é 100% objectivo, a subjectividade está nas dimensões ocultas de cada um de nós, que faz com que seja extremamente dificil desenvolver um teste que acerte sem erro no nosso perfil.

Considero que testes como os disponíveis no tickle.com devem ser encarados como uma bengala no nosso processo de auto-conhecimento. Os resultados são concerteza os melhores possíveis no âmbito de cada teste em particular (isto assumindo que existe o minimo de seriedade e rigor nos ditos testes), mas quem se sujeita ao teste deve ter a capacidade de se distanciar dos resultados obtidos. Até porque nós somos priveligiados, pois sabemos que para os cálculos de perfis são baseados em observação de amostras para poder extrair regras, que a correcta definição das regras deve ter em conta x relações entre y variáveis e que por mais aperfeiçado que a heuristica ou o algoritmo tenham sido, existe sempre uma componente de erro. Conhecem algum modelo que tenha capacidade explicativa de 100%?

Mas como todos precisamos de ter a imagem que temos de nós própria validada por terceiros (bem, nem todos ...), façamos os testes que nos aparecerem pela frente. Se ficarmos satisfeitos com os resultados, seja porque fica bem num blog ou porque reforça a nossa suspeita de que afinal seríamos um péssimo Arquitecto no futuro, porque não referi-lo e sugerir a sua realização a amigos ou colegas?

Perfil de Entrada no MSIAD

Já estava na altura de tornar pública a minha interpretação/descodificação do modelo de classificação dos candidatos ao MSIAD. De facto, este modelo já tinha sido partilhado no inicio de Outubro com a Profª e com os meus ilustríssimos colegas de grupo. Partilhei-o com a Fernanda, após ter sido lançado o desafio de fazermos evoluir as nossas soluções individuais para um modelo mais robusto e que permita tratar vários objectos (i.e., várias candidaturas) em simultâneo.



Ora cá vai um print screen do interface de input/output, que este mundo dos blogs limita um bocado a partilha completa do que andamos a fazer:

Esta solução foi construida na perspectiva do Avaliador, que após a recepção das candidaturas e realização da entrevista, estará nas devidas condições de avaliar - quantitativa e qualitativamente - cada um dos candidatos (no entanto, como aluna do MSIAD 07/08, sinto-me orgulhosa em fazer parte da amostra de teste que vai ser usada para o aperfeiçoamento da solução, através da minha auto-avaliação). Eis as regras resumidas de funcionamento deste DSS* :

Inputs

- O Avaliador deve atribuir uma nota de 0 a 4 (0 - Nulo a 4 - Especialista) ao Nível de Conhecimento (Académico) por ramo científico, decorrente da análise do CV+Certificado de Habilitações+Ficha de candidatura.

- O Avaliador deve preencher com Sim ou Não outros itens de avaliação, que devem complementar o perfil do candidato, numa óptica qualitativa.


Outputs

O output final é composto por 3 grandes resultados, de forma a que o Avaliador tenha uma visão rápida do Perfil completo do candidato:

- a prevalência das áreas de formação no percurso académico do candidato, que vai ser traduzida nas várias combinações possíveis entre Gestão, Informática e Mét. quantitativos, que designei Perfil de Entrada (passadas 2 semanas e meia, já discordo com esta designação);

- o nível de conhecimento Global do candidato, que pode ter 1 de 5 valores possíveis (de Nulo a Especialista);

- as considerações adicionais ao perfil, neste caso entendidas como o suporte da candidatura por outros factores.


Modelo (... UAU!!...)

Ora bem, na worksheet REGRAS_DE_CLASSIFICACAO descreve-se o funcionamento do modelo. Resumidamente:

- o modelo assume que o nível de conhecimento Global do candidato deve ser obtido a partir do nível de conhecimento associado a cada uma das 3 grandes Áreas. Assim:

- primeiro calcula-se a média simples de cada uma das 3 grandes áreas de conhecimento; obtemos assim o nível médio de conhecimento por Área.

