Slide 1 - MKTADM

Data Warehouse / Data Marts /
DataMining /OLAP
Apostila 7
Prof. Me. Eduardo Botelho Corrêa
Introdução

Informatização dos meios produtivos permitiu a geração de
grandes volumes de dados:




Transações eletrônicas;
Novos equipamentos científicos e industriais para observação e controle;
Dispositivos de armazenamento em massa;
Aproveitamento da informação permite ganho de
competitividade:
“conhecimento é poder

Recursos de análise de dados tradicionais são inviáveis para
acompanhar esta evolução:

processo iterativo de criação, teste e refinamento de hipóteses;
DATA WAREHOUSE
Definições
Uma definição simples de Data Warehouse é a sua tradução
literal para o português, Armazém de Dados.


Data Warehouse é um banco de dados voltado para suporte à
decisão de usuários finais, derivado de diversos outros banco
de dados operacionais.

Coleção de dados orientados por assunto , integrados, variáveis
com o tempo e não voláteis para dar suporte ao processo de
tomada de decisão. (Inmom)
DATA WAREHOUSE
Motivos que levam uma empresa a adotar
a tecnologia de Data Warehouse

O sucesso de uma empresa depende, entre outros
fatores, da agilidade e precisão com que ela toma
as suas decisões. Para que isto ocorra, é
necessário que a empresa tenha informações
precisas e no momento adequado. É justamente
neste ponto que entra a tecnologia Data
Warehouse, auxiliando na integração e
consolidação dos dados.
Funções de um
DATA WAREHOUSE

coleta e armazenamento de dados de várias bases de dados,

armazenamento de dados resumidos,

fornecimento de cópia estável dos dados para consultas de
suporte a decisão.
DATA WAREHOUSE
Arquitetura de
um
Data Warehouse
DATA WAREHOUSE
Extração de Informações do Data Warehouse
Data Mining

Data Mining visa analisar dados também, só
que com a utilização de métodos mais
complexos, como conseqüência, os resultados
são mais elaborados.
DataMining


Nova tecnologia que permite extrair informações
escondidas em grandes bancos de dados.
Prever tendências e comportamentos futuros,
permitindo aos gestores tomarem a decisão
baseada em fatos e não em suposição.
Data Mining



É a descoberta de conhecimento dentro em banco de
dados
É freqüentemente ligada com DW
fornece “insights” para gerenciar oportunidades e
problemas potenciais ( ou existentes)
DataMining

DataMining fornece 5 tipos de informação:

Associação: ocorrências estão ligadas a um evento.Por exemplo:
num supermercado, quando se compra batatas fritas,compra-se
também coca-cola.

Sequência: eventos ligados ao longo do tempo. Por exemplo se uma
casa é comprada, então 45% das vezes um fogão será comprado
dentro de um mês.

Classificação: mais comum nos dias de hoje. Encontrar
características dos clientes e determinar quais tipos de promoções
serão mais eficientes.

Conjuntos: descobrir diferentes agrupamentos de dados.Utilizado,
por exemplo para descobrir defeitos na fabricação de produtos

Previsão: se um cliente irá renovar uma assinatura, por exemplo.
Relação DW e Data Mining



São independentes e podem ser utilizados em
separado.
Contudo, um ambiente de análise completo necessita
resultados de ambos, ou seja, o melhor é utilizar os
dois em conjunto.
Existe uma tendência de ter as duas formas de análise
no mesmo ambiente
Exemplos de Aplicação

Marketing


Varejo


Mala direta de produtos para clientes que tem
possibilidade de comprar aquele produto
Produtos organizados nas prateleiras de forma
que o cliente ponha no carrinho de compra os
produtos que vendem em conjunto
Telecomunicações

Ligações fraudulentas de Celulares clonados
Exemplos de Aplicação

Bancário


Científico


Liberação de empréstimos para clientes que
tem caracterísitca de bom pagador
NASA cataloga imagem de satélites classifica
eventos similares nas imagens
Acadêmico

Disciplinas de graduação que tem maior
probabilidade de serem cursadas em conjunto
DATA MART



Subconjunto de um datawarehouse: vários data
marts formam um datawarehouse;
Construído com um escopo menor de
informações, segmentado para uma determinada
área;
Custa menos e leva menos tempo para ser
projetado e implementado
DATA MART

