Banca de QUALIFICAÇÃO: RITA DE CASSIA XAVIER

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : RITA DE CASSIA XAVIER
DATA : 13/05/2026
HORA: 16:00
LOCAL: Teams
TÍTULO:

Framework para Classificação de Dashboards de Business Intelligence (BI) e Apoio à Gestão Eficiente das Soluções Analíticas

PALAVRAS-CHAVES:

Governança de Dados, Business Intelligence, Classificação de Metada-dos, Processamento de Linguagem Natural, Aprendizado de Máquina.

PÁGINAS: 53
RESUMO:

O crescimento acelerado na publicação de dashboards de Business Intelligence (BI) intensificou a necessidade de métodos automáticos de classificação de metadados, com o objetivo de aprimorar a governança, a conformidade e a descoberta de informações. No entanto, a ausência de descrições estruturadas nesses dashboards representa um desafio significativo, especialmente em ambientes corporativos de grande escala. Objetivo: Este trabalho propõe um framework para a classificação automática de dashboards de Business Intelligence (BI), com base na interpretação semântica de seus metadados por meio de sentence embeddings e aprendizado de máquina supervisionado. Método: A solução busca suprir a ausência de descrições estruturadas, contribuindo para a governança, a conformidade e a descoberta de dados em ecossistemas corporativos. Seu diferencial está na capacidade de processar, com eficiência, grandes volumes de metadados oriundos de diversas ferramentas de Business Intelligence (BI), garantindo desempenho em larga escala. Validação: A avaliação foi conduzida com base em um conjunto real de mais de 120.000 dashboards provenientes de uma grande instituição financeira brasileira, alcançando alto desempenho na classificação em categorias semanticamente consistentes. Resultados: O framework apresentou elevado desempenho de classificação nas categorias mais bem representadas, evidenciando a viabilidade da abordagem. Como trabalhos futuros, prevê-se a inclusão de atributos contextuais adicionais, a aplicação de técnicas para lidar com classes desbalanceadas e a expansão da metodologia para outros contextos organizacionais. Conclusão: A solução proposta contribuiu para o mapeamento, a classificação e o enriquecimento de metadados, oferecendo suporte à governança de dados em ecossistemas corporativos de BI.

MEMBROS DA BANCA:
Presidente - ***.747.148-** - LAERTE PEOTTA DE MELO - NÃO INFORMADO
Interna - 1780217 - EDNA DIAS CANEDO
Interno - 2363646 - RAFAEL RABELO NUNES
Externo à Instituição - DINO MACEDO AMARAL - BB