- o nível de conhecimento Global obtém-se fazendo a média simples do nível de conhecimento obtido nas 3 áreas. O output Nivel Global categoriza este valor.

(nota: não foram consideradas ponderações por não terem sido explicitadas importâncias relativas de disciplinas/áreas no enunciado do problema)

- As médias obtidas permitem criar um ranking das áreas, ou seja, hierarquizam-se as áreas por nível de conhecimento;

- O ranking das áreas permite classificar o candidato nas diversas combinações possiveis entre as classes Gestor/Matemático/Informático

(nota: se determinada área tem uma classificação final Nula ou Básica, é desprezada na combinação, e.g., Gestão = Nível Nulo, Informático = Nível Intermédio, Met. Quant. = nível Básico => Perfil Entrada = Informático)

- Para obter um perfil mais completo do candidato, teve-se ainda em conta a presença/ausência de 4 indicadores (avaliados com SIM/NÃO) e com o mesmo peso. Classifica-se assim o candidato com base no suporte da candidatura por outros factores, com 4 níveis - Nulo, Fraco, Bom, Excelente.

Se houver interessados no ficheiro original, deixem um comment e email para onde devo enviar. Se não estiverem interessados e quiserem apenas tecer algumas considerações sobre esta solução, deixem um comment na mesma.

*******************************************************************

* Fazendo uma leitura desta proposta à luz do que é um DSS, conseguimos ver reflectidas as seguintes caracteríticas:

- um contexto de decisão semi-estruturado (ok, pretende classificar-se o candidato de acordo com o seu perfil de entrada e decidir se determinado candidato é apto ou inapto, mas existem n alternativas para o decisor basear a sua decisão: a quantificação da experiência adquirida no percurso profissional, como associar essa aprendizagem, que é tipicamente multidisciplinar e de alto nível, a uma das disciplinas da listagem inicial ...)

- suporta o decisor, não o substituindo - permite a visão global do candidato e sustenta uma decisão, mas a palavra final é sempre do decisor, que terá de combinar os 3 grandes resultados para uma decisão final;

- suporta todas as fases do processo de tomada de decisão (invocando Simon, Intelligence, Design and Choice - não obstante o nível básico em que esta (amostra) de sistema ainda se concontra);

- foca-se sobretudo na eficácia do processo de tomada de decisão;(é atribuida uma classificação que se pretende com o minimo de erro, não é?)

- o utilizador controla o sistema (as regras de classificação estão disponiveis para consulta e alteração);

- usa dados e modelos (ok, desta não há como discordar);

- é interactiva e user-friendly (digam-me de vossa justiça, construi-a com esses dois objectivos em mente);

- resulta de um processo evolutivo e iterativo (a primeira versão tinha pouco a ver com esta, e esta ainda tem um enorme potencial de melhoria);

- permite suportar todos os níveis de gestão (no limite, os serviços de apoio ao Mestrado podiam começar por usar o sistema para uma primeira fase de filtragem dos candidatos, assim a Profª Trigueiros não teria de perder tempo a ler CV's inadequados neste contexto ...);

- permite suportar decisões independentes ou interdependentes (por exemplo, decidir com base no nível académico e/ou outros factores);

- permite suporte para tomada de decisões multi-contexto: individual e grupo/equipa (bem, neste momento só permite tomar decisões individuo a individuo mas a turma está a tratar do resto, apoiada na versão da Fernanda e nos contributos de todos ...)

Problemas Matemáticos

O objectivo é fazer com que o resultado das operações matemáticas tenha como resultado 6 (ou uma tentativa de aumentar o nº de comentários no meu blog...).

0 0 0 = 6
1 1 1 = 6
2 2 2 = 6
3 3 3 = 6
4 4 4 = 6
5 5 5 = 6
6 6 6 = 6
7 7 7 = 6
8 8 8 = 6
9 9 9 = 6


Dicas: não se esqueçam dos factoriais e raizes quadradas/cúbicas. É que parecendo que não, facilita!

