Dashboard Visual, Uma ferramenta de Business Intelligence · Dashboard Visual Uma ferramenta de Business Intelligence iii Resumo Com o crescente fluxo de dados gerados pelos atuais

Dashboard Visual,

Uma ferramenta de Business Intelligence

João Carlos Assunção Duarte

Dissertação de Mestrado

Orientador na FEUP: Teresa Galvão

Orientador na Optimus: Rui Alexandre Ferreira

Faculdade de Engenharia da Universidade do Porto

Mestrado Integrado em Engenharia Mecânica

2012-07-10

Dashboard Visual


ii

Aos meus pais, sem os quais, este percurso educacional, académico e agora profissional, não

seria possível.

Dashboard Visual


iii

Resumo

Com o crescente fluxo de dados gerados pelos atuais sistemas de informação, é cada vez mais

patente a dificuldade de manipulação desses mesmos dados por forma a extrair informação

útil. Os recentes avanços nas tecnologias de visualização potenciam o uso de competências

cognitivas, essencialmente visuais e percecionais, capazes de transpor problemas abstratos

intrínsecos ao mundo dos negócios, onde uma correta decisão, é fundamental para ditar o

sucesso de uma organização. A utilização de grafismos capazes de funcionar como uma

memória externa e possibilitarem o aumento do poder cognitivo do espetador para leitura de

informação que evidencie tendências e padrões, torna-se uma necessidade no processo de

decisão.

O trabalho alvo desta dissertação passou por condensar uma série de indicadores importantes

para o tema em questão e procurar traduzi-los de forma gráfica, implementando uma interface

denominada “Dashboard Visual” (uma extensão do dashboard existente). Esta nova

abordagem carateriza-se pela forte componente visual, dinamismo e possibilidade de

manipulação por parte do utilizador, contemplando técnicas de apresentação de informação

que serão exploradas ao longo desta dissertação.

Palavras-chave: Visualização de informação, visual, design, dados, análise, carga cognitiva,

dashboard, formato de apresentação, business intelligence, facilitação da perceção.

Dashboard Visual


iv

Visual Dashboard, a Business Intelligence Tool

Abstract

With the increasing flow of data generated by today’s information system, it is increasingly

clear the difficulty of manipulating these data in order to extratct useful information. Recent

advances in visualization technologies potentiate the use of human skills, mainly visual and

perceptionals, able to translate abstract problems intrinsic to the business world, where

decision-making, is crucial to dictate the success of an organization. The use of graphics

capable of functioning as an external memory and make possible the increase of power

cognitive spectator for reading information focusing patterns and trends, it is a need in the

decidion-making.

The objetive of this dissertation started by condensing important indicators for the service in

question and try to translate them grafically, implementing an interface named “Visual

Dashboard” ( an extension of the existing dashboard). This new approach is characterized by

strong visual component, dynamism and possibility of manipulation by the user, convering

techniques for presenting information that will be explored throughout this dissertation.

Keywords: Information visualization, visual, design, data, analysis, cognitive load,

dashboard, display format, business intelligence, sensemaking.

Dashboard Visual


v

Agradecimentos

Esta secção é dedicada às pessoas que contribuiram, de alguma forma, para a realização desta

dissertação. A todas elas um sincero sentimento de gratidão.

Em primeiro lugar gostaria de agradecer a toda equipa Optimus MMS, por me ter acolhido de

forma tão calorosa, e por toda a paciência, perseverança e humildade na transmissão de ideias

e conceitos, sem os quais seriam impossíveis os frutos que desta dissertação advieram.

Em segundo lugar gostaria de agradecer aos meus orientadores Rui Ferreira e Teresa Galvão,

pelo acompanhamento e orientação quer na empresa, quer na realização da dissertação.

For fim, mas não menos importante, um agradecimento aos meus pais, irmão e namorada por

todo o apoio prestado.

João Duarte

Dashboard Visual


vi

Índice de Conteúdos

1 CONTEXTO E MOTIVAÇÃO .................................................................................................................. 2

1.1 APRESENTAÇÃO DA EMPRESA OPTIMUS .................................................................................................... 3

1.2 MISSÃO NA OPTIMUS ................................................................................................................................. 4

1.3 MÉTODO SEGUIDO NO PROJETO .................................................................................................................. 4

1.4 ANÁLISE COMPARATIVA DE ABORDAGENS EXISTENTES E DAS SUAS VANTAGENS E INCONVENIENTES ....... 5

1.4.1 Protovis............................................................................................................................................ 5

1.4.2 Exhibit ............................................................................................................................................. 6

1.4.3 InfoVis Toolkit ................................................................................................................................. 6

1.5 ESTRUTURA DA DISSERTAÇÃO ................................................................................................................... 6

2 VISUALIZAÇÃO DE INFORMAÇÃO ..................................................................................................... 7

2.1 VISUALIZAÇÃO, O QUE É EXATAMENTE? .................................................................................................... 7

2.2 DATA & INFORMATION VISUALIZATION .................................................................................................... 8

2.3 CONTEXTUALIZAÇÃO HISTÓRICA DA VISUALIZAÇÃO ................................................................................. 9

2.4 EVOLUÇÃO DA INFORMAÇÃO ................................................................................................................... 11

2.5 VISUAL ANALYTICS ................................................................................................................................. 11

2.5.1 Valor de um ecossistema inteligente .............................................................................................. 12

2.5.2 O ecossistema móvel ...................................................................................................................... 12

2.5.3 Metáforas visuais ........................................................................................................................... 13

3 ESTADO DA ARTE .................................................................................................................................. 14

3.1 INTRODUÇÃO ........................................................................................................................................... 14

3.2 QUESTÕES DE PESQUISA ........................................................................................................................... 15

3.3 REVISÃO BIBLIOGRÁFICA ......................................................................................................................... 16

3.3.1 Definição de Dashboard ................................................................................................................ 16

3.3.2 Caraterísticas visuais e funcionais ................................................................................................ 17

3.3.3 Visualização na gestão de performance ........................................................................................ 19

3.3.4 Utilizador, conhecimento e formato de apresentação ................................................................... 19

3.3.5 Estilos cognitivos, personalidade e formato de apresentação ....................................................... 20

3.4 SUMÁRIO ................................................................................................................................................. 21

4 MODELOS COGNITIVOS E VISUALIZAÇÃO ................................................................................... 23

4.1 MODELO DE MEMÓRIA ............................................................................................................................. 23

4.2 COERÊNCIA NA APRESENTAÇÃO VISUAL DE DADOS ................................................................................. 24

4.2.1 Caraterização da representação visual ......................................................................................... 24

4.2.2 Perceção das representações visuais ............................................................................................ 25

4.2.3 Caraterísticas das representações visuais ..................................................................................... 25

4.2.4 Cognitive Fit Theory ...................................................................................................................... 27

4.3 ASPETOS QUE FACILITAM A PERCEÇÃO EM REPRESENTAÇÕES VISUAIS .................................................... 28

4.3.1 Quatro abordagens básicas de perceção visual ............................................................................ 28

4.3.2 Teoria Gestalt ................................................................................................................................ 32

Dashboard Visual


vii

4.3.3 Consistência com o conhecimento do espetador ........................................................................... 34

4.3.4 Raciocínio lógico ........................................................................................................................... 36

5 IMPLEMENTAÇÃO DO DASHBOARD VISUAL ................................................................................ 38

5.1 A UNIDADE MMS NA OPTIMUS ................................................................................................................ 38

5.2 ORGANIZAÇÃO DO DASHBOARD .............................................................................................................. 39

5.2.1 Simbólico ....................................................................................................................................... 39

5.2.2 Espacial ......................................................................................................................................... 41

5.3 PROGRAMAÇÃO ....................................................................................................................................... 46

5.3.1 Funcionamento geral ..................................................................................................................... 46

5.3.2 Lógica na programação ................................................................................................................ 47

5.4 FEEDBACK NA EMPRESA .......................................................................................................................... 48

6 CONCLUSÕES E PERSPETIVAS DE TRABALHO FUTURO .......................................................... 49

6.1 RESUMO E SATISFAÇÃO DOS OBJETIVOS ................................................................................................... 49

6.2 PERSPETIVAS DE TRABALHO FUTURO ....................................................................................................... 50

7 REFERÊNCIAS ......................................................................................................................................... 51

Dashboard Visual


viii

Siglas

BI Business Intelligence

BSC The Balanced Scorecard

CEO Chief Executive Officer

CERN Organisation Européenne pour la Recherche Nucléaire

CGSM Global System for Mobile Communications

EOP End Of Period (utilizadores)

ERP Enterprise Resource Planning

HIP Human Information Processing

HSPA High Speed Packet Access

KPI Key Performance Metrics

LTE Long Term Evolution

MIT Massachusetts Institute of Technology

MMS Mobile Multimedia Services

MBTI Myers-Briggs Type Indicator

PL Profit & Loss

ROE Return on Equity

ROI Return on Investment

SA Sociedade Anónima

SC Sonae Capital

SGPS Sociedade Gestora de participações Sociais

SONAE Sociedade Nacional de Estratificados

UMTS Universal Mobile Telecommunications System

VAS Value Added Service

VBA Visual Basic for Applications

Dashboard Visual


ix

Índice de Figuras

Figura 1.1 - Edifício da Sede nacional da Optimus. ................................................................... 3

Figura 1.2 - Cronologia contemplativa de cada fase do projeto. ................................................ 5

Figura 2.1 - Exemplo de uma Tag Cloud. .................................................................................. 8

Figura 2.2 - Representação esquemática de mortes por cólera (Tegarden 1999). ...................... 9

Figura 2.3 – Representação de taxas de mortalidade (Cohen 1984). ....................................... 10

Figura 2.4 - Gráfico de Minard alusivo à Invasão da Rússia em 1812 (Kjellin 2008)............. 10

Figura 2.5 - Interação de segmentos na indústria móvel (Basole et al. 2012). ......................... 12

Figura 3.1 - Exemplo de um dashboard elaborado em Excel. (Da Lozzo, Di Battista, and

Ingrassia 2012) ......................................................................................................................... 15

Figura 3.2 - Ilusão de Poggendorff. .......................................................................................... 18

Figura 3.3 – Fatores a ter em conta no desenvolvimento de um dashboard (Dilla, Janvrin, and

Raschke 2010). ......................................................................................................................... 22

Figura 4.1 - Modelo de processamento de informação na memória (Huang, Eades, and Hong

2009). ........................................................................................................................................ 24

Figura 4.2 – Lógica do conceito Data Visualization. ............................................................... 25

Figura 4.3 - Cena, objetos e caraterísticas. ............................................................................... 25

Figura 4.4 - Modelo de Resolução do Problema (Vessey and Galletta 1991). ........................ 27

Figura 4.5 - Aspetos que facilitam a perceção em representações visuais. .............................. 28

Figura 4.6 - Representação visual compreendendo a Teoria do Ajuste Cognitivo (Vessey and

Galletta 1991). .......................................................................................................................... 31

Figura 4.7 - Exemplo de fenómenos Gestalt. ........................................................................... 33

Figura 4.8 - Representação visual sem suporte de perceção quantitativa (Tufte 2001). .......... 35

Figura 4.9 – Analogia eletricidade-água................................................................................... 36

Figura 5.1 - Exemplo de uma pequena parte do Dashboard Simbólico (Jogos). ..................... 40

Figura 5.2 - Funcionamento genérico do Dashboard Visual. .................................................. 41

Figura 5.3 - Dashboard Visual. ................................................................................................ 42

Figura 5.4 - Gráfico 1 alusivo à receita de jogos. ..................................................................... 43

Figura 5.5 - Gráfico 2 alusivo à divisão da receita acumulada de jogos por segmento. .......... 44

Figura 5.6 - Gráfico 3 alusivo à divisão da receita de jogos por natureza................................ 45

Figura 5.7 - Gráfico 4 alusivo à divisão de receita de jogos por segmento. ............................. 46

Figura 5.8 - Menu interativo do Dahboard Visual. .................................................................. 46

Figura 5.9 - Funcionamento genérico da apresentação de informação. ................................... 47

../../jcduarte/Dropbox/FEUP/Tese_v2.2.doc#_Toc327712372

../../jcduarte/Dropbox/FEUP/Tese_v2.2.doc#_Toc327712379

Dashboard Visual


x

Figura 5.10 – Código utilizado nos domínios de leitura variável. ............................................ 48

Dashboard Visual


xi

Índice de Tabelas

Tabela 4.1 - Representação simbólica do problema. ................................................................ 32

Tabela 5.1 - Organização da unidade de negócio MMS........................................................... 38

Tabela 5.2 - Explicação da apresentação da informação na forma gráfica – Gráfico 1. .......... 43

Tabela 5.3 - Explicação da apresentação da informação na forma gráfica – Gráfico 2. .......... 45

Dashboard Visual


2

1 Contexto e Motivação

Quantificar o volume de informação que existe em todo o planeta é uma tarefa de elevada

complexidade. Estima-se que a informação duplica a cada 18 a 24 meses, obedecendo à

célebre Lei de Moore1, e assiste-se a uma mudança de paradigma: o bottleneck do processo de

tratamento de informação está a migrar da dificuldade da sua acessibilidade, para a sua

manipulação e tradução em informação útil e vantajosa. De dia para dia, são analisadas

maiores quantidades de dados, com mais variáveis a integrarem os sistemas, sendo que a

capacidade cognitiva limitada do ser humano não sai beneficiada deste contexto. Fluxos de

dados oriundos de sensores, computadores, câmaras, telefones, contribuem para este

crescimento frenético. A título de exemplo, no acelerador cíclico de partículas no CERN, são

gerados cerca de 40 terabytes por segundo de informação que será armazenada e analisada

(All too much 2010). Desta forma, torna-se necessária a utilização de mecanismos que

permitam, ainda assim, visualizar tendências, ocorrências, correlações e variações presentes

nos dados em bruto, mas de não evidente observação, de forma a ser possível tomar uma

decisão racional e continuar a garantir o sucesso do meio em que esta informação é utilizada,

uma casa de família, uma empresa, um País...

Na Optimus, empresa onde a presente dissertação foi realizada, e particularmente no

departamento MMS (Mobile Multimedia Services), existe uma ferramenta de referência que,

entre outras, serve para controlar e consultar variadíssimos indicadores que vão sendo

atualizados mensalmente, tratando-se, portanto, de um documento dinâmico, denominado

Dashboard Mensal MMS. Um Dashboard é um painel (físico ou digital) onde é apresentada

informação vital de um determinado serviço, componente ou máquina (Pineo and Ware

2012). O painel de instrumentos de um automóvel pode ser considerado um dashboard e é

constituído pelo velocímetro, taquímetro, indicador de quantidade de combustível,

temperatura do motor, entre outros. Analogamente, o Dashboard MMS reflete toda a

informação vital para o serviço em questão, apresentando valores de receita, custos, margem,

utilizadores entre outros. Trata-se de um documento de elevada dimensão e densidade, nem

sempre fácil de ser lido e comparado com outras fontes de informação. A implementação do

Dashboard Visual teve o objetivo de condensar toda a informação num único local, utilizando

uma interface gráfica apelativa e fácil de operar por parte do comum utilizador, com a

possibilidade de escolher que informação se pretende consultar, sendo que esta lhe é

apresentada sob a forma gráfica, segundo determinados princípios que facilitam e catalisam a

perceção desse utilizador, a ser explorados no decorrer desta dissertação

1 http://www.investopedia.com/terms/m/mooreslaw.asp#axzz1xb4Ms2QO

http://www.investopedia.com/terms/m/mooreslaw.asp#axzz1xb4Ms2QO

Dashboard Visual


3

1.1 Apresentação da Empresa Optimus

A Optimus é uma operadora de telecomunicações móveis portuguesa, fundada em 1997 como

Optimus Telecomunicações S.A.. Nasceu da união de empresas que integram os maiores e

melhores grupos económicos nacionais e internacionais, do qual faz parte o grupo Sonae, o

maior acionista da operadora e, na altura do seu lançamento, a Orange/France Telecom.

