http://repositorio.febab.org.br/files/original/63/6925/SNBU2020_043.pdf 245f9125451c6e6b99295524f5c14fd8 PDF Text Text Eixo 3 - Inovações ANÁLISE DE DADOS E INTELIGÊNCIA DE NEGÓCIOS APLICADAS EM BIBLIOTECAS UNIVERSITÁRIAS DATA ANALYSIS AND BUSINESS INTELLIGENCE APPLIED IN UNIVERSITY LIBRARIES Giuliano Ferreira1 Resumo: Este trabalho propõe, através de estudo, relatar o processo de desenvolvimento do Dashboard Interativo das Bibliotecas PUC-Rio. Analisa as diversas abordagens e plataformas disponíveis para criação desses painéis de informações e sua utilização como mediadores na gestão de instituições, particularmente em bibliotecas universitárias. Apresenta os objetivos da utilização das técnicas de análise de dados e inteligência de negócios para otimizar o fluxo de conhecimento dentro das bibliotecas. Descreve os procedimentos adotados no desenvolvimento da ferramenta de dashboard e apresenta detalhes do sistema planejado para controlar o fluxo de dados dentro do mesmo. Aponta as medidas aplicadas para otimizar o funcionamento do sistema a partir do monitoramento dos usuários. Destaca as mudanças de tipo e volume dos dados existentes nessas instituições atualmente e propõe uma nova abordagem para coletar, processar e visualizar esses dados, a fim de extrair o máximo de conhecimento possível, para tomada acertada de decisões. Analisa, então, os resultados parciais alcançados durante o período do projeto piloto. Conclui, apontando os aspectos vantajosos que devem ser considerados na implantação de um projeto dessa natureza. Palavras-chave: Dashboard. Análise de dados. Inteligência de negócios. Gestão. Bibliotecas universitárias. Abstract: This paper proposes, through a study, to report the development process of PUC-Rio’s library Interactive Dashboard. It analyzes the different approaches and the available platforms for creating these information panels and their use as mediators in the institutions management, particularly in university libraries. It presents the objectives behind the decision to use data analysis and business intelligence techniques to optimize the knowledge flow within libraries. It describes the procedures adopted in the development of the dashboard tools and presents details of the system planned to control the data flow within it. It highlights measures adopted to optimize the functioning of the system based on user monitoring. It highlights the changes in type and volume of existing data in these institutions today, and proposes a new approach to collect, process and visualize this data in order to extract as much knowledge as possible for correct decision-making. It then analyzes the partial results achieved during the period of the pilot project. It concludes, by pointing out the beneficial aspects that should be considered in the implementation of such a project. Keywords: Dashboard, Data analysis. Business intelligence. Management. University libraries. 1 Analista de Sistemas. Divisão de Bibliotecas e Documentação – PUC-Rio. giuliano@dbd.puc-rio.br �INTRODUÇÃO Desde o início da Era da Informação, por volta de 1980, que não se gera tantos dados como atualmente. Segundo NASSER (2020), já é definitivo, estamos vivendo a “Era dos Dados”. Nos últimos dois anos geramos mais dados do que toda a humanidade gerou ao longo dos tempos. SARKAR-BASU (2018) cita que pesquisas do International Data Corporation (IDC) estimam que em 2020 toda a informação digital mundial estaria na casa dos 44 ZB (zetabytes de informações - são 44 com 21 zeros no final, ou aproximadamente 9 trilhões de DVDs). Não estamos nem começando. O Big Data que conhecemos hoje, só vai aumentar em volume e diversidade dos dados, com a popularização iminente de tecnologias como IOT (Internet das Coisas), realidade virtual e aumentada e impressões em 3D, citando apenas alguns exemplos. Dentro desse contexto, estão inseridas as nossas bibliotecas universitárias. As “guardiãs da informação”, da produção acadêmica e das bibliografias. Passamos os últimos 40 anos salvando tudo que pudemos. Estudamos sobre bancos de dados, repositórios, preservação digital, armazenamento em nuvem e ferramentas de descoberta. Gerar e armazenar dados era o nosso objetivo, mas não o fim. Pouco se discutiu, naquela época, sobre como realmente extrair conhecimento daquele volume monstruoso de dados que estava para se formar. Focamos mais na catalogação e na recuperação da informação, do que na geração de conhecimento, através