Sobre Inteligência e Matemática

M.C. Escher

Mais do que um simples artista gráfico, M.C. Escher conseguiu brincar com arquitectura, perspectiva e espaços impossíveis. A sua paixão pela Divisão Regular do Plano originou a gravura que se encontra aqui reproduzida, em que peixes e aves são usados como elementos para o preenchimento de superfícies.

Sou fã incondicional do trabalho de Escher, talvez por ele ter brilhantemente cruzado áreas do Conhecimento que sempre me atraíram. Sempre adorei desenhar e, à luz da Teoria das Múltiplas Inteligências de Howard Gardner, considero que o meu forte sempre foi a Inteligência Lógica. Daí ter tomado desde cedo a decisão de que o meu futuro seria a Arquitectura, pois achava que a combinação destes dois factores seria o suficiente para que eu viesse a ser uma boa arquitecta. No Secundário estive sempre em Artes e completei dois anos do curso de Arquitectura. O 1º ano foi um ano de sucessos, pois o desenho era uma disciplina com forte peso na estrutura do curso, assim como a abstracção de conceitos (como a percepção de Espaço e relação entre Corpo e Espaço). A Matemática era então uma disciplina que tinha também um peso muito elevado (para desgosto dos meus colegas de curso), e os meus resultados surpreenderam muita gente (pela positiva, entenda-se), tendo para isso também contribuido a minha personalidade discreta e reservada que ainda hoje se mantém.

Durante algum tempo assumi que a Inteligência Lógica e a Espacial seriam, no meu caso, um dois-em-um. Alguns criticos da Teoria de Gardner defendem precisamente que existe uma elevada correlação entre as capacidades espaciais e matemáticas, o que poderia contradizer a separação clara entre os diversos tipos de Inteligência defendida pelo autor. Mas ao fim do 2º ano percebi claramente que no meu caso uma não implicava de todo a outra. Aquilo que eu pensava serem inclinações artísticas eram na verdade algum virtuosismo nas técnicas de desenho.

Altura de re-definir objectivos, altura de avaliar as minhas capacidades. "Elevada capacidade de extrair informação de dados sem aparente significado", foi o resultado do teste que mais me marcou. A escolha estava feita, Matemática Aplicada à Computação, Inst. Sup. Técnico. Preparei-me durante 6 meses, sabia que entrava pois a média de acesso não representava para mim qualquer tipo de obstáculo. Eis que por acaso, numa página do Expresso, a 1 mês de fazer o exame nacional para o acesso ao Ensino Superior, encontro o anúncio ao Instituto Superior de Estatística e Gestão de Informação, que iria realizar provas de acesso dali a 2 semanas. Múltiplos factores ajudaram-me a tomar a minha decisão: o ISEGI fazia parte da Universidade Nova de Lisboa (Universidade de prestígio), a estrutura do curso era muito abrangente, havia uma forte relação com o mundo empresarial, eram só 2 anos de licenciatura (para candidatos que tivessem no minimo 2 anos de uma outra licenciatura). Fiz na mesma o exame nacional de Matemática, tive uma óptima classificação mas interiormente eu já sabia que iria escolher o ISEGI. E ainda bem, foi uma óptima decisão, com consequências fantásticas a nível profissional e sobretudo a nível pessoal.

Mas o acaso está aqui - foi o acaso que determinou que, no preciso fim-de-semana de publicação do anúncio do ISEGI, eu o tivesse lido. E, para além de todos os factores que estiveram na base da minha opção, foi a minha intuição que ditou a minha escolha. É o gut-feeling, adoro esta expressão (experimentem colocá-la no motor de pesquisa da wipedia ... ). Identifico-me com ela porque relembra que o corpo tem um papel de relevo no comando e a validação das nossas decisões, não questionando tudo o que já foi postulado pelas diversas correntes da Teoria da Decisão.

A 1ª fase do processo de decisão, para Jonh Dewey, é o sentimento de dificuldade. Comigo aplica-se. É o frio na barriga, a ansiedade - mais uma vez, é o corpo a manifestar-se.

