Importância dos Sistemas de Suporte à Gestão para Empresas Comerciais

Importância dos sistemas de suporte à gestão para empresas comerciais!

Os sistemas de suporte à gestão concentram-se nos usos gerenciais dos recursos de informação. Esses sistemas fornecem informações para gerenciar o planejamento e a tomada de decisões. As informações fornecidas por esses sistemas são baseadas nos dados internos e externos, usando várias ferramentas de análise de dados.

Eles também oferecem uma opção para o usuário selecionar essas ferramentas para fins de análise de dados. Esses sistemas atendem às necessidades de informações dos gerentes nos níveis intermediário e superior na hierarquia gerencial.

Existem três tipos de sistemas de suporte à gestão, a saber:

a) Sistemas de Apoio à Decisão,

b) Sistemas de Informação Executiva (suporte) e

c) Sistemas especialistas.

Sistemas de Suporte à Decisão:

Sistemas de apoio à decisão (DSS) são projetados para apoiar o processo de tomada de decisão dos gerentes para melhorar sua eficácia e, portanto, a eficiência da empresa. Eles são baseados na premissa de que o julgamento gerencial não pode ser substituído por nenhuma solução baseada em computador. No entanto, oferecendo o suporte de dados e modelos, é possível melhorar o processo de tomada de decisão, mesmo no caso de problemas semi-estruturados e não estruturados.

O objetivo básico do DSS é estender a capacidade do processo de tomada de decisão de um gerente, oferecendo suporte a ferramentas e dados disponibilizados a ele sob seu controle direto. O DSS não pressupõe requisitos de informação específicos e ferramentas predefinidas para análise de diferentes tipos de decisões, nem impõe quaisquer soluções a um gestor.

Assim, dá flexibilidade ao gestor para decidir os dados de entrada, ferramenta de análise, profundidade de análise e confiança no resultado da Análise para tomada de decisão. O DSS oferece um ambiente interativo para os usuários e, assim, permite que o gerente experimente dados e modelos para desenvolver a estratégia ideal de tomada de decisão em uma determinada situação.

Os DSS também são descritos como sistemas de informações interativas que ajudam os gerentes a utilizar modelos de análise de dados para resolver problemas não estruturados. O DSS usa tecnologias que podem ser denominadas como seus blocos de construção. Eles estão representados na Figura 10.3.

Tipos e recursos do DSS:

O DSS pode ser orientado a dados ou orientado a modelos. Os DSSs orientados a dados têm maior entrada de recuperação de dados e análise de dados. O DSS orientado por modelo tem poderosas facilidades para simulação de cenários de decisão, estimando o resultado de uma ação e gerando sugestões. De fato, é difícil encontrar um DSS exclusivamente para recuperação e análise de dados ou, simplesmente, para modelagem. De fato, a maioria dos DSSs contém uma mistura de ambos os tipos de instalações.

Os DSSs possuem os seguintes recursos que os diferenciam de outros tipos de sistemas de informação:

a) O DSS não visa nenhum tipo específico de decisões. Tem a flexibilidade de uso em várias situações de decisão inesperadas.

b) A interface amigável do DSS torna diferente de outros tipos de sistemas de informação. Uma vez que um gerente tenha usado um DSS por algum tempo, seu uso irregular não afeta adversamente a facilidade de uso.

c) Os geradores de relatórios e instalações gráficas no DSS fornecem melhores maneiras de representar as informações geradas pelo uso de modelos no DSS. Essas instalações agregam valor à informação.

d) O DSS oferece a qualquer usuário controle completo sobre o sistema. A entrada, o método de processamento e a saída são controlados pelo usuário.

Benefícios do DSS:

Um sistema de informação deve ter sua própria justificativa para ser um candidato que vale a pena considerar para inclusão no portfólio de aplicativos de uma empresa. As justificativas são geralmente em termos de benefícios na geração de informações para auxiliar no processo de tomada de decisões gerenciais e de relatórios externos. O benefício que um DSS pode oferecer inclui:

uma. Avaliação de um número maior de alternativas, uma vez que as instalações do DSS reduzem o tempo e o esforço na coleta e análise de dados para diferentes alternativas.

b. A modelagem e a previsão tornam-se fáceis para os gerentes que usam o DSS, permitindo que eles tenham mais informações sobre os processos de negócios.

c. Utilidade na comunicação intragrupo e intergrupal, porque possibilita explicar aos outros como se chegou a uma conclusão particular. A lógica atribui respeitabilidade às conclusões e ganha o apoio de outros na empresa.

d. Facilidades para análise mais rápida de dados para tomada de decisão não estruturada, melhorando, assim, a velocidade de resposta em situações inesperadas de tomada de decisão.

e. Manipulação mais rápida de variações e exceções. Os usuários frequentes do DSS descobriram que o DSS permite que eles antecipem os resultados com a ajuda do recurso de consulta ad hoc eficiente.

f. Análise aprofundada de dados e, portanto, uso mais eficaz do recurso de dados.