da análise mais profunda dos dados. Os tradicionais relatórios e listagens não fornecem mais uma visão ampla suficiente, para visualizar o contexto de cima, e assim enxergar novas perspectivas em torno dos mesmos dados, porém apresentados de uma forma mais eficiente. Os estudos nas áreas de inteligência de negócios, normalmente mais focados no ambiente corporativo, nos departamentos de marketing e finanças das grandes empresas, já utilizam de diversas ferramentas e despendem um bom investimento, focado em novos tipos de visualizações de dados, totalmente customizadas, para que equipes de cargos específicos possam realizar tomadas de decisões, cada vez mais acertadas nos momentos críticos do negócio. Foi em cima desse modo de pensar que iniciamos nas Bibliotecas PUC-Rio, os estudos nas áreas de Business Intelligence (BI) e Data Science. O intuito era extrair o máximo de respostas possíveis das nossas bases de dados, já existentes, que vinham armazenando dados de todo o �funcionamento do Sistema Integrado de Bibliotecas, desde a aquisição, a catalogação até a consulta e circulação dos materiais nos últimos vinte e poucos anos. Decidimos criar um projeto piloto para avaliar a capacidade de extração de conhecimento, utilizando essas técnicas, comparado aos relatórios do sistema que eram utilizados para as tomadas de decisões na Biblioteca, até o momento. Nesse piloto seriam contemplados os dados relacionados a uma área crítica na gestão das bibliotecas universitárias, que é a aquisição de novos títulos. Queríamos entender todo o ciclo de utilização desses exemplares adquiridos. Decidimos então, avaliar a aquisição, os empréstimos, as reservas e também, as consultas online nas bases de dados da versão digital desses exemplares. As perguntas a serem respondidas giravam em torno de entender o quanto eram representativos aqueles títulos dentro da coleção. Queríamos visualizar também a participação nos empréstimos e reservas, tentando justificar as aquisições ao longo do tempo. Indo mais longe, procuramos identificar nas consultas e downloads dos usuários, a demanda por esses acervos. Extrair dados não seria suficiente, pois isso já fazíamos antes com os filtros e relatórios do nosso sistema. Queríamos mais! Queríamos poder ver a informação mais de cima, mais agregada e mais customizada para as métricas que gostaríamos de representar. Foi aí que nos aprofundamos nas técnicas e ferramentas de visualização de dados. Ao primeiro contato já sabíamos que tínhamos acertado em cheio, pois os gráficos e tabelas agrupadas na mesma página, com todos os filtros e possibilidades de separação dos dados, encantam e informam ao primeiro olhar. Era disso que precisávamos! E assim, decidimos que o nosso desafio seria criar um Dashboard Interativo em tempo real, para monitorar todos os dados relacionados aos acervos da Divisão de Bibliotecas e Documentação da PUC-Rio (DBD). Para construir tudo isso, estávamos conscientes de que haveria muito estudo e trabalho a serem realizados. REVISÃO DE LITERATURA Dados, informação e conhecimento: estamos acostumados a ouvir sobre esses elementos o tempo todo. Lidamos com muitos termos relacionados como processamento de dados, sistemas de informação, gestão do conhecimento, entre outros. Mas qual a real diferença entre estes elementos, e por quê estamos vivendo a Era dos Dados? De acordo com REZENDE (2015): “Dados são códigos �que constituem a matéria prima da informação, ou seja, é a informação não tratada que ainda não apresenta relevância.”. Para se ter uma noção de para onde estamos indo, já se fala em Dataísmo, que segundo a WIKIPEDIA (2021) seria “um termo que tem sido utilizado para descrever o modo de pensar ou filosofia criada pela emergente importância da Big Data” e completa definindo como “uma ideologia emergente ou mesmo uma nova forma de religião, em que o fluxo de informação é o valor supremo”. Já a informação, seria mais relacionada com os dados já tratados. SILVA (2007) explica: “O resultado do processamento de dados são as informações. As informações têm significado, podem contribuir no processo de tomadas decisões“. Por sua vez, completa SILVA (2007), “O Conhecimento vai além da informação, pois ele além de ter um significado tem uma aplicação”, e adiciona “O saber, a instrução ou domínio científico estão relacionados com o conhecimento”, e ainda conclui afirmando que “A soma da informação, do conhecimento e das experiências aplicadas na