BR102014026558A2

BR102014026558A2 - método implantado por computador para geração e atualização automatizadas de regras; sistema de geração de regras para geração e atualização dinâmica automatizadas de regras; e meio legível por computador não transitório

Info

Publication number: BR102014026558A2
Application number: BR102014026558A
Authority: BR
Inventors: Surath Kumar Dey; Swarup Chatterjee; Tanmaya Tewari
Original assignee: Tata Consultancy Services Ltd
Priority date: 2013-10-25
Filing date: 2014-10-23
Publication date: 2016-10-11
Also published as: AU2014200843A1; US10904126B2; CN104572795A; AU2020203735B2; EP2866174A1; CN104572795B; US20150120912A1; MX369322B; HK1208545A1; AU2020203735A1; JP6457777B2; MX2014012857A; JP2015109074A; IN2013MU03382A

Abstract

método implantado por computador para geração e atualização automatizadas de regras; sistema de geração de regras para geração e atualização dinamica automatizadas de regras; e meio legível por computador nao transitório. o presence obj eco se refere ao monitoramento de um ambiente usando análise de tendência de dados. o mécodo compreende obcer pelo menos uma tendência de dados que pertencem e pelo menos um fluxo de dados para um período de tempo pré-definido. a pelo menos uma tendência de dados é indicativa de um padrão seguido por pelo menos um fluxo de dados. adicionalmente, pelo menos um valor deite que pertence ao pelo menos um fluxo de dados pode ser computado, em que o pelo menos um valor delca é indicativo de um desvio no pelo menos um fluxo de dados com respeito à pelo menos uma cendência de dados em uma ocorrência de cempo específica. além disso, é identificado pelo menos um relacionamento entre uma pluralidade de fluxos de dados baseado na pelo menos uma tendência de dados e metadados de identidade associados a cada fluxo de dados. é gerada pelo menos uma regra baseada no pelo menos um valor delta e no pelo menos um relacionamento.

Description

MÉTODO IMPLANTADO POR COMPUTADOR PARA GERAÇÃO E ATUALIZAÇÃO AUTOMATIZADAS DE REGRAS; SISTEMA DE GERAÇÃO DE REGRAS PARA GERAÇÃO E ATUALIZAÇÃO DINÂMICA AUTOMATIZADAS DE REGRAS; E MEIO LEGÍVEL POR COMPUTADOR NÃO TRANSITÓRIO

CAMPO DA TÉCNICA

[001] O presente objeto refere-se em geral à análise de tendência e, em particular, se refere a método(s) e sistema(s) para geração e atualização dinâmica automatizadas de regras com base em análise de tendência de dados.

FUNDAMENTOS

[002] Atualmente, a fim de obter uma percepção da dinâmica de vários aspectos relacionados a um ambiente, organizações estão investindo seus recursos no domínio de análise de tendência. Como é entendido geralmente, análise de tendência se refere à comparação de dados ao longo de um período de tempo para identificar várias tendências. Devido à disponibilidade generalizada de dados em todos os campos, aplicações para análise de tendência parecem quase sem limites. Por exemplo, a análise de tendência pode ser usada para informações de previsão benéficas para crescimento e desenvolvimento de uma organização, tais como tendências de mercado, crescimento de vendas, níveis de inventário e taxas de juros. A análise de tendência também pode ser usada para monitorar sistemas computacionais baseada em uma quantidade de aplicações de software sendo executadas nos mesmos. Adicionalmente, a análise de tendência também pode ser usada para análise de falha e como um indicador de alerta precoce de problemas iminentes.

BREVE DESCRIÇÃO DOS DESENHOS

[003] A descrição detalhada é descrita com referência às figuras anexas. Nas figuras, o(s) dígito(s) mais à esquerda de um numeral de referência identifica(m) a figura na qual o numeral de referência aparece primeiro. Os mesmos números são usados por todos os desenhos para referenciar características e componentes semelhantes.

[004] A Figura 1 ilustra um ambiente de rede que implanta um sistema de geração de regras, de acordo com uma modalidade do presente objeto.

[005] A Figura 2 ilustra um método para geração e atualização dinâmica automatizadas de regras baseado em análise de tendência de dados, de acordo com uma modalidade do presente objeto.

DESCRIÇÃO DETALHADA

[006] Sistema(s) e método(s) para geração e atualização automatizadas de regras baseados em análise de tendência de dados. 0 (s) sistema(s) e método(s) pode(m) ser implantado(s) em uma variedade de dispositivos computacionais, tais como computadores de colo, computadores de mesa, estações de trabalho, tablets, computadores portáteis, computadores tablet, ferramentas de internet, e sistemas similares. Entretanto, um indivíduo versado na técnica compreenderá que a modalidades do presente objeto não é limitada a qualquer sistema, arquitetura, ou dispositivo de aplicação computacional particular, uma vez que os mesmos podem ser adaptados para novos sistemas computacionais e plataformas uma vez que os mesmos se tornem disponíveis.

[007] Nas últimas décadas, técnicas de análise de tendência estão sendo usadas em vários domínios em todo o mundo, por exemplo, para monitorar um ambiente a fim de prever eventos futuros baseados em dados históricos. Um ambiente pode ser entendido como qualquer campo ou plataforma onde a análise de tendência pode ser realizada para propósitos de monitoramento e predição. Por exemplo, uma organização pode optar por análise de tendência para monitorar suas vendas de produtos e por consequência, para antecipar obstáculos futuros associados. Consequentemente, a organização pode tomar medidas preemptivas para evitar perdas.

[008] Para assegurar uma análise de tendência exaustiva e detalhada, uma grande quantidade de dados que pertencem ao ambiente tem que ser manipulados e processados. Por exemplo, para avaliar a desempenho de um sistema computacional, dados usados por várias aplicações de software sendo executadas no sistema computacional podem ser recuperados. Baseado nesses dados pode ser conduzida uma análise de tendência. A análise de tendência pode auxiliar na determinação de uma causa de qualquer questão problemática, tal como uma operação lenta do sistema computacional, com base em dados que podem ser usados por cada aplicação de software em ocorrências de tempo diferentes. Portanto, se os dados usados por uma aplicação de software estiverem exibindo uma mudança substancial da tendência histórica de dados, consequentemente pode ser tomada uma ação apropriada para corrigir quaisquer questões, e ser assegurada uma operação . desimpedida e suave do sistema computacional.

[009] Geralmente, a fim de detectar um desvio ou mudança nos dados com respeito à tendência histórica de dados, é definida uma pluralidade de regras. Uma regra pode ser entendida como uma condição determinada por um usuário para detectar qualquer mudança nos dados a partir da tendência histórica de dados. Por exemplo, um usuário pode definir uma regra que tão logo a quantidade de dados usada por uma aplicação de software exiba uma variação de mais do que 10% da tendência histórica de dados, um alarme tenha que ser disparado. De maneira similar, em outro exemplo de monitoramento de cenário da saúde de uma cidade por agências de saúde pública, pode ser definida uma regra que tão logo a taxa de mortalidade da cidade sofra uma variação de mais do que 5% de uma tendência histórica de dados, um alarme tenha que ser disparado. Portanto, estas regras facilitam manter um rastreamento eficaz de eventos que pertencem a um ambiente.