Teoria da Decisão - um resumo

Quase tudo o que o Homem faz envolve tomada de Decisões. Aí reside a grande dificuldade de reflectir teoricamente sobre Decisões. Quando se aborda este tema, abordam-se pessoas, actividades humanas, decisões e a forma como as decisões são tomadas. É um assunto multidisciplinar, que tem atraído o interesse de economistas, estaticistas, psicólogos, políticos e filósofos.

Inúmeras teorias têm vindo a ser desenvolvidas, ficando aqui um breve resumo das principais correntes sobre esta temática.

Condorcet (filósofo francês, 1743- 1794) – está na origem da primeira teoria geral faseada do processo de decisão, dividindo-o em 3 fases (First Discussion, Second Discussion, Resolution).

Modelos sequenciais

Na primeira fileira da discussão moderna sobre teoria da decisão está John Dewey, que estende as 3 fases identificas por Condorcet a 5 fases que acontecem de forma sequencial. Este tipo de modelos é designado sequencial por dividir o processo de decisão em partes que seguem uma determinada sequência.

Herbert Simon (1916 – 2001, Nobel da Economia em 1998) modificou esta listagem de 5 fases, de modo a torná-la adequada ao contexto da tomada de decisões nas organizações. De acordo com Simon, o processo de tomada de decisão consiste em 3 fases principais:

Fase 1 – Intelligence: ocasiões que despoletam uma tomada de decisão;
Fase 2 – Design: encontrar possíveis formas de acção;
Fase 3 – Choice: escolher entre diferentes formas de acção


Brim et al. propõem também outra sub-divisão do processo de decisão.

Fase 1 – Identificação do problema
Fase 2 – Obtenção da informação necessária
Fase 3 – Produção de soluções possíveis
Fase 4 – Avaliação dessas soluções
Fase 5 – Selecção de uma estratégia de desempenho
(Fase 6 – Implementação de uma decisão)

Modelos Não Sequenciais

Alguns autores consideram que, para um modelo mais realista, as várias partes do processo de decisão não devem ter uma ordenação pré-definida, sendo esta inerente ao problema a que se refere.

Mintzberg, Raisinghani and Théorêt identificam fases distintas mas sem uma relação sequencial, tendo como base as 3 fases identificadas por Simon. Os autores consideram que o decisor pode alternar entre rotinas (designação dada às sub-fases) durante o processo de decisão e, não encontrando nenhuma solução aceitável, regressar à fase de Design (desenvolvimento de alternativas).

Uma das discussões que se levanta é o tempo afecto a cada uma das fases identificadas pelos diversos autores. Simon defende que os executivos passam a maior parte do seu tempo na chamada fase de “Design”, dedicando muito pouco tempo à fase de Escolha. Outros estudos suportam essa convicção, revelando que é a fase de levantamento de soluções domina as restantes.

Isto contrasta com o facto de que a Teoria da Decisão focar-se sobretudo com a parte da escolha entre alternativas, que é na perspectiva de muitos autores menos significativa do que as fases de diagnóstico e design. A defesa do foco da Teoria da Decisão na rotina de avaliação e escolha de alternativas reside precisamente no facto de essa rotina em si traduzir o processo de decisão. De qualquer forma, importa realçar que não se deve por isso negligenciar as outras fases …

(adaptado de Sven Ove Hansson, "Decision Theory - A Brief Introduction")

Afinal, ELES não vão à bruxa* ...

"Savoir pour prévoir, afin de pouvoir."

Auguste Compte

Máxima escolhida para abrir uma apresentação do plano de acção para 2008 - e eu não tive nada a ver com a escolha.

------------------------------------------------
* ... e ainda bem, senão eu estaria no desemprego!

Business Intelligence

A seguinte definição de Inteligência foi assinada por 52 investigadores do conceito, podendo ser encontrada no artigo “Mainstream Science on Intelligence”, publicado no The Wall Street Journal, 13/12/1994.

