SISTEMAS DE APOIO A DECISÃO- DATA MINING
Texto retirado do TCC
de Ricardo Kremer – Blumenau 1999
A cada ano, companhias acumulam mais e mais
informações em seus bancos de dados. Como consequência, estes bancos de dados
passam a conter verdadeiros tesouros de informação sobre vários dos
procedimentos dessas companhias. Toda esta informação pode ser usada para
melhorar seus procedimentos, permitindo que a empresa detecte tendências e
características disfarçadas, e reaja rapidamente a um evento que ainda pode
estar por vir. Alguns exemplos disto são o crescimento dos mecanismos de
leitura de preço nos supermercados, dos caixas eletrônicos, dos cartões de
crédito, da televisão por assinatura, do home shopping,
da transferência eletrônica de fundos, o processamento automático de pedidos,
das bilheterias eletrônicas e outros.
Mas não se tem somente uma grande quantidade
de dados sendo produzida; os dados também estão sendo extraídos cada vez mais
dos sistemas de onde são gerados e alimentados em um Data
Warehouse, tornando-se parte da memória da empresa
[HAR98].
Segundo
[INM97], um Data Warehouse “é
um conjunto de dados baseado em assuntos, integrado, não-volátil, e variável em
relação ao tempo, de apoio às decisões gerenciais”. Com toda esta informação
disponível, seja em um Data Warehouse ou
simplesmente em uma Base de Dados, tende a crescer cada vez mais a demanda por
sistemas que forneçam informações precisas, que respondam às dúvidas da empresa
e que proporcionem uma tomada de decisões mais acertada. Um tipo de sistema que
possui estes aspectos é o Sistema de Apoio
à Decisão (SAD).
Conforme [SPR91],
os Sistemas de Apoio à Decisão “são sistemas computacionais que ajudam os
responsáveis pela tomada de decisões a enfrentar problemas estruturais através
de uma interação direta com modelos de dados e análises”. No entanto, apesar do
enorme valor desses dados, a maioria das organizações é incapaz de aproveitar
totalmente o que está armazenado em seus arquivos. Esta informação preciosa
está na verdade implícita escondida sob uma montanha de dados, e não pode ser
descoberta utilizando-se sistemas de gerenciamento de banco de dados
convencionais; elas precisam de um significado. O significado permite a análise
dos dados observando modelos, estabelecendo mecanismos e tendo novas ideias
para fazer previsões sobre o futuro. Com o uso do Data
Mining pode-se acrescentar significado a esses
dados.
Conforme [HAR98],
o Data Mining, do modo como é usado o termo, é
a exploração e análise, por meios automáticos ou semi-automáticos, de grandes
quantidades de dados para descobrir modelos e regras significativas.
O Data Mining pode
ser aplicado à tarefas como classificação, estimativas, previsões, agrupamento
por afinidades ou reunião. Algumas destas técnicas são melhor executadas
através de “testes hipotéticos”, onde os dados do passado são verificados para
aprovar ou não idéias ou suposições obtidas em cima dos dados disponíveis. Além
destes “testes hipotéticos” pode ser utilizado também a “descoberta de
conhecimento”, onde os dados falam por si próprios. Este processo de
“descoberta de conhecimento” pode ser de duas formas: a direcionada e a não
direcionada. A forma direcionada tenta explicar ou categorizar alguns campos de
dados, como receitas ou respostas. A descoberta de conhecimento não direcionada
tenta encontrar modelos ou similaridades entre grupos de registros sem um
campo-alvo específico ou um conjunto de classes predefinidas [HAR98].
O que o Data Mining faz
é encontrar modelos interessantes nos dados. Mas não é isso, deve-se poder agir
aos modelos, em última análise, transformando os dados em informações, as
informações em ação, e a ação em valores.
Reconhecendo o Data
Mining como uma forma de incorporar significado aos
dados, propõe-se especificar e desenvolver um Sistema de Apoio à Decisões para
previsões genéricas utilizando as técnicas de Data Mining.
A quantidade de informação armazenada em
bancos de dados está explodindo, e ultrapassa a habilidade técnica e a
capacidade humana na sua interpretação. De compras através de cartões de
crédito a imagens pixel-a-pixel de galáxias, bancos de dados são medidos hoje
em gigabytes e terabytes. A necessidade de transformar estes terabytes de dados
em informações significativas é óbvia. Felizmente, técnicas computacionais
foram desenvolvidas para analisar os dados, ou ao menos ajudar o analista a
encontrar ordem no caos, ou seja, conhecimento.
Data Mining é
uma tecnologia usada para revelar informação estratégica escondida em grandes
massas de dados. É usada em diversas áreas, como análise de riscos, marketing
direcionado, controle de qualidade, análise de dados científicos, etc. Data
Mining define o processo automatizado de captura e
análise de enormes conjuntos de dados, para então extrair um significado. Esta
tecnologia está sendo usado para descrever características do passado, assim
como predizer tendências para o futuro. Sua utilização permite avanços
tecnológicos e descobertas científicas, além de garantir uma vantagem
competitiva invejável.
Referencias do texto:
[HAR98] HARRISON, Thomas H. Intranet
data warehouse. São Paulo : Berkeley
Brasil, 1998.
[INM97]
INMON, William H. Como construir o data
warehouse. Rio de Janeiro :
Campus, 1997.
[SPR91] SPRAGUE, R. H., WATSON, H. J. Sistemas
de apoio à decisão: colocando a teoria em prática. Rio
de Janeiro : Campus, 1991.
Leia o artigo acima e os artigos que estarão
disponíveis na central do aluno e responda as seguintes questões:
1. O que é dataming e qual sua aplicação?
2. O que é KDD?
Quais suas aplicações?
3. Cite algumas aplicações onde datamining pode ser
utilizado
4. Fale sobre as principais etapas do processo de KDD.
5. O sistema apresentado no artigo é eficiente?
Justifique.
6. O que são redes neurais?
7. O que seria uma arvore de decisões?
Quer
conhecer mais sobre aplicações usando Banco de dados, assista também ao vídeo
falando sobre BIGDATA acessando: http://goo.gl/AeYOor
Assista aos vídeos disponíveis nos links
abaixo:
|
Vídeo 1:
|
Vídeo 2:
|
Com base nos vídeos, responda as seguintes
questões:
1- Ambos os vídeos falam sobre como é possível aprender “coisas”
novas e treinar o seu cérebro. Cite algumas das técnicas de aprendizado citados
nos vídeos.
2- Com base nos vídeos e na sua experiência, quais
estratégias você considera fundamentais para melhor aprender um determinado conteúdo?
Nenhum comentário:
Postar um comentário