[010] Como deve ser avaliado por um indivíduo versado na técnica, indústrias diferentes têm dinâmicas diferentes e, portanto, podem usar análise de tendência e geração de regra para propósitos diferentes. Entretanto, estas regras são genéricas em natureza e não podem ser modificadas baseadas em uma aplicação das regras ou no ambiente específico que está sendo monitorado. Portanto, necessidades específicas de um ambiente não são levadas em consideração durante a geração de regra levando a negligencia de alguns aspectos significativos, e subsequentemente um monitoramento errôneo e impreciso.

[011] Adicionalmente, geralmente as regras são definidas por um usuário ou um grupo de usuários. 0 usuário pode incluir, porém, sem limitação, um especialista no campo correspondente, e uma parte interessada, tal como um cliente para quem uma aplicação de software esteja sendo desenvolvida. Portanto, validade e precisão das regras são dependentes de conjunto de conhecimentos de um indivíduo e, portanto, uma possibilidade de erros na geração de regra não pode ser negada.

[012] Também, no caso de geração de regras complexas, o usuário pode ter que derivar relacionamentos entre os dados e as regras correspondentes para assegurar um monitoramento preciso do ambiente. Adicionalmente, no caso de sistemas complexos, uma grande quantidade de dados e múltiplas regras podem ter que ser definidos. Além disso, existe uma possibilidade razoável de uma mudança gradual nas dinâmicas e características de um ambiente ao longo de um período de tempo. Como consequência, as regras podem ter que ser atualizadas regularmente. Entretanto, devido à natureza manual da definição das regras, uma quantidade significativa de esforços tem que ser colocada pelo usuário durante a geração e atualização das regras. Subsequentemente, essas atividades podem demandar quantidade de tempo substancial cada vez. Como resultado, um custo total associado à análise de tendência também é aumentado significativamente.

[013] Considerando um cenário onde o usuário pode ter inadvertidamente definido regras incorretas. Nesse cenário, quando é gerado um relatório baseado nas regras incorretas, o usuário pode não ser capaz de determinar a precisão das regras bem como dos dados fornecidos no relatório. Portanto, no caso de geração de regras incorretas, capturar falhas se torna um desafio para o usuário. Adicionalmente, isso pode tornar o monitoramento do ambiente suscetível a erros. Além disso, no caso de ser detectada a não validade das regras, o usuário pode ter que colocar esforços significativos para corrigir as regras manualmente. Caso contrário, as regras incorretas podem ter que ser completamente desabilitadas.

[014] De acordo com o presente objeto, é fornecido um sistema de geração de regras, neste doravante referenciado como sistema, para gerar e atualizar regras usadas para, por exemplo, monitorar um ambiente baseado em análise de tendência de dados. Em uma implantação, o sistema pode obter pelo menos uma tendência de dados correspondente a pelo menos um fluxo de dados que pertence ao ambiente que está sendo monitorado. Em uma implantação, um fluxo de dados pode ser entendido como dados ordenados no tempo, e pode incluir, porém, sem limitação, um valor de dados, um registro temporal e tipo de dados. Adicionalmente, a pelo menos uma tendência de dados pode ser entendida como um padrão seguido por pelo menos um fluxo de dados durante um período de tempo predefinido.

[015] Em consequência de obter a pelo menos uma tendência de dados, pelo menos um valor delta que pertence ao pelo menos um fluxo de dados pode ser computado. 0 pelo menos um valor delta é indicativo de um desvio no pelo menos um fluxo de dados com respeito à pelo menos uma tendência de dados em uma ocorrência de tempo específica. Adicionalmente, pelo menos um relacionamento entre uma pluralidade de fluxos de dados pode ser identificado baseado na pelo menos uma tendência de dados e metadados de identidade associados a cada fluxo de dados. Os metadados de identidade podem ser entendidos como informações que fornecem um único ID para cada fluxo de dados. Subsequentemente, baseado no pelo menos um relacionamento e no pelo menos um valor delta, pode ser gerada pelo menos uma regra de forma automatizada. A pelo menos uma regra é indicativa de uma condição determinada por um usuário para rastrear o desvio no pelo menos um fluxo de dados. Em uma implantação, pode ser fornecida para o usuário uma notificação que seja indicativa da pelo menos uma regra que está sendo violada. A notificação pode incluir, porém, sem limitação, detalhes que pertencem à violação de regra e uma sugestão para superar a violação de regra.

[016] Seguindo a violação da pelo menos uma regra ao longo de um período de tempo, também pode ser identificado uma tendência à violação de regra. Em uma implantação, baseado em uma resposta de usuário à notificação, à tendência à violação de regra, ao pelo menos um valor delta, e ao pelo menos um relacionamento, a pelo menos uma regra pode ser atualizada automaticamente.

[017] Em uma implantação, o sistema pode utilizar metadados de recuperação para recuperar dados que pertencem ao ambiente da pelo menos uma fonte de dados. Os metadados de recuperação podem facilitar a identificar uma localização da pelo menos uma fonte de dados, onde os dados são armazenados. Exemplos dos metadados de recuperação podem incluir, porém, sem limitação, um nome do banco de dados, um nome de tabela, um IP de banco de dados, uma porta de banco de dados, tipo de banco de dados, um nome de usuário de banco de dados, uma senha de banco de dados, pelo menos uma consulta para recuperar dados, e uma frequência de recuperação. Adicionalmente, a pelo menos uma fonte de dados pode incluir, porém, sem limitação, um banco de dados externo, um banco de dados interno, e um portal online. Portanto, baseado nos metadados de recuperação, os dados podem ser recuperados da pelo menos uma fonte de dados. Em uma implantação, pode ser realizada amostragem para selecionar dados para monitoramento adicional do ambiente. Como pode ser conhecido, a amostragem pode incluir seleção de um subconjunto de dados de dentro de dados estatísticos para estimar características dos dados completos.

[018] Em uma implantação, os dados recuperados da pelo menos uma fonte de dados pode estar em formatos diferentes. A fim de evitar uma análise errônea devido a não uniformidade no formato dos dados, os dados podem ser transformados em um formato reconhecível pelo sistema, tal como através de processamento de linguagem natural (NLP). Em uma implantação, os dados podem ser transformados no pelo menos um fluxo de dados. Adicionalmente, durante a transformação, os metadados de identidade podem ser alocados a cada fluxo de dados. Os metadados de identidade podem fornecer uma identidade única para cada fluxo de dados. Em uma implantação, os metadados de identidade podem incluir, porém, sem limitação, detalhes que pertencem ao ambiente, uma aplicação, e um servidor.