É um subconjunto lógico de um completo
Data Warehouse [KIM98a]. Esse termo é
usado para se referir a um Data Warehouse
de pequena capacidade usado para atender
especificamente a uma Unidades Estratégica de
Negócio ou a um departamento da
corporação. É um pequeno DW, com limitado
escopo de dados [BON98], para representar
uma função particular do negócio.
DATA MART





Pode ser utilizado com projeto piloto do
warehouse completo da organização
Implementação mais rápida
Custo de implementação menor
Controle Local na Unidades Estratégica de
Negócio
Integração com outros Data Marts pode ser
difícil se não houver um projeto mestre
Data Marts e Warehouses

Os dados em um Data Warehouse :
São dados operacionais consolidados. Em geral representam
os dados operacionais passados, ou seja, o histórico dos dados
operacionais.

Unidades Estratégica de Negócio (SBU)
Os requisitos entre diferentes unidades de negócio dentro de
uma organização não são necessariamente comuns. Uma
estratégia para atender separadamente as unidades de
negócios são os data marts.
DATAWAREHOUSE /DATA MART
OLAP






Conjunto de ferramentas que possibilta efetuar a
exploração dos dados contidos no DW;
Melhorar desempenho das pesquisas;
Processo interativo: usuário faz perguntas, recebe
informações, verifica um dado específico e faz
comparações;
Perguntas que um OLAP responde:
Por que as vendas de automóveis de determinado modelo
diminuem no segundo trimestre?
Qual região vendeu mais? Qual diferença entre vendas de
determinado produto por região ou por vendedor?
Diferenças entre DataMining x OLAP

Analista gera uma hipótese e usa OLAP para
verificar a hipótese;

O DataMining é usado para criar a hipótese;

DataMining e OLAP se complementam;
Business Intelligence
Chegou a era da fidelização, da customização, da
sedução do cliente e da Inteligência aplicada aos negócios.
Assim sendo, os grandes bancos de dados corporativos
(Data Warehouse), estão entregando aos tomadores de
decisão, a informação na forma mais precisa e utilizável
possível. Os dados que até então eram simples representantes
de fatos comuns como nome, endereço, telefone, dentre
outros, hoje se sofisticam na representação de imagens,
vídeos, sons, dados temporais, indicadores econômicos,
planilhas, páginas HTML.
Business Intelligence
Business Intelligence define um conceito que,
congrega: Ferramentas e processos que começam
com a coleta de dados, que são organizados e
transformados em informação, para depois de
analisada e processada se transformar em
“inteligência”. Essa, por sua vez, quando aplicada aos
processos de decisões, gera vantagem competitiva
para a organização. (HABERKORN, 2004)
Business Intelligence
O termo BI (business Intelligence) foi criado pelo
mercado de sistemas com o propósito de dar uma
nova “roupagem” a termos mais conceituais, como
SAD e SAE. Mas na realidade, são sistemas que tem
o mesmo propósito [...]” (MIGLIOLI, 2007). Com
essa afirmação, muito da confusão que se cria em
torno da definição de BI, se esclarece, já que BI, em
última análise, pode ser entendido, como SAD e ou
SAE/EIS.
Business Intelligence
BI representa a habilidade de se estruturar, acessar e explorar
informações,normalmente guardadas em DW/DM (Data Warehouse, Data
Marts) com o objetivo de desenvolver percepções, entendimentos e
conhecimentos, os quais podem produzir um melhor processo de tomada
de decisão.
As aplicações de Business Intelligence, que utilizam as informações
armazenadas em um Data Warehouse, podem incluir consultas e
relatórios, análises, estatísticas, previsões, O BI pode utilizar informações
do ERP, CRM, SCM e BSC.
Business Intelligence
Business Intelligence tem como principais características:
- A capacidade de extrair e integrar dados de múltiplas
fontes.
- A transformação dos registros obtidos em informação
útil para o conhecimento empresarial.
- A valorização da experiência.
- A análise de dados contextualizados.
- A procura de relações de causa e efeito, trabalhando
com hipóteses e desenvolvendo estratégias e ações
competitivas.