Intelligence is a very general mental capability that, among other things, involves the ability to reason, plan, solve problems, think abstractly, comprehend complex ideas, learn quickly and learn from experience. It is not merely book learning, a narrow academic skill, or test-taking smarts. Rather, it reflects a broader and deeper capability for comprehending our surroundings -- "catching on," "making sense" of things, or "figuring out" what to do.

Noutra definição (Herrnstein e Murray), a Inteligência traduz-se num comportamento adaptativo orientado a metas.

Podemos facilmente olhar para estas duas definições contextualizando-as no mundo das Organizações. Se as entendermos como entidades que existem com o objectivo de vender bens/e ou serviços aos clientes, com a intenção de obter lucros, rapidamente deduzimos que todas têm pelo menos uma meta a atingir – o Lucro. Como tal, há que garantir que os Gestores de topo têm a capacidade de perceber qual o enquadramento competitivo da sua Empresa.

A inteligência, segundo a 1ª definição apresentada, envolve a capacidade de raciocinar, planear, resolver problemas, capacidade essa que deve ser suportada por indicadores de negócio. Assim, assume-se como de extrema importância a correcta, atempada e pertinente utilização dos dados de que a empresa dispõe, de forma a adequar a sua estratégia, se assim se justificar.

A Business Intelligence poderá assim traduzir-se na obtenção de Conhecimento sobre o negócio, com base na exploração dos Sistemas de Informação de que a empresa dispõem, com o objectivo de optimizar os diversos problemas de tomada de decisão inerentes à Organização. Esse Conhecimento deverá ser estruturado com base em KPI (Key Performance Indicators), que permitam avaliar o estado actual do negócio e fundamentar os planos de acção desenhados pela gestão de topo.

Hierarquização de conceitos (TPC - Q6)

Na tentativa de prever os passos que nos levarão a alcançar o objectivo, procede-se à descrição, que se pretende sistemática e ordenada, de todos os cenários para a resolução do problema. É o momento de elaboração do Guião, onde se registam todas as soluções possíveis. O Guião poderá ser encarado como um "esquiço" do Problema, que inclui definição de Objectivos, obtenção de informação sobre o Problema, levantamento de soluções possíveis.


Entendo a Metodologia como a planificação dos diversos Métodos/Processos para a resolução do Problema - não encontro, portanto, uma separação clara entre o Plano e a Metodologia. Implica uma maior racionalização do Problema e um maior nível de detalhe das soluções a avaliar.

Dependendo do tipo de Problema, podemos descer ou ao nível das Heurísticas ou ao nível dos Algoritmos.

As Heurísticas são técnicas que permitem obter soluções aproximadas. São métodos que podem ser descritos como a forma mais rápida de chegada a uma solução, que é necessariamente a mais próxima possível da solução óptima do Problema.

Um problema com uma complexidade que permita a sua resolução mediante a aplicação de uma sequência não ambígua de instruções, até à verificação de uma determinada condição (finito, portanto) é resolúvel pela implementação de um Algoritmo. O Algoritmo pressupõem um tempo de execução aceitável e ser a solução óptima ou provavelmente boa para o problema em todos os casos.



Contudo, introduzo mais um conceito, o Acaso. Citando o Nuno Crato*, "OS ALGORITMOS aleatórios têm vindo a revolucionar a maneira de fazer matemática. Surpreendentemente, utilizar o acaso pode ser o caminho mais rápido para obter a solução de um problema. E não só em matemática. ."

Deixo-vos um excerto (o artigo pode ser consultado em http://pascal.iseg.utl.pt/~ncrato/Expresso/AcasoMaisCerto.mht)


O leitor já passou certamente por esta experiência: está ao telefone e a ligação perde-se. Liga outra vez para o seu interlocutor e o telefone está interrompido - ele está também a tentar telefonar-lhe. Desliga e espera uns segundos a ver se o telefone toca, mas o telefone continua mudo - do outro lado da linha o interlocutor também aguarda. Liga de novo e o telefone está interrompido… até que as decisões deixam de coincidir e, finalmente, um dos dois consegue restabelecer a ligação. É uma situação típica de conflito de padrões racionais, e só o acaso do desfasamento de decisões consegue obter sucesso. É difícil encontrar uma solução para o problema, na medida em que só a simultaneidade de duas soluções contrárias - um aguardar e o outro telefonar - resolve o impasse. Se não há à partida algo combinado que quebre a simetria entre os parceiros não há processo óptimo de resolver o problema. Acaba por ser o acaso que permite restabelecer a ligação.