prática (boas e ruins), é quando você adquire o verdadeiro Know-How”. Vivemos, portanto, um momento onde temos infinitamente mais dados do que informação e conhecimento, principalmente quando se tratam dos nossos dados das bibliotecas universitárias. Até o momento que este trabalho foi escrito, só na PUC-RIO, temos em mais de meio milhão de exemplares cadastrados no sistema. Nossas bases de dados com os metadados dos acervos da biblioteca, já passaram de 60 GB de informação puramente textual. Isso sem falar dos outros sistemas da biblioteca e informações contidas em planilhas e outros formatos de dados. Será que estamos conseguindo extrair todo o potencial de informação e conhecimento destes dados, apenas emitindo relatórios nos nossos sistemas? Certamente não! Todos nós envolvidos na gestão de informação das bibliotecas sabemos da dificuldade de avaliar qualitativamente todo aquele dado quantitativo, listado em milhares de linhas e páginas dos relatórios, que cada seção da Biblioteca emite periodicamente para a direção. Então, como que os conceitos de BI, análise e visualização de dados podem nos ajudar nessa tarefa? Com métricas, indicadores de desempenho, metas e gráficos! Muitos gráficos. A partir da análise exploratória dos dados originais, conseguimos perceber de forma mais clara os relacionamentos entre os dados, e assim mapear e projetar a melhor forma de exibir a informação certa, para a pessoa certa, no tempo certo. �Para definir esses elementos, ELIAS (2019) afirma que “Métricas são medidas brutas que servem de subsídios aos indicadores. São compostas por vários tipos, como valor, quantidade, peso, volume ou outro formato quantitativo. São a base para a constituição dos indicadores de desempenho (Key Performance Indicator - KPI) ” e ainda complementa afirmando que “As métricas têm foco operacional e os indicadores possuem foco no nível tático. Ambos dão suporte as metas no nível estratégico da organização”. Em um exemplo prático no nosso cotidiano das bibliotecas, GRANDI (2009) sugere criar um novo indicador de desempenho chamado “Uso da coleção”, que seria calculado através de métricas como “número de empréstimos”, “número de consultas” e “número total de acervos”. A meta em cima desse indicador seria por exemplo “aumentar em 10% o uso da nossa coleção no próximo ano”. A Figura 1 a seguir, explica como ficaria a definição e a fórmula do indicador de desempenho “Uso da coleção”: Figura 1 - Indicador Uso da Coleção Fonte: Divisão de Bibliotecas e Documentação PUC-Rio (2021) O Business Intelligence (BI) se refere a metodologias, ferramentas analíticas e aplicativos utilizados para análise de informações de negócios. O BI fornece aos gerentes de negócios e analistas, a capacidade de conduzir análises apropriadas. Ao analisar dados históricos e atuais, os tomadores de decisão obtêm novas percepções, que lhes permitem tomar decisões melhores. �Para que esse estudo seja possível, os sistemas de BI dependem de datawarehouses como fonte de informação. Um datawarehouse é um banco de dados centralizado que armazena dados históricos. Esses dados são a princípio imutáveis e são obtidos por meio da coleta e processamento de dados de várias fontes. Estes armazéns de dados são usados como suporte para a tomada de decisões de negócios. Então por que precisamos destes armazéns de dados? Por que a forma como emitimos nossos relatórios atualmente, afeta diretamente diversos fatores da biblioteca como um todo. Podemos destacar três grandes impactos: a performance, a customização e a visualização dos dados. A performance, pois quando emitimos o relatório diretamente do sistema estamos na maioria das vezes, utilizando como base de dados, a nossa própria base de produção. E quando precisamos emitir relatórios que afetam várias tabelas do banco de dados, todas as seções da biblioteca sentem o impacto na performance, prejudicando a produtividade dos colaboradores envolvidos. A customização, porque os relatórios dos sistemas vêm pré-definidos e normalmente não podem ser muito customizados. Embora tenhamos diversos relatórios para emitir, muitas vezes não encontramos um que responde as perguntas específicas da gestão da biblioteca. E por último, e talvez a mais importante, a visualização de dados, que consiste em exibir os dados de forma agregada e customizada para o público alvo em questão. Nesse quesito entram também os conceitos de Storytelling, que procura destacar as informações mais