[019] Em uma implantação, a pelo menos uma tendência de dados que pertencem ao pelo menos um fluxo de dados pode ser identificado. Como mencionado anteriormente, a pelo menos uma tendência de dados é indicativa de um padrão seguido por pelo menos um fluxo de dados para o período de tempo pré-definido. Adicionalmente, o sistema pode obter a pelo menos uma tendência de dados para computar o pelo menos um valor delta. Como mencionado acima, o pelo menos um valor delta é uma medida de uma mudança no pelo menos um fluxo de dados com respeito à pelo menos uma tendência de dados em uma ocorrência de tempo específica. Em uma implantação, o pelo menos um valor delta pode ser computado na forma de uma porcentagem de um valor de dados do pelo menos um fluxo de dados.

[020] Seguindo a computação do pelo menos um valor delta, o sistema pode identificar o pelo menos um relacionamento entre a pluralidade de fluxos de dados. Em uma implantação, o pelo menos um relacionamento pode ser identificado baseado nos metadados de identidade associados a cada fluxo de dados, Uma vez que o pelo menos um relacionamento seja identificado, a pelo menos uma regra pode ser gerada baseada na pelo menos uma tendência de dados e no pelo menos um relacionamento. A pelo menos uma regra pode ser entendida como uma condição determinada por um usuário para rastrear o desvio no pelo menos um fluxo de dados. Adicionalmente, em consequência da violação da pelo menos uma regra, isto é, quando a condição é atingida, pode ser fornecida uma notificação para o usuário. Em uma implantação, em continuação às violações de regra ao longo de um período de tempo, o sistema pode identificar a tendência à violação de regra correspondente. A tendência à violação de regra é indicativa de um padrão no qual as violações de regra tenham ocorrido ao longo do período de tempo.

[021] Adicionalmente, a notificação pode incluir, porém, sem limitação, detalhes que pertence à violação de regra, e uma sugestão para superar a violação de regra. Considerando um exemplo onde o sistema pode avaliar a utilização de dados de sistemas computacionais, a sugestão pode se referir â conclusão de uma ou mais aplicações de software para as quais a pelo menos uma regra tenha sido violada. Adicionalmente, o usuário pode responder à notificação aceitando, rejeitando, ou ignorando a sugestão.

Aceitar a sugestão é indicativo de um validade e precisão da pelo menos uma regra. Entretanto, a rejeição da sugestão é indicativa de uma invalidade e imprecisão da pelo menos uma regra e, portanto, a pelo menos uma regra pode ser considerada inválida.

[022] Em uma implantação, a pelo menos uma regra pode ser atualizada baseada na resposta de usuário, na pelo menos uma tendência de dados, no pelo menos relacionamento, e na tendência à violação de regra. Em uma implantação, também pode ser gerado um relatório de desempenho para fornecer detalhes que pertencem à geração e atualização automatizadas das regras.

[023] Como deve ser acumulada, devido à geração e atualização automatizadas de regras, a dependência de validade e precisão das regras em um conjunto de conhecimentos de um indivíduo pode ser evitada. Adicionalmente, a quantidade de esforços requerida para a geração e atualização de regras complexas também pode ser minimizada. Subsequentemente, o tempo investido e o custo associado também são minimizados em grande medida. Também, uma vez que as regras são geradas e atualizadas baseadas nas tendências de dados, as regras são geradas e atualizadas considerando dinâmicas específicas de um ambiente assegurando uma precisão e confiabilidade. Em outras palavras, a revisão das regras baseada em qualquer mudança nos dados permite que o sistema seja adaptável a mudanças dinâmicas e contínuas no ambiente. Também, identificando-se o relacionamento entre fluxos de dados diferentes, a interdependência entre vários fatores que pertencem a um ambiente é utilizada para geração precisa de regras. Portanto, o presente objeto facilita um monitoramento compreensivo, preciso, que economiza tempo e econômico de um ambiente usando análise de tendência de dados.

[024] Essas e outras vantagens do presente objeto devem ser descritas em maior detalhe em conjunto com as figuras a seguir. Embora aspectos de o(s) sistema(s) e método(s) descrito(s) para a geração e atualização automatizadas de regras baseadas em análise de tendência de dados possam ser implantados em qualquer quantidade de sistemas computacionais, ambientes, e/ou configurações diferentes, as modalidades são descritas no contexto de o(s) sistema(s) exemplificativo(s) a seguir.

[025] A Figura 1 ilustra um ambiente de rede 100 que implanta um sistema de geração de regras 102, também referenciado como sistema 102, de acordo com uma modalidade do presente objeto. No ambiente de rede 100, o sistema 102 é conectado a uma rede 104. Adicionalmente, o sistema 102 é conectado a um banco de dados 106. Adicionalmente, o ambiente de rede 100 inclui um ou mais dispositivos de usuário 108-1, 108-2...108-N, coletivamente referenciados como dispositivos de usuário 108 e individualmente referenciado como dispositivo de usuário 108, conectado à rede 104.

[026] O sistema 102 pode ser implantado como qualquer conjunto de dispositivos computacionais conectados à rede 104. Por exemplo, o sistema 102 pode ser implantado como estações de trabalho, computadores pessoais, computadores de mesa, sistema multiprocessador, computadores de colo, computadores em rede, minicomputadores, servidores, e algo semelhante. Adicionalmente, o sistema 102 pode incluir múltiplos servidores para realizar tarefas espelhadas para os usuários .

[027] Além disso, o sistema 102 pode ser conectado aos dispositivos de usuário 108 através da rede 104. Exemplos dos dispositivos de usuário 108 incluem, porém, sem limitação, computadores pessoais, computadores de mesa, telefones inteligentes, PDAs, e computadores de colo. Enlaces de comunicação entre os dispositivos de usuário 108 e o sistema 102 são habilitados através de várias formas de conexões, por exemplo, através de conexões de modem discado, enlaces de cabo, linhas digitais de assinante (DSL), sem fio ou enlaces de satélite, ou qualquer outra forma adequada de comunicação.

[028] Além disso, a rede 104 pode ser uma rede sem fio, uma rede por cabo, ou uma combinação das mesmas. A rede 104 também pode ser uma rede individual ou uma coleção de muitas dessas redes individuais interconectadas umas âs outras e funcionando como uma única grande rede, por exemplo, a internet ou uma intranet. A rede 104 pode ser implantada como um dos diferentes tipos de redes, tais como intranet, rede de área local (LAN) , rede de área ampla (WAN) , a internet, e assim por diante. A rede 104 pode ou ser uma rede dedicada ou uma rede compartilhada, que representa uma associação dos diferentes tipos de redes que usam uma variedade de protocolos, por exemplo, Protocolo de Transferência Hipertexto (HTTP), Protocolo de Controle de Transmissão/Protocolo Internet (TCP/IP), etc., para se comunicar umas com as outras. Adicionalmente, a rede 104 pode incluir dispositivos de rede, tais como comutadores, concentradores, roteadores, adaptadores de barramento hospedeiro (HBAs) de rede, para fornecer um enlace entre o sistema 102 e os dispositivos de usuário 108. Os dispositivos de rede dentro a rede 104 podem interagir com o sistema 102 e com os dispositivos de usuário 108 através de enlaces de comunicação.