---------------------------------------------------------------------------------
* Nuno Crato é Professor Associado com Agregação de Matemática e Estatística no ISEG, em Lisboa. É pró-reitor para a Cultura Científica da Universidade Técnica de Lisboa. Licenciou-se em Economia no ISEG. Doutorou-se em Matemática Aplicada nos Estados Unidos e trabalhou depois nesse país muitos anos, como investigador e professor universitário. O seu trabalho de investigação incide sobre processos estocásticos e séries temporais com aplicações várias, nomeadamente climatéricas e financeiras.

Conhecimento (TPC Q5)

Primeiro as definições.

Knowledge (Oxford English Dictionary)

(i) facts, informations and skills acquired by a person through experience or education; the theoretical or pratical understanding of a subject;

(ii) what is known in a particular field or in total; facts and information;

(iii) awareness or familiarity gained by experience of a fact or situation.

Segundo Platão (http://en.wikipedia.org/wiki/Knowledge#Defining_knowledge)

For there to be knowledge at least three criteria must be fulfilled; that in order to count as knowledge, a statement must be justified, true and believed.

Segundo Dienes, Zoltan & Perner, Josef. (1999) (http://www.bbsonline.org/documents/a/00/00/04/57/bbs00000457-00/bbs.dienes.html)

Knowledge is taken to be an attitude towards a proposition that is true. The proposition itself predicates a property to some entity. Number of ways in which knowledge can be implicit or explicit emerge (…).

Perspectiva Externalista vs. Internalista

Resumidamente, a corrente externalista considera que a dimensão psicológica do individuo que adquire Conhecimento não impacta o entendimento de um facto relevante. Na perspectiva internalista, a construção de Conhecimento está intimamente ligada à psicologia de cada um.


Segundo M. Davis – Knowledge (Explicit and Implicit): Philosophical Aspects
(http://philrsss.anu.edu.au/~mdavies/papers/implicit.pdf)

The distinction between explicit and implict knowledge might seem to be connected closely to the familiar distinction (Ryle 1949) between knowledge of a proposition (‘knowing that’) and possession of a skill (‘knowing how’).

***********************************************************************

Na base da definição de Conhecimento parece estar a condição de Verdade associada ao objecto alvo de aprendizagem, na perspectiva do correcto entendimento das relações entre dados, factos ou proposições.

Na base da posse de Conhecimento está o Homem, enquanto ser pensante. O acto de pensar possibilita por si a aquisição de mais Conhecimento, mesmo sem qualquer adição de nova informação. O computador recebe os dados, armazena-os, processa-os e devolve-nos um output. Podemos modelar as relações entre os dados, mas é o entendimento do sujeito que lhe dá significado.

Acredito nisto.

Acredito que o Conhecimento passa muito por estarmos atentos aos factos. Atentos a sério, para nos lembrarmos de factos passados. Para conseguirmos estabelecer relações. Para limpar o acessório e reter o essencial. Para detectar padrões, prever comportamentos, ganhar experiência sobre uma situação, reconsolidar o Conhecimento – e conhecer novos factos, estabelecer relações com o que já Conhecíamos previamente, detectar padrões, prever comportamentos, errar sobre essas previsões… e aí vem uma nova experiência, mais factos, novas relações são estabelecidas, novo Conhecimento é gerado e ficamos mais sábios e mais conscientes de tudo o que ainda temos para Conhecer - e assim é durante toda a nossa vida, num ciclo que se repete iterativamente.

------------------------------------------------------------------------------------------
Retomando o meu EU Profissional – eu sei quantos clientes do sexo Feminino e do sexo Masculino possuem um determinado cartão privativo. Basta-me “perguntar” à base de dados. É um exemplo simples de Conhecimento Explicito, o Knowing That.

