UNIFEI – Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão
description
Transcript of UNIFEI – Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão
![Page 1: UNIFEI – Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão](https://reader033.fdocument.pub/reader033/viewer/2022051218/5681578f550346895dc522b2/html5/thumbnails/1.jpg)
UNIFEI – Universidade Federal de ItajubáInstituto de Engenharia de Produção e Gestão
Administração de Empresas
Data Warehouse&
Data MiningAlice Beraldo – 14342
Glalber Monteiro – 13376Larissa Gomes – 14327
Matheus Reis – 14747Paula Ribeiro – 14336
Vinícius Noronha – 14344
ADM – 11
![Page 2: UNIFEI – Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão](https://reader033.fdocument.pub/reader033/viewer/2022051218/5681578f550346895dc522b2/html5/thumbnails/2.jpg)
Sumário
• Introdução
• Conceitos de Data Ware House e Data Mining
• Sistemas Gerenciais
• Custos
• Aplicações
• Estudos de caso
• Conclusão
Data Warehouse & Data Mining 2/20
![Page 3: UNIFEI – Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão](https://reader033.fdocument.pub/reader033/viewer/2022051218/5681578f550346895dc522b2/html5/thumbnails/3.jpg)
Introdução
GRANDE VOLUME DE DADOSMUITAS INFORMAÇÕES
X
DIFICULDADE DA ANÁLISE DE INFORMAÇÕES
DIFICULDADE NA TOMADA DE DECISÕES
Data Warehouse & Data Mining 3/20
![Page 4: UNIFEI – Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão](https://reader033.fdocument.pub/reader033/viewer/2022051218/5681578f550346895dc522b2/html5/thumbnails/4.jpg)
1970 1980 1990 2000
Volume dos Dados
Fonte: Santos, 2000.
Crescimento do volume de dados
Data Warehouse & Data Mining 4/20
![Page 5: UNIFEI – Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão](https://reader033.fdocument.pub/reader033/viewer/2022051218/5681578f550346895dc522b2/html5/thumbnails/5.jpg)
DataWarehouse
![Page 6: UNIFEI – Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão](https://reader033.fdocument.pub/reader033/viewer/2022051218/5681578f550346895dc522b2/html5/thumbnails/6.jpg)
Data Warehouse
• Banco de dados para apoio a
decisão
• Dados arrumados e etiquetados em prateleiras de fácil acesso
• Disponível para consultas e não transações
Data Warehouse & Data Mining 6/20
![Page 7: UNIFEI – Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão](https://reader033.fdocument.pub/reader033/viewer/2022051218/5681578f550346895dc522b2/html5/thumbnails/7.jpg)
Extraindo informações
Ferramentas de consulta e emissão de relatórios;
EIS (Executive Information Systems);
Ferramentas OLAP;
Ferramentas Data Mining.
Data Warehouse & Data Mining 7/20
![Page 8: UNIFEI – Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão](https://reader033.fdocument.pub/reader033/viewer/2022051218/5681578f550346895dc522b2/html5/thumbnails/8.jpg)
DataMining
![Page 9: UNIFEI – Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão](https://reader033.fdocument.pub/reader033/viewer/2022051218/5681578f550346895dc522b2/html5/thumbnails/9.jpg)
Definição
Data Mining (ou mineração de dados) é o
processo de extrair informação válida,
previamente desconhecida e de máxima
abrangência a partir de grandes bases
de dados, usando-as para efetuar
decisões cruciais. Data Warehouse & Data Mining 9/20
![Page 10: UNIFEI – Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão](https://reader033.fdocument.pub/reader033/viewer/2022051218/5681578f550346895dc522b2/html5/thumbnails/10.jpg)
Data Mining
• Análise Prévia Previsão Tomada de decisões
• É um conjunto de técnicas automáticas para descobrir conhecimento implícito em grandes quantidades de dados
• Mineração de dados é a tarefa central da descoberta de conhecimento.