Aplicações do DSS:

O DSS encontrou sucesso em empresas de médio a grande porte e em cenários de decisão que exigem uma análise profunda dos dados internos e externos. O sucesso do DSS depende, em grande parte, do suporte de alta gerência, regularidade e duração de uso, treinamento de gerentes e variedade de situações de tomada de decisão.

Se o processo de negócios for de natureza simples e repetitiva, o DSS poderá não conseguir justificar seus custos. O DSS aplicado a decisões estruturadas apenas aumenta os custos e a confusão. DSS foram encontrados para ser útil em áreas de decisão, onde a flexibilidade de dados e modelagem é necessária para uma melhor tomada de decisão. As áreas típicas de aplicação do DSS nas funções de produção e finanças do negócio são:

Produção:

Análise de suprimento, estimativa e análise de custos, planejamento e programação de produção, decisões de fazer ou comprar, planejamento e controle de estoque, carregamento de mão de obra, etc.

Finança:

Orçamento de capital, planejamento financeiro e análise, planejamento tributário, planejamento financeiro estratégico, orçamento, gerenciamento de caixa e capital de giro, análise de financiamento de dívida e patrimônio, gerenciamento de riscos cambiais, análise de desempenho financeiro, análise de variância, etc.

Os sistemas de apoio à decisão são desenvolvidos usando um processo diferente do processo tradicional de desenvolvimento do sistema, uma vez que devem processar dados internos e externos. Eles precisam ser independentes e interativos.

Sistemas de informação executiva:

Os DSS são projetados para atender às necessidades de informações dos gerentes nos níveis médio a alto. Eles se relacionam com o trabalho baseado em regras, fazendo modelagem e análise de dados para torná-lo útil na tomada de decisões.

No entanto, no topo do nível gerencial, há uma necessidade de se concentrar mais no empacotamento e na entrega de informações do que na geração de informações. O gerente superior merece um ambiente melhor para acesso à informação do que aquele fornecido pelo DSS.

Os principais executivos precisam de acesso rápido a informações atualizadas e concisas e relatórios de exceção com recursos para informações e análises personalizadas. Os sistemas de informação projetados para atender a essas necessidades dos principais executivos são chamados de Sistemas de Informações Executivos (EIS) ou Sistemas de Suporte Executivo.

Esses sistemas atuam como sistemas eletrônicos de briefing e oferecem enorme flexibilidade no uso. O EIS utiliza informações internas e externas e oferece um ambiente operacional interativo e amigável ao usuário.

Aplicações do EIS:

Executive Briefing:

O EIS oferece informações atualizadas sobre diferentes aspectos do interesse do executivo. O briefing é, geralmente, relacionado ao desempenho de vários centros de lucro e oferece relatórios de status sobre várias atividades da empresa. Embora uma certa quantia de briefing ocorra no DSS, a informação é fornecida como e quando solicitada, a partir dos bancos de dados.

No EIS, as informações são baixadas automaticamente periodicamente dos bancos de dados na forma de relatórios acabados. Esse download automático garante que o executivo não fique fora de contato por muito tempo durante os dias de extrema pressão da carga de trabalho.

Análise personalizada:

O EIS oferece recursos para análise de dados usando os modelos de escolha do usuário. Planilhas e técnicas estatísticas estão disponíveis no EIS para perguntar. A diferença, aqui, é que o EIS não apenas ajuda o usuário na análise de dados, mas também na interpretação do resultado da análise.

Relatório de Exceções:

Um componente importante do EIS é o módulo de relatório de exceções. EIS atende a esta exigência de executivos de forma eficaz e avisa o executivo das variações substanciais dos planos.

Eles permitem, com graus variados, uma investigação mais detalhada sobre os motivos de desvios e possíveis impactos das operações de salvamento propostas. Essa capacidade de investigar o assunto para obter um pouco mais do que apenas a exceção torna o EIS uma ferramenta muito útil para o executivo no cumprimento eficiente de suas funções.

Análise Baseada em Modelos:

O EIS possui recursos para análise de informações baseadas em modelo e esse recurso é comum com o DSS. Mas, a análise baseada em modelo no EIS é diferente daquela no DSS no sentido de que os dados de entrada no EIS são limitados e obtidos de fontes internas e externas.

Pode-se notar que o EIS não é uma coleção isolada de relatórios informatizados de informações para executivos. O EIS é um conjunto de ferramentas e tecnologias integradas no ambiente total do sistema de informações da empresa.