Mas mais relevante do que conhecer esse facto, é saber como é que o facto de o titular do cartão ser homem ou mulher determina o seu comportamento de compra. Este é um exemplo de Conhecimento Implícito, o Knowing How. E é aqui que entra a dimensão psicológica do analista de dados, pois todo o processo de análise é um processo de decisão. Começa-se por fazer perguntas factuais à base de dados – quantos homens e quantas mulheres, quanto compram, o que compram – e começamos a estabelecer relações, a tirar as primeiras conclusões, a explorar novas relações com base no Conhecimento que se vai extraindo das respostas a perguntas directas.

É sobretudo um processo mental, logo, psicológico. Garanto-vos que não há dois analistas/estaticistas que conduzam uma mesma análise da mesma forma. Essencialmente porque são duas pessoas diferentes, com conhecimentos à partida sobre o negócio diferentes, com níveis de intuição diferentes sobre o problema que têm em mãos. Sim, porque apesar de este processo parecer rígido (as técnicas existem, os algoritmos existem, o método existe), a intuição é essencial quando se analisam dados. Nós conhecemos as tabelas, as técnicas e a pergunta que precisa de ser respondida. Mais nada. E a partir daí temos de gerar conhecimento do cliente. Lançamos os primeiros dados – fazemos estatísticas descritivas – e o caminho começa a surgir imediatamente, há muita experimentação, os padrões começam a ser revelados, a convicção de que encontrámos o caminho que nos conduz à resposta começa a instalar-se. E uma boa intuição conduz a uma boa análise, ou seja, a boas tomadas de decisão. Pelo menos no meu caso pessoal, aplica-se …

Não consegui resistir!

http://www.dilbert.com/

Listagem de Problemas - II Acto (TPC - Q4)

Na construção da matriz centrei-me no Trabalho. Não deixando de ser um dos pilares da minha vida, não é de todo o seu centro. Segundo Stephen R. Covey (“The 7 habits of highly effective people”), se assim fosse, a minha personalidade estaria de imediato traçada e eu seria classificada com base nos seguintes atributos:

Na verdade, apesar de gostar muito do meu Trabalho, até considero ser muito mais centrada nos Amigos, o que na perspectiva do autor é condição para que eu seja classificada como alguém cujas acções são tão precárias como as opiniões … (Mr. Covey, pode repetir?)

Considerações à parte sobre a escolha das regras para este exercício de classificação e sobre os juízos de valor por parte do autor citado, os meus problemas estão associados a dimensões tão diversas como os já abordados Trabalho e Amigos mas também Família, Religião (sobre uma perspectiva agnóstica), o EU (quer na dimensão física quer psicológica), a dimensão Académica e a dimensão a que posso chamar Prazer Recreativo/Cultural (os concertos, as viagens, as exposições, os jantares …) *.

Conviver com todos os problemas associados a cada uma destas dimensões é, acima de tudo, o grande exercício da nossa vida.

Para responder à questão da Hierarquização, volto a centrar-me no Trabalho.

A minha primeira dedução foi: só atingindo os objectivos de curto prazo, tendencialmente Operacionais, é que as equipas conseguem dar resposta aos objectivos Estratégicos definidos pela Empresa. Assim, a primeira prioridade para mim será sistematizar todo o trabalho recorrente com o qual o negócio não sobrevive, libertando assim tempo para afectar aos objectivos Tácticos.

Esta seria a 1ª prioridade, totalmente relacionada com o meu nível de observação, enquanto parte integrante do Departamento de Estudos, que por sua vez faz parte da Direcção de Marketing.

Contudo, se considerar o nível de observação da Direcção Geral, que em conjunto com a Direcção de Marketing definiu como objectivo Estratégico aumentar o Conhecimento do Cliente, então a 1ª prioridade da equipa de Estudos seria esta.

Se me posicionar no nível do Gestor de Produto, que precisa de planear as suas acções de Marketing, o prioritário é fechar o cronograma.

