190 likes | 286 Views
B. I., DATAMINING e OLAP. Henrique Liduario Joab Esequiel Lucimar Rodrigues Paulo Eduardo Rafael Betoni Vinicius Faria. Business Intelligence.
E N D
B. I., 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 andDice, • Drilldown/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!