Pode-se notar que o EIS suporta todos os usuários e não necessariamente os principais executivos da empresa. Todos aqueles que ajudam os altos executivos devem ter acesso ao EIS e devem atender às necessidades de informação de todas essas pessoas.

DSS e EIS:

Algumas das instalações em EIS também são encontradas no DSS e, como tal, a linha de distinção às vezes fica desfocada. A sobreposição não pode ser descartada em tais sistemas. A Figura 10.4 mostra os tipos de suporte a informações que esses dois sistemas fornecem a um gerente.

Benefícios do EIS:

O EIS oferece os seguintes benefícios para uma empresa:

a) Suporte de informação para decisões estratégicas:

O EIS ajuda os executivos a confiar mais em fatos do que em intuição e julgamento comercial para suas decisões estratégicas.

b) Mudando o foco:

As frequentes consultas de um executivo de alto nível em relação a um conjunto de fatores críticos de sucesso têm um impacto nas prioridades das pessoas em níveis mais baixos de gerenciamento. Assim, é mais fácil para um executivo usando EIS transmitir a mensagem aos gerentes funcionais em relação à necessidade de manter padrões de qualidade, apenas fazendo consultas freqüentes do EIS em relação à qualidade dos produtos. As consultas do executivo podem definir o impulso das atividades na empresa e, assim, alterar as prioridades na empresa.

Diz-se que o EIS é um dos importantes sistemas de informação que apresenta uma oportunidade para a alta direção ter uma noção real da utilidade dos sistemas de informação na tomada de decisões estratégicas.

Tal sistema em uma empresa também pode promover o entendimento entre a alta administração e os profissionais de TI e melhorar a comunicação entre esses importantes participantes no desenvolvimento da infraestrutura de TI.

O EIS bem-sucedido pode fornecer visibilidade e credibilidade aos sistemas de informação como um todo e ajudar na implementação de outros sistemas de informações na empresa.

Fatores críticos de sucesso na implementação do EIS:

O EIS pretende fornecer conhecimento em primeira mão aos principais executivos em relação aos benefícios potenciais dos sistemas de informação na empresa. Portanto, é necessário garantir que o EIS, uma vez planejado, seja implementado com sucesso.

Os problemas de implementação no EIS podem ser numerosos, mas alguns dos mais comuns são os seguintes:

a) Dificuldade na especificação do sistema:

Os usuários-alvo do EIS não são claros sobre seus requisitos específicos de informações nem têm tempo para definir as especificações do sistema de informações. Os usuários, portanto, merecem algumas opções para testar antes de poderem especificar os serviços requeridos por eles. A prototipagem é considerada uma estratégia melhor no projeto do EIS.

b) Grandes volumes de dados:

Os recursos de consulta ad hoc exigem acesso a um grande volume de dados. A satisfação de tais consultas pode exigir o uso de ferramentas estatísticas que processam dados em massa antes que possam atender ao requisito de informações na consulta. Isso pode levar tempo e a resposta do sistema pode ser lenta.

Portanto, é essencial antecipar as questões gerais nas quais as consultas provavelmente se concentrarão, e as informações referentes a esses problemas podem ser geradas e armazenadas separadamente para acesso ao EIS.

c) Resistência dos níveis inferiores:

EIS é susceptível de enfrentar a resistência também das pessoas em quase todos os níveis e mais de gerentes em níveis mais baixos de java. É assim porque agora o chefe tem acesso às informações mais recentes sobre o funcionamento diário em cada departamento antes mesmo de os chefes departamentais passarem por ele e compreendê-lo. Rochartat antecipa sérias implicações de tal acesso a bancos de dados sobre as novas políticas de propriedade de dados entre os gerentes. No entanto, um dado - o gerenciador base pode resolver esse problema, manipulando cuidadosamente o botão distribuições de dados.

d) Estilos de gerenciamento:

Seria difícil implementar EIA no caso de empresas com uma cultura avessa a TI. Alguns altos executivos não favorecem o uso da TI na tomada de decisões. Eles têm mais confiança no julgamento de seus negócios e desejam deixar a análise de dados para seus subordinados ou para os especialistas do domínio que os ajudam.

Esse problema é bem sério. Portanto, EIS em tais ambientes são destinados a posições de topo. Eles são limitados, no escopo, a serviços em que a taxa de sucesso é conhecida como muito alta. Uma vez que a confiança em TI e EIS é gerada, o EIS pode adicionar mais serviços a si mesmo.

e) Tamanho e custo aumentados:

Se o gerente achar um EIS útil, ele espera que seus subordinados também o usem. Aqueles que não o utilizam, acham muito difícil viver de acordo com as expectativas de seu chefe, na medida em que a conscientização sobre o ambiente de negócios está em causa. Assim, o EIS fica sobrecarregado e os custos sobem acentuadamente porque o número de usuários deve crescer em proporções geométricas.