[029] Em a dita modalidade, o sistema 102 inclui um ou mais processador(es) 110, interface(s) 112, e uma memória 114 acoplada ao processador 110. 0 processador 110 pode ser uma unidade de processamento única ou uma quantidade de unidades, todas as quais também podem incluir múltiplas unidades computacionais. 0 processador 110 pode ser implantado como um ou mais microprocessadores, microcomputadores, microcontroladores, processadores de sinal digital, unidades centrais de processamento, máquinas de estado, conjunto de circuitos lógicos, e/ou quaisquer dispositivos que manipulem sinais baseados em instruções operacionais. Dentre outras capacidades, o processador 110 é configurado para buscar e executar instruções legíveis por computador e dados armazenados na memória 114.

[030] As interfaces 112 podem incluir uma variedade de interfaces de software e hardware, por exemplo, interface para dispositivo(s) periférico(s) tais como um teclado, um mouse, uma memória externa, e uma impressora. Adicionalmente, as interfaces 112 pode habilitar o sistema 102 para se comunicar com outros dispositivos computacionais, tais como servidores web, e repositórios externos de dados, tais como o banco de dados 106, no ambiente de rede 100. As interfaces 112 podem facilitar múltiplas comunicações dentro de uma ampla variedade de protocolos e redes, tal como uma rede 104, que incluem redes por cabo, por exemplo, LAN, cabo, etc., e redes sem fio, por exemplo, WLAN, celular, satélite, etc. As interfaces 112 podem incluir uma ou mais portas para conectar o sistema 102 a uma quantidade de dispositivos computacionais.

[031] A memória 114 pode incluir qualquer meio legível por computador não transitório conhecido na técnica que incluem, por exemplo, memória volátil, tal como memória de acesso randômico estático (SRAM) e memória de acesso randômico dinâmico (DRAM), e/ou memória não volátil, tal como memória somente de leitura (ROM), ROM programável apagável, memórias flash, discos rígidos, discos óticos, e fitas magnéticas. 0 meio legível por computador não transitório, entretanto, exclui um sinal de propagação transitório.

[032] 0 sistema 102 também inclui módulo(s) 116 e dados 118. 0(s) módulo(s) 116 incluem rotinas, programas, objetos, componentes, estruturas de dados, etc., que realizam tarefas particulares ou implantam tipos de dados abstratos particulares. Em uma implantação, o (s) módulo(s) 116 inclui(em) um módulo de análise de tendência 120, um módulo de geração de regra 122, um módulo de atualização 124, e outro (s) módulo(s) 126. 0(s) outro(s) módulo(s) 126 pode(m) incluir programas ou instruções codificadas que suplementam aplicações e funções do sistema 102.

[033] Por outro lado, os dados 118, designadamente servem como um repositório para armazenar dados processados, recebidos, e gerados por um ou mais de o(s) módulo(s) 116. Os dados 118 incluem, por exemplo, dados de análise de tendência 128, dados de geração de regra 130, e outros dados 132. Os outros dados 132 incluem dados gerados como um resultado da execução de um ou mais módulos em o(s) módulo(s) 116.

[034] Em uma implantação, o sistema 102 pode facilitar uma geração e atualização dinâmica automatizadas de regras baseadas em análise de tendência de dados. Em uma implantação, o módulo de análise de tendência 120 pode utilizar metadados de recuperação para recuperar dados a partir de pelo menos uma fonte de dados. Os metadados de recuperação podem incluir, porém, sem limitação, um nome de banco de dados, um nome de tabela, um IP de banco de dados, uma porta de banco de dados, tipo de banco de dados, um nome de usuário de banco de dados, uma senha de banco de dados, pelo menos uma consulta para recuperar dados, e uma frequência de recuperação. Adicionalmente, a pelo menos uma fonte de dados pode incluir, porém, sem limitação, um banco de dados externo, um banco de dados interno e um portal online. Portanto, o módulo de análise de tendência 120 pode recuperar os dados com base nos metadados de recuperação. Em uma implantação adicional, o módulo de análise de tendência 120 pode utilizar uma amostra dos dados para monitoramento do ambiente.

[035] Em uma implantação, devido a questões técnicas, existe uma possibilidade de que dados possam não ser recuperados por um período de tempo. Nessa implantação, o módulo de análise de tendência 120 pode estimar os dados faltantes baseado nas tendências anteriores desses dados. Por exemplo, o módulo de análise de tendência 120 pode tomar uma média dos dados recebidos antes do problema técnico e os dados recebidos após o problema técnico para preencher detalhes que pertencem ao período de tempo para o qual os dados não foram recuperados. Também, nos casos, em que os dados recuperados são falhas ou errôneas, técnicas similares podem ser adaptadas para estimar esses dados. Portanto, qualquer inconsistência na recuperação de dados pode não dificultar a análise total.

[036] Como deve ser avaliado por um indivíduo versado na técnica, os dados recuperados a partir da pelo menos uma fonte de dados pode estar disponível em formatos diferentes. Portanto, o módulo de análise de tendência 120 pode transformar os dados em um formato reconhecível pelo sistema 102. Em uma implantação, o módulo de análise de tendência 12 0 pode transformar os dados em pelo menos um fluxo de dados. O fluxo de dados pode ser entendido como dados ordenados no tempo, e pode incluir, porém, sem limitação, um registro temporal, um valor de dados e tipo de dados. 0 registro temporal pode indicar tempo de recuperação dos dados a partir da pelo menos uma fonte. Adicionalmente, o valor dos dados pode indicar um valor numérico dos dados. De maneira similar, o tipo de dados pode ser mantido para especificar a natureza dos dados. Por exemplo, no caso de aplicação monitoramento, os dados podem ser dados de infraestrutura, dados de aplicação e dados de disponibilidade.

