BI, DATAMINING e OLAP

Henrique Liduario
Joab Esequiel
Lucimar Rodrigues
Paulo Eduardo
Rafael Betoni
Vinicius Faria
Business Intelligence
 B.I. é um termo “guarda chuva” que descreve um conjunto de conceitos,
ferramentas e tecnologias para aperfeiçoar o processo de tomada de
decisão em negócios.
 Os dados como Decisão podem vir de qualquer parte da pirâmide
organizacional.
PROCESSO DATAMINING
• Interpretação e Avaliação
•
Identificado os padrões pelo sistema, estes são interpretados em
conhecimentos, os quais darão suporte a tomada de decisões humanas
• Ex.: Tarefas de previsões e classificações.
Tarefas Desempenhadas por
Técnicas de Datamining
 Associação;
 Seqüência;
 Classificação;
 Aglomerações;
 Prognósticos.
REDES NEURAIS
 É um algoritmo que trabalha na forma com o cérebro
humano armazena informações.
 um dado ou informação esta associado a todos os seus
posteriores níveis de saída de dados.
Agentes Inteligentes
Basicamente, os agentes inteligentes são capazes
de priorizar e/ou filtrar os dados que nos
bombardeiam diariamente.
O raciocínio baseado em casos
 Tem base no método do “vizinho” mais próximo.
 Tenta solucionar um dado problema fazendo uso
direto de experiências e soluções passadas.
Árvores de decisão
 Consiste em meios de representar resultados de
mineração de dados na forma de árvore.
Regras de Indução
 Se refere a detecção de tendências dentro de um grupo
de dados ou regras de dados.
 Consiste na descoberta de regras de previsão do tipo
(SE...ENTÂO). Onde o SE é o desejado e o ENTÂO a
previsão desejada.
 Exemplo: SE(idade_cliente == 18) &&( sexo_cliente
==“M”) ENTÂO (produto_comprado_tenis)
(adaptação de FREITAS,2000).
DATAMINING:ONDE APLICAR
 Marketing;
 Detecção de fraudes;
 Medicina;
 ETC;
Algumas barreiras ao uso do Data
Mining
 Altos Custos;
 Necessidade de grandes volumes de dados;
 Complexidade das Ferramentas;
 O desafio da preparação dos dados para a mineração;
OLAP
Definição: Processamento analítico online dos dados.
Enquanto OLTP atendem apenas a manipulação de
dados Operacionais, o OLAP apóia o usuário na
tomada de decisões estratégicas, pois possibilita
visualizar as informações a partir de muitas
perspectivas diferentes.
Origem do OLAP
 Não é um conceito novo.
Remonta a 1962, ano em que a IBM desenvolveu a primeira
linguagem com análise multidimensional, chamada de APL.
Em 1990 introduziu-se uma nova classe de ferramentas no
mercado, sendo assim batizado o termo OLAP, citado pela
primeira vez por E.F.Cood (12 regras).
Empresas que desenvolvem engine de OLAP:
IBM, Microsoft, MicroStrategy, Cognos, ORACLE, entre
outros.
Visão Multidimensional
 Consultas que fornecem dados a respeito de medidas de
desempenho, compostas por diversas dimensões destas
medidas.
Características da Visão multidimensional:
 Cubo
 Dimensão
 Hierarquia
 Membro
 Medida
OLAP como Solução
 OLAP é mais que uma aplicação. É uma solução de
ambiente, integração e modelagem de dados.
 A maioria dos dados de uma aplicação OLAP são
originários de outros sistemas e fontes de dados.
 Responde perguntas como: Quando?, O quê?, Onde?,
Quem?
 Os dados obtidos são destinados ao DW, e daí, para um
dos vários Data Marts (DM).
Arquiteturas
O desenvolvimento das ferramentas OLAP utiliza-se dos
métodos de armazenamento de dados:
MOLAP, ROLAP, DOLAP e HOLAP.
Cada um destes métodos tem uma finalidade específica e
deve ser utilizado o que melhor atender as necessidades
de análise pela ferramenta de OLAP.
Ferramentas de OLAP:
Muitas no mercado atual, crescimento acelerado.
Surgiram juntamente com os SADs, para extraírem e
analisarem dados contidos nos DW e DMs.
Na maioria delas, observa-se dois componentes:
Ferramenta do Administrador e Ferramenta do Usuário Final.
Algumas características destas ferramentas:
• Consultas ad-hoc,
• Slide and Dice,
• Drill down/up.
Ligação do DW e OLAP:
DW – Armazena informações.
OLAP – Recupera informações.
As duas tecnologias se complementam de forma
eficiente, onde somente com o OLAP é possível extrair e
alavancar totalmente as informações contidas no DW.
Conclusão
 Fim!