Assim, a implementação do EIA deve ser realizada com muito cuidado. É aconselhável selecionar um momento oportuno para implementação. As pessoas resistem mais às mudanças quando as coisas correm bem e estão mais dispostas a experimentar algo novo em uma crise.

Portanto, o momento mais oportuno da implementação do EIS é quando as pessoas estão procurando por novas soluções para seus problemas. A instalação piloto é considerada a estratégia de instalação mais adequada para o EIS. Uma abordagem seletiva é melhor nos estágios iniciais do design do EIS e novos serviços são adicionados no EIS somente após o modelo inicial ser bem-sucedido. O envolvimento e o suporte do usuário são essenciais para a implementação bem-sucedida do EIS.

Sistemas especializados:

As complexidades e o dinamismo crescentes no ambiente de negócios emergente exigem uma maior interação dos gerentes funcionais com os especialistas, a fim de obter aconselhamento oportuno. Esses especialistas não apenas filtrariam informações de vastos conjuntos de informações diversas, mas também usariam seus conhecimentos para oferecer conselhos.

Tradicionalmente, a especialização disponível em uma organização forneceu uma base importante para atingir, melhorar e manter sua posição competitiva. Todas as outras coisas sendo iguais, as empresas sem experiência comparável estão em desvantagem.

Os especialistas humanos podem não ser capazes de lidar com os novos desafios, dadas as limitações de tempo e complexidades do novo ambiente. Além disso, pode não haver uniformidade e consistência de aconselhamento para uma dada situação de decisão durante um período.

Isto é assim por causa da óbvia incapacidade dos seres humanos para capturar o impacto de várias variáveis ​​de decisão o tempo todo. A Síndrome da Fadiga da Informação e as limitações dos especialistas humanos no ambiente de negócios em mudança resultaram em uma crescente popularidade dos sistemas especialistas em negócios (BES).

Esses sistemas simulam a atividade humana e continuam capturando e sistematizando o conhecimento do negócio, estendendo as capacidades de tomada de decisão de especialistas humanos caros e escassos, para que outros possam usar suas experiências de decisão. Eles oferecem a vantagem da flexibilidade na captura e representação de informações de diferentes tipos em diversas formas.

Um sistema especialista em negócios recebe um problema do usuário, identifica seus requisitos de dados, analisa os dados relevantes em relação às regras de decisão (contidas em um sistema de conhecimento). Uma vez resolvido o problema, o sistema, através de seu mecanismo de inferência, reporta a solução ao usuário e também é capaz de explicar sua linha de raciocínio para alcançar essa solução.

Um sistema especialista em negócios pode atuar como uma ajuda para a eficácia gerencial, fornecendo conselhos. Suas soluções / conselhos são sempre consistentes, uniformes, minuciosos e metódicos. Funciona como um solucionador de problemas padronizado. O sistema especialista em negócios é capaz de explicar a linha de raciocínio usada para resolver um problema.

Um usuário pode estudar a lógica e está livre para aceitar, modificar ou rejeitar a solução. Ao contrário de outros sistemas especialistas no campo da medicina, engenharia, etc., o objetivo do sistema especialista em negócios não é substituir a avaliação por especialista (s) humano (s) pelo programa de computador.

Em vez disso, o objetivo é adquirir a expertise do especialista humano e disponibilizá-lo de forma padronizada para o (s) especialista (s) humano (s) e outros na organização. Eles elaboram estratégias para usar o conhecimento nas áreas de aplicação, de modo a desenvolver soluções plausíveis para os problemas.

As áreas típicas de aplicação do sistema especialista em negócios incluem:

Eu. Faça ou compre decisões

ii. Decisões de lançamento de novos produtos

iii. Determinando limites de crédito

iv. Desenvolvimento de produtos

v. Aconselhamento sobre investimentos

vi. Avaliação de desempenho

vii. Sistemas de Incentivo

viii. Consulta do cliente

ix. Avaliações de projetos

x. Programação de produção

XI. Decisões de roteamento

Blocos de construção de sistemas especialistas de negócios:

Embora a metodologia do sistema especialista tenha sido desenvolvida nas últimas duas décadas, ainda está em sua infância quando vista do ponto de vista de um gerente de negócios. Assim, não existe um modelo padrão para um sistema especialista em negócios. Holsapple identifica três componentes básicos do BES: interface do usuário, mecanismo de inferência e sistema de conhecimento. As relações entre esses componentes são representadas na Figura 10.5.

Um usuário apresenta um problema antes do BES usando a interface do usuário. O mecanismo de inferência tenta entender o problema, estruturá-lo de tal maneira que o sistema de conhecimento possa ser usado para resolvê-lo. Em seguida, usa o sistema de conhecimento para buscar soluções para o problema.