[03 7] Em uma implantação, o módulo de análise de tendência 120 pode atribuir metadados de identidade para cada fluxo de dados para fornecer uma identidade única para cada fluxo de dados. Os metadados de identidade podem incluir adicionalmente, porém, sem limitação, detalhes que pertencem a um nome de ambiente, uma aplicação, um servidor, e outros itens de configuração. Esses detalhes podem ser utilizados para distinguir um fluxo de dados de outros fluxos de dados. Em uma implantação, seguindo a transformação dos dados no pelo menos um fluxo de dados, o módulo de análise de tendência 120 pode identificar pelo menos uma tendência de dados que pertencem ao pelo menos um fluxo de dados. A pelo menos uma tendência de dados é indicativa de um padrão seguido por pelo menos um fluxo de dados para um período de tempo pré-definido. A pelo menos uma tendência de dados pode auxiliar na determinação de uma média do valor dos dados do pelo menos um fluxo de dados em uma ocorrência de tempo específica. Em um exemplo, a pelo menos uma tendência de dados pode auxiliar na determinação de um valor máximo e mínimo dos dados do pelo menos um fluxo de dados durante um período de tempo especificado. Para fornecer melhor clareza e entendimento da pelo menos uma tendência de dados, a Tabela 1 que mostra uma tendência de dados de uma porcentagem de utilização da Unidade Central de Processamento (CPU) por uma aplicação de software é fornecida abaixo. TABELA 1 Dia Hora ................................ Tendência _______1__2_3__4___5_6__j7__8__9 10 __________________ 10:00 4 2 2 423534 1 = Soma (dl;dlO) /10 10:03 6__3_2___2 2 4 4 2 4 2 = Soma (dl:d!0) / 10 10:06 2 4_2__ 1 2 5 3 1 3 1 = Soma (dl:dlO) / 10 10:09 121316212 1= Soma (dl:dl0) / 10 [038] Como mostrado na tabela 1, é analisada a utilização de CPU pela aplicação de software em diferentes ocorrências de tempo para uma duração de 10 dias.

Adicionalmente, uma média da utilização de CPU também pode ser computada baseada na pelo menos uma tendência de dados mostrada na tabela 1. Embora, seja utilizado um valor médio para determinar a pelo menos uma tendência de dados na tabela, em outras implantações, a pelo menos uma tendência de dados pode ser determinada em termos de parâmetros diferentes de uma média ou um valor médio. Por exemplo, a pelo menos uma tendência de dados pode ser determinada em termos de uma variância ou um desvio padrão a partir de um valor médio. Também, o módulo de análise de tendência 120 pode atualizar a pelo menos uma tendência de dados como e quando novos dados são recuperados a partir da pelo menos uma fonte de dados. Em uma implantação, detalhes que pertencem ao módulo de análise de tendência 120 podem ser armazenados nos dados de análise de tendência 128.

[039] Em uma implantação, o módulo de geração de regra 122 pode obter a pelo menos uma tendência de dados para computação de pelo menos um valor delta que pertence ao pelo menos um fluxo de dados. O pelo menos um valor delta pode ser entendido como um desvio no pelo menos um fluxo de dados com respeito à pelo menos uma tendência de dados em uma ocorrência de tempo específica. Em uma implantação, o módulo de geração de regra 122 pode computar o pelo menos um valor delta em forma de uma porcentagem de um valor de dados do pelo menos um fluxo de dados. Por exemplo, se um valor de dados de um fluxo de dados ê 30, e os valores de dados exibem um desvio de um valor de dados 6, então um valor delta correspondente pode ser computado como 20%.

[040] Em uma implantação, em consequência da computação do pelo menos um valor delta, o módulo de geração de regra 122 pode identificar pelo menos um relacionamento entre uma pluralidade de fluxos de dados. Por exemplo, um fluxo de dados A pode indicar dados usados por uma aplicação de software em ocorrências de tempo diferentes. De maneira similar, um fluxo de dados B pode se referir a porcentagem de utilização de CPU pela aplicação de software em ocorrências de tempo diferentes. Em uma implantação, a porcentagem de utilização de CPU pela aplicação de software em uma ocorrência de tempo específica pode variar em proporção aos dados usados pela aplicação de software na ocorrência de tempo específica. Portanto, qualquer mudança no fluxo de dados A pode levar a uma mudança correspondente no fluxo de dados B. 0 módulo de geração de regra 122 pode identificar o pelo menos um relacionamento baseado na pelo menos uma tendência de dados e nos metadados de identidade correspondentes a cada fluxo de dados. Uma vez que os metadados de identidade que pertencem a cada fluxo de dados sejam indicativos dos detalhes de identificação correspondentes, o módulo de geração de regra 122 pode comparar os metadados de identidade para estabelecer pelo menos um relacionamento entre as pluralidades de fluxos de dados. Em uma implantação, o módulo de geração de regra 122 pode identificar pelo menos um relacionamento entre a pelo menos uma tendência de dados e regras geradas previamente. Essa uma identificação pode auxiliar na determinação de um efeito de uma violação de uma regra em diferentes tendências de dados.

[041] Em uma implantação, seguindo a computação do pelo menos um valor delta e do pelo menos um relacionamento, o módulo de geração de regra 122 pode gerar pelo menos uma regra. A pelo menos uma regra é indicativa de uma condição determinada por um usuário para rastrear um desvio no pelo menos um fluxo de dados. O usuário pode incluir, porém, sem limitação, um especialista no campo correspondente, e uma parte interessada. Adicionalmente, o módulo de geração de regra 122 pode gerar a pelo menos uma regra para monitorar uma violação de limite em uma ocorrência de tempo específica. Por exemplo, o módulo de geração de regra 122 pode gerar uma regra em que um valor delta de um fluxo de dados não deva exibir um desvio de mais do que 10%. Nesse exemplo, tão logo o valor delta do fluxo de dados sofra uma variação de mais do que 10%, a regra ê considerada como sendo violada. Em uma implantação, uma regra pode ser considerada como sendo violada, quando uma condição determinada pela regra é satisfeita ou alcançada.

[042] Em uma implantação, o módulo de geração de regra 122 pode gerar a pelo menos uma regra para monitorar uma violação de limite em uma duração de tempo pré-definida. Por exemplo, o módulo de geração de regra 122 pode gerar uma regra em que um valor delta de um fluxo de dados desvia mais do que 10% entre 14:00 hs e 16:00 hs. Portanto, como e quando o valor delta exibir uma variação de mais do que 10% entre 14:00 hs e 16:00 hs, a regra é considerada como sendo violada. Em outra implantação, o módulo de geração de regra 122 pode gerar a pelo menos uma regra para monitorar eventos consecutivos de violação de limite. Por exemplo, o módulo de geração de regra 122 pode gerar uma regra em que um valor delta de um fluxo de dados desvia mais do que 10% para cinco valores de dados consecutivos. Portanto, como e quando o valor delta exibir uma variação de mais do que 10% para cinco valores de dados consecutivos, a regra é considerada como sendo violada. Em ainda outra implantação, o módulo de geração de regra 122 pode gerar uma regra com qualquer combinação das condições mencionadas acima.

[043] Em uma implantação, o módulo de geração de regra 122 também pode gerar regras complexas utilizando o pelo menos um relacionamento entre a pluralidade de fluxos de dados. Por exemplo, o módulo de geração de regra 122 pode gerar uma regra em que um valor delta A de um fluxo de dados 1 desvia por 10% e um valor delta B de um fluxo de dados 2 desvia por 5%. Portanto, quando ambas essas condições são alcançadas, a regra é considerada como sendo violada.