importantes de um contexto como se fosse uma história. Nesse momento, mais uma vez, a inteligência de negócios vem para nos ajudar com o conceito de Dashboards Interativos, que contém dados agrupados, praticamente em tempo real, extremamente customizados e com todos os filtros necessários para que as pessoas envolvidas na gestão das bibliotecas, possam analisar as informações apresentadas de forma compacta e direta para realizar a tomada de decisões com mais confiança. A esse processo completo de extração, transformação e carga dos dados para o datawarehouse a fim de ser analisado, dá-se o nome de ETL (Extract, Transform, Load). Existem vários desafios nessa fase, pois as origens de dados são diversas e muitas vezes não padronizadas. Essa etapa costuma ser a mais trabalhosa e mais custosa para o projeto. Precisa-se gastar um longo tempo analisando e projetando a migração dos dados, para que eles estejam disponíveis de forma adequada no datawarehouse. �Existem muitas ferramentas no mercado que nos auxiliam nesse momento, mas elas costumam ser apenas dominadas pela equipe de Tecnologia da Informação (TI). Portanto, é necessária uma boa comunicação com o pessoal dá área tecnológica, para operacionalizar a automação do processo de ETL e por fim, disponibilizar os dados em um formato de dashboard, para que a efetiva extração de conhecimento aconteça. Esses passos serão descritos a seguir. METODOLOGIA A série de procedimentos proposta nesse trabalho, visa demonstrar como foi o ciclo de desenvolvimento do Dashboard Interativo das Bibliotecas da PUC-Rio, desde a concepção do projeto, passando pelo desenvolvimento das estratégias de extração de dados, até a criação do datawarehouse e a integração com as ferramentas de visualização. Todo esse processo foi dividido em cinco grandes etapas, que podem ser visualizados na parte inferior da Figura 2 a seguir: Figura 2 - Fluxo de dados da automação Fonte: Divisão de Bibliotecas e Documentação PUC-Rio (2021) �A primeira etapa foi a coleta de dados, onde mapeamos as diversas fontes que continham as informações sobre os acervos. Nessa etapa mapeamos também os campos das tabelas e os relacionamentos entre as fontes. O levantamento é a segunda etapa, pois é necessário avaliar o que foi extraído e como foram unificados os dados de tabelas diferentes, que possuem relacionamentos entre elas. Diversas limpezas de dados são efetuadas e ocorre a desnormalização dos dados, para que os registros deixem de existir em diversas tabelas e passem a ocupar uma grande tabela imutável e unificada. O terceiro momento é a modelagem, processo no qual os dados são projetados para serem recuperados da melhor forma possível, com a melhor performance disponível pelos servidores. A quarta fase é a transformação. É quando escolhemos os dados que estarão disponíveis para as ferramentas de visualização e tomada de decisões. Para esta tarefa utilizamos a automação disponível nas ferramentas de ETL para agendar as cargas de dados, do datawarehouse para as planilhas, que vão alimentar a visualização de dados. O quinto e último procedimento é construir a ferramenta de visualização de dados, o Dashboard Interativo das Bibliotecas PUC-Rio. Para essa etapa, utilizamos as plataformas gratuitas disponíveis na Internet, que permitem a criação de painéis interativos com os dados que foram extraídos e preparados nas etapas anteriores. Nosso objetivo era desenvolver uma ferramenta que fosse acessada de qualquer lugar, em qualquer dispositivo, utilizando apenas um navegador. RESULTADOS Uma das vantagens de se adotar uma plataforma para o desenvolvimento de dashboards, é justamente o fato de ter a disposição uma série de relatórios modelos e tipos de visualizações, extremamente variados, para subsidiar as decisões e melhorias na ferramenta. Nas figuras a seguir, teremos alguns exemplos de métricas e gráficos exibidos no Dashboard durante a fase de implantação do projeto piloto. Esse piloto durou de fevereiro a agosto de 2021, e os dados analisados foram baseados nos anos de 2018 e 2019. Foram analisadas diversas métricas e estatísticas dos acervos e exemplares das respectivas bibliotecas, fornecedores, localizações, categorias dos usuários, departamentos envolvidos, empréstimos, reservas, aquisições e usuários que interagiram com a obra. �Alguns números surpreenderam pela simplicidade e pelo poder informativo, como foi o caso das participações em empréstimos dos exemplares, e também