O sistema de conhecimento consiste em conhecimento de raciocínio armazenado e é tratado pelo mecanismo de inferência para buscar soluções para o problema. O sistema de conhecimento pode consistir em ferramentas de representação de conhecimento, como conjuntos de regras, bancos de dados, planilhas, estruturas orientadas a quadros, bases de casos, redes semânticas, textos, gráficos etc. O mecanismo de inferência pode interagir com os usuários para obter mais detalhes sobre a tomada de decisões. meio Ambiente.

Opções de aquisição:

Um sistema especialista em negócios é um sistema complexo e requer compromisso de longo prazo por parte de uma empresa para poder entregar mercadorias. Devido à dinâmica dos negócios, a utilidade dos BESs pode ser reduzida devido a mudanças no ambiente de negócios.

Algumas das BES podem se tornar obsoletas, mesmo durante o estágio de desenvolvimento, se não forem planejadas adequadamente. É essencial estar ciente das opções de aquisição, para que o tempo e custo de desenvolvimento possam ser reduzidos e um equilíbrio entre flexibilidade e eficiência possa ser mantido no sistema.

Em geral, existem três opções de aquisição para o BES:

a) Adquirir um sistema totalmente desenvolvido:

Um número de BESs prontas estão disponíveis para diferentes tipos de problemas identificados na lista de aplicações do BES mencionada anteriormente. Essas soluções prontas têm todos os três componentes totalmente desenvolvidos e estão prontos para uso. Eles têm as vantagens de serem econômicos, bem testados e de implementação mais rápida, mas em muitas situações de decisão eles não são adequados.

b) Adquirir o escudo de inteligência artificial:

O shell de inteligência artificial consiste em um gerenciador de conjunto de regras e um mecanismo de inferência. O gerenciador de conjuntos de regras é fornecido com a expertise representada por várias ferramentas de representação de conhecimento. Uma vez que o conhecimento especializado é representado, o conjunto de regras é testado na informação passada e uma vez encontrado correto, o shell se torna utilizável com a ajuda do mecanismo de inferência.

Esta opção dá a flexibilidade para um gerente definir seus próprios conjuntos de regras e obter um BES customizado operacional em um curto período de tempo. No entanto, essas cápsulas que estão disponíveis no mercado têm suas próprias áreas de aplicativos para as quais são mais adequadas.

c) sistema construído sob encomenda:

Caso as duas primeiras opções pareçam inviáveis ​​ou sejam consideradas aconselháveis ​​devido à singularidade do problema, pode-se optar pelo BES personalizado. Custam mais e demoram mais tempo, mas são muito úteis em situações únicas ou específicas de tomada de decisão.

Benefícios de sistemas especialistas:

As BESs são caras tanto em termos de dinheiro quanto de tempo para desenvolvê-las. É, portanto, necessário estar ciente dos benefícios do BES para que a análise custo-benefício possa ser feita antes de se aventurar na aquisição do BES.

A seguir estão os benefícios potenciais de BESs:

a) Codificação de perícia:

O benefício significativo do sistema especialista em negócios é que ele ajuda a formalizar / codificar a capacidade de raciocínio de uma organização. No processo de desenvolvimento do BES, são feitas tentativas de representar expertise na forma de regras, frames, casos, textos e gráficos.

Isso leva à compilação de conhecimentos sobre a perícia até agora mantida firmemente no peito pelos especialistas. Tal reserva de conhecimento pode fornecer uma base para um melhor treinamento de especialistas humanos na organização, além de levar a uma melhor tomada de decisão.

b) Melhor compreensão do processo de negócios:

Aumenta a compreensão do processo de tomada de decisão que, por sua vez, pode levar a melhorias no processo. Durante o processo de desenvolvimento, as formas existentes de tomada de decisão são identificadas e revisadas. Isso ajuda a melhorar o processo de tomada de decisão. A interação freqüente de especialistas com o BES é um ótimo processo de aprendizado e resulta no aprimoramento mútuo das capacidades de resolução de problemas de cada um.

c) Disponibilidade atempada de experiência:

O BES é capaz de fornecer conhecimentos quando um especialista humano não está disponível. Esses sistemas não têm problemas de disponibilidade que são bastante comuns entre os especialistas humanos. Os BESs estão disponíveis para os usuários para consultas em horários irregulares, não têm compromissos anteriores, não saem de licença por um motivo ou outro e não se demitem da empresa para participar de um concorrente.

d) replicação fácil:

O custo marginal de replicar um BES é insignificante. Uma vez que um BES é bem-sucedido em um local, ele pode ser replicado em outros locais com ambientes similares de tomada de decisão, sem perda de tempo ou oportunidade.

e) Elimina solicitações de consulta de rotina:

O BES pode ajudar um especialista humano a reduzir a sua carga de trabalho, direcionando o tipo de rotina dos pedidos de consulta para o BES. Isso permite que o especialista humano se concentre em problemas mais desafiadores que não são resolvidos pelo BES.

f) Consistência:

O BES oferece aconselhamento consistente e uniforme sobre problemas. Seus conselhos não sofrem com a negligência de alguns fatores, esquecendo alguns dos passos, preconceitos pessoais ou problemas temperamentais.

g) Linha de lógica:

O BES oferece uma linha de lógica usada junto com a solução. Isso permite que o gerente analise criticamente as soluções e descubra se a linha de raciocínio usada é válida ou não. Isso ajuda o gerente a entender os pontos fortes e fracos da solução e a aplicar seu julgamento comercial para chegar a decisões.

h) Aplicações estratégicas:

Os benefícios do BES ajudam na diferenciação de produtos e serviços e na redução de custos. Eles também ajudam no desenvolvimento de nichos de mercado onde concorrentes sem esses sistemas podem não ser eficazes. Assim, as BESs podem fornecer a vantagem estratégica para uma empresa.

Fatores críticos de sucesso na implementação do BES:

Os críticos das BESs fornecem inúmeras razões para a impraticabilidade do BES. A crítica na maioria dos casos não é infundada. É essencial que os problemas relacionados com o desenvolvimento e a implementação sejam antecipados e sejam tomadas as precauções necessárias para garantir o sucesso da BSE.

Os seguintes fatores podem ser mantidos em vista a este respeito:

a) Custo-efetividade:

A maioria dos BESs é muito cara e às vezes é econômico usar especialistas humanos. É necessário manter o custo da BSE baixo para garantir que o custo seja justificado pelos benefícios potenciais. As duas primeiras opções de aquisição ajudam a manter o custo do BES em níveis mais baixos.

b) seletivo em escopo:

O BES mais ambicioso pode exigir uma duração mais longa do processo de desenvolvimento e custos elevados. Pode ser lembrado que nem todas as decisões oferecem a mesma taxa de retorno do investimento no BES.

Um deve ser seletivo na inclusão de aplicações no BES e um BES abrangente, talvez exija muita experiência em sistemas de informação. As tecnologias de inteligência artificial ainda estão evoluindo e pode ser economicamente viável ter um escopo mais amplo para a BSE.

c) facilidade de uso:

BESs são sistemas muito complexos, com técnicas poderosas de análise de dados. Eles exigem muito esforço de treinamento antes que possam ser efetivamente usados. Portanto, é necessário ter uma interface de usuário mais amigável e estruturas de menu mais explícitas e não ambíguas.

d) Ambiente multiusuário:

A maioria dos BES são sistemas independentes. No entanto, muitas vezes, a especialização em decisões é um resultado de atividades coletivas e de grupo. É provável que o BES com ambiente multiusuário tenha mais sucesso do que sistemas independentes.

O que um gerente precisa saber sobre o BES:

O BES utiliza múltiplos instrumentos de engenharia de conhecimento, muitos dos quais podem estar além da compreensão de um gerente funcional comum. No entanto, como um usuário do BES, um gerente não precisa conhecer os detalhes técnicos do sistema de conhecimento.

O que ele precisa saber sobre o BES é:

Eu. As oportunidades de aplicação do BSE nas atividades de negócio e o potencial relativo de cada aplicação na formalização do conhecimento.

ii. Tecnologias básicas do BES e suas áreas de aplicação favoritas.

iii. Viabilidade de usar shell de inteligência artificial.

iv. Papel do BES no apoio às pessoas em suas atividades.

v. Viabilidade técnica e económica do BES.

Os potenciais benefícios do BES são bastante fascinantes. Talvez, o que é necessário é desenvolver ferramentas eficazes em termos de custo para construir o BES e a participação voluntária de especialistas em domínio no processo de desenvolvimento que é de natureza evolucionária.

Limitações dos sistemas especialistas de negócios:

Os BESs provaram os seus potenciais benefícios em muitas aplicações e alguns foram muito bem sucedidos. No entanto, existem algumas limitações de BESs. Estas limitações devem-se aos pressupostos que as BSEs fazem em relação a:

Eu. A disponibilidade de um especialista humano em domínio disposto que seja capaz de articular conhecimento e tenha um histórico comprovado na tomada de decisões eficazes. Tais especialistas raramente estão disponíveis, particularmente em novos domínios onde o conhecimento também está em estado de evolução.

ii. O ambiente de tomada de decisão é simples, bem estruturado e não está sujeito a mudanças frequentes. Na realidade, a tomada de decisão ocorre em um ambiente complexo, dinâmico e multidimensional. Como conseqüência, articular o conhecimento é muito difícil.