[044] Em consequência da violação da pelo menos uma regra, o módulo de geração de regra 122 pode fornecer uma notificação para o usuário para indicar a violação da pelo menos uma regra. Em uma implantação, a notificação pode incluir, porém, sem limitação, detalhes que pertencem à violação de regra, uma ação e uma sugestão para superar a violação de regra. A ação pode incluir, porém, sem limitação, uma guia "aceitar", um "rejeitar" e um "ignorar" que permitem ao usuário responder à notificação aceitando, rejeitando ou ignorando a notificação. Adicionalmente, quando o usuário aceitar a sugestão, isto pode indicar que a pelo menos uma regra é precisa e válida. De maneira similar, quando o usuário rejeitar a sugestão, isto pode indicar que a pelo menos uma regra é imprecisa e inválida. Em uma implantação, detalhes que pertencem ao módulo de geração de regra 122 são armazenados nos dados de geração de regra 130.

[045] Adicionalmente, o módulo de atualização 124 pode identificar uma tendência à violação de regra que pertence às violações da pelo menos uma regra ao longo de um período de tempo pré-determinado. A tendência à violação de regra pode ser entendida como um padrão no qual a pelo menos uma regra é violada. Baseado na resposta de usuário, na pelo menos uma tendência de dados, no pelo menos um relacionamento e na tendência â violação de regra, o módulo de atualização 124 pode atualizar a pelo menos uma regra. Portanto, a pelo menos uma regra pode continuar se mantendo atualizada baseada em uma mudança na tendência à violação de regra, no pelo menos um relacionamento, na pelo menos uma tendência de dados e na resposta de usuário. Em uma implantação, o módulo de atualização 124 pode gerar um relatório de desempenho para fornecer detalhes que pertencem à geração e atualização automatizadas das regras para o usuário. 0 relatório de desempenho pode incluir, porém, sem limitação, a pelo menos uma tendência de dados, o pelo menos um valor delta, o pelo menos um relacionamento, a pelo menos uma regra, a pelo menos uma tendência à violação de regra, e detalhes que pertencem às revisões da pelo menos uma regra. Em uma implantação, detalhes que pertencem ao módulo de atualização 124 podem ser armazenados nos dados de geração de regra 130.

[046] A Figura 2 ilustra um método 200 para geração e atualização dinâmica automatizadas de regras baseado em análise de tendência de dados, de acordo com uma modalidade do presente objeto. O método 200 pode ser implantado em uma variedade de sistemas computacionais de várias formas diferentes. Por exemplo, o método 200, descrito neste documento, pode ser implantado usando um sistema de geração de regras 102, como descrito acima.

[047] 0 método 200 pode ser descrito completa ou parcialmente, no contexto geral de instruções executáveis por computador. Geralmente, instruções executáveis por computador podem incluir rotinas, programas, objetos, componentes, estruturas de dados, procedimentos, módulos, funções, etc., que realizam funções particulares ou implantam tipos de dados abstratos particulares. Um indivíduo versado na técnica reconhecerá prontamente que etapas do método podem ser realizadas por computadores programados. Neste documento, algumas modalidades também são destinadas a cobrir dispositivos de armazenamento de programas, por exemplo, mídia de armazenamento de dados digital, os quais são programas legíveis por máquina ou computador e codificam instruções executáveis por máquina ou executáveis por computador, em que as ditas instruções realizam algumas ou todas as etapas do método descrito 200.

[048] A ordem na qual o método 200 é descrito não é deve ser interpratada como uma limitação, e qualquer quantidade de blocos do método descrito pode ser combinada em qualquer ordem para implantar o método, ou um método alternativo. Adicionalmente, blocos individuais podem ser deletados do método sem se afastar do espírito e escopo do objeto descrito neste documento. Além disso, os métodos podem ser implantados em qualquer hardware, software, firmware adequado, ou combinação dos mesmos. Será entendido que embora o método 200 seja descrito com referência ao sistema 102, a descrição também pode ser estendida para outros sistemas.

[049] 0 método 200 pode facilitar uma geração e atualização dinâmica automatizadas de regras baseado em análise de tendência de dados. Em uma implantação, os dados podem ser recuperados a partir de pelo menos uma fonte de dados baseada em metadados de recuperação. A pelo menos uma fonte de dados pode incluir, porém, sem limitação, um banco de dados externo, um banco de dados interno e um portal online. Adicionalmente, os metadados de recuperação podem incluir, porém, sem limitação, um nome de banco de dados, um nome de tabela, um IP de banco de dados, uma porta banco de dados, tipo de banco de dados, um nome de usuário de banco de dados, uma senha de banco de dados, pelo menos uma consulta para recuperar dados, e uma frequência de recuperação. Em uma implantação, pode ser utilizada uma amostra dos dados para monitoramento do ambiente.

[050] Em uma implantação, existe uma possibilidade de que devido a questões técnicas, os dados possam não ser recuperados para um período de tempo. Nessa uma implantação, os dados faltantes podem ser estimados baseados nas tendências anteriores desses dados. Por exemplo, uma média dos dados recebidos antes do problema técnico e os dados recebidos após o problema técnico podem ser computados e considerados para preencher detalhes que pertencem ao período de tempo para o qual os dados não foram recuperados. Portanto, qualquer inconsistência na recuperação de dados pode não dificultar a análise total.

[051] Em outra implantação, os dados recuperados a partir da pelo menos uma fonte de dados pode ser transformada em um formato reconhecível pelo sistema 102. Em uma implantação, os dados podem ser recuperados em um formato bruto, e então podem ser transformados em pelo menos um fluxo de dados. Um fluxo de dados pode ser entendido como dados ordenados no tempo. Cada fluxo de dados pode incluir, porém, sem limitação, um registro temporal, um valor de dados e tipo de dados.

[052] Em uma implantação, durante a transformação, metadados de identidade podem ser alocados para cada fluxo de dados para fornecer uma identidade única para cada fluxo de dados. Os metadados de identidade podem incluir adicionalmente, porém, sem limitação, detalhes que pertencem a um nome de ambiente, uma aplicação, um servidor, e outros itens de configuração. Em continuação à transformação dos dados no pelo menos um fluxo de dados, pode ser identificada pelo menos uma tendência de dados que pertencem ao pelo menos um fluxo de dados. A pelo menos uma tendência de dados é indicativa de um padrão seguido por pelo menos um fluxo de dados para um período de tempo pré-definido. A pelo menos uma tendência de dados pode ser atualizada como e quando novos dados são recuperados a partir da pelo menos uma fonte de dados.

