U
nive
rs
idade
Fede
ral
do
Es
pír
it
o Sant
o
- CCA
-U
FE
S
Prof. Marcelo Otone Aguiar
marcelo.aguiar@ufes.br
www.marceloaguiar.pro.br
Universidade Federal do Espírito Santo
Centro de Ciências Agrárias – CCA-UFES
Departamento de Computação
COM10016 - 2016-II
TECNOLOGIA DE
INFORMAÇÃO APLICADAS
Sistemas de Apoio à Decisão
Unive
rs
ida
de
F
e
de
ral
do
Espí
rit
o Sa
nt
o
- CCA
-UF
Tecnologia de Informação Aplicadas:
-
Business Intelligence e ferramentas de Suporte:
-
Data Mart;
-
Data Warehouse;
-
Data Minning:
-
Conceito;
-
Motivação;
-
Aplicação;
-
Técnicas de mineração de dados;
-
Data Minning e CRM.
U
nive
rs
idade
Fede
ral
do
Es
pír
it
o Sant
o
- CCA
-U
FE
S
Universidade Federal do Espírito Santo CCA-UFES 3DATA MART (DM)
BUSINESS INTELLIGENCE E FERRAMENTAS DE
SUPORTE
Unive
rs
ida
de
F
e
de
ral
do
Espí
rit
o Sa
nt
o
- CCA
-Data Marts – DM:•Corresponde a um agrupamento de bancos de dados transacionais* aglutinados por algum critério, normalmente “temas de negócios”, que são questões administrativas freqüentemente abordadas. Por exemplo, o tema: Satisfação do Cliente.
•Para verificar a satisfação do cliente devemos agrupar alguns Bancos de dados:
✓(a) Banco de dados de vendas para verificar a demanda de determinados produtos;
✓(b) BD do setor financeiro para verificar a pontualidade do pagamento do cliente que pode ser um indicador de satisfação;
✓e (c) BD de atendimento ao consumidor que terão registros mais precisos sobre a
sua satisfação.
‣O cruzamento de informações específicas (note que não são necessárias todas as informações de cada BD) de cada um destes BD„s contribuirá para atender às questões do tema Satisfação do Cliente. Portanto, neste caso, o Data Mart será um
Business Intelligence e ferramentas de
U
nive
rs
idade
Fede
ral
do
Es
pír
it
o Sant
o
- CCA
-U
FE
S
Universidade Federal do Espírito Santo CCA-UFESBusiness Intelligence e ferramentas de
suporte
5
Esquema de Data Marts X BD transacionais Na figura, temos dois Data
Marts (Satisfação do Cliente e Logística) formados por Bancos de
Dados Transacionais (financeiro, vendas, atendimento e estoque).
Unive
rs
ida
de
F
e
de
ral
do
Espí
rit
o Sa
nt
o
- CCA
-UF
DATA WAREHOUSE (DW)
BUSINESS INTELLIGENCE E FERRAMENTAS DE
U
nive
rs
idade
Fede
ral
do
Es
pír
it
o Sant
o
- CCA
-U
FE
S
Universidade Federal do Espírito Santo CCA-UFES -Data Warehouse – DW:•O Data Warehouse é a integração de diversos Data Marts.
✓Com isso, a organização passa a ter um depósito de informações,
integrado, que poderá atender a uma demanda muito mais ampla de temas de negócio, uma vez que o cruzamento de informações entre dois DM ou mais pode gerar a possibilidade de se identificar novos temas.
•O DW proporciona uma sólida e concisa integração dos dados da empresa, para a realização de análises gerenciais estratégicas de seus principais processos de negócio.
✓ Ele se preocupa em integrar e consolidar as informações de fontes
internas, na maioria das vezes heterogêneas, e fontes externas,
sumarizando, filtrando e limpando esses dados, preparando-os para análise
e suporte à decisão.
✓extração de dados de fontes heterogêneas (internas e/ou externas);
✓transformação e integração dos dados antes da carga final.
Business Intelligence e ferramentas de
suporte
7Unive
rs
ida
de
F
e
de
ral
do
Espí
rit
o Sa
nt
o
- CCA
-Data Warehouse – DW:•De acordo com O‟Brien (2004), as principais características dos DW são:
✓Não Volatilidade dos dados – Os dados de um DW não são excluídos e alterados como nos SPT‟s; a única operação é a de inserção de novos dados.
✓Historicidade ou Variação no tempo – Como consequência da não
volatilidade um DW armazena informações de vários anos, dando maior credibilidade nas análises temporais.
✓Orientação por Assunto - um DW armazena as informações agrupadas por
assuntos de interesse da empresa que são mais importantes.
Business Intelligence e ferramentas de
U
nive
rs
idade
Fede
ral
do
Es
pír
it
o Sant
o
- CCA
-U
FE
S
Universidade Federal do Espírito Santo CCA-UFES•De acordo com O‟Brien (2004), as principais características dos DW são:
✓Integração - Dados com alto nível de integração afim de se obter a unicidade das informações. A existência de sistemas mais antigos com padrões de codificação de dados, leva à existência de diferentes padrões entre os sistemas operacionais, que quando da carga do DW são resolvidos pelos processos de filtragem e agregação.
✓Meta dados – Como os dados existentes em um DW são oriundos de diversas
fontes e muitas vezes modificados, faz-se necessário construir um “Mapa” dos dados, ou seja, um guia de referência explicando como cada dado, campo e registro do DW foi extraído dos bancos de dados originais.
✓Redundância de dados – Nos bancos de dados convencionais a redundância e a
repetição dos dados são ações indesejadas, pois podem gerar dubiedade de interpretação. Já́ nos DW a redundância é aceita, pois, dependendo do contexto, de fato a mesma pergunta pode gerar respostas distintas.
•Após a “carga de dados” em um DW, segue-se a etapa mais importante do processo de BI: o Data Minning.
Business Intelligence e ferramentas de
suporte
9Unive
rs
ida
de
F
e
de
ral
do
Espí
rit
o Sa
nt
o
- CCA
-UF
DATA MINNING (DM)
………MINERAÇÃO DE DADOS