As BESs carecem de flexibilidade que seja necessária à luz da dinâmica dos negócios. O ambiente de tomada de decisões multidimensional torna essencial a tomada de decisões em grupo. Conseguir um especialista que entende todas as dimensões dos problemas de negócios está se tornando cada vez mais difícil. Pode ser lembrado que as BESs são adequadas para o tipo limitado de aplicações e não para substituir totalmente os especialistas humanos.

Como consequência, as BESs estão perdendo sua popularidade. Eles são considerados adequados para o tipo limitado de aplicações. As novas ferramentas de inteligência artificial, como redes neurais, lógica difusa, raciocínio baseado em casos, etc., estão sendo adicionadas aos mecanismos de inferência para torná-las mais adequadas às necessidades de mudança dos negócios.

Lado a lado, estão sendo feitas tentativas de usar as ferramentas de inteligência artificial para desenvolver software adicional para executar funções limitadas. Esses complementos são denominados agentes inteligentes.

Agentes Inteligentes:

Agentes inteligentes são componentes de software que executam uma parte do processo usando uma base de conhecimento. Eles geralmente trabalham com sistemas de informação compartilhados e operam de maneira semi-autônoma.

Esses programas se comunicam com os usuários e as bases de informações para executar tarefas autônomas. Esses programas são integrados em diferentes aplicativos para aprimorar os serviços de análise de informações do sistema de informações. Esses agentes estão sendo usados ​​para uma variedade de aplicativos, como:

a) Sistemas de detecção e alarme:

Os agentes inteligentes estão sendo usados ​​para estabelecer um sistema de detecção de exceções nas bases de dados, sistemas de comunicação, etc., e emitir os alarmes necessários para os usuários em questão. A 'gestão por exceção' encontraria uma nova dimensão nas atividades gerenciais quando esses agentes inteligentes começassem a fornecer informações.

b) Mecanismos de pesquisa de informações:

Agentes inteligentes também estão sendo desenvolvidos para funcionar como mecanismos de busca de informações para responder às consultas recebidas de diferentes tipos de usuários. Por exemplo, um ministério pode receber vários pedidos de informação todos os dias. Agentes inteligentes podem interpretar as solicitações e filtrar informações do banco de dados e enviar a resposta no formulário apropriado ao usuário.

Da mesma forma, agentes inteligentes poderiam agregar valor ao sistema de informações de ferrovias por meio de uma gestão adequada das solicitações de passageiros em relação a várias operações. Um agente inteligente liga a Internet, a rede interna e os CD-ROMs para filtrar e fornecer informações personalizadas. Uma versão menor desse mecanismo de pesquisa já está disponível em LOTUS-NOTES.

c) Aplicações de secretária:

Como a disponibilidade de agentes inteligentes torna-se comum em PCs, eles atuariam como gerentes de reuniões pessoais, bibliotecários pessoais, consultores financeiros pessoais etc. Esses agentes automaticamente organizariam contato telefônico com clientes, corrigiam compromissos e emitiam alarmes para garantir que a consulta não fosse feita. ignorado inadvertidamente.

Esses agentes procurariam por matérias sobre assuntos de interesse de revistas na Internet e coletariam informações de outras fontes, inclusive bibliotecas eletrônicas e CD-ROMs, para fornecer informações que recebam com a ajuda de secretárias, hoje.

Novas ferramentas de análise de informações:

Agentes inteligentes usam uma variedade de ferramentas de análise de informações. Essas ferramentas não apenas filtram informações do heap de dados, mas também fornecem as informações de maneira significativa. O importante entre essas ferramentas são mineração de dados, mapeamento de dados, visualização de dados, redes neurais, etc.

a) Mineração de dados:

Mineração de dados refere-se ao exame de grande volume de dados para tendências e padrões, estabelecendo relações cruzadas entre vários fatores que podem até então permanecer ocultos na pilha de dados. Envolve técnicas de detalhamento para decompor os números de nível superior em números de nível inferior.

Os 'semáforos' fornecem sinais de alerta quando são encontradas exceções. A mineração de dados encontra suas aplicações onde quer que existam relações complexas e sutis entre produtos ou serviços individuais que não são fáceis de identificar, mas têm implicações significativas para as receitas e a lucratividade. Uma característica notável da mineração de dados é que ela analisa todos os dados disponíveis em vez de coletar amostras para análise. A Figura 10.6 ilustra o processo de mineração de dados.

A mineração de dados fez sua estréia no marketing de commodities de varejo e foi bastante natural. No entanto, também tem aplicativos em outras atividades de negócios. Pode ajudar os gerentes a estabelecer relações entre vários fatores que influenciam diferentes variáveis ​​de decisão.