[053] No bloco 202, a pelo menos uma tendência de dados pode ser obtida para computação de pelo menos um valor delta que pertence ao pelo menos um fluxo de dados. 0 pelo menos um valor delta é indicativo de um desvio no pelo menos um fluxo de dados com respeito à pelo menos uma tendência de dados em uma ocorrência de tempo específica. Em uma implantação, o pelo menos um valor delta pode ser computado na forma de uma porcentagem de um valor de dados do pelo menos um fluxo de dados. Em uma implantação, o módulo de geração de regra 122 do sistema 102 pode obter a pelo menos uma tendência de dados.

[054] No bloco 204, em consequência da computação do pelo menos um valor delta, pode ser identificado pelo menos um relacionamento entre uma pluralidade de fluxos de dados. O pelo menos um relacionamento pode ser identificado baseado na pelo menos uma tendência de dados e nos metadados de identidade correspondente para cada fluxo de dados. Em uma implantação, os metadados de identidade que pertencem a cada fluxo de dados podem ser comparados para estabelecer o pelo menos um relacionamento entre a pluralidade de fluxos de dados. Em uma implantação, pelo menos um relacionamento entre a pelo menos uma tendência de dados e regras previamente geradas para auxiliar na determinação de um efeito de uma violação de uma regra em diferentes tendências de dados.

[055] Em uma implantação, o módulo de geração de regra 122 do sistema 102 pode identificar o pelo menos um relacionamento entre a pluralidade de fluxos de dados baseado na pelo menos uma tendência de dados e nos metadados de identidade.

[056] No bloco 206, pelo menos uma regra pode ser gerada baseada na computação do pelo menos um valor delta e na identificação do pelo menos um relacionamento. A pelo menos uma regra pode ser entendida como uma condição determinada por um usuário para rastrear um desvio no pelo menos um fluxo de dados. Em uma implantação, o usuário pode incluir, porém, sem limitação, um especialista no correspondente campo, e uma parte interessada. Em um exemplo, a pelo menos uma regra pode ser gerada para monitorar uma violação de limite em uma ocorrência de tempo específica. Por exemplo, pode ser gerada uma regra em que um valor delta de um fluxo de dados exiba um desvio de mais do que 15%. Portanto, tão logo o valor delta do fluxo de dados exiba uma variação de mais do que 15%, a regra ê considerada como sendo violada uma vez que a condição seja alcançada. De maneira similar, a pelo menos uma regra pode ser gerada para monitorar uma violação de limite em uma duração de tempo pré-definida. Adicionalmente, a pelo menos uma regra pode ser gerada para monitorar eventos de violação de limite consecutivos. Em uma implantação, a pelo menos uma regra pode ser gerada com qualquer combinação das condições mencionadas acima. Em outra implantação, podem ser geradas regras complexas utilizando o pelo menos um relacionamento entre a pluralidade de fluxos de dados.

[057] Em consequência da violação da pelo menos uma regra, pode ser fornecida uma notificação para o usuário para indicar a violação da pelo menos uma regra. Em uma implantação, a notificação pode incluir, porém, sem limitação, detalhes que pertencem à violação de regra, uma ação e uma sugestão para superar a violação de regra. A ação pode incluir, porém, sem limitação, um "aceitar", uma guia "rejeitar" e um "ignorar" que permite ao usuário responder à notificação aceitando, rejeitando ou ignorando a notificação. Adicionalmente, podem ser estabelecidas uma validade e precisão da pelo menos uma regra baseada na resposta de usuário. Em uma implantação, o módulo de geração de regra 122 do sistema 102 pode gerar a pelo menos uma regra baseada no pelo menos um valor delta e no pelo menos um relacionamento.

[058] No bloco 208, uma tendência à violação de regra que pertence às violações da pelo menos uma regra pode ser identificada ao longo de um período de tempo pré-determinado. A tendência à violação de regra pode ser entendida como um padrão no qual a pelo menos uma regra é violada. Em uma implantação, o módulo de atualização 124 do sistema 102 pode identificar a tendência à violação de regra.

[059] No bloco 210, a pelo menos uma regra pode ser atualizada com base na resposta de usuário, na pelo menos uma tendência de dados, no pelo menos um relacionamento e na tendência â violação de regra. Adicionalmente, a pelo menos uma regra pode manter a atualização baseada em uma mudança na tendência à violação de regra, no pelo menos um relacionamento, na pelo menos uma tendência de dados e na resposta de usuário. Em uma implantação, pode ser gerado um relatório de desempenho para fornecer detalhes que pertencem à geração e atualização automatizadas das regras para o usuário. 0 relatório de desempenho pode incluir, porém, sem limitação, a pelo menos uma tendência de dados, o pelo menos um valor delta, o pelo menos um relacionamento, a pelo menos uma regra, a pelo menos uma tendência à violação de regra, e detalhes que pertencem às revisões da pelo menos uma regra.

[060] Embora tenham sido descritas implantações de um método para geração e atualização automatizadas de regras baseado em análise de tendência de dados em linguagem específica para características e/ou métodos estruturais, deve ser entendido que o presente objeto é não limitado necessariamente às características ou métodos específicos descritos.

REIVINDICAÇÕES

Claims

1. MÉTODO IMPLANTADO POR COMPUTADOR PARA GERAÇÃO E ATUALIZAÇÃO AUTOMATIZADAS DE REGRAS, caracterizado por compreender: obter, por um processador (110), pelo menos uma tendência de dados que pertencem a pelo menos um fluxo de dados para um período de tempo pré-definido, em que a pelo menos uma tendência de dados é indicativa de um padrão seguido por pelo menos um fluxo de dados durante o período de tempo pré-definido; computar, pelo processador (110), pelo menos um valor delta que pertence ao pelo menos um fluxo de dados, em que o pelo menos um valor delta ê indicativo de um desvio no pelo menos um fluxo de dados com respeito à pelo menos uma tendência de dados em uma ocorrência de tempo específica; identificar, pelo processador (110), pelo menos um relacionamento entre uma pluralidade de fluxos de dados que incluem o pelo menos ura fluxo de dados, baseado na pelo menos uma tendência de dados e metadados de identidade associados a cada fluxo de dados, em que os metadados de identidade são indicativos de uma identidade única de cada fluxo de dados; gerar, pelo processador (110), pelo menos uma regra baseada no pelo menos um valor delta e no pelo menos um relacionamento, em que a pelo menos uma regra inclui uma condição determinada por um usuário para rastrear o desvio no pelo menos um fluxo de dados; e fornecer, pelo processador (110), uma notificação para o usuário quando a pelo menos uma regra é violada, em que a notificação inclui pelo menos um dos detalhes que pertencem à violação de regra, uma ação e uma sugestão para superar a violação de regra.

2. MÉTODO IMPLANTADO POR COMPUTADOR, de acordo com a reivindicação 1, caracterizado por compreender adicionalmente: identificar, pelo processador (110), uma tendência à violação de regra, em que a tendência à violação de regra inclui um padrão de violações de regra ocorrido ao longo de um período de tempo; e atualizar, pelo processador (110), a pelo menos uma regra baseado em uma resposta de usuário à notificação, à tendência à violação de regra, ao pelo menos um valor delta, e ao pelo menos um relacionamento.

