Apresentação do PowerPoint - pgc-upe

UPE – Caruaru – Sistemas de Informação
Disciplina: Mineração de Dados
Prof.: Paulemir G. Campos
Mineração de Dados
Empresarial
31/05/2017
MD - Prof. Paulemir Campos
1
Introdução

Empresas usam bancos de dados para:


31/05/2017
Monitorar transações básicas, como
pagamento a fornecedores, processamento
de pedidos, atendimento a clientes e
pagamento a funcionários;
E, obter informações que ajudem a
administrar o negócio com mais eficiência,
auxiliando gerentes e funcionários a tomar
melhores decisões.
MD - Prof. Paulemir Campos
2
Introdução

Se uma empresa quiser saber:



Qual produto é mais aceito pelo mercado?
Ou, quais clientes são mais lucrativos?
A resposta estará nos dados.
31/05/2017
MD - Prof. Paulemir Campos
3
Introdução

Numa grande empresa, com grandes
bancos de dados ou grandes sistemas
para funções separadas (manufatura,
vendas
e
contabilidade),
são
necessários recursos e ferramentas
especiais
para
analisar
vastas
quantidades de dados e extraí-los de
múltiplos sistemas.
31/05/2017
MD - Prof. Paulemir Campos
4
Introdução

Entre esses recursos destacam-se:



31/05/2017
Data warehouse (armazém de dados);
Data mining (mineração de dados);
Acesso a bancos de dados internos via
Web.
MD - Prof. Paulemir Campos
5
Data Warehouses


Banco de dados que armazena dados
correntes e históricos de potencial
interesse para os tomadores de decisão
de toda a empresa.
Indicado para:

31/05/2017
Obtenção de informações concisas e
confiáveis sobre operações correntes,
tendências e mudanças organizacionais.
MD - Prof. Paulemir Campos
6
Data Warehouses


Consolida e padroniza as informações
oriundas de diferentes bancos de dados
operacionais, facilitando a análise
gerencial e a tomada de decisões.
Dispõem de ferramentas para consulta,
análise e geração de relatórios gráficos.
31/05/2017
MD - Prof. Paulemir Campos
7
Data Warehouses:
Componentes
31/05/2017
MD - Prof. Paulemir Campos
8
Data Warehouses

Data marts


31/05/2017
Subconjunto de um data warehouse, no
qual uma porção resumida ou altamente
focalizada dos dados da organização é
colocada em um banco separado destinado
a uma população específica de usuários.
Criação mais rápida e menor custo do que
um data warehouse de âmbito empresarial.
MD - Prof. Paulemir Campos
9
Inteligência Empresarial


Usam ferramentas que consolidam,
analisam e acessam grandes volumes
de dados para ajudar os usuários a
tomar melhores decisões empresariais.
Também
conhecida
Intelligence (BI).
31/05/2017
MD - Prof. Paulemir Campos
por
Business
10
Inteligência Empresarial

Principais ferramentas:



31/05/2017
Softwares para consulta e relatórios de
bancos de dados;
Processamento analítico on-line (OLAP:
On-Line Analytical Processing);
Data mining.
MD - Prof. Paulemir Campos
11
Inteligência Empresarial
31/05/2017
MD - Prof. Paulemir Campos
12
OLAP: Processamento Analítico
On-Line


Permite a análise multidimensional de
dados, proporcionando múltiplas visões
dos mesmos dados pelos usuários.
Exemplos de dimensões:

31/05/2017
Produto, região,
tempo, etc.
vendas,
MD - Prof. Paulemir Campos
período
de
13
OLAP: Processamento Analítico
On-Line

Indicado para responder perguntas do
tipo:

31/05/2017
“Quantos parafusos (ou outro produto)
foram
vendidos
em
cada
região
comparando os resultados reais com a
projeção de vendas desse produto?”
MD - Prof. Paulemir Campos
14
OLAP: Processamento Analítico
On-Line

Exemplo de modelo
multidimensional de
dados para
representar as
dimensões:



Produtos;
Regiões;
Volume de vendas
(real e projetada).
31/05/2017
MD - Prof. Paulemir Campos
15
Data Mining


Pode ser definida como uma das etapas
do processo de descoberta em bases de
dados (KDD – Knowledge Discovery in
Databases).
Fornece
percepções
dos
dados
corporativos que não podem ser obtidos
com o OLAP, por exemplo.
31/05/2017
MD - Prof. Paulemir Campos
16
Data Mining

Possibilita:


31/05/2017
A
descoberta
de
relacionamentos ocultos
bancos de dados;
padrões
e
em grandes
E, inferir regras a partir dessas descobertas
para prever comportamentos futuros.
MD - Prof. Paulemir Campos
17
Data Mining

Tipos de informações que podem ser
obtidas:



31/05/2017
Associações (ocorrências num evento);
Seqüências (eventos ao longo do tempo);
Classificações (atributos relacionados com
classe predefinida);
MD - Prof. Paulemir Campos
18
Data Mining

Tipos de informações que podem ser
obtidas (Continuação):


31/05/2017
Aglomerações ou Clustering (similaridades
entre padrões sem classes predefinidas);
e, Prognósticos ou Previsões (prever
valores futuros com base numa série de
valores existentes).
MD - Prof. Paulemir Campos
19
Data Mining

Análise Preditiva:

Usa técnicas de data mining, dados
históricos e suposições sobre condições
futuras para predizer resultados de
eventos, tais como, a probabilidade de um
dado cliente:


31/05/2017
responder a uma oferta;
ou, comprar um determinado produto.
MD - Prof. Paulemir Campos
20
Data Mining:
Processo de KDD
Avaliação dos Padrões
Mineração de Dados
Dados Relevantes
Data Warehouse
Seleção
Limpeza de Dados
Integração de Dados
Bases de dados
31/05/2017
MD - Prof. Paulemir Campos
21
Banco de Dados e a Web

Muitas empresas usam a web para
disponibilizar algumas informações de
seus bancos de dados internos a
clientes e parceiros de negócios.
31/05/2017
MD - Prof. Paulemir Campos
22
Banco de Dados e a Web

Middleware e outros softwares tornam
possível o acesso a bancos de dados
internos via web:

Servidores de bancos de dados;


CGI (Commom Gateway Interface).

31/05/2017
Recebe os pedidos em SQL e fornece os dados
requisitados.
Usa-se script CGI para processar dados num
servidor web.
MD - Prof. Paulemir Campos
23
Banco de Dados e a Web

Exemplo de acesso a um banco de dados
interno de uma organização via web.
31/05/2017
MD - Prof. Paulemir Campos
24
Banco de Dados e a Web

Vantagens:


31/05/2017
Interfaces web (softwares de navegação
web) são familiares aos usuários,
facilitando o uso;
E, poupam o redesenho ou a reconstrução
de sistemas legados (que usam tecnologia
de gerenciamento de dados ultrapassada)
por adicionar uma interface web para
acesso aos dados pelos usuários.
MD - Prof. Paulemir Campos
25
Referências


Laudon, K. C.; Laudon, J. P. Sistemas
de Informação Gerenciais. 7 ed. São
Paulo: Pearson Prentice Hall, 2007
Material de apoio ao professor
disponível em
http://wps.prenhall.com/br_laudon_sisi
nfoger_7 acessado em 10/02/2010
31/05/2017
MD - Prof. Paulemir Campos
26
Referências

Witten, I. H.; Frank, E. Data Mining:
Practical Machine Learning Tools
and Techniques with Java
Implementations. Morgan Kaufmann,
1999.
31/05/2017
MD - Prof. Paulemir Campos
27