Data mining como uma técnica ainda está em sua infância. É uma grande promessa, principalmente porque pode ajudar a identificar oportunidades e permitir que os gerentes reajam rapidamente às oportunidades atuais e aos perigos iminentes.

b) Mapeamento de dados:

As ferramentas de mapeamento de dados fornecem uma visualização gráfica das informações sobrepostas em um mapa de uma área geográfica ou território. Eles podem fornecer uma visão mais rápida da dispersão / concentração geográfica da demanda pelos produtos e das preferências, expectativas e sentimentos do mercado.

Eles também podem ajudar na identificação de fatores locais que influenciam o comportamento do mercado em diferentes pontos do tempo. Tais ferramentas de mapeamento podem ser de grande ajuda para melhorar a compreensão de informações volumosas de dados, uma vez que se descobriu que uma grande proporção de dados armazenados é de natureza geográfica.

No entanto, ferramentas de mapeamento precisam ser enriquecidas com mais detalhes sobre as características de cada área geográfica e as semelhanças associadas de áreas vizinhas.

c) Ferramentas de visualização de dados:

Estas ferramentas visam principalmente representar dados com a ajuda de visuais tridimensionais. Esses elementos visuais podem ser histogramas que podem ser navegados para mais detalhes de seus dados componentes, com a ajuda de qualquer dispositivo apontador, como o mouse.

O visual pode assumir formas mais imaginativas, como bolas esféricas de tamanhos e cores variados ou qualquer outra forma que possa estar diretamente relacionada ao assunto ou ao comportamento dos dados. As ferramentas de visualização de dados têm a capacidade de resumir os dados de forma que os usuários demorem menos tempo para visualizar a situação.

Ele ajuda a focar na parte atualmente relevante dos dados e permite que o usuário explore mais, caso isso lhe interesse. As técnicas de visualização de dados também devem ajudar na simulação, na análise de sensibilidade e na resposta a perguntas "e se".

Para obter um vislumbre de suas aplicações na gestão financeira, vamos dar um exemplo da análise de proporção clássica para medir o desempenho de uma empresa. Rácio quando usado com cuidado, pode contribuir muito para fornecer uma visão sobre o estado das coisas.

Mas, um grande número de razões relativas a uma empresa com interpretações variadas, quando comparadas com as proporções da indústria e do país, seria muito incômodo e resistiria à compreensão de relações complexas. Técnicas de visualização podem ajudar a colocá-las na perspectiva correta.

Um visual tridimensional colocando os valores na forma de bolas / caixas coloridas e os valores dos componentes / nível inferior contidos nas bolas maiores representando valores de alto nível podem ajudar a entender melhor as relações e a comparação com os padrões correspondentes do setor e do país. Por exemplo, um rendimento de uma empresa bancária na execução de ativos pode ser calculado e exibido juntamente com os valores correspondentes de Custo de fundos;

Taxa de juros de mercado; imposto sobre juros / outros impostos; Mix de ativos; e risco financeiro, juntamente com as proporções da indústria na forma de tabelas bidimensionais ou matriz de proporções. Alternativamente, a proporção da empresa é mostrada como uma bola em um monitor colorido, juntamente com a proporção da indústria em cores distintas e tamanhos proporcionais. Ao bater com a ajuda de um mouse em cada bola, o usuário pode abrir a bola para dar cinco bolas adicionais.

Cada uma dessas bolas representa um dos fatores listados acima. Os tamanhos dessas bolas estão associados à sua importância relativa na determinação do valor do rendimento dos ativos executados, tanto para a empresa quanto para o setor.

d) Algoritmos genéticos e redes neurais:

Algoritmos genéticos também estão sendo reconhecidos como ferramentas eficazes para análise de dados financeiros. Essas ferramentas estabelecem regras e padrões de decisão a partir dos dados anteriores e ajudam a hipotetizar várias situações. Com a disponibilidade de ferramentas avançadas de estatísticas difusas e instalações de computação de alta velocidade, os algoritmos genéticos estão agora encontrando novas aplicações na modelagem financeira.

As redes neurais tentam emular cérebros humanos com a força adicional na precisão aritmética no processamento de dados de grande volume usando algoritmos complexos. Essas redes, quando confrontadas com dados relevantes, descobrem padrões em dados e desenvolvem modelos, os testam, prevêem eventos futuros e aprendem com os erros.

Esses agentes inteligentes têm o potencial de permitir que os gerentes antecipem as mudanças no ambiente de negócios com mais rapidez, para que possam mudar suas estratégias bem no tempo. Desta forma, eles ajudam a melhorar a adaptabilidade dos processos de negócios.

Most of these tools try to analyse information on real time basis and thus the most recent scenario is presented to the manager without much of technical analysis done by himself.

Software giants like Oracle, Cognos and Comshare have started offering intelligent agents as add-ons with their traditional application products. Some of the others offer independent software tools for data management, modelling and information presentation. However, at present, these tools are very simple and in their primitive form.