3. MÉTODO IMPLANTADO POR COMPUTADOR, de acordo com a reivindicação 1, caracterizado pela obtenção compreender: recuperar, pelo processador (110), dados a partir de pelo menos uma fonte de dados baseada nos metadados de recuperação, em que a fonte de dados inclui pelo menos um de um banco de dados interno, um banco de dados externo, e um portal online, e em que os metadados de recuperação são indicativos de detalhes que auxiliam na recuperação dos dados a partir da pelo menos uma fonte de dados; transformar, pelo processador (110), os dados no pelo menos um fluxo de dados, em que o pelo menos um fluxo de dados está em um formato pré-definido; e identificar, pelo processador (110), a pelo menos uma tendência de dados que pertence ao pelo menos um fluxo de dados.

4. MÉTODO IMPLANTADO POR COMPUTADOR, de acordo com a reivindicação 3, caracterizado pela obtenção compreender adicionalmente selecionar amostras dos dados para transformar no pelo menos um fluxo de dados.

5. MÉTODO IMPLANTADO POR COMPUTADOR, de acordo com a reivindicação 2, caracterizado pelo usuário responder à notificação selecionando uma dentre uma guia "aceitar", uma guia "rejeitar", e uma guia "ignorar" fornecidas na notificação.

6. MÉTODO IMPLANTADO POR COMPUTADOR, de acordo com a reivindicação 2, caracterizado por compreender adicionalmente gerar, pelo processador (110), um relatório de desempenho para fornecer detalhes que pertencem à geração e atualização automatizadas de regras.

7. SISTEMA DE GERAÇÃO DE REGRAS (102) PARA GERAÇÃO E ATUALIZAÇÃO DINÂMICA AUTOMATIZADAS DE REGRAS, sendo que o sistema de geração de regras (102) é caracterizado por compreender: um processador (110); ■ um módulo de geração de regra (122), acoplado ao processador (110), para, obter pelo menos uma tendência de dados que pertencem a pelo menos um fluxo de dados para um período de tempo pré-def inido, em que a pelo menos uma tendência de dados é indicativa de um padrão seguido por pelo menos um fluxo de dados durante o período de tempo pré-definido; computar pelo menos um valor delta que pertence ao pelo menos um fluxo de dados, em que o pelo menos um valor delta é indicativo de um desvio no pelo menos um fluxo de dados com respeito à pelo menos uma tendência de dados em uma ocorrência de tempo específica; identificar pelo menos um relacionamento entre uma pluralidade de fluxos de dados baseado na pelo menos uma tendência de dados e raetadados de identidade associados a cada fluxo de dados, era que os raetadados de identidade são indicativos de uma identidade única de cada fluxo de dados; gerar pelo menos uma regra baseada no pelo menos um valor delta e o pelo menos um relacionamento, em que a pelo menos uma regra inclui uma condição determinada por um usuário para rastrear o desvio no pelo menos um fluxo de dados; e fornecer uma notificação para o usuário quando a pelo menos uma regra for violada, em que a notificação inclui pelo menos um dos detalhes que pertencem à violação de regra, a uma ação, e a uma sugestão para superar a violação de regra.

8. SISTEMA DE GERAÇÃO DE REGRAS (102), de acordo com a reivindicação 7, caracterizado por compreender adicionalmente um módulo de atualização (124), acoplado ao processador (110), para, identificar uma tendência à violação de regra, em que a tendência à violação de regra inclui um padrão de violações de regra ocorridas ao longo de um período de tempo; e atualizar a pelo menos uma regra baseado em um resposta de usuário à notificação, à tendência à violação de regra, ao pelo menos um valor delta, e ao pelo menos um relacionamento,

9. SISTEMA DE GERAÇÃO DE REGRAS (102), de acordo com a reivindicação 7, caracterizado por compreender adicionalmente um módulo de análise de tendência (12 0) , acoplado ao processador (110), para, recuperar dados a partir de pelo menos uma fonte de dados baseada em metadados de recuperação, em que a fonte de dados inclui pelo menos um de um banco de dados interno, um banco de dados externo, e um portal online, e em que os metadados de recuperação são indicativos de detalhes que auxiliam na recuperação dos dados a partir da pelo menos uma fonte de dados; transformar os dados no pelo menos um fluxo de dados, em que o pelo menos um fluxo de dados está em um formato pré-definido; e identificar a pelo menos uma tendência de dados que pertencem ao pelo menos um fluxo de dados.

10. SISTEMA DE GERAÇÃO DE REGRAS (102), de acordo com a reivindicação 9, caracterizado pelo módulo de análise de tendência (120) selecionar amostras dos dados para transformar no pelo menos um fluxo de dados.

11. SISTEMA DE GERAÇÃO DE REGRAS (102), de acordo com a reivindicação 8, caracterizado pelo usuário responder à notificação selecionando um dentre um guia "aceitar", um guia "rejeitar", e um guia "ignorar" fornecido na notificação.

12. SISTEMA DE GERAÇÃO DE REGRAS (102), de acordo com a reivindicação 8, caracterizado pelo módulo de atualização (124) gerar um relatório de desempenho para fornecer detalhes que pertencem à geração e atualização automatizadas de regras.

13. MEIO LEGÍVEL POR COMPUTADOR NÃO TRANSITÓRIO, caracterizado por ter incorporado no mesmo um programa de computador para executar um método que compreende: obter, por um processador (110), pelo menos uma tendência de dados que pertence a pelo menos um fluxo de dados para um período de tempo pré-definido, em que a pelo menos uma tendência de dados é indicativa de um padrão seguido por pelo menos um fluxo de dados durante o período de tempo pré-definido; computar, pelo processador {110}, pelo menos um valor delta que pertence ao pelo menos um fluxo de dados, em que o pelo menos um valor delta é indicativo de um desvio no pelo menos um fluxo de dados com respeito à pelo menos uma tendência de dados em uma ocorrência de tempo específica; identificar, pelo processador (110), pelo menos um relacionamento entre uma pluralidade de fluxos de dados baseado na pelo menos uma tendência de dados e metadados de identidade associados a cada fluxo de dados, em que os metadados de identidade são indicativos de uma identidade única de cada fluxo de dados; gerar, pelo processador (110), pelo menos uma regra baseada no pelo menos um valor delta e o pelo menos um relacionamento, em que a pelo menos uma regra inclui uma condição determinada por um usuário para rastrear o desvio no pelo menos um fluxo de dados; e fornecer, pelo processador (110), uma notificação para o usuário quando a pelo menos uma regra for violada, em que a notificação inclui pelo menos um dentre os detalhes que pertencem â violação de regra, a uma ação, e a uma sugestão para superar a violação de regra.