o custo médio por exemplar e fornecedor para cada departamento da universidade. Insights que eram difíceis de serem obtidos nos relatórios, agora eram nítidos em minutos de análise do dashboard. Outro fator surpreendente foi a capacidade dos filtros por biblioteca, departamento, categoria e localização, para auxiliar na avaliação em tempo real, por parte da gerência da biblioteca. O processo de automação da carga e transformação dos dados se confirmou como a etapa mais complexa e se reafirmou a necessidade de modelar e monitorar cuidadosamente o processamento dos dados, a fim de obter uma boa performance e um processo confiável para efetivar o agendamento desse tratamento. O monitoramento dos usuários foi essencial para validação dos dados e para sugestões de novas métricas e campos a serem considerados. Aliás, projetos como esse devem envolver o máximo de pessoas possíveis, pois a fase de descoberta é muito importante para os desenvolvedores poderem saber o que extrair da base de dados. Figura 3 - Capa do Dashboard das Bibliotecas PUC-Rio Fonte: Divisão de Bibliotecas e Documentação PUC-Rio (2021) �Figura 4 – Menu do Dashboard, métricas e filtros Fonte: Divisão de Bibliotecas e Documentação PUC-Rio (2021) Figura 5 – Exemplos de análises efetuadas Fonte: Divisão de Bibliotecas e Documentação PUC-Rio (2021) �Figura 6: Exemplos de análises efetuadas Fonte: Divisão de Bibliotecas e Documentação PUC-Rio (2021) Figura 7 - Exemplos de análises efetuadas Fonte: Divisão de Bibliotecas e Documentação PUC-Rio (2021) �Figura 8 - Exemplos de análises efetuadas Fonte: Divisão de Bibliotecas e Documentação PUC-Rio (2021) DISCUSSÃO Dentro das bibliotecas PUC-Rio o processo de extração de valor dos antigos relatórios emitidos pelas seções, era muito trabalhoso e muito custoso para ser processado e digerido de forma qualitativa, para ser utilizado pela gerência da biblioteca em tomadas de decisões. O novo Dashboard, além de atrativo e informativo, possibilita o acesso às principais estatísticas sobre a biblioteca e se mostrou uma ferramenta que merece ser aprimorada e mais explorada nos ambientes acadêmicos. O presente trabalho pretende levantar esta discussão, demonstrar como esse processo foi executado nas Bibliotecas da PUC-Rio e também motivar outras instituições a adotar inciativas similares, pois se trata de um projeto extremamente valioso para as pessoas que tomam decisões e precisam lidar com grandes quantidades de dados, vindos de diversas fontes diferentes, como é comum acontecer nas bibliotecas universitárias. �CONSIDERAÇÕES FINAIS Como mencionado, a ascensão da Era dos Dados não aconteceu da noite para o dia. O fato hoje é que estamos sobrecarregados de dados e com pouco conhecimento. As técnicas de BI e análise de dados vêm conquistando cada vez mais usuários e instituições de todos os portes. A figura a seguir apresenta as principais vantagens de utilizar Business Intelligence na sua instituição. Figura 9 - Vantagens de utilizar BI Fonte: DEVMEDIA (2021) Segundo GARCIA (2020), o Gartner Group definiu que “Business Intelligence é o processo de transformar dados em informação e, através da descoberta, transformar a informação em conhecimento”. Esse processo é representado pela Figura 10 a seguir. �Figura 10 - Vantagens de utilizar BI Fonte: CETAX (2021) A utilização de ferramentas de automação é essencial e indispensável para conclusão de um dashboard interativo, principalmente por causa da etapa de ETL. Portanto, esteja preparado para ter que lidar com múltiplos ambientes de desenvolvimento. Provavelmente será necessário testar diversas ferramentas para verificar qual se adapta melhor a realidade dos seus dados. A impressão visual causada por estas tecnologias é um convite para outras pessoas da instituição participarem em projetos dessa dimensão. Baseando-se nessa reflexão, a PUC-Rio optou por estudar essa tecnologia e desenvolver sua própria ferramenta de visualização. Com esse estudo conclui-se que todo esforço dispendido, para entender melhor os dados das instituições acadêmicas, fazendo uso de tecnologias inovadoras e ferramentas modernas do mercado, é justificado quando se percebe o poder de extração de conhecimento de análises mais profundas e das respostas adequadas para os nossos questionamentos. �REFERÊNCIAS A ERA DOS DADOS. Direção de Latif Nasser. Disponível em: <https://www.netflix.com/br/title/81031737> Acesso em: 04 ago. 2021. SARKAR-BASU, Parna. Embrace The Data