Segundo os critérios de ordenação apresentados no artigo A SUMMARY OF THE PRINCIPLES OF HIERARCHY THEORY (http://www.isss.org/hierarchy.htm), as prioridades seriam as seguintes:

1 - cumprir os prazos das tarefas operacionais recorrentes do meu Departamento (2- it offers constraint to the development of other tasks);

2- a validação do cronograma e a articulação entre Direcções para permitir o planeamento táctico da Gestão de Produto (3 - it behaves at a lower frequency than dialy tasks);

3 – o foco na Segmentação de Clientes, como apoio à definição estratégica dos objectivos da Empresa (5- containing and being made of lower levels).

-----------------------------------------------------------------------------
* mais uma vez a Visão (nº 759) nos brinda com um excelente artigo, “Ter 30 anos em Portugal” . Aborda na perfeição os problemas de cada uma das dimensões do Facto “Jovem em Portugal”. Acho que me vai ser útil quando chegarmos à aula em que nos vai ser pedido para nos auto-definirmos.

Listagem de Problemas - I Acto (TPC - Q4)

(como não consigo copiar para o blog uma imagem da totalidade da matriz suficientemente legível, tenho de publicar a listagem de problemas no modo que se segue)

Objectivo: Melhor conhecer o nosso Cliente, recorrendo à segmentação da carteira de clientes.

Prazo: Longo

Âmbito: Estratégico

Problema na forma afirmativa: Segmentar a carteira de clientes de acordo com indicadores de negócio bem definidos.
Problema na forma negativa: Não conseguir implementar a segmentação da carteira de clientes com base em indicadores de negócio.
Problema na forma interrogativa: Como implementar a segmentação da carteira de clientes com base em indicadores de negócio bem definidos?
------------------------------------------------------------
Objectivo: Validar o cronograma das acções MKT.

Prazo: Médio

Âmbito: Táctico

Problema na forma afirmativa: Conseguir validar no cronograma das acções MKT o dia previsto de entrega de ficheiros finais, tendo em conta o possível atraso da disponibilização dos dados necessários para gerar os ficheiros.
Problema na forma negativa: Não conseguir validar no cronograma das acções MKT o dia previsto de entrega de ficheiros finais devido a atrasos na disponibilização dos dados necessários para a geração dos ficheiros.
Problema na forma interrogativa: Como validar no cronograma das acções MKT o dia previsto de entrega de ficheiros finais, tendo em conta o possível atraso da disponibilização dos dados necessários para gerar os ficheiros?
------------------------------------------------------------

Objectivo: Afectar responsabilidades na aplicação de regras de exclusão de clientes das campanhas MKT.

Prazo: Médio

Âmbito: Táctico

Problema na forma afirmativa: Na selecção de clientes para acções MKT, definir quais os critérios de exclusão que devem ser da responsabilidade exclusiva da Dir. A e quais devem ser da responsabilidade exclusiva do Dir. B.
Problema na forma negativa: Não conseguir atribuir responsabilidades por Dir. dos critérios de exclusão a aplicar nas selecções de clientes para acções MKT.
Problema na forma interrogativa: Quais os critérios de exclusão de clientes para campanhas que devem ser exclusivamente da responsabilidade da Dir. A e quais os que devem ser exclusivamente da Dir. B?
------------------------------------------------------------
Objectivo: Cumprir os prazos de execução das tarefas recorrentes do meu Dep.

Prazo: Curto

Âmbito: Táctico

Problema na forma afirmativa: Garantir a execução das tarefas recorrentes do Dep. , cumprindo os prazos, num período em que os recursos têm de estar simultaneamente afectos a outras tarefas.
Problema na forma negativa: Não conseguir executar as tarefas recorrentes do Dep. dentro dos prazos, devido à afectação de recursos noutras tarefas.
Problema na forma interrogativa: Como garantir a execução das tarefas recorrentes do Dep., cumprindo os prazos, num período em que os recursos têm de estar simultaneamente afectos a outras tarefas?