Data Warehouse & Data Mining 10/20
![Page 11: UNIFEI – Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão](https://reader033.fdocument.pub/reader033/viewer/2022051218/5681578f550346895dc522b2/html5/thumbnails/11.jpg)
Busca do conhecimento
Data Warehouse & Data Mining 11/20
![Page 12: UNIFEI – Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão](https://reader033.fdocument.pub/reader033/viewer/2022051218/5681578f550346895dc522b2/html5/thumbnails/12.jpg)
Sistemas Gerenciais
Data Ware House• Sistema de Informação Gerencial – SIG
– Busca de dados– Processamento– Transformação em informações
Data Mining• Sistema de Apoio à Decisão – SAD
– Identifica tendências– Mostra caminhos
Data Warehouse & Data Mining 12/20
![Page 13: UNIFEI – Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão](https://reader033.fdocument.pub/reader033/viewer/2022051218/5681578f550346895dc522b2/html5/thumbnails/13.jpg)
Custos
• Proporcional a infraestrutura
• Depende do nível estratégico
• Eficiência e eficácia
• Precisão
Data Warehouse & Data Mining 13/20
![Page 14: UNIFEI – Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão](https://reader033.fdocument.pub/reader033/viewer/2022051218/5681578f550346895dc522b2/html5/thumbnails/14.jpg)
Aplicações– Vendas e Marketing
• Identificar padrões de comportamento de consumidores
• Associar comportamentos à características demográficas de consumidores
• Campanhas de marketing direto (mailing campaigns)
• Identificar consumidores “leais”
Data Warehouse & Data Mining 14/20
![Page 15: UNIFEI – Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão](https://reader033.fdocument.pub/reader033/viewer/2022051218/5681578f550346895dc522b2/html5/thumbnails/15.jpg)
Aplicações em potencial– Bancos
• Identificar padrões de fraudes (cartões de crédito)
• Identificar características de correntistas • Mercado Financeiro
– Médica• Comportamento de pacientes• Identificar terapias de sucessos para
diferentes tratamentos• Fraudes em planos de saúdes• Comportamento de usuários de planos de
saúde
Data Warehouse & Data Mining 15/20
![Page 16: UNIFEI – Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão](https://reader033.fdocument.pub/reader033/viewer/2022051218/5681578f550346895dc522b2/html5/thumbnails/16.jpg)
Estudos de caso
![Page 17: UNIFEI – Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão](https://reader033.fdocument.pub/reader033/viewer/2022051218/5681578f550346895dc522b2/html5/thumbnails/17.jpg)
• Enviava 1 milhão de malas diretas para correntistas
• Somente 2% respondia as correspondências
• Hoje o banco de dados armazena as movimentações dos clientes
nos últimos 18 meses
• O Data Mining permite analisar tendências de movimentações
• O banco envia cartas somente para quem tem mais chance de
responder – retorno 30%
Data Warehouse & Data Mining 17/20
![Page 18: UNIFEI – Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão](https://reader033.fdocument.pub/reader033/viewer/2022051218/5681578f550346895dc522b2/html5/thumbnails/18.jpg)
A Sprint, um dos líderes no mercado americano de
telefonia de longa distância, desenvolveu, com base
no seu armazém de dados, um método capaz de
prever com 61% de segurança se um consumidor
trocaria de companhia telefônica dentro de um
período de dois meses. Com um marketing agressivo,
conseguiu evitar a deserção de 120 000 clientes e uma
perda de 35 milhões de dólares em faturamento.
Data Warehouse & Data Mining 18/20
![Page 19: UNIFEI – Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão](https://reader033.fdocument.pub/reader033/viewer/2022051218/5681578f550346895dc522b2/html5/thumbnails/19.jpg)
Conclusão
![Page 20: UNIFEI – Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão](https://reader033.fdocument.pub/reader033/viewer/2022051218/5681578f550346895dc522b2/html5/thumbnails/20.jpg)
Referências bibliográficas• Disponível em
<http://www.redeinformatica.com.br/aruanda/files/BusinessIntelligence.ppt> Acessado em: 20/06/2009
• CARDOSO, O. N. P.; MACHADO R. T. M., Gestão do Conhecimento usando Data Mining: estudo de caso na UFLA, 2005
• CARVALHO, I. C., Métodos de Mineração de dados (Data Mining) como suporte à tomada de decisão, 2002
• JESUS, A. P.; MOSER, E. M.; SILVA, J. U., Personalização de Sistemas WEB utilizando Data Mining: um estudo de caso aplicado na Biblioteca Central da FURB.
• Arakaki, E. M.; GUERRA, M. F. L., Descoberta de conhecimento em Base de Dados e Mineração de Dados.
• Disponível em: < http://www.fp2.com.br/datamining/?cat=4> Acessado em: 19/06/2009
Data Warehouse & Data Mining 20/20