Deluge To Drive Customer Engagement. Disponível em: <https://www.forbes.com/sites/forbescommunicationscouncil/2019/03/18/embracethe-data-deluge-to-drive-customer-engagement/?sh=33e172671b3f > Acesso em: 04 ago. 2021. REZENDE, Eliana. Dados, Informação e Conhecimento. O que são?. Disponível em: <http://eliana-rezende.com.br/dados-informacao-e-conhecimento-o-que-sao> Acesso em: 04 ago. 2021. DATAÍSMO. In: WIKIPÉDIA, a enciclopédia livre. Disponível em: <https://pt.wikipedia.org/wiki/Data%C3%ADsmo>. Acesso em: 04 ago. 2021. SILVA, Heide Miranda da. SOCIEDADE DA INFORMAÇÃO. Disponível em: <http://www.profcordella.com.br/unisanta/textos/tgs21_dados_info_conhec.htm> Acesso em: 04 ago. 2021. ELIAS, Diego. A diferença entre métrica e indicador. Disponível em: <https://www.binapratica.com.br/metrica-x-indicador> Acesso em: 04 ago. 2021. GRANDI, Marcia E. G. et al. Indicadores De Desempenho Para Bibliotecas Universitárias: Projeto Desenvolvido No Sibi/Usp. Disponível em: <https://pt.slideshare.net/esalq/si-bindicaprojeto-piloto> Acesso em: 04 ago. 2021. GARCIA, Marco. Business Intelligence tudo que você precisa saber. Disponível em: <https://www.cetax.com.br/blog/business-intelligence-tudo-que-voce-precisa-saber> Acesso em: 04 ago. 2021. � Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource SNBU - Edição: 21 - Ano: 2020 (UFG - Goiânia/GO) Subject The topic of the resource Biblioteconomia Documentação Ciência da Informação Bibliotecas Universitárias Description An account of the resource Tema: Biblioteca universitária: tradição, práticas e inovações Creator An entity primarily responsible for making the resource SNBU - Seminário Nacional de Bibliotecas Universitárias Publisher An entity responsible for making the resource available UFG Language A language of the resource pt Type The nature or genre of the resource Evento Coverage The spatial or temporal topic of the resource, the spatial applicability of the resource, or the jurisdiction under which the resource is relevant Goiânia (Goiás) Event A non-persistent, time-based occurrence. Metadata for an event provides descriptive information that is the basis for discovery of the purpose, location, duration, and responsible agents associated with an event. Examples include an exhibition, webcast, conference, workshop, open day, performance, battle, trial, wedding, tea party, conflagration. Dublin Core The Dublin Core metadata element set is common to all Omeka records, including items, files, and collections. For more information see, http://dublincore.org/documents/dces/. Title A name given to the resource Análise de dados e inteligência de negócios aplicadas em Bibliotecas Universitárias. Creator An entity primarily responsible for making the resource Ferreira, Giuliano Coverage The spatial or temporal topic of the resource, the spatial applicability of the resource, or the jurisdiction under which the resource is relevant Goiânia (Goiás) Publisher An entity responsible for making the resource available UFG Date A point or period of time associated with an event in the lifecycle of the resource 2020 Language A language of the resource pt Type The nature or genre of the resource Evento Description An account of the resource Este trabalho propõe, através de estudo, relatar o processo de desenvolvimento do Dashboard Interativo das Bibliotecas PUC-Rio. Analisa as diversas abordagens e plataformas disponíveis para criação desses painéis de informações e sua utilização como mediadores na gestão de instituições, particularmente em bibliotecas universitárias. Apresenta os objetivos da utilização das técnicas de análise de dados e inteligência de negócios para otimizar o fluxo de conhecimento dentro das bibliotecas. Descreve os procedimentos adotados no desenvolvimento da ferramenta de dashboard e apresenta detalhes do sistema planejado para controlar o fluxo de dados dentro do mesmo. Aponta as medidas aplicadas para otimizar o funcionamento do sistema a partir do monitoramento dos usuários. Destaca as mudanças de tipo e volume dos dados existentes nessas instituições atualmente e propõe uma nova abordagem para coletar, processar e visualizar esses dados, a fim de extrair o máximo de conhecimento possível, para tomada acertada de decisões. Analisa, então, os resultados parciais alcançados durante o período do projeto piloto. Conclui, apontando os aspectos vantajosos que devem ser considerados na implantação de um projeto dessa natureza.