Iniciou as suas operações no sistema GSM em 15 de setembro de 1998. O seu surgimento

assinalou uma nova fase no setor das telecomunicações em Portugal, atingindo nas primeiras

cinco semanas uma base de 100 mil clientes, prova da sua capacidade de liderança e inovação.

Atualmente, serve um universo de aproximadamente quatro milhões de clientes e

disponibiliza, a todos os segmentos de mercado (particular, residencial e empresarial) as

soluções mais avançadas de televisão, internet, voz e serviços, incluindo mais de 140 canais

de televisão, 4000 títulos de vídeos-on-demand, e algumas das maiores inovações ao nível

mundial, que tiram partido das tecnologias mais avançadas, como UMTS, HSPA, fibra ótica

e, desde 23 de março do presente ano, LTE (mais conhecido por 4G).

A Sede nacional localiza-se em Matosinhos, no complexo da Sonae que engloba o

Norteshopping.

Figura 1.1 - Edifício da Sede nacional da Optimus2.

O projeto decorreu no departamento MMS, cuja missão é fomentar a adoção e utilização

continuada de serviços de internet e multimédia em todos os segmentos do mercado, e

disponibilizar ofertas oportunas, relevantes e diferenciadoras nesses domínios e para estes

segmentos, de forma a que a Optimus lidere o negócio de dados móveis e reforce a sua

imagem de marca nos capítulos da inovação, modernidade, dinamismo e dimensão.

2 http://s18.postimage.org/z6umkzacn/800px_Edificio_Optimus.jpg

http://s18.postimage.org/z6umkzacn/800px_Edificio_Optimus.jpg

Dashboard Visual


4

1.2 Missão na Optimus

A existência de um grande conjunto de informação sob a forma de números e a ausência de

uma ferramenta que possibilite uma leitura rápida e intuitiva, evidenciaram uma lacuna na

leitura e interpretação de informação sensível e de valor. Foi com este objetivo que foi

desenvolvido um programa tendo por base o Dashboard MMS, já existente, servindo de

intermediário entre a fonte de informação e o utilizador que a procura.

1.3 Método seguido no projeto

A metodologia levada a cabo no projeto foi dividida em quatro fases denominadas:

“Learning”, “Knowing”, “Loading” e “Assembling”, que serão seguidamente descritas.

Durante a primeira fase, “Learning”, foi necessário compreender o funcionamento da

empresa. Para tal, foi importante a interação com os colegas de trabalho, perceber as funções

que cada um desempenha e os serviços pelos quais são responsáveis. A Optimus

proporcionou, uma semana de apresentações cedidas por um elemento de cada uma das suas

unidades de negócio. Foi descrito qual o contributo de cada departamento para a empresa,

procedeu-se à visita de instalações relativas à área técnica, sendo dado a conhecer o

funcionamento de algumas das tecnologias envolvidas nas telecomunicações. A Optimus

proporcionou também a presença num call center onde se procedeu à audição de chamadas

por forma a compreender mais de perto os problemas reais de diferentes serviços quando

vistos do lado do consumidor, o funcionamento de serviços tão básicos como o processo de

avaliação interno, o código de conduta, culminando com uma reunião com o CEO da

empresa, na qual houve espaço para um pequeno debate e colocação de questões. Esta fase foi

estruturante para compreender a política da empresa, perceber qual a sua orientação no

mercado e o que espera dos seus colaboradores.

Numa segunda fase, “Knowing”, marcada essencialmente pelas constantes interrogações,

identificação de problemas, escolha do tema e consequente pesquisa bibliográfica necessária à

sustentação da dissertação, foram equacionadas e analisadas as diferentes abordagens que

poderiam dar origem à construção da mesma. Esta análise foi realizada tendo por base os

serviços afetos à unidade de negócio em que estava inserido, e terminou, em concordância

com os orientadores da faculdade e da empresa, com a escolha da implementação de uma

folha, anexa ao dashboard existente, de cariz visual, como forma de facilitação da

interpretação da leitura dos dados nele existentes.

Seguidamente, na fase de “Loading”, é implementado o conceito que resultou da fase anterior.

Foram reunidos os indicadores que deveriam ser traduzidos na forma gráfica e como cada um

deles seria apresentado e relacionado, tendo sido este o core da dissertação. Deu-se início à

implementação que teve por base a programação em VBA, necessária para cumprir com o

dinamismo e possibilidade de escolha da informação a visualizar por parte o utilizador. Daqui

surgiu um esboço da ideia sugerida, que foi aprimorada e concluída na fase seguinte.

A última fase, “Assembling”, categorizada pela junção das partes e valorização do todo, teve

como objetivo a convalescença do esboço previamente elaborado. Foi neste momento que se

deu a nivelação do trabalho desenvolvido na empresa com a produção da dissertação.

Dashboard Visual


5

A exposição anterior está condensada sob a forma cronológica na figura 1.2.

Figura 1.2 - Cronologia contemplativa de cada fase do projeto.

1.4 Análise comparativa de abordagens existentes e das suas vantagens e inconvenientes

Muitas organizações já aderiram à ainda recente tendência da análise de dados. Na verdade,

de acordo com um inquérito realizado pela Bloomberg Businessweek Research Services, 97%

das companhias com receitas superiores a $100 milhões usam algum tipo de soluções

analíticas, sendo que dessas, 90% desde há dois anos.

No entanto, enquanto o mundo empresarial aceita a ideia da tomada de decisão baseada em

factos, a aprendizagem e procura por uma solução que devolva a informação desejada,

continua. Apenas uma em quatro organizações acredita que o uso de soluções analíticas

empresariais foram “muito efetivas” na ajuda à tomada de decisão “Business analytics has

gone mainstream but are still in the “emerging stage””(The Current State of Business

Analytics: Where Do We Go From Here? 2011). Na verdade, as organizações ainda vêem a

análise do negócio com uma visão pouco alargada. As folhas de cálculo continuam a ser a

forma mais natural de fazer análises, dashboards e KPIs (The Current State of Business

Analytics: Where Do We Go From Here? 2011).

Numa fase inicial chegaram a ser equacionadas algumas ferramentas visuais de tratamento de

dados, sendo que, entre essas foram distinguidas as seguintes:

1.4.1 Protovis

Tida como uma ferramenta gráfica de visualização, Protovis é o resultado de um projeto do

grupo de visualização da Universidade de Stanford, sendo uma das mais populares bibliotecas

para transformar dados em grafismos dinâmicos, utilizando a linguagem de escrita Javascript

(Machlis 2011). É uma ferramenta open-source e gera visualizações totalmente

personalizadas, permitindo ao utilizador especificar como a informação deve ser apresentada

(Protovis 2010).

Dashboard Visual


6

1.4.2 Exhibit

É o resultado de um spin-off de um projeto (Símile Project) do MIT, destinado a ajudar os

utilizadores a criarem facilmente páginas web com avançadas funcionalidades como mapas

interativos, linhas de tempo, entre outras visualizações (Machlis 2011). O funcionamento é

idêntico ao programa anterior, baseando-se em linguagem Javascript, com a possibilidade de

utilização de widgets que facilitam a utilização (Exhibit 2006).

1.4.3 InfoVis Toolkit

Trata-se de uma ferramenta gráfica interativa, escrita em Javascript, que permite a análise de

dados através de uma forma visual de apresentação de informação (information visualization)

na web (Fekete 2005). É open-source e carateriza-se por uma estrutura de dados unificada,

baixo consumo de memória, rapidez e flexibilidade na elaboração dos grafismos (Belmonte

2011), tendo como vantagem na sua utilização a possibilidade de download de códigos de

visualização (templates) que tornam as páginas web mais leves e intuitivas. Como se trata de

uma biblioteca de código e não de uma aplicação, à semelhança dos exemplos indicados

anteriormente, é necessário ter conhecimentos em programação Javascript para o operar. A

escolha de métodos de visualização é algo limitada (Machlis 2011).

Nenhuma destas soluções foi a escolhida para implementação na empresa devido ao curto

espaço de tempo reservado para a dissertação, tornando impossível a apreensão de

conhecimentos suficientes para se traduzir num benefício pessoal e profissional. As restantes

ferramentas encontradas, não teriam suporte a nível de conteúdo para resultar numa

dissertação. Além disso, todas estas ferramentas não têm tradição na empresa e

provavelmente cairiam em desuso. Assim se justifica a permanência no domínio do Excel,

amplamente aceite e dominado pela esmagadora maioria dos colaboradores.

1.5 Estrutura da dissertação

A presente dissertação está dividida em seis capítulos, sendo que o primeiro, “Contexto e

Motivação”, sumariza a introdução e trabalho desenvolvido na empresa. O segundo capítulo,

“Visualização de Informação” insere o tema da visualização explicando o seu significado,

importância e contexto histórico. Os três capítulos seguintes são o core da dissertação: o

Capítulo 3, “Estado da Arte” explica o significado de dashboard e como um documento deste

cariz deve ser elaborado, quais as nuances e fatores a ter em conta na sua produção. É aqui

que serão abordadas todas as temáticas da dissertação, sendo estas posteriormente

desenvolvidas no seguinte capítulo; o Capítulo 4, “Modelos Cognitivos e Visualização”

explica quais as formas mais eficientes na apresentação de informação, tendo por base o

sistema de informação e cognição humano e as suas caraterísticas, bem como abordagens que

facilitam a aquisição de informação; o Capítulo 5, “Implementação do Dashboard Visual” é o

capítulo que retrata a vertente mais prática deste projeto. No fundo, dá a conhecer a

organização e funcionamento do modelo desenvolvido, detalhando a forma como foi

construído. O sexto e último capítulo “Conclusões e Perspetivas de Trabalho Futuro” resume

o trabalho desenvolvido e descreve as principais conclusões resultantes deste projeto,

apontando novas frentes de trabalho.

Dashboard Visual


7

2 Visualização de Informação

Todas as áreas da sociedade contemporânea estão sob a influência do vasto desenvolvimento

da tecnologia e computadores. Não existe virtualmente nenhuma área onde estes não tenham

uma grande influência, positiva ou negativa. O poder computacional destas máquinas permite

a possibilidade de desenvolver sistemas capazes de lidar com praticamente infinitas

quantidades de dados, sendo posteriormente apresentados ao utilizador.

Um problema com este rápido desenvolvimento é a incapacidade de saber se um design

particular de uma interface é útil para o ser humano. É possível o desenvolvimento de um

modelo de apresentação que evidencie milhões de dados de entrada, mas será que os

utilizadores conseguem percebê-los? Será que percebem o contexto dos dados? Será que a

forma de como os dados são apresentados influencia a leitura que deles advém? Estas são

algumas das interrogações cujas respostas serão exploradas no decorrer desta dissertação, com

base no trabalho desenvolvido na empresa e apoiado em variadíssimos indicadores alusivos

ao negócio da internet e multimédia, numa perspetiva de melhoramento e clarificação da

transmissão de informação, utilizando as lógicas de Data e Information Visualization (Kjellin

2008).

2.1 Visualização, o que é exatamente?

O dicionário Priberam da Língua Portuguesa define visualização como sendo “ato ou efeito de

visualizar; colocação em evidência de uma maneira material, da ação e dos efeitos de um

fenómeno; apresentação no ecrã, sob a forma gráfica ou alfanumérica, dos resultados de um

tratamento de informações” (Priberam 2012). Estas definições explicam que a visualização é

uma imagem de alguns fenómenos. Uma definição mais apropriada de visualização é “o

processo de representação de dados como uma imagem visual” (Latham 1995). A informação

pode representar objetos concretos, como canetas ou carros, mas pode também simbolizar

objetos abstratos, tais como lucro, vendas ou custos. É neste último caso que deve ser criada

uma analogia visual que traduza aquilo que os dados significam, vulgos gráficos de barras,

linhas ou de fatias.

Em suma, a visualização de informação permite:

Explorar o sistema visual para extrair informação dos dados;

Proporciona uma visão global do conjunto de dados;

Identificar estrutura, padrões, tendências, anomalias e relações entre os dados;

Dashboard Visual


8

Auxilia a identificação das áreas de interesse.

Por outras palavras, a visualização permite aos decision-makers usarem as suas capacidades

espaciais/visuais para determinar futuras decisões a serem tomadas (Tegarden 1999).

2.2 Data & Information Visualization

Data & Information Visualization é a representação gráfica de informação. Gráficos de

barras, de dispersão e mapas são exemplos simples de visualização de dados que têm sido

usados durante décadas. A tecnologia da informação combina os princípios da visualização

com poderosas aplicações e grandes quantidades de dados para criar sofisticadas imagens e

animações. É uma área em plena expansão, sendo recorrente o surgimento de novas formas de

visualizar. Uma das mais utilizadas na web, essencialmente em blogs, são as tag clouds, usam

o tamanho do texto para sugerir a frequência do uso de um determinado termo (7 things you

should know about... Data Visualization 2007).

Figura 2.1 - Exemplo de uma Tag Cloud3.

Em muitos casos, a informação que alimenta a tag cloud provém de milhares de páginas web,

representando, milhões de utilizadores. Toda esta informação é contida numa simples imagem

que cada indivíduo consegue perceber rápida e facilmente (7 things you should know about...

Data Visualization 2007).

3 http://www.infovis-wiki.net/images/8/8e/Infovis-wiki_tagcloud_20090827.png

http://www.infovis-wiki.net/images/8/8e/Infovis-wiki_tagcloud_20090827.png

Dashboard Visual


9

2.3 Contextualização histórica da visualização

A visualização, vista sob a forma de como a informação é apresentada, não é uma ferramenta

recente, havendo diversos exemplos disso. Em França, há figuras em grutas com cerca de 20

mil anos, e o primeiro mapa conhecido foi criado por Chineses, estando datado do século XII.

Contudo, a primeira representação multidimensional não terá surgido até ao século XIX. Dr.

John Snow, Florence Nightingale e Charles Joseph Minard foram três dos melhores

exemplos. Em 1854, Snow (1813-1858) desenhou um esquema alusivo a mortes por cólera no

centro de Londres (figura 2.2).

Figura 2.2 - Representação esquemática de mortes por cólera (Tegarden 1999).

Snow marcou a localização das residências dos óbitos com pontos e relacionou-as com os

vários pontos de água (rios e esgotos), identificados com cruzes. Através desta representação,

percebeu que a cólera ocorria entre aqueles que viviam perto e partilhavam o mesmo ponto de

água contaminado, geralmente com maior frequência em famílias humildes com menos

cuidados de higiene (Tegarden 1999). Esta lógica evidenciou-se a partir do momento em que

o mapa foi desenhado e tornou possível a identificação de uma relação existente entre as duas

variáveis. De outra forma, seria necessária uma maior carga cognitiva para perceber este

fenómeno.

Sensivelmente na mesma altura, Florence Nightingale (1820-1910), uma distinta enfermeira

britânica que desempenhou funções de tratamento de feridos oriundos da Guerra da Criméia

(Roberta Costa 2009), constituiu, em 1858, um grande contributo no campo da estatística ao

ser pioneira na utilização de um método de representação visual inovador, o gráfico setorial,

originalmente criado por William Playfair em 1801. (habitualmente conhecido como gráfico

do tipo “queijo”) (Andrews 2012).

Dashboard Visual


10

Figura 2.3 – Representação de taxas de mortalidade (Cohen 1984).

Em 1861, Minard (1781-1870) criou, possivelmente, o melhor gráfico estatístico jamais

desenhado. Esse mapa relatava as perdas de Napoleão sofridas durante a invasão à Rússia em

1812.

Figura 2.4 - Gráfico de Minard alusivo à Invasão da Rússia em 1812 (Kjellin 2008).

A largura das bandas representa o tamanho da sua armada. A banda mais clara é alusiva à

invasão, enquanto a banda mais escura corresponde ao regresso. No início da invasão o

tamanho da armada era de aproximadamente 422mil soldados, sendo que desses, 100 mil

chegaram a Moscovo, mas apenas 10 mil regressaram até junto da fronteira Polaca. O gráfico

também ilustra uma escala de temperaturas e datas na base da representação (Tegarden 1999).

