1 / 19

B. I., DATAMINING e OLAP

B. I., DATAMINING e OLAP. Henrique Liduario Joab Esequiel Lucimar Rodrigues Paulo Eduardo Rafael Betoni Vinicius Faria. Business Intelligence.

preston
Download Presentation

B. I., DATAMINING e OLAP

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. B. I., DATAMINING e OLAP Henrique Liduario Joab Esequiel Lucimar Rodrigues Paulo Eduardo Rafael Betoni Vinicius Faria

  2. 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.

  3. 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.

  4. Tarefas Desempenhadas por Técnicas de Datamining • Associação; • Seqüência; • Classificação; • Aglomerações; • Prognósticos.

  5. 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.

  6. Agentes Inteligentes Basicamente, os agentes inteligentes são capazes de priorizar e/ou filtrar os dados que nos bombardeiam diariamente.

  7. 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.

  8. Árvores de decisão • Consiste em meios de representar resultados de mineração de dados na forma de árvore.

  9. 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).

  10. DATAMINING:ONDE APLICAR • Marketing; • Detecção de fraudes; • Medicina; • ETC;

  11. 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;

  12. 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.

  13. 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.

  14. 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

  15. 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).

  16. 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.

  17. 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 andDice, • Drilldown/up.

  18. 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.

  19. Conclusão • Fim!

More Related