Mais à frente na dissertação esta figura será novamente abordada.

Dashboard Visual


11

2.4 Evolução da informação

Com efeito, à medida que novas e inovadoras formas de apresentação surgem, progride

também a quantidade de informação a apresentar. Estima-se que, em 2006, foram produzidos

161 exabytes de nova informação e que a taxa de crescimento entre 2007 e 2011 esteve

localizada nos 60% ao ano. Conjetura-se, igualmente, que tenham sido gerados 1.800

exabytes de informação em 2011, cerca de 10 vezes mais do que o produzido em 2006. No

entanto, a aquisição e armazenamento de dados, per si, não possui importância (Maneesh

Agrawala 2011). O desafio reside, portanto, na extração de valor dessa enorme quantidade de

informação e usá-la para tomar decisões de valor.

Perante este panorama, o design de informação assume um papel fundamental, principalmente

na compreensão de representações. O problema deixou de residir na busca de informação,

passando a estar na filtragem e correspondente processamento e apresentação da mesma.

Contextualiza-se então, o designer da informação como o facilitador do processo de

disseminação da informação, cuja função é elaborar uma representação gráfica a partir da

representação mental (Carla Spinillo 2009).

A informação relativa a negócios diferencia-se muito dos restantes tipos de informação.

Carateriza-se por ser tipicamente abstrata, discreta e multidimensional. Além disso, pode ser

histórica, gerada em tempo real, ou até previsional. É este conjunto de propriedades que a

tornam de difícil visualização (Tegarden 1999).

Imagine-se por momentos, que existia uma ferramenta com a qual fosse possível facilmente

identificar e analisar as atividades entre grandes empresas com base num ecossistema de

negócios. Teria sido possível usá-la para prever produtos revolucionários como o iPhone ou

iPad da Apple? Teria a Nokia adotado uma estratégia diferente se soubesse que seria um

outsider no mercado de Smart Phones? Será que a Palm, em tempos líder e pioneira em

computação móvel, ainda existiria nos dias de hoje? A ideia de uma bola de cristal que

possibilite a previsão de uma rápida mudança nos ecossistemas empresariais é altamente

atrativa para os decision makers, estrategas e investidores. Potenciais aplicações de business

intelligence, que compreendam o cenário competitivo, identifiquem oportunidades de

inovação, colaborações estratégicas e previsão de aceitação de um produto no mercado são

igualmente desejadas (Basole et al. 2012). Não existindo ainda tal ferramenta, torna-se

importante a utilização de outros meios, menos assertivos, é certo, mas de elevado valor

quando corretamente inferidos. Aqui se inicia o conceito de Visual Analytics.

2.5 Visual Analytics

A análise visual (Visual Analytics) carateriza-se pela fusão do raciocínio analítico com a

análise computacional de dados, resultando em ricas e interativas representações visuais.

Através desta metodologia, é possível interpretar e compreender grandes e complexas

quantidades de dados, encontrar novos paradigmas e realçar fenómenos até então ocultos nos

números em bruto. No entanto, é uma área que ainda recebe pouca atenção (Chabot 2009).

Dashboard Visual


12

2.5.1 Valor de um ecossistema inteligente

Conduzidos por pressões económicas, competição global e necessidade de inovação, os atuais

ecossistemas comerciais caraterizam-se por ser gigantes, complexos e pela rede global de

empresas que os constituem. Estas, por sua vez, são oriundas de diferentes mercados

espalhados pelo globo e colaboram, partilham e competem para criar e disponibilizar os mais

inovadores produtos e serviços. Este contexto tem implicações comerciais significativas.

Muitas vezes, as empresas subestimam sérias ameaças competitivas, resultando numa perda

de vantagem competitiva ou partilha de mercado num determinado produto ou serviço,

comprometendo toda a evolução e crescimento do mesmo (Basole et al. 2012).

Um ecossistema de negócio inteligente é uma ferramenta importante para os decision markers

em todas as indústrias. Os analistas de mercado, por exemplo, procuram compreender

tendências competitivas, estratégias e oportunidades. Os executivos, por outro lado, tentam

identificar colaboradores e produtores estratégicos, em busca de white spaces (áreas

inexploradas pela companhia, vistas como oportunidades de negócio). Os investidores,

gostariam de identificar oportunidades de investimento promissoras e saber como essa

transação se enquadraria no contexto global do negócio (Basole et al. 2012).

2.5.2 O ecossistema móvel

Um exemplo proeminente de um ecossistema de negócio convergente é a indústria de

telecomunicações. Com a aproximação de tecnologias, dispositivos e aplicações, a

complexidade do ecossistema móvel está a aumentar a passos largos à medida que novos

intervenientes surgem. Estes provêm de uma vasta variedade de segmentos, sejam: operadores

móveis, produtores de dispositivos, fornecedores de plataformas e aplicações, entre outros

(Basole et al. 2012). Um exemplo desta complexa e crescente rede poder ser visualizada na

figura 2.5.

Figura 2.5 - Interação de segmentos na indústria móvel (Basole et al. 2012).

Dashboard Visual


13

Assim, torna-se imperativa a existência de um sistema que permita analisar visualmente e de

forma dinâmica, todo o panorama de atuação da empresa/serviço. De outra forma, uma

análise rígida, estática, e sem perceção visual, dificulta a análise de tendências e variações

fulcrais para o sucesso desse meio. Em suma, num confuso e complexo sistema de negócio,

torna-se de extrema relevância e uma oportunidade para a aplicação da análise visual (Visual

analytics).

2.5.3 Metáforas visuais

A complexidade e heterogeneidade do ecossistema de negócio tornam viável uma variedade

de técnicas de visualização. Os dados de uma empresa são sempre apresentados de forma

quantitativa. Deste modo, é apropriada a apresentação de diferentes indicadores sob a forma

de gráficos de barras, gráficos de linhas, gráficos de dispersão, entre outros. São ferramentas

que potenciam uma elevada facilidade na transmissão de informação ao utilizador comum,

com a vantagem de serem de fácil elaboração. Além disso, foi a forma utilizada até então no

seio da empresa, existindo portanto, uma tendência para a apresentação de resultados sob a

forma descrita, não invalidando, no entanto, a implementação de novas formas de

visualização, como será descrito na secção de trabalhos futuros.

Apresentações visuais inteligentes devem diminuir a necessidade de consulta de documentos

complexos, de difícil leitura devido à elevada densidade de informação e anulam possíveis

erros de análise. Permite aos utilizadores filtrarem de forma imediata a informação que

procuram e definir aquilo que é relevante para a sua consulta (Basole et al. 2012). Contudo,

desenhar uma interface visual eficiente não se cinge unicamente à elaboração de uma

apresentação visual inteligente. Providenciar uma interação com a informação é igualmente

importante, aproximando o utilizador da informação e dando-lhe a possibilidade de filtrar

apenas aquilo que deseja consultar.

No Capítulo seguinte será retratada uma ferramenta que permite, de forma visual, filtrar toda

a informação relevante.

Dashboard Visual


14

3 Estado da Arte

É espectável que os dashboards facilitem a tomada de decisão através da utilização das

capacidades de perceção e cognição do ser humano, já que, o interesse nesta ferramenta tem

vindo a aumentar, o que pode ser facilmente comprovado pelas diferentes soluções existentes

no mercado. No entanto, apesar da sua popularidade, pouca informação existe sobre a sua

eficiência e capacidade na transmissão de informação.

O principal propósito deste capítulo é fornecer uma revisão do estado da arte na perspetiva de

utilização de dashboards como ferramentas de apoio à decisão, sendo que, muitos dos

assuntos expostos nesta secção terão continuidade e serão explorados em maior pormenor nas

secções seguintes.

3.1 Introdução

Devido aos avanços contínuos nas tecnologias de informação e comunicação e ao ritmo

acelerado do atual ambiente de negócios, as organizações geram e lidam com um volume cada

vez maior de dados. Os gestores estão frequentemente sobrecarregados com relatórios e

informação proveniente de sistemas de informação como ERPs, indicadores de desempenho e

softwares de BI, que repartem a sua atenção. Esta sobrecarga pode ser exacerbada quando os

relatórios têm designs pouco apelativos e intuitivos na forma de como a informação é

apresentada, resultando numa distração da atenção do utilizador.

Os Dashboards podem oferecer uma solução ao problema da sobrecarga de informação,

fornecendo um conjunto de indicadores para gestão de desempenho, incorporando vários

conceitos e aplicações. Apesar de promissor, o valor de um dashboard está inextricavelmente

ligado às suas funcionalidades e à forma de como estas são utilizadas na empresa ou

organização. Não há concordância em como um dashboard se deva apresentar e que

informação deva conter. De uma forma geral, é espectável que este recolha, sumarize e

apresente informação proveniente de múltiplas fontes (relatórios, ERPs, ferramentas BI, entre

outros), para que o utilizador possa, de uma só vez, consultar todos os indicadores de

performance relevantes para o seu negócio. No que diz respeito a dados, o dashboard

representa a ponta de um iceberg, já que a informação visualizada foi previamente (ou em

tempo real) trabalhada, filtrada e recolhida de diferentes proveniências, por forma a ser

apresentada de forma global e condensada ao utilizador. O mercado de softwares revela

precisamente a falta de coerência relativamente ao conceito de dashbaord. Alguns oferecem

dashboards altamente complexos com vários tipos de funcionalidades, desde a possibilidade

Dashboard Visual


15

de alterar de um formato de informação resumida para um formato mais detalhado, a exibição

de um cenário “what if”, a possibilidade de implementação de alertas automáticos, opções de

personalização, enquanto outros, são mais simples e estáticos por natureza.

Apesar dos dashboards já serem aceites como uma ferramenta de gestão, a literatura científica

não acompanhou o ritmo da sua evolução. Enquanto que manuais (Rasmussen 1986; Few

2006) e artigos de imprensa (Miller and Cioffi 2004; Kawamoto and Mathers 2007) sobre este

tema abundam, o mesmo não se passa com a literatura académica, onde são raros os artigos

que fornecem informação para praticantes e investigadores. Os poucos artigos científicos que

existem sobre o tema, abordam áreas como a motivação (Wind 2005; Pauwels et al. 2009),

fases de implementação de um dashboard (Pauwels et al. 2009) e seleção de métricas

(DeBusk, Brown, and Killough 2003; Pauwels et al. 2009), não fazendo qualquer referência

ao design dos mesmos.

3.2 Questões de pesquisa

Um dashboard pode ser considerado como um sistema de apoio à decisão, que providencia

informação num determinado formato ao decision maker. Assim, deve ser avaliado de acordo

com as suas caraterísticas e da forma como os seus utilizadores interagem com essas

caraterísticas, de modo a tomarem uma decisão. Esta decisão é alcançada através de um

processo cognitivo, onde a informação é processada resultando num significado. O ambiente

de decisão é representado, como veremos mais à frente, por objetos que traduzem uma

realidade e um contexto. O processo de decisão é função do sistema de informação, do

ambiente de decisão e da perícia do decision maker (O'Donnell and David 2000), sendo que,

esta é diretamente influenciada pelo conhecimento e perceção da realidade do mesmo (Dunn,

McCarthy, and Poston 1999). Por fim, todas as variáveis interagem para determinar a

estratégia do processo onde o significado é atribuído a pistas de decisão, sendo que, o valor

relativo de cada pista é determinado pela tomada de decisão.

Figura 3.1 - Exemplo de um dashboard elaborado em Excel. (Da Lozzo, Di Battista, and

Ingrassia 2012)

Dashboard Visual


16

O'Donnell and David (2000) identificaram três importantes caraterísticas fulcrais na

perspetiva do design do dashboard. Estas caraterísticas são a interação e o feedback

proporcionado ao utilizador, o formato da apresentação usado e a quantidade de informação

devolvida. O nível de interatividade é relativizado pelo seu propósito e funcionalidades. Pode

ser desejado um feedback que alerte os utilizadores para indicadores que sejam ignorados ou

possíveis tomadas de decisão que sejam necessárias, mas deve ser tido em conta um balanço

entre complexidade e funcionalidade. Feedback e alertas excessivos podem influenciar

negativamente a tomada de decisão e distrair o seu utilizador. Por outro lado, o designer do

dashboard enfrenta o problema da forma de representação, para que sejam evidenciadas

tendências e métricas (representação tabular versus gráfica). Por fim, a quantidade de

informação é também uma questão importante. Os dashboards devem providenciar a

quantidade certa de pistas de decisão, evitando a sobrecarga do utilizador aquando da sua

interpretação.

Com efeito, surgem algumas dúvidas de cariz relevante na sua elaboração:

Q1: Que caraterísticas de design deverá um dashboard eficiente ter? Há alguma estratégia de

design a seguir que se ajuste a todo o tipo de organizações?

Q2: Até que ponto a educação, experiência e perícia de cada utilizador, deve ser tida em conta

na elaboração do dashboard?

Q3: Será que os designers dos dashboards devem produzir diferentes soluções baseadas em

estilos cognitivos e personalidade dos utilizadores?

A resposta a estas e a outras questões tentarão ser explicadas ao longo desta dissertação.

3.3 Revisão bibliográfica

Para pesquisa desta informação utilizou-se uma abordagem multidisciplinar, partindo de

informação não só de jornais e revistas, como de artigos e documentos científicos. Nesta

secção será inicialmente definido e descrito o significado de dashboard e seguidamente será

apresentada a interação entre tarefas, caraterísticas dos utilizadores e o formato que deverá ter

a apresentação deste documento, do ponto de vista da performance aquando da tomada de

decisão.

3.3.1 Definição de Dashboard

Os Dashboards tornaram-se populares após o escândalo Enron4 em 2001 (Few 2006), mas

não há uma definição clara sobre este formato de apresentação de informação, seja fornecido

por produtores de software ou académicos. Os vendedores destas soluções, definem-nos em

função das caraterísticas que apresentam. Os investigadores, por sua vez, referem diferentes

tipos de aplicabilidades do conceito de dashboard e contemplam diferentes fases no seu

desenvolvimento. Uma descrição genérica de um dashbaord poderá ser uma interface gráfica

que contenha medidores de performance de um determinado negócio, que possibilitem a

4 http://finance.laws.com/enron-scandal-summary

http://finance.laws.com/enron-scandal-summary

Dashboard Visual


17

tarefa de gestão e tomada de decisão. Esta definição compreende o conceito de apresentação

visual, o conteúdo e o propósito para o qual os dashboards são usados.

Do ponto de vista dos recentes desenvolvimentos de design, é proposta uma definição mais

cuidadosa, como sendo uma ferramenta de visualização e gestão de performance que

apresenta num único ecrã a informação mais importante, por forma a atingir determinados

objetivos, permitindo aos seus utilizadores identificar, explorar e comunicar problemas que

necessitem de atenção. Esta definição enfatiza a sua interatividade e redefine o seu propósito.

A terminologia dahsboard deriva do inglês, sendo originária do painel de instrumentos de um

automóvel, que reporta uma determinada quantidade de métricas fulcrais para o seu condutor.

Os dashboards ajudam os gestores a visualizar tendências, padrões e anomalias do negócio

onde estão inseridos, tornando o fator de desenho de informação muito importante. Estes

podem ter várias finalidades desde promover a consistência, monitorização, planeamento,

comunicação, entre outros (Pauwels et al. 2009). A consistência refere-se a medidas e

processos de medição utilizados em determinado departamento ou unidade de negócio. A

monitorização é a avaliação diária de métricas que devem resultar em correção, se necessário.

O planeamento pode ser usado na simulação (análise what if) de diferentes cenários no futuro.

A comunicação consiste na apresentação das diferentes métricas às partes interessadas de uma

organização.

3.3.2 Caraterísticas visuais e funcionais

São distinguidos dois tipos de caraterísticas de um dahsboard: as funcionais e as visuais. As

caraterísticas funcionais são alusivas indiretamente à visualização e descrevem o que o

dashboard consegue fazer. Por outro lado, as caraterísticas visuais relacionam-se com o

princípio de visualização dos dados e quão eficaz e eficiente é apresentada a informação ao

utilizador. É importante que as caraterísticas funcionais correspondam ao propósito do

dashboard: há uma má correspondência quando, por exemplo, um dashboard é usado como

ferramenta de previsão carecendo de métodos de previsão. Além disso, mesmo que haja uma

boa correspondência, uma fraca representação visual (por exemplo o excesso de cores) pode

confundir e distrair o utilizador.

Os Dashboards, assim como outras ferramentas de visualização, estão apoiados nos

princípios da perceção visual. A perceção visual pode ser explicada através da aplicação da

psicologia Gestalt à visualização. Esta nasceu em reação ao atomismo5 (doutrina que se

baseia no princípio da indivisibilidade) nos finais do século XIX e retrata a ideia de que o

todo é mais do que a soma das partes, caraterizando a forma como a mente humana

perceciona conjuntos de imagens inacabada. À semelhança da psicologia de Gestalt, os

dashboards tiram partido de princípios como a similaridade, continuidade, simetria e

proximidade dos objetos, transmitindo informação através da visualização. Estamos perante o

“uso de representações visuais interativas de dados abstratos e imateriais para amplificar o

conhecimento” (Card, Mackinlay, and Shneiderman 1999).

O processo de visualização envolve duas fases distintas: codificação e descodificação. Estes

processos são facilitados pela utilização de atributos visuais tais como forma, posição e cor, e

atributos de texto como símbolos (Wunsche 2004). A visualização é eficaz se o processo de

5 http://www.infopedia.pt/$atomismo

http://www.infopedia.pt/$atomismo

Dashboard Visual


18

descodificação tiver sucesso, onde as quantidades de dados percecionados e as relações entre

eles refletem os dados reais. A visualização é eficiente se a máxima quantidade de dados for

percecionada e compreendida no menor intervalo de tempo.

Os Dashboards podem ser avaliados de acordo com a facilidade de codificação e

descodificação da informação e é necessário um bom compromisso entre a complexidade

visual e a utilidade da informação apresentada. A complexidade visual pode ser avaliada

através do grau de dificuldade na descrição verbal de uma imagem. Esta complexidade pode

aumentar com o surgimento de mais objetos ou com o exagero na utilização de cores, padrões

ou texturas. De forma controversa, a repetição de padrões (ou cores e texturas) uniformes e a

existência de conhecimento associado a cada objeto, reduz a complexidade visual facilitando

a perceção e aumentando a performance percetual. Além disso, alguns gráficos 2D e 3D

podem causar ilusões (ilusão de Poggendorff – é uma ilusão óptico-geométrica que está ligada

à falha na perceção da posição de um segmento de uma linha transversal que tenha sido

interrompido por uma estrutura)6 que influenciam a tomada decisão.

Figura 3.2 - Ilusão de Poggendorff7.

Apesar de ser fortemente sugerida a apresentação do dashboard num ecrã, sem necessidade

de movimentação da janela para ter uma vista completa, estes devem estar abertos a

apresentação de informações adicionais. Desta forma, as novas gerações de dashboards

permitem interatividade, é consentida aos utilizadores a oportunidade de escolherem a

informação que querem consultar. Não obstante, os dashboards devem ajudar os utilizadores

a identificar indicadores que careçam de atenção imediata, através de um alerta visual (através

de cores mais vivas ou intermitentes).

Em suma, os requisitos das novas gerações de dashboards devem alinhar os processos de

negócio com a última informação existente e usar mecanismos de visualização de fácil

interpretação. Se projetados de forma correta, podem oferecer uma solução à sobrecarga e

dispersão de informação existente no atual ambiente empresarial.

6 http://mathworld.wolfram.com/PoggendorffIllusion.html

7 http://upload.wikimedia.org/wikipedia/commons/e/ea/Poggendorff_illusion.svg

http://mathworld.wolfram.com/PoggendorffIllusion.html

http://upload.wikimedia.org/wikipedia/commons/e/ea/Poggendorff_illusion.svg

Dashboard Visual


19

3.3.3 Visualização na gestão de performance

Os Dashboards têm a sua aplicação na medição e gestão do desempenho organizacional. Este

sistema de medição de desempenho fornece meios para controlar o cumprimento de metas e

objetivos previamente definidos (Nani, Dixon, and Vollman 1990).

Tradicionalmente, a medição de desempenho era baseada em indicadores financeiros (tais

como receitas e lucro) e rácios (ROI, ROE) (Merchant and Van der Stede 2007). Um ponto de

viragem na área da medição de desempenho aconteceu quando Kaplan and Norton (2010)

publicaram um trabalho de referência intitulado “The Balanced Scorecard”, onde foi sugerida

a introdução de dados não financeiros, juntamente com os já existentes (financeiros), aos

indicadores de desempenho. Desde então, o BSC tornou-se a tentativa mais conhecida de

ampliar a medição de desempenho incluindo os indicadores não financeiros, lado a lado com

os indicadores convencionais.

No entanto, existe pouca orientação quanto ao modo e em que medida os indicadores não

financeiros devem ser usados (Corona 2009). Ittner and Larcker (2003) evidenciam que os

gestores corporativos ignoram ou desvalorizam frequentemente estes indicadores. Uma

possível justificação para este fenómeno poderá ser a limitação subconsciente no

processamento de informação, uma vez que, os decision makers apenas conseguem processar

uma fração da informação disponível (Neumann, Roberts, and Cauvin 2008). Assim, dado

que o ser humano tem uma capacidade limitada de memória de trabalho, estes devem

racionalmente focar-se em informação com maior probabilidade de capacidade de diagnóstico

(geralmente financeira).

O excesso de informação pode não só conduzir à sua desconsideração mas também à

imprecisão na tomada de decisão. Shields (1983) e Iselin (1988) encontraram uma relação

invertida entre rigor na tomada de decisão e a quantidade de informação fornecida. Esta

relação invertida indica que há um certo nível de informação fornecida para o qual

corresponde uma tomada de decisão mais acertada. Mais ou menos informação iria influenciar

negativamente a tomada de decisão. Para ultrapassar este problema deve-se alterar a forma

como a informação é apresentada. No caso de dashboards interativos esta solução pode ser

implementada ao permitir que o utilizador escolha unicamente a informação que pretende

consultar. Esta ferramenta pode melhorar o processo de foco do utilizador e por conseguinte

melhorar a tomada de decisão.

3.3.4 Utilizador, conhecimento e formato de apresentação

Num contexto de gestão, investigadores tentaram por várias vezes demonstrar a superioridade

dos gráficos, comparativamente a tabelas, no que diz respeito à performance na tomada de

decisão (Vessey 1991). No entanto Vessey and Galletta (1991) concluíram que não existe

consenso no tipo de apresentação.

Investigações no campo da apresentação da informação sugerem que, por exemplo, o uso de

tabelas ou gráficos varia com a natureza da tarefa. Com base na teoria do processamento de

informação humano (HIP), Vessey (1991) introduziu a teoria do ajuste cognitivo que explica

sob que circunstâncias um modo de apresentação de informação supera outro. Um princípio

subjacente a esta teoria é que as representações gráficas e tabulares apresentam o mesmo tipo

de informação mas de maneiras fundamentalmente diferentes: representações gráficas

representam informação espacial enquanto que representações tabulares retratam informação

Dashboard Visual


20

simbólica. Segundo a teoria do ajuste cognitivo, gráficos são mais propícios a tarefas que

requeiram identificação e compreensão de relações para executar comparações (tarefas

espaciais), ao passo que, tabelas são mais indicadas para tarefas que necessitem de extração

de valores específicos (Vessey 1991; Vessey and Galletta 1991).

Segundo Dilla and Steinbart (2005), a qualidade do julgamento é afetada pelo formato de

exibição da informação. A qualidade do julgamento é função da consistência (decisões

próprias de um indivíduo) e do consenso (decisão entre vários indivíduos). As duas medidas

de qualidade são consideradas importantes de modo a assegurar um resultado objetivo e justo

de avaliação de desempenho (Malina and Selto 2001). Dilla and Steinbart (2005)

identificaram resultados mistos relativamente ao benefício de apresentações complementares

de informação (tabular versus gráfica). No entanto, houve uma evidência ambígua de que a

informação na forma tabular seria superior à mesma informação apresentada no formato

gráfico devido a diversos efeitos gráficos não consensuais (Dilla and Steinbart 2005). Não

obstante, outros estudos encontraram evidências em como as representações gráficas

melhoram a eficácia de tarefas espaciais como previsões de falência, ganhos ou vendas

(Desanctis and Jarvenpaa 1989; Anderson and Mueller 2005; MacKay and Villarreal 1987).

Diferentes estudos demonstraram ainda que a influência do formato de apresentação de

informação interage com as caraterísticas do ambiente de tomada de decisão e com o

conhecimento do decision maker. Por exemplo, o formato tabular foi considerado superior ao

formato gráfico à medida que a complexidade aumenta (Blocher, Moffie, and Zmud 1986;

Liberatore, Titus, and Dixon 1988; So and Smith 2004), e utilizadores com tarefas de maior

incerteza inerente requerem informação mais desagregada (Benbasat and Dexter 1979). Além

disso, decision makers com pouca formação em contabilidade tomaram decisões que

conduziram a um maior lucro quando consultaram relatórios de Profit & Loss representados

sob a forma gráfica comparativamente a tabulares (Cardinaels 2008). Um resultado

surpreendente foi que os mesmos relatórios apresentados sob a forma gráfica

(comparativamente aos tabulares) tiveram um efeito negativo nos lucros quando eram levadas

a cabo decisões por parte de utilizadores mais experientes. Estas descobertas sublinham que a

informação deve ser apresentada de diferentes formas para que a tomada de decisão seja

executada de forma eficiente e de acordo com o nível de conhecimento do utilizador.

A teoria do ajuste cognitivo proporciona orientações úteis considerando a escolha do formato

da apresentação a ser usada. Por exemplo, gráficos ajustam-se melhor a tarefas espaciais que

envolvam previsões e comparações, bem como tarefas que requeiram análise

multidimensional de dados e reconhecimento de padrões. Por outro lado, as tabelas parecem

adaptar-se melhor a utilizadores experientes com caraterísticas mais “lógicas” (por exemplo

analistas financeiros). Os gráficos podem introduzir algum grau de subjetividade (ou falta de

consenso) se não forem bem elaborados. Estes argumentos podem explicar algumas das

contradições e falta de suporte em investigações anteriores. Esta área oferece um enorme

potencial de investigação.

3.3.5 Estilos cognitivos, personalidade e formato de apresentação

A teoria do ajuste cognitivo não se limita apenas à apresentação de informações e tarefas.

Vessey and Galletta (1991) introduziram uma extensão do conceito básico do ajuste cognitivo

que inclui o ajuste entre a perícia na tomada de decisão de um indivíduo, o formato da

apresentação da informação e a tarefa. A tomada de decisão efetiva requer que os utilizadores

Dashboard Visual


21

desenvolvam representações mentais apropriadas, onde o processo mental que os decision

makers usam, forneça a ligação entre a representação e a tarefa. No entanto, o processo

mental dos utilizadores varia de pessoa para pessoa, dependendo dos seus estilos cognitivos.

Esta caraterística pode ter implicações para os designers dos sistemas de apoio à decisão, na

medida em que, poderão ter de se focar nos traços de personalidade dos decision makers,

assim como na tarefa que eles desempenham. Assim, esta secção explora a interação, a

personalidade dos utilizadores e a performance no processo de tomada de decisão.

Teorias da personalidade têm sido amplamente aplicadas em diferentes campos de

investigação, mas ainda é muito ténue a sua presença na área da gestão. Wheeler (2001)

examinou a teoria Jungiana8 da personalidade e Myers-Briggs Type Indicator

9 (MBTI) para

ilustrar os traços mais importantes de personalidade na área referida. A teoria de Jung defende

que a personalidade de uma pessoa consiste na interação entre a forma de perceber (intuição

ou sensação) e a forma de julgar (pensar e sentir). Esta teoria foca-se em aspetos conscientes,

tomada de decisão e o efeito da personalidade na compreensão. Pessoas intuitivas são mais

criativas e perspicazes no processo de tomada de decisão, enquanto indivíduos mais sensatos

levam em maior consideração os factos e observações. Indivíduos sensatos são lógicos e

racionais, ao passo que, indivíduos sensoriais são mais idealistas. De acordo com o MBTI

existem 16 tipos de personalidade que podem ser caraterizados por traços profissionais e

organizacionais, caraterísticas educacionais e estilos de aprendizagem, e de tomada de decisão

e estilos cognitivos. Em cada pessoa há uma inclinação inata para uma das quatro

caraterísticas.

As conclusões sobre o tipo de personalidade de gestores aplicam-se a indivíduos cujas

caraterísticas pessoais contemplam o sentido prático, sensibilidade, poder de decisão, lógica,

imparcialidade, perspicácia, personalidade ativa e solucionadores racionais de problemas

(Wheeler 2001). Existe, portanto, uma relação entre a personalidade de um indivíduo e o seu

papel numa organização. No entanto, Liberatore, Titus, and Varano (1989) e Carpenter,

Anders, and Anderson (1993) concluíram que o tipo de personalidade não tem qualquer

relação com a perceção de um indivíduo. Além disso, estilos cognitivos em termos de MBTI

não têm qualquer impacto na qualidade da decisão, independentemente da forma da

apresentação. No que toca à agregação de dados há evidência de que alguns tipos de

personalidade, com fraco poder de análise, podem ter melhor desempenho com informação

desagregada (Bariff and Lusk 1977; Benbasat and Dexter 1979).

Atualmente ainda não é clara a evidência da necessidade da criação de um dashboard que

corresponda com o tipo de personalidade dos utilizadores.

3.4 Sumário

Os dashboards já percorreram um longo caminho, desde algumas linhas com alguns

indicadores de performance (KPIs), a representações interativas inseridas em sistemas

corporativos no apoio à decisão (ERPs e aplicações de BI). Certamente este não será o fim da

8 http://en.wikipedia.org/wiki/Carl_Jung

9 http://www.myersbriggs.org

http://en.wikipedia.org/wiki/Carl_Jung

http://www.myersbriggs.org/

Dashboard Visual


22

sua expansão, adivinhando-se que muitas caraterísticas funcionais surgirão no futuro. No

entanto, deve ser tido em conta que, antes de implementar novas soluções e tornar cada

dashboard mais rico, é essencial melhorar as soluções já implementadas através de uma

melhor compreensão das caraterísticas que os tornam bem sucedidos. A figura 3.3 representa

algumas das implicações inerentes ao desenvolvimento de um dashboard, que devem ser tidas

em conta para facilitação do processo de tomada de decisão.

Figura 3.3 – Fatores a ter em conta no desenvolvimento de um dashboard (Dilla, Janvrin, and

Raschke 2010).

Dashboard Visual


23

4 Modelos cognitivos e Visualização

É amplamente aceite que a visualização auxilia as pessoas na apreensão e compreensão de

dados e comunicação de informação. A título de exemplo, representar dados visualmente

torna possível a execução de algumas tarefas usando simples operações percetuais que, de

outra forma, levariam a um árduo processo cognitivo (ver exemplo das mortes por cólera por

John Snow). A visualização serve de memória externa, permitindo reduzir a exigência sobre a

memória humana (Card, Mackinlay, and Shneiderman 1999).

4.1 Modelo de memória

As representações visuais nem sempre são mais eficientes e menos exigentes que o conjunto

de dados no seu formato original. As figuras por si só, podem não melhorar automaticamente

a performance do entendimento humano. As pessoas processam informação na memória de

trabalho, sendo que, esta tem uma capacidade limitada. Uma visualização inapropriada pode

infligir uma elevada carga cognitiva por parte do observador, sobrecarregando-o e

inutilizando, portanto, os benefícios deste método.

A memória humana pode ser considerada como um sistema de processamento de informação,

contendo três componentes básicos: memória sensorial, memória de curto prazo e memória de

longo prazo (Atkinson and Shiffrin 1968). Como pode ser visto na figura 4.1 a informação

que chega do exterior é processada pela memória sensorial, tratada na memória de curto prazo

e processada na memória de trabalho (Baddeley 1986). Para uma determinada quantidade de

informação ser relembrada num momento futuro é necessário um conjunto de procedimentos

estratégicos para transferir essa informação da memória sensorial até à memória de longo

prazo, onde esta pode ser armazenada. A informação armazenada neste local pode ser

devolvida para a memória de trabalho sempre que essa informação for requisitada.

Dashboard Visual


24

Figura 4.1 - Modelo de processamento de informação na memória (Huang, Eades, and Hong

2009).

O ponto fraco do processo descrito reside na memória de trabalho, pois esta tem uma duração

e capacidade limitadas. A sua capacidade finita é conhecida como “the magical number seven

plus or minus two” (Miller 1956), sendo que, neste local a informação degrada-se ao longo do

tempo (Peterson and Peterson 1959). Além desta componente de armazenamento, a memória

de trabalho é também responsável pelo processamento de informação durante tarefas

cognitivas, concluindo-se portanto, que está associada a uma grande quantidade de

informação. Quando existe a necessidade de processar vários elementos altamente interativos,

o número de elementos, bem como o tempo em que são retidos na memória, podem sofrer

uma queda abruta. Em suma, quando uma atividade cognitiva requer (1) muitos elementos a

serem retidos na memória de trabalho ou (2) muitos elementos a serem processados

simultaneamente (elevada quantidade de interatividade (van Merrienboer and Sweller 2010))

é espectável uma sobrecarga da memória de trabalho, resultando em perda de informação e

fraca performance.

De forma a que a aquisição de informação seja percecionada sem necessidade de um elevado

processamento cognitivo, é necessário que as representações visuais sejam devidamente

apresentadas ao utilizador, tendo por base conceitos que consigam suportar esta necessidade.

Assim, torna-se de extrema importância a consideração da próxima fase deste capítulo.

4.2 Coerência na apresentação visual de dados

4.2.1 Caraterização da representação visual

O sistema de informação humano, à semelhança dos sistemas de informação computorizados,

sempre foi compreendido como um sistema de entrada, processamento de informação na

memória, e saída de informação (Newell and Simon 1972; Hogarth 1908). Observou-se que,

em muitos casos, a forma como as representações visuais afetam a tomada de decisão, estão

relacionadas com a forma como o processamento e a memória do espetador interagem na

execução das estratégias de decisão. Estas estratégias determinam que informação deriva da

representação visual, em que sequência, e como essa informação é usada para construir uma

decisão ou uma solução de um problema (Vessey and Galletta 1991).

Dashboard Visual


25

4.2.2 Perceção das representações visuais

O termo information (ou data) visualization é definido na literatura como sendo não só o

processo de criação de representações visuais de dados, mas também o produto que resulta

dessas mesmas representações (Card, Mackinlay, and Shneiderman 1999). De acordo com

Larkin and Simon (1987), um diagrama e por conseguinte um gráfico, contêm informação

explícita sobre as relações topológicas e geométricas entre as diferentes variáveis da

representação. A figura 4.2 apresenta o mundo como sendo informação abstrata que é

posteriormente traduzida numa representação visual, podendo então ser percecionada e

compreendida por um espetador. Este, apesar de estar a observar uma mera representação

gráfica, está a aprender algo sobre o mundo que o rodeia.

Figura 4.2 – Lógica do conceito Data Visualization.

4.2.3 Caraterísticas das representações visuais

A um nível mais básico, uma representação visual consiste em três conceitos: a cena, o objeto

contido nessa cena e as caraterísticas do objeto (Henderson and Hollingworth 1999).

A cena é definida como “uma visão semanticamente coerente do ambiente no mundo real,

contemplando elementos de fundo, bem como objetos discretos, de onde essa representação é

oriunda” (Henderson and Hollingworth 1999). Por outras palavras, um exemplo desta

definição é tão somente a representação dos eixos ordenados X-Y, constituintes de um vulgar

gráfico (figura 4.3).

Figura 4.3 - Cena, objetos e caraterísticas.

Os objetos são definidos como “entidades discretas de pequena escala, que são manipuladas

no interior da cena” (Henderson and Hollingworth 1999). Em suma, os objetos estão

relacionados com as cenas, sendo que estas são entendidas como elementos de fundo que não

podem ser movidos ou alterados. Os objetos, por sua vez, são entidades móveis que podem

aparecer em diferentes locais da cena.

Dashboard Visual


26

A essência da ideia da cena-objeto é a de que a maior parte das representações visuais têm

algum tipo de plano de fundo (cena) onde, a dada altura, linhas ou outros elementos visuais

(objetos) são apresentados. No simples exemplo de um gráfico X-Y (figura 4.3(a)), estão

apresentados os pontos (objetos) no gráfico (cena). Na figura 4.3(b) os pontos estão em

diferentes zonas, quando comparados com a figura 4.3(a), estes movem-se, são manipuláveis

dentro do gráfico X-Y (Henderson and Hollingworth 1999). Em momento algum, um

espetador deve esperar diferentes localizações dos eixos X-Y como indicado na figura 4.3(c),

a cena deve ser estática.

As caraterísticas são atributos que permitem aos objetos ter qualidades e possibilitam a

comparação com outros objetos (Henderson and Hollingworth 1999). Na figura 4.3(d) a cena

contém objetos que podem ser distinguidos por terem uma diferente representação. Um

gráfico como este, pode ser construído, por exemplo, com pontos de diferentes cores, por

forma a representar dados de séries distintas. As caraterísticas dos objetos podem englobar

tamanho, textura, orientação, forma, entre outros tipos de diferenciação.

Com efeito, uma representação visual tem uma cena, um ou mais objetos, e os objetos, por

sua vez, uma ou mais caraterísticas. Isto representa uma finita, porém potencialmente grande

quantidade de informação, transmitida através de:

A cena;

Os objetos contidos na cena;

As caraterísticas dos objetos;

A cena e a relação com os objetos;

A relação entre objetos.

A cena oferece restrições aos objetos e fornece informações para ajudar o espetador a

interpretar a colocação dos objetos na cena, mesmo quando estes não estejam representados.

Além disso, a cena cria na mente do espetador uma expetativa sobre os tipos de colocação de

objetos que podem ser encontrados (Henderson and Hollingworth 1999).

Os objetos são introduzidos na cena e a informação é depois transmitida pela relação dos

objetos com a cena. A título de exemplo, se a cena for um gráfico X-Y como descrito

anteriormente, um ponto contém os valores de X e Y que derivam da localização do objeto na

cena. Se for introduzido um novo objeto na mesma cena, o espetador consegue inferir os

valores de X e Y do segundo objeto em relação ao primeiro. Existem quatro perspetivas de

abordagem visual que podem ser utilizadas pelo espetador para adquirir informação a partir

das representações visuais (será uma temática explorada mais à frente). Quantos mais objetos

forem adicionados à cena, mais tendências e padrões podem ser inferidos pelo espetador.

Por fim, as caraterísticas de um objeto permitem ao espetador adquirir informação adicional

pelas propriedades do próprio objeto. Por exemplo, se se sombrear um objeto em incrementos

de claro a escuro, é adicionada uma terceira caraterística ao objeto. Assim, dois objetos são

diferentes entre si não só nas coordenadas mas também no sombreado. É possível, se

necessário, continuar a adicionar caraterísticas aos objetos (Bertin 1983).

Dashboard Visual


27

4.2.4 Cognitive Fit Theory

De acordo com a teoria do processamento de informação, as capacidades humanas na

resolução de problemas procuram formas de reduzir o esforço afeto a este processo (Newell

and Simon 1972), sendo que, uma das formas de reduzir o esforço de processamento é

facilitar o processo de resolução desse mesmo problema. Este feito pode ser alcançado

fazendo corresponder o modo de representação do problema à tarefa em questão. Esta

abordagem denomina-se teoria do Ajuste Cognitivo (Vessey and Galletta 1991) e propõe que

a correspondência entre a tarefa e o formato de apresentação da informação leva a um

desempenho de tarefas superior. Em vários estudos, a teoria do ajuste cognitivo forneceu uma

explicação para as diferenças de desempenho entre vários formatos de apresentação, tais

como tabelas, gráficos e rostos esquemáticos (Vessey 1991; Vessey and Galletta 1991). A

teoria foi também estendida ao domínio de sistemas de informação geográfica. Em ambos os

casos, tenta apurar que tipo de representação visual é mais adequada para tarefas espaciais e

tarefas abstratas. Estas últimas envolvem a extração de valores discretos de um conjunto de

dados (tabela 4.1). As tarefas espaciais, por sua vez, envolvem o acesso aos dados como um

todo (figura 4.6).

O modelo básico tem a resolução do problema como um subproduto da relação entre o

problema (externo) na representação da informação e o processo de resolução do problema.

Estes processos são representados por fluxos direcionados que ligam elementos no modelo.

Por exemplo, o ato de processar informação na representação do problema, para produzir uma

representação mental, e a representação mental de onde advém a solução para o problema.

Esta representação mental (interna) é a forma do solucionador do problema representá-lo na

memória de trabalho. A figura 4.4 auxilia o raciocínio anterior.

Figura 4.4 - Modelo de Resolução do Problema (Vessey and Galletta 1991).

Quando o formato de representação da informação condiz com a tarefa a ela associada, a

resolução do problema pode usar um processo (e formular uma representação mental na

memória de trabalho) que enfatiza essas mesma informação. O resultado consiste numa

representação mental que facilita o processo de tomada de decisão. Quando o paralelismo

entre a representação do problema e a tarefa não é conseguido, o ajuste cognitivo não

funciona. Neste caso, os utilizadores induzem representações mentais a partir da informação

Dashboard Visual


28

que lhes é prestada numa de duas formas: (1) formulam uma representação mental com base

na representação do problema (em que neste caso terá de a transformar para chegar a uma

solução), ou (2) formula uma representação mental baseada na tarefa (onde será necessário

transformar a informação que advém do problema numa representação mental adequada à

resolução do problema).

Em suma, a teoria do Ajuste Cognitivo explica que quando um problema de representação

coincide com o tipo da tarefa, o ajuste cognitivo é atingido e a performance na tomada de

decisão é incrementada.

4.3 Aspetos que facilitam a perceção em representações visuais

Uma representação visual deve evidenciar, em vez de esconder, padrões nos dados e,

idealmente, proporcionar ao espetador a possibilidade de retirar significado desses mesmos

padrões. Representações que requeiram um elevado nível de esforço cognitivo por parte dos

espetadores na interpretação da representação, são menos desejáveis que representações que

sejam mais imediatas e menos densas. A figura 4.5 apresenta quatro aspetos que podem

melhorar as representações visuais, por forma a tornar a experiência mais percetível. Estes

quatro aspetos serão abordados e explorados no presente capítulo.

Figura 4.5 - Aspetos que facilitam a perceção em representações visuais.

4.3.1 Quatro abordagens básicas de perceção visual

Bertin (1983) concluiu que existem quatro abordagens de perceção visual que são baseadas

nas caraterísticas dos objetos, presentes em representações visuais. Estas são descritas da

seguinte forma:

1. Associação – o espetador nota que dois ou mais objetos são idênticos e, portanto,

podem ser agrupados;

2. Diferenciação – o espetador nota que dois ou mais objetos são diferentes e devem ser

colocados em grupos separados;

Sensemaking – Facilitação da perceção

Suporte às quatro abordagens básicas de perceção visual

Suporte de qualidades Gestalt

Consistência com o conhecimento do espetador

Suporte de raciocínio lógico

Dashboard Visual


29

3. Perceção ordenada – o espetador nota que um objeto tem mais um certo atributo

(caraterística) que outro objeto;

4. Perceção quantitativa – o espetador nota que um objeto tem um múltiplo de um

atributo (caraterística) comparativamente a outro.

No entanto, nem todas as representações visuais suportam estas quatro abordagens.

Seguidamente serão explicados detalhadamente os conceitos em que cada uma se baseia.

Tarefas básicas na exploração de dados, tais como encontrar e identificar vários objetos, bem

como deteção de padrões e tendências, são facilitadas por uma representação visual que

suporte associação, a primeira das quatro abordagens de perceção visual. Tarefas como

identificação de objetos, procura de padrões e relações (por exemplo, proximidade entre dois

objetos), a comparação das relações observadas com conhecimento existente e, até mesmo, a

projeção de dados, são facilitados por uma representação visual que suporte diferenciação, a

segunda das quatro abordagens da perceção visual. Estas ideias são expressas pelas seguintes

proposições.

Proposição 1A (Suporte para a abordagem da Associação Percetual). “Para um dado conjunto

de objetos de uma representação visual, quanto maior for a extensão de objetos semelhantes

percebidos como pertencentes a um grupo, melhor será a experiência do utilizador.” (Vessey

and Galletta 1991).

Proposição 1B (Suporte para a abordagem da Diferenciação Percetual). “Para um dado

conjunto de objetos de uma representação visual, quanto maior for a extensão de objetos

semelhantes percebidos como pertencentes a grupos distintos, melhor será a experiência do

utilizador.” (Vessey and Galletta 1991).

Observa-se ainda que a diferenciação requer associação. Para os objetos serem percebidos

como diferenciados, o espetador deve ser capaz de perceber que esses objetos não estão

associados. Para perceber que o objeto A e B são objetos de grupos diferentes (diferenciação)

implica a rejeição da conclusão de que eles estão no mesmo grupo (associação). Assim, a

perceção da associação é fundamental.

A diferenciação não é, no entanto, necessária para perceber a associação. Se todos os objetos

são do mesmo grupo, a capacidade de facilmente perceber a associação é necessária por

definição. A perceção de diferenciação é irrelevante neste caso.

Considere-se agora, tarefas de exploração de dados e a forma como estas estão interligadas

com as duas restantes abordagens de perceção visual. A identificação de padrões e relações, a

comparação destas relações com o conhecimento existente, e até mesmo a projeção de dados,

seria facilitada por uma representação visual que suporte uma perceção ordenada. Esta, é

suportada pela seguinte proposição.

Proposição 1C (Suporte para a abordagem da Perceção Ordenada). “Para um dado conjunto

de objetos de uma representação visual, quanto maior for a extensão de objetos ordenados

Dashboard Visual


30

por algumas caraterísticas percebidos na ordem correta, melhor será a experiência do

utilizador.” (Vessey and Galletta 1991).

À semelhança das duas primeiras abordagens, existe igualmente uma relação de dependência

no que diz respeito à abordagem de perceção ordenada. Esta requer a lógica da diferenciação

percetual. Para um objeto A ser percecionado como tendo mais de uma certa caraterística que

um objeto B, estes estão a ser inerentemente diferenciados. A relação inversa, não é uma

condição necessária, os objetos A e B podem ser percecionados como sendo de diferentes

categorias, mas sem seguir nenhuma lógica ordinal.

Por fim, a exploração das tarefas básicas de procura de padrões e relações entre objetos, a

comparação destas relações com o conhecimento existente, e até mesmo a projeção de dados,

seria facilitada por uma representação visual capaz de suportar a perceção quantitativa. Esta é

expressa pela seguinte proposição.

Proposição 1D (Suporte para a abordagem da Perceção Quantitativa). “Para um dado

conjunto de objetos de uma representação visual, quanto maior for a extensão de objetos em

que seja percecionada uma variação quantitativa nalgumas das suas caraterísticas, melhor

será a experiência do utilizador.” (Vessey and Galletta 1991).

A abordagem da perceção quantitativa também está relacionada com algumas das abordagens

percetuais previamente descritas. A perceção quantitativa, na qual o espetador discerne as

diferenças relativas entre as caraterísticas de dois objetos, requer perceção ordenada. Por

exemplo, para perceber que um objeto A detém o dobro de uma certa caraterística quando

comparado com um objeto B (perceção quantitativa), implica que o espetador percecione que

o objeto A possui uma maior quantidade de uma dada caraterística que um objeto B (perceção

ordenada). Novamente, o inverso não se verifica, a ordem pode ser percecionada sem ser

necessário conhecer a quantidade ou o grau de diferença.

Um bom exemplo de uma representação visual que suporte as quatro abordagens básicas da

perceção visual humana é o gráfico do estudo de Vessey and Galletta (1991), reproduzido na

figura 4.6.

Dashboard Visual


31

Figura 4.6 - Representação visual compreendendo a Teoria do Ajuste Cognitivo (Vessey and

Galletta 1991).

A cena é um gráfico X-Y com meses no eixo dos XX e dólares no eixo dos YY. Os objetos

são pontos desenhados na área do gráfico. A associação dos pontos em duas séries é

conseguida devido à coerência no tamanho dos pontos, forma e linha que os ligam. A sua

diferenciação é evidenciada com a mudança de cor dos pontos (preto e branco),

acompanhados pela mudança da linha que os conecta (preto e cinza, respetivamente). Por fim,

a perceção ordenada e a perceção quantitativa são discerníveis observando os valores Y de

cada ponto quando um depósito ou levantamento é superior ou inferior comparativamente a

outro mês.

Representações visuais geradas em computador são pretendidas por fornecerem um melhor

suporte às quatro abordagens percetuais. As aplicações de softwares para criação de gráficos

são programadas, por defeito, para tornar as caraterísticas fáceis de distinguir. Por exemplo,

gráficos de barras têm, geralmente, grid lines para possibilitar comparações quantitativas

fáceis e diretas. Quando é usada cor, geralmente a cor entre séries é tanto mais distinta, quanto

mais divergentes forem os valores, facilitando a diferenciação. Assim, o nível de importância

dado às abordagens percetuais pode ser melhorado e os resultados podem ser demonstrados

com maior evidência.

Não obstante, segundo Vessey and Galletta (1991) a noção de eficiência na representação de

um problema deve ser considerada no contexto da tarefa a resolver. Por exemplo, tabelas

permitem aos utilizadores decisões mais rápidas e precisas em problemas simbólicos,

comparativamente a gráficos. No entanto, os utilizadores de gráficos pensam mais rápido em

tarefas espaciais do que aqueles que usam tabelas, e conseguem comparar tendências mais

facilmente.

A tabela 4.1 retrata a informação presente na figura 4.6, mas na forma tabular.

Dashboard Visual


32

Tabela 4.1 - Representação simbólica do problema.

Mês Depósitos Levantamentos

Jan 37 20

Feb 66 45

Mar 26 69

Abr 47 41

Mai 45 28

Jun 40 45

Jul 56 63

Ago 13 39

Set 13 39

Out 62 30

Nov 46 48

Dez 35 8

4.3.2 Teoria Gestalt

O segundo aspeto da facilitação da perceção em representações visuais tem por base o

conceito Gestalt. Gestalt é uma palavra alemã, sem tradução exata para português, ligada à

psicologia da forma e trabalha essencialmente com dois conceitos: supersoma e

transponibilidade (Lück 2012). De acordo com a teoria gestáltica, não se pode ter

conhecimento do todo por meio das suas partes, já que, o todo é maior do que a soma das

partes “(...) "A+B" não é simplesmente "(A+B)", mas sim um terceiro elemento "C", que

possui caraterísticas próprias" (Lück 2012). A figura 4.7 retrata precisamente a citação

anterior sob a forma visual. É possível reparar que ao observar cada uma das imagens

inferimos formas não presentes nela.

Dashboard Visual


33

Figura 4.7 - Exemplo de fenómenos Gestalt10

.

Por exemplo, no canto superior esquerdo, o corte alinhado das três circunferências existentes,

transmite a ideia da presença de um triângulo equilátero.

A perceção não funciona por somatório de partes mais pequenas dos objetos percebidos, mas

pela totalidade. Os objetos organizam-se percetivelmente numa estrutura global que determina

a forma, a dimensão e a função das partes.

Quando os objetos de uma representação visual estão arranjados segundo uma forma que os

permita serem percecionados como uma unidade, estes são compreendidos mais rapidamente

e com menos esforço (Wickens and Andre 1990). Por vezes este fenómeno é alcançado

através da proximidade dos objetos, outras através das caraterísticas emergentes tais como

alinhamento, continuidade, simetria e paralelismo. Estas caraterísticas não são alusivas aos

objetos individuais, mas ao conjunto de objetos vistos como um todo. As caraterísticas

emergentes permitem que múltiplos objetos sejam compreendidos como uma unidade e seja

reduzido o esforço cognitivo necessário para proceder a comparações de objetos que o

espetador pretenda realizar (Wickens and Andre 1990). É facilitado, de igual forma, o

armazenamento da informação na memória do destinatário da informação.

Um importante aspeto na facilitação da perceção é a possibilidade dos espetadores

modificarem o seu esquema de conhecimento à medida que processam padrões suportados

por Gestalt. Por exemplo, a consulta de um mapa que contenha objetos alusivos à presença de

polícia e a taxas de crime, pode apontar para uma relação positiva entre a presença da polícia

e as taxas de crime. Inicialmente, o espetador pensa que este facto é contraintuitivo porque é

suposto que a polícia exista para prevenir o crime, o que implica uma relação negativa entre a

polícia e a existência de crime. Então, o espetador infere que a polícia talvez esteja presente

numa determinada área, precisamente por nesse local existirem maiores taxas de crime, o que

explica a relação positiva. Por outras palavras, o espetador começou por integrar um padrão

que detetou e gerou um conflito com o seu conhecimento existente. Para que um espetador

filtre padrões que façam sentido numa representação visual, deve ser ativada a deteção de tais

padrões, envolvendo, necessariamente, um processo cognitivo e uma resposta e acesso à

memória existente para que a nova lógica altere a estrutura do conhecimento do espetador.

Esta relação é resumida pela seguinte proposição.

10 http://cns-alumni.bu.edu/~slehar/webstuff/bubw1/illus.gif

http://cns-alumni.bu.edu/~slehar/webstuff/bubw1/illus.gif

Dashboard Visual


34

Proposição 2 “Quanto melhor forem apresentadas as propriedades gestalt numa

representação visual, melhor será a experiência do utilizador.” (Vessey and Galletta 1991).

4.3.3 Consistência com o conhecimento do espetador

Representações visuais que tirem partido do conhecimento existente na memória do utilizador

podem incrementar a experiência da perceção visual. Quando uma representação é altamente

consistente com o conhecimento do espetador, é evitada uma determinada carga cognitiva

para tradução do significado de cada objeto/caraterística (Hutchins, Hollan, and Norman

1985; Kotovsky, Hayes, and Simon 1985). Por exemplo, mapas meteorológicos que

apresentem intervalos de temperatura, de temperaturas altas (em tons de vermelho) até

temperaturas baixas (em tons de azul), impõem uma baixa carga cognitiva para o espetador.

Este, identifica de forma imediata, porém coerente, que valores de temperatura elevada estão

associados a um tom vermelho, e valores de temperatura reduzida associados a tons de azul,

podendo, de igual forma, ordenar os valores intermédios. Outros padrões, tais como verde

(quente) a cor-de-rosa (frio), estariam igualmente ordenados, mas não facilitariam o processo

de perceção, uma vez que, estas cores não são consistentes com os conhecimentos dos

espetadores.

Um bom exemplo de uma representação gráfica que contemple todos os temas abordados até

este ponto é a figura 2.4. Essa imagem retrata os princípios do design gráfico e já foi

classificada com a seguinte citação: “It may well be the best statistical graphic ever drawn”

(Tufte 1983). Esta representação visual facilita a perceção da informação através das quatro

abordagens básicas de perceção, permite uma interpretação segundo a lógica Gestalt e lida

com o conhecimento do espetador. A sua simplicidade fica ainda mais evidente quando o

espetador (não francês) percebe que todo o texto contido no documento está na língua de

Napoleão e, mesmo assim, consegue retirar dele praticamente toda a informação que este

disponibiliza, a partir do momento em que é dado a conhecer o propósito da existência desta

representação visual. Em oposição, é indicado um exemplo na figura 4.8 de uma má

representação visual, desobedecendo a alguns dos aspetos anteriormente apresentados.

Dashboard Visual


35

Figura 4.8 - Representação visual sem suporte de perceção quantitativa (Tufte 2001).

A figura 4.8 retrata o preço do barril de petróleo de 1973 a 1979. Ambas as imagens retratam

os mesmos dados, sendo que a figura 4.8(a) contempla todas as abordagens básicas da

perceção visual, enquanto que a figura 4.8(b) contém a mesma informação mas é apresentada

de uma forma menos convencional, onde o preço é apresentado numa espécie de gráfico de

barras em forma de barril.

Se fosse pedido a um espetador para, numa questão de segundos, apresentar uma relação do

crescimento do preço do petróleo, este ver-se-ia muito mais à vontade se se baseasse no

gráfico da figura 4.8(a). Os seres humanos estão menos adaptados a comparar o que parecem

ser volumes tridimensionais, comparativamente a quantidades bidimensionais (Tufte 2001).

Na figura 4.8(b) existe mais do que uma caraterística a variar em simultâneo (altura, raio e

consequentemente o volume de cada barril), resultando numa carga cognitiva superior e

conseguinte perda de performance na leitura. Desta forma, ficam claramente demonstradas as

vantagens da utilização da cena, objetos e suas caraterísticas, em concordância com o

conhecimento do espetador, na perceção da informação a transmitir. Esta premissa é expressa

pela seguinte proposição.

Proposição 3 “Quanto mais consistente a representação visual for com o conhecimento do

espetador, melhor será a experiência do utilizador.” (Vessey and Galletta 1991).

É importante salientar que nem todos os espetadores possuem o mesmo nível de

conhecimento. Para tal, é necessário adaptar as representações visuais para estarem em

concordância com a sua audiência e serem compreendidas pela mesma, para que, a passagem

de informação seja eficiente.

Dashboard Visual


36

4.3.4 Raciocínio lógico

Até este ponto, o foco nesta abordagem tem estado relacionado com aspetos alusivos a

representações visuais como meio facilitador da absorção da informação explícita nelas

contida. A seguir, será abordada a forma como as representações visuais que sustentam

raciocínio lógico podem ajudar o espetador a descobrir informações adicionais que possam

permanecer ocultas.

A analogia é um processo de mapeamento que permite a compreensão de uma determinada

situação, através de uma outra mais familiar, cujo conceito está bem definido na memória do

espetador (Gentner 1983). Segundo Hummel and Holyoak (2003) existem quatro fases que

ocorrem durante este processo:

1. Os termos relevantes são acedidos a partir da memória de longo prazo;

2. Identificação de correspondências;

3. São feitas inferências analógicas sobre o alvo, gerando novo conhecimento;

4. A aprendizagem ocorre quando novas ligações na memória (sinapses) são geradas.

A fonte analógica é um modelo familiar ou situação bem conhecida usada para fazer

inferências sobre um modelo desconhecido. Em oposição, e seguindo a mesma linha de

raciocínio, o alvo analógico é um modelo ou situação não familiar que será compreendido por

inferência da fonte analógica. O processo de alinhamento dos dois lados da analogia é

denominado mapeamento. Idealmente, deveria existir uma correspondência perfeita (de um

para um) entre os elementos mapeados. Quando este fenómeno acontece, estamos perante

uma analogia dita estruturalmente consistente (Gentner 1983).

Um exemplo clássico de uma analogia estruturalmente consistente é o da figura 4.9, onde é

representado um paralelismo entre o funcionamento de um circuito hidráulico e um circuito

elétrico.

Figura 4.9 – Analogia eletricidade-água11

.

11 http://hyperphysics.phy-astr.gsu.edu/hbase/electric/imgele/watdc.gif

http://hyperphysics.phy-astr.gsu.edu/hbase/electric/imgele/watdc.gif

Dashboard Visual


37

Na analogia da eletricidade-água, as propriedades do fluxo da água (fonte analógica) são

usadas na compreensão do fluxo elétrico (alvo analógico). O reservatório de água corresponde

à ligação à terra, a bomba de água equipara-se à bateria e uma restrição na canalização

corresponde à existência de uma resistência elétrica. Não só os elementos entre a fonte e o

alvo são estruturalmente consistentes, como nesta analogia em particular, também permite o

mapeamento de inferências que vão desde pressão a tensão, fluxo a corrente e até a

equivalência entre a lei de Poiseulle e a lei de Ohm.

O pensamento analógico permite neutralizar as limitações da capacidade de processamento e

a memória de curto prazo humana, através da modificação dos modelos mentais usados para

processar dados, de modo que, a aplicação do conhecimento é facilitada e a necessidade de

nova informação minimizada (Rasmussen 1986). A analogia permite aplicar conhecimento,

modelos, regras e estratégias de experiências anteriores em novos problemas de diferentes

domínios.

A secção seguinte retrata a aplicabilidade dos conceitos abordados até então, no Dashboard

Visual.

Dashboard Visual


38

5 Implementação do Dashboard Visual

Neste capítulo será detalhada a constução do Dashboard Visual tendo em conta os conceitos

previamente apresentados. Como já foi referido, o dashboard permite ao seu utilizador ter

uma visão geral da unidade de negócio, através da junção de indicadores provenientes de

diferentes fontes. É aqui que será inserida a componente visual, facilitanto a transmissão de

informação dos indicadores nele presentes. Tem como objetivo uma elevada simplicidade e

eficiência na transmissão de informação e teve por base o dashboard já existente na empresa.

5.1 A unidade MMS na Optimus

A MMS tem a missão de fomentar a adoção e utilização continuada de serviços de internet e

multimédia em todos os segmentos do mercado, e disponibilizar ofertas oportunas, relevantes

e diferenciadoras nesses domínios e para estes segmentos, de forma a que a Optimus lidere o

negócio de dados móveis e reforce a sua imagem de marca nos capítulos da inovação,

modernidade, dinamismo e dimensão.

A organização da área de negócio referida é descrita na tabela 5.1.

Tabela 5.1 - Organização da unidade de negócio MMS.

Area de negócio Macro-Categorias Serviço

MMS

Internet Internet no telemóvel

VAS Optimus

Calling Rings

Jogos

Alertas

Passatempos

VAS Parcerias Diversos (externos)

Dentro da área MMS existem três macro-categorias e a cada uma delas correspondem um ou

mais serviços. Na macro-categoria de internet está incluída a internet no telemóvel. Abrange

Dashboard Visual


39

todas as formas de acesso à internet a partir de um dispositivo móvel, independentemente do

tarifário do utilizador e do segmento.

Na VAS (Value Added Services) Optimus, por sua vez, existem quatro serviços:

Calling Rings, que correponde aos sons (geralmente uma música) que o utilizador

ouve durante a espera na realização de uma chamada;

Jogos, que como o próprio nome indica, são de conteúdo lúdico e passíveis de serem

descarregados através dos serviços da operadora;

Alertas, um serviço de subscrição que envia para o utilizador informações e notícias

que este tenha anteriormente subscrito;

Passatempos que se referem a ofertas, oportunidades e concursos de frequência

irregular.

A VAS Parcerias tem acoplados a si variadíssimos serviços, sendo que não existe uma

definição muito clara. No fundo, corresponde a um serviço fornecido por uma determinada

marca (que não a Optimus), mas em que é necessária uma parceria com uma empresa de

telecomunicações para que o serviço funcione. Assemelha-se à categoria de VAS Optimus, à

exceção de que os parceiros são sermpre externos à empresa, resultando numa sinergia entre a

Optimus e outra companhia.

5.2 Organização do Dashboard

No formato atual, o dashboard é um documento construído em Excel (.xlsx) e contém cinco

folhas de cálculo: “Receitas, Custos e Margens” com indicadores de cariz financeiro,

“Clientes do Mês”, “EOPs” e “Compras, Ativações e Desativações” com indicadores de cariz

não financeiro (informação sobre utilizadores), e recentemente a nova folha “Dashboard

Visual” que contemplará a forma de apresentação de informação até aqui explorada, incluindo

os dois tipos de indicadores. Em linha com aquilo que foi apresentado no Capítulo 3, as

quatro primeiras folhas apresentam-se sob a forma numérica e foram agrupadas como

correspondendo ao formato “Simbólico”, uma vez que, a informação está apresentada como

uma vulgar folha de cálculo. Em oposição, o “Dashboard Visual” terá a etiqueta “Espacial”.

Seguidamente serão apresentados e justificados os dois formatos utilizados.

5.2.1 Simbólico

Este era o único formato que o dashboard possuía até ao desenvolvimento da última folha de

cálculo (Dashboard Visual). Na sua elaboração, (em finais de 2009) foram reunidos os

indicadores fundamentais da unidade de negócio e de consulta necessária. Esta ferramenta

tinha por base a recolha de informação através do datawarehouse, local onde existe toda a

informação não trabalhada. O formato simbólico mantém-se ainda hoje (com leves alterações)

e será mantido no futuro, apesar de nem sempre ser a forma mais fácil de visualizar os dados.

Nele está contida toda a informação passível de ser consultada como valores quantitativos,

quando a leitura do gráfico, per si, não é suficiente.

Dashboard Visual


40

Como é possível perceber através da figura 5.1, todos estes indicadores são apresentados com

detalhe mensal e possuem grandeza de unidades de milhar, tanto os financeiros (representados

em milhares de euros), como os não financeiros (em milhares de utilizadores, milhares de

ativações, entre outros). A informação dos últimos dois meses é tida como previsional, uma

vez que, a informação desse período não traduz toda a atividade do negócio. Componentes

como receita, custos e margens, ou até, ativações e desativações de serviços, têm um atraso

inerente ao seu funcionamento, passando a definitivos com dois meses de retardo.

A figura 5.1 exemplifica uma pequena parte da folha “Receitas, Custos e Margens”, sob o

formato simbólico, alusivo ao serviço de Jogos.

Figura 5.1 - Exemplo de uma pequena parte do Dashboard Simbólico (Jogos).

A figura 5.1 retrata indicadores financeiros: custos e margem, sob a forma absoluta, e ainda

receita, de três formas distintas: valor absoluto, distribuição por segmento e por natureza.

No início de cada ano são definidos os objetivos e as ambições da empresa. Estes são

expressos sob a forma de orçamentos (um alvo a atingir com dificuldade moderada) e metas

(um alvo otimista, de elevada dificuldade). Com efeito, a leitura do dashboard passa sempre

pela comparação dos valores de referência (reais) com os valores de orçamentos e metas

(alvos), bem como o seu arranjo consoante o segmento e natureza. Para facilitação da

explicação do funcionamento do programa, os termos: orçamento, meta, real e real do ano

anterior foram denominados “parâmetros” e a sua articulação será explicada mais à frente.

Apesar de na imagem só estar apresentado o serviço de Jogos, o dashboard contempla todos

os serviços da tabela 5.1. As restantes divisórias (“Clientes do Mês”, “EOPs” e “Compras,

Ativações e Desativações”) têm uma representação idêntica e para os mesmos serviços. Desta

forma, torna-se evidente que uma ferramenta que possibilite a agregação e a visualização dos

diferentes serviços, evidenciando tendências e permitindo ao utilizador nunca mudar a janela

de trabalho, facilita a continuidade do nível de concentração e construção de processos

mentais que facilitem e apoiem a tomada de decisão. Essa ferramenta é descrita no seguinte

ponto.

Dashboard Visual


41

5.2.2 Espacial

Na criação desta folha foi considerada a informação contida no formato simbólico, ou seja,

toda a informação apresentada sob o formato gráfico está indexada às primeiras 4 folhas. Este

mecanismo está representado no esquema da figura 5.2.

Tendo por base esta articulação, foram reunidos os indicadores mais relevantes para o

negócio, a transpor para a forma visual. Numa primeira fase foram escolhidas as formas de

visualização de cada indicador e a seleção de cores (coerentes) que cada um deveria devolver.

Paralelamente a este trabalho foi estudado o aspeto visual que esta nova componente deveria

conter. Era essencial que sem qualquer tipo de dificuldade o utilizador do dashboard visual o

identificasse como algo que fizesse parte da companhia. Para isso, e mais uma vez, a escolha

de cores e logótipo da empresa tiveram um contributo fundamental.

Esta ferramenta nunca apresenta mais do que 4 gráficos em simultâneo e a informação contida

em cada um deles (financeira ou não) nunca é misturada, primando pelo foco do utilizador.

Por outras palavras, independentemente da escolha selecionada pelo utilizador, o gráfico

referente, por exemplo, ao número de utilizadores, está sempre presente no mesmo local, com

a mesma configuração e apenas apresenta informação de utilizadores, seja qual for o serviço

em questão. O mesmo se passa para os restantes indicadores.

A figura 5.3 representa a interface do dashboard visual onde estão identificados os gráficos de

1 a 4 (motores da transmissão de informação) e um menu interativo, que permite ao utilizador

escolher que indicadores, qual o serviço e janela temporal a consultar.

“Receitas, Custos e Margens”

“Clientes do Mês”

“EOPs”

Tratamento de

informação Dashboard Visual

“Compras, Ativações e Desativações”

Figura 5.2 - Funcionamento genérico do Dashboard Visual.

Dashboard Visual


42

Figura 5.3 - Dashboard Visual.

Para que o programa funcione necessita que o utilizador forneça, pelo menos, duas entradas

de informação: o indicador e serviço. A janela temporal, apesar de ser também uma entrada de

informação, foi definida, por defeito, a apresentar sempre o ano atual. Na necessidade de

consulta de um período diferente, o utilizador deverá proceder à alteração desta através de um

clique num dos botões existentes, deslocando o eixo ordenado X, num ano ou num mês,

dependendo do botão escolhido. Este mecanismo possibilita visualizar a evolução da

informação no tempo, com resolução mensal.

Seguidamente será explicada com maior detalhe, a informação que cada gráfico traduz e

como esta é apresentada.

Gráfico 1

Este é o gráfico mais importante desta ferramenta. Por vezes, quando determinada informação

não existe, não pode ser apresentada. Este fenómeno implica que, se um utilizador procura

uma determinada apresentação, nem todos os gráficos devolvem informação, já que esta pode

não existir. Pelo contrário, o gráfico 1 possui sempre informação a apresentar, seja esta

financeira ou não.

Dashboard Visual


43

Tabela 5.2 - Explicação da apresentação da informação na forma gráfica – Gráfico 1.

Indicadores

Receita Custos Margem

Clientes

do Mês

Ativações e

Desativações

Parâmetros

Buget x x x x

Real x x x x

Meta x x x x

Ano anterior x x

Ativações x

Desativações x

A tabela 5.2 retrata toda a informação que o gráfico 1 apresenta, mediante a escolha dos

indicadores por parte do utilizador. Os indicadores são apresentados um de cada vez, com os

parâmetros correspondentes. Por exemplo, se o utilizador selecionar o indicador “Clientes do

Mês”, surgirão no gráfico os parâmetros “Buget”, “Real”, “Meta” e “Ano anterior”, alusivos a

um determinado serviço, também escolhido previamente pelo utilizador.

A representação visual é levada a cabo por um gráfico de linhas, com duas, três ou quatro

séries, dependendo do indicador, e a escolha de cores é familiar aos utilizadores, facilitando a

aquisição de informação e a instantaneidade na leitura.

Figura 5.4 - Gráfico 1 alusivo à receita de jogos.

A linha “Real”, tida como a mais importante, sobressai das restantes com uma maior

espessura, posse de marcadores e labels que apoiam a leitura quantitativa (caraterísticas

diferenciadoras das demais séries). Em oposição, a linha “Ano anterior” é representada a

tracejado, facilitando a diferenciação e consequente comparação com a restante informação.

Da visualização direta do gráfico, percebe-se que o consumo de jogos é maior nos meses de

verão (essencialmente julho e agosto) e final de ano (novembro e dezembro), coincidindo com

Dashboard Visual


44

existência de férias escolares. É também bastante evidente que a receita apresentada superou

sempre as linhas de orçamentos e metas estipuladas, e segue um comportamento idêntico ao

do ano anterior. Estas conclusões resultantes da visualização do gráfico são praticamente

imediatas e realizadas com um baixo esforço cognitivo, estando bem patente as vantagens

deste tipo de representação.

Gráfico 2

Neste local a informação é apresentada através de quatro segmentos de utilizadores: “Optimus

Negócios”, “Corporate”, “Teens” e “Optimus”, sendo que os primeiros dois são referentes a

empresas e os demais a clientes particulares.

Figura 5.5 - Gráfico 2 alusivo à divisão da receita acumulada de jogos por segmento.

A visualização é feita através de um gráfico de queijo que traduz o parcial que cada segmento

representa no total da receita da unidade de negócio. Trata-se de um rácio do total acumulado,

ou seja, no mês de maio, por exemplo, é contemplada a informação desde o início do ano até

ao mês em questão.

Gráfico 3

O gráfico 3 utiliza alguma da informação que alimenta o gráfico 1. Como é possível perceber

através da tabela 5.3, o gráfico devolve quatro parâmetros independentemente do indicador.

Mediante o serviço que o utilizador pretenda consultar, a existência de compras avulsas ou de

subscrições varia com a natureza do mesmo.

Dashboard Visual


45

Tabela 5.3 - Explicação da apresentação da informação na forma gráfica – Gráfico 2.

Indicadores

Receita Clientes do Mês

Parâmetros

% Avulsa x x

% Subscrições x x

Avulsa x x

Subscrições x x

De acordo com a figura 5.6, percebe-se que esta informação é passível de ser vista em termos

absolutos (através de duas séries lineares) e em termos relativos (por intermédio de barras

percentuais), percebendo qual a dimensão de cada um dos parâmetros relativamente ao outro.

Figura 5.6 - Gráfico 3 alusivo à divisão da receita de jogos por natureza.

Esta caraterística permite ao utilizador ler diretamente a informação. Se esta fosse apenas

representada sob a forma absoluta, o utilizador teria de desenvolver um processo cognitivo

auxiliar para perceber a relação entre os dois parâmetros, distraindo-o da leitura e dificultando

a perceção da informação. A representação inversa (forma relativa) não transmitiria ao

utilizador a dimensão de receita envolvida sob a forma quantitativa, sendo igualmente inútil,

daí a dupla representação.

Gráfico 4

O gráfico 4 representa informação idêntica ao gráfico 2, mas com um detalhe mensal e em

valor absoluto. A exportação de dados é feita através de um gráfico de linhas, em tudo

idêntico ao gráfico 1. Aqui só é apresentada informação de cariz financeiro, tendo como único

indicador, a receita (só evidenciado, portanto, quando este indicador é solicitado).

Dashboard Visual


46

Figura 5.7 - Gráfico 4 alusivo à divisão de receita de jogos por segmento.

De seguida será explicado o modo como o programa funciona e alguma da programação

essencial para o desempenho das suas funções.

5.3 Programação

A programação foi realizada utilizando macros em Excel, tendo por base a aplicação

Microsoft Visual Basic for Application 7.0.

Durante este processo foi tida em conta não só a apresentação da informação sob a forma

gráfica e dinâmica, mas também a estabilidade na execussão do ficheiro.

5.3.1 Funcionamento geral

De acordo com o que foi dito anteriormente, o dashboard visual possui um menu interativo

(figura 5.8), no qual o utilizador escolhe o indicador, serviço e a janela temporal que pretende

para ver uma determinada informação.

Figura 5.8 - Menu interativo do Dahboard Visual.

Dashboard Visual


47

Este menu é constituído por duas dropdown boxes, quatro botões e um label informativo,

onde é apresentado o ano que o utilizador está a visualizar. As dropdown boxes permitem a

escolha do indicador e serviço, enquanto os botões (+) e (-) possuem a funcionalidade de

deslocar positiva ou negativamente um mês ou ano nas abcissas dos gráficos, e a consequente

atualização do label.

Aquando da execussão do dashboard, este está programado para abrir, por defeito, a folha

“Dashboard Visual”. Apesar de ter sido referido anteriormente que é necessário fornecer

valores de entrada para que o programa devolva informação, não faria sentido que a janela se

mantivesse limpa enquanto o utilizador não escolhia a informação a consultar. Desta forma,

foi programado para apresentar, novamente por defeito, a informação mais básica e

primordial da unidade de negócio, a receita. Em termos práticos, surge uma imagem identica à

da figura 5.3, mas alusiva à Receita MMS (em vez de Jogos), do ano mais atual.

O funcionamento descrito acima está representado no diagrama da figura 5.9.

Por razões de segurança, e para evitar que os utilizadores alterem a folha de cálculo e todos os

seus elementos de forma não intensional, esta foi bloqueada, limitando toda a atividade ao

menu interativo.

5.3.2 Lógica na programação

O programa possui 10 macros estruturais: 4 principais (uma para cada gráfico) e 6 macros

secundárias (uma para cada botão e dropdown box).

Nos botões, são lidas a localização temporal e o conteúdo das dropdpown boxes, por forma a

perceber qual o ano, serviço e indicador que o utilizador pretende consultar. Tendo por base

estas leituras, a escala temporal dos gráficos é ajustada sempre que estes sejam pressionados.

As dorpdown boxes seguem um princípio idêntico, a alteração de um dos seus campos,

indicador e/ou serviço, provocará a variação da informação a ser apresentada pelos gráficos.

As macros principais, por sua vez, são executadas sempre que as secundárias funcionam.

Estas fazem a leitura de todas as entradas dadas pelo utilizador, mas é-lhes adicionada uma

nova componente de leitura, o domínio de dados a apresentar nos gráficos. Para isso, é

Processo inicial (automático)

Gráficos

Botões

Processo executado pelo

utilizador (manual) Dropdown Boxes

Figura 5.9 - Funcionamento genérico da apresentação de informação.

Dashboard Visual


48

utilizada a informação cedida pelo utilizador: ano, indicador e serviço; por forma a direcionar

a leitura às folhas anteriores. Todos os gráficos, à exceção do gráfico 2 (que tem leitura

variável), lêem em intervalos de 12 meses. A utilização dos botões realiza um offset no

domínio de leitura, através de uma variável interna, tornando os gráficos dinâmicos. Os

botões alusivos a “ano” e a “mês”, diferem unicamente na referida variável interna. Ao serem

pressionados os botões “ano”, dá-se um offset de 12 meses, ao passo que, no caso dos botões

“mês”, este valor é de 1 unidade. Na figura 5.10, está exemplificado parte do código alusivo a

receitas, que comanda o gráfico 1 e possibilita os offsets variáveis.

Figura 5.10 – Código utilizado nos domínios de leitura variável.

5.4 Feedback na empresa

A implementação desta nova folha na empresa ainda não aconteceu na sua totalidade, uma

vez que, o dashboard está a passar por um processo de remodelação, tanto do ponto de vista

da forma, como do ponto de vista de indicadores a apresentar. Assim, torna-se impossível

dinamizar a apresentação de dados com a variação constante da informação.

No entanto, esta solução já foi dada a conhecer na empresa, tendo sido bem recebida e

elogiada, apesar de ainda pouco divulgada. Isto deve-se ao fato de, na sua construção, os

diferentes colegas de trabalho (gestores de projeto) terem sido confrontados com a forma e

como os dados seriam apresentados, tratando-se portanto, de um trabalho de equipa.

Prevê-se que a maior parte das futuras consultas deste documento, serão feitas diretamente no

dashboard visual, não só por condensar toda a informação, mas também pela facilidade na

leitura. No caso de surgirem dúvidas ou na necessidade de uma consulta mais detalhada,

proceder-se-à então à componente do dashboard existente anteriormente, onde a informação

está disponível no formato simbólico.

Dashboard Visual


49

6 Conclusões e Perspetivas de Trabalho Futuro

6.1 Resumo e satisfação dos objetivos

É amplamente patente o conhecimento adquirido durante a elaboração desta ferramenta. A

investigação e as dificuldades enfrentadas durante a sua produção foram fulcrais para que o

resultado fosse o apresentado, possibilitando a criação de uma ferramenta de valor na

atividade desenvolvida na empresa.

O ser humano tem uma memória de trabalho limitada, podendo dar origem a que parte da

informação apresentada seja desconsiderada durante o processo de decisão. Os dashboards

podem reduzir este efeito otimizando o processamento de informação e permitindo aos seus

utilizadores o foco na parte de informação mais relevante. Assim, torna-se altamente

desafiante criar tal ferramenta que maximize as capacidades percetivas do ser humano e, por

conseguinte, o aumento da eficiência no processo de tomada de decisão.

Ficou claro que caraterísticas funcionais como o propósito do dashboard, as tarefas por ele

desempenhadas, o conhecimento e a personalidade dos seus utilizadores, devem ser tidas em

conta na sua elaboração, incorporando a interatividade, flexibilidade e contemplando soluções

elegantes, tirando partido de tarefas simbólicas e espaciais. Este estudo deputou um

variadíssimo conjunto de caraterísticas valiosas tanto para praticantes deste tipo de

documentos, como para aqueles que querem melhorar as suas soluções, sendo que a Optimus

enquadra-se na segunda opção.

A introdução de uma componente visual na apresentação de dados tornou possível tirar

partido das caraterísticas percetivas do ser humano, facilitando a visualização, evolução e

compreensão de uma maior quantidade de dados de forma mais imediata. Apesar das

consultas simbólicas não terem deixado de existir, e essa componente continuar presente no

dashboard, serão utilizadas com menor frequência. Em suma, a perceção dos dados é feita de

forma mais imediata, permite a visualização de tendências e possibilita, com elevada

facilidade, inferir comparações, como um todo, entre as diferentes séries apresentadas.

Apesar da evolução dos dashboards já ter percorrido um longo caminho na sua evolução, crê-

se que o fim da linha estará longe de ser alcançado, e que novas funcionalidades e formas de

visualização continuarão a surgir, possibilitando melhorias a nível da eficiência e dimensão de

dados compreendida.

Dashboard Visual


50

6.2 Perspetivas de trabalho futuro

Relativamente a perspetivas de trabalho futuro, estas passarão pela evolução de um novo

dashboard de detalhe semanal. É uma iniciativa bem vista por parte dos gestores de projeto da

empresa, sendo que já foi iniciada, tendo sido reunidos todos os indicadores a serem

apresentados, distinguindo-se em muito dos existentes no dashboard mensal. Esta

caraterística deve-se única e exclusivamente ao fato de ser necessário um maior nível de

pormenor no acompanhamento semanal e à existência de uma enorme dispersão deste tipo de

informação por vários relatórios. Por outro lado, serão implementadas novas formas de

visualização, com maior interatividade tais como a alteração da resolução de cada gráfico,

tornando-os mais ou menos abrangentes. A justificação para a não implementação destas

funções no dashboard mensal prendem-se com a curta duração da integração na empresa e

com a dificuldade inicial encontrada na programação do dashboard visual. Estes indicadores

levam a crer que num futuro trabalho o processo será mais fluente.

Dashboard Visual


51

7 Referências

7 things you should know about... Data Visualization. 2007. Educause Learning Initiative.

All too much. 2012. The Economist 20102012]. Available from http://www.economist.com/node/15557421.

Anderson, J. C., and J. M. Mueller. 2005. "The effects of experience and data presentation format on an auditing judgment." Journal of Applied Business Research no. 21 (1):53.

Andrews, Keith. 2012. Information Visualisation, Graz University of Technology.

Atkinson, R. C., and R. M. Shiffrin. 1968. "Human Memory: A Proposed System and its Control Processes." Psychology of Learning and Motivation - Advances in Research and Theory no. 2 (C):89.

Baddeley, Alan D. 1986. Working memory, Oxford psychology series. Oxford Oxfordshire

New York: Clarendon Press ;

Oxford University Press.

Bariff, M. L., and E. J. Lusk. 1977. "COGNITIVE AND PERSONALITY TESTS FOR DESIGN OF MANAGEMENT INFORMATION-SYSTEMS." Management science no. 23 (8):820-829.

Basole, R. C., M. D. Hu, P. Patel, and J. T. Stasko. 2012. "Visual Analytics for Converging-Business-Ecosystem Intelligence." IEEE Computer Graphics and Applications no. 32 (1):92-96.

Belmonte, Nicolas Garcia. 2012. JavaScript InfoVis Toolkit 20112012]. Available from http://thejit.org/.

Benbasat, I., and A. S. Dexter. 1979. "VALUE AND EVENTS APPROACHES TO ACCOUNTING - EXPERIMENTAL EVALUATION." The Accounting review no. 54 (4):735-749.

Bertin, Jacques. 1983. Semiology of graphics. Madison, Wis.: University of Wisconsin Press.

Blocher, E., R. P. Moffie, and R. W. Zmud. 1986. "Report format and task complexity: Interaction in risk judgments." Accounting, organizations and society no. 11 (6):457.

Card, Stuart K., Jock D. Mackinlay, and Ben Shneiderman. 1999. Readings in information visualization : using vision to think, The Morgan Kaufmann series in interactive technologies. San Francisco, Calif.: Morgan Kaufmann Publishers.

Cardinaels, E. 2008. "The interplay between cost accounting knowledge and presentation formats in cost-based decision-making." Accounting, organizations and society no. 33 (6):582-602.

Carla Spinillo, Petrônio Bendito, Stephania Padovani. 2009. Selected Readings for Information Design. Electronic Edition ed, Communication, Technology, History and Education: SBDI.

http://www.economist.com/node/15557421

http://thejit.org/

Dashboard Visual


52

Carpenter, D. A., J. Anders, and A. Anderson. 1993. "Influence of Myers-Briggs type on preference for data presentation format." The Journal of data education no. 33 (4):85-90.

Chabot, C. 2009. "Demystifying visual analytics." IEEE Computer Graphics and Applications no. 29 (2):84-87.

Cohen, Bernard. 1984. "Florence Nightingale."

Corona, C. 2009. "Dynamic performance measurement with intangible assets." Review of accounting studies no. 14 (2-3):314-348.

The Current State of Business Analytics: Where Do We Go From Here? 2011. SAS.

Da Lozzo, Giordano, Giuseppe Di Battista, and Francesco Ingrassia. 2012. "Drawing graphs on a smartphone." Journal of graph algorithms and applications no. 16 (1):109-126.

DeBusk, G. K., R. M. Brown, and L. N. Killough. 2003. "Components and relative weights in utilization of dashboard measurement systems like the balanced scorecard." The British accounting review no. 35 (3):215.

Desanctis, G., and S. L. Jarvenpaa. 1989. "Graphical presentation of accounting data for financial forecasting: An experimental investigation." Accounting, organizations and society no. 14 (5-6):509.

Dilla, W. N., and P. J. Steinbart. 2005. "The effects of alternative supplementary display formats on balanced scorecard judgments." International journal of accounting information systems no. 6 (3):159-76.

Dilla, William, Diane Janvrin, and Robyn Raschke. 2010. "Interactive Data Visualization: New Directions for Accounting Information Systems Research." Journal of information systems no. 24 (2):1-37.

Dunn, Cheryl, William McCarthy, and Robin Poston. 1999. "The Research Pyramid: A Framework for Accounting Information Systems Research." Journal of information systems no. 13 (1):7-30.

Exhibit. 2012. Massachusetts Institute of Technology 20062012]. Available from http://www.simile-widgets.org/exhibit/.

Fekete, Jean-Daniel. 2012. The InfoVis Toolkit. Sourceforge.net, 30-11-2005 20052012]. Available from http://ivtk.sourceforge.net/.

Few, S. 2006. Information dashboard design, the effective visual communication of data. 1 ed: O'Reilly Media.

Gentner, D. 1983. "Structure-mapping: A theoretical framework for analogy." Cognitive science no. 7 (2):155.

Henderson, J. M., and A. Hollingworth. 1999. "High-level scene perception." Annu Rev Psychol no. 50:243-71. doi: 10.1146/annurev.psych.50.1.243.

Hogarth, R. 1908. "Judgment and Choice." Chichester: John Wiley & Sons.

Huang, W. D., P. Eades, and S. H. Hong. 2009. "Measuring effectiveness of graph visualizations: A cognitive load perspective." Information visualization no. 8 (3):139-152.

Hummel, J. E., and K. J. Holyoak. 2003. "A symbolic-connectionist theory of relational inference and generalization." Psychol Rev no. 110 (2):220-64.

Hutchins, Edwin L., James D. Hollan, and Donald A. Norman. 1985. "Direct manipulation interfaces." Hum.-Comput. Interact. no. 1 (4):311-338. doi: 10.1207/s15327051hci0104_2.

Iselin, E. R. 1988. "The effects of information load and information diversity on decision quality in a structured decision task." Accounting, organizations and society no. 13 (2):147.

http://www.simile-widgets.org/exhibit/

http://ivtk.sourceforge.net/

Dashboard Visual


53

Ittner, C. D., and D. F. Larcker. 2003. "Coming up short on nonfinancial performance measurement." Harv Bus Rev no. 81 (11):88-95, 139.

Kaplan, Robert S., and David P. Norton. 2010. The balanced scorecard : measures that drive performance, Harvard business review classics. Boston, Mass.: Harvard Business Review Press.

Kawamoto, T., and B. Mathers. 2007. "Key success factors for a performance dashboard." DM review no. 17 (7):20-23.

Kjellin, Andreas. 2008. Visualizing Dynamics –The Perception of Spatiotemporal Data in 2D and 3D, ACTA Universatis Upsaliensis Uppsala.

Kotovsky, K., J. R. Hayes, and H. A. Simon. 1985. "Why are some problems hard? Evidence from Tower of Hanoi." Cognitive Psychology no. 17 (2):248-94.

Larkin, J. H., and H. A. Simon. 1987. "WHY A DIAGRAM IS (SOMETIMES) WORTH 10000 WORDS." Cognitive science no. 11 (1):65-99.

Latham, Roy. 1995. The Dictionary of Computer Graphics and Virtual Reality: Springer; 2nd ed. edition (January 13, 1995).

Liberatore, M. J., G. J. Titus, and P. W. Dixon. 1988. "The effects of display formats on information systems design." Journal of Management Information Systems no. 5 (3):85-99.

Liberatore, M. J., G. J. Titus, and M. W. Varano. 1989. "An experimental investigation of the effects of some information system design variables on performance, preference, and learning." Information Processing & Management no. 25 (5):563-578.

Lück, Helmut E. Primórdios da Psicologia da Forma. Methodus 2012. Available from http://www.methodus.com.br/artigo/84/primordios-da-psicologia-da-forma.html.

Machlis, Sharon. 22 free tools for data visualization and analysis 2011. Available from http://www.computerworld.com/s/article/9215504/22_free_tools_for_data_visualization_and_analysis.

MacKay, D. B., and A. Villarreal. 1987. "Performance differences in the use of graphic and tabular displays of multivariate data." Decision sciences no. 18 (4):535-46.

Malina, A, and F Selto. 2001. "Communicating and controlling strategy: an empirical study of the effectiveness of the balanced scorecard." Manag Account no. 13:47-90.

Maneesh Agrawala, Wilmot Li, Floraine Berthouzoz. 2011. "Design Principles for Visual Communication." Communications of the Acm no. 54:10.

Merchant, Kenneth A., and Wim A. Van der Stede. 2007. Management control systems : performance measurement, evaluation and incentives. 2nd ed. Harlow, England ; New York: Financial Times/Prentice Hall.

Miller, A., and J. Cioffi. 2004. "Measuring marketing effectiveness and value: The unisys marketing dashboard." Journal of advertising research no. 44 (3):237-243.

Miller, G. A. 1956. "The magical number seven plus or minus two: some limits on our capacity for processing information." Psychol Rev no. 63 (2):81-97.

Nani, A., J. Dixon, and T. Vollman. 1990. "Strategic control and performance measurement." J Cost Manag no. 22 (6):5-14.

Neumann, B., J. Roberts, and E. Cauvin. 2008. "Financial and nonfinancial performance measures." Cost Manage no. 22 (6):5-14.

Newell, Allen, and Herbert A. Simon. 1972. Human problem solving. Englewood Cliffs, N.J.,: Prentice-Hall.

O'Donnell, E., and J. S. David. 2000. "How information systems influence user decisions: a research framework and literature review." International journal of accounting information systems no. 1 (3):178-203.

http://www.methodus.com.br/artigo/84/primordios-da-psicologia-da-forma.html

http://www.computerworld.com/s/article/9215504/22_free_tools_for_data_visualization_and_analysis

http://www.computerworld.com/s/article/9215504/22_free_tools_for_data_visualization_and_analysis

Dashboard Visual


54

Pauwels, K., T. Ambler, B. H. Clark, P. LaPointe, D. Reibstein, B. Skiera, B. Wierenga, and T. Wiesel. 2009. "Dashboards as a service: Why, what, how, and what research is needed?" Journal of service research no. 12 (2):175.

Peterson, L. R., and M. J. Peterson. 1959. "Short-term retention of individual verbal items." J Exp Psychol no. 58:193-8.

Pineo, D., and C. Ware. 2012. "Data visualization optimization via computational modeling of perception." IEEE Transactions on Visualization and Computer Graphics no. 18 (2):309-320.

Priberam. Priberam Informática, S.A. 2012. Available from http://www.priberam.pt/.

Protovis. 2012. 20102012]. Available from http://mbostock.github.com/protovis/.

Rasmussen, J. 1986. "Mental Models: Aggregation, Abstraction, and Analogy, in Information Processing and Human-Machine Interaction: An Approach to Cognitive Engineering." Elsevier Science Publishing Co.

Roberta Costa, Maria Itayra Padilha, Lúcia Nazareth Amante, Eliani Costa, Lisnéia Fabiani Bock. 2009. O Legado de Florence Nightgale: Uma Viagem no Tempo.

Shields, M. D. 1983. "EFFECTS OF INFORMATION SUPPLY AND DEMAND ON JUDGMENT ACCURACY - EVIDENCE FROM CORPORATE MANAGERS." The Accounting review no. 58 (2):284-303.

So, S., and M. Smith. 2004. "Multivariate decision accuracy and the presentation of accounting information." Accounting forum no. 28 (3):283.

Tegarden, David P. 1999. "Business Information Visualization." CAIS no. 1.

Tufte, Edward R. 1983. The visual display of quantitative information. Cheshire, Conn. (Box 430, Cheshire 06410): Graphics Press.

———. 2001. The visual display of quantitative information. 2nd ed. Cheshire, Conn.: Graphics Press.

van Merrienboer, J. J., and J. Sweller. 2010. "Cognitive load theory in health professional education: design principles and strategies." Med Educ no. 44 (1):85-93. doi: 10.1111/j.1365-2923.2009.03498.x.

Vessey, I. 1991. "Cognitive fit: a theory-based analysis of the graphs versus tables literature." Decision sciences no. 22 (2):219-40.

Vessey, I., and D. Galletta. 1991. "Cognitive fit: An empirical study of information acquisition." Information Systems Research no. 2 (1):63.

Wheeler, P. 2001. The Myers-Briggs type indicator and application to accounting education and research. Issues in Accounting Education.

Wickens, C. D., and A. D. Andre. 1990. "Proximity compatability and information display: effects of color, space, and objectness on information integration." Human Factors no. 32 (1):61-78.

Wind, Y. 2005. "Marketing as an engine of business growth: a cross-functional perspective." Journal of business research no. 58 (7):863-873.

Wunsche, B. 2004. "A survey, classification and analysis of perceptual concepts and their application for the effective visualization of complex information." Australian Computer Society:17-24.

http://www.priberam.pt/

http://mbostock.github.com/protovis/

Documents

Dashboard Visual, Uma ferramenta de Business Intelligence · Dashboard Visual Uma ferramenta de Business Intelligence iii Resumo Com o crescente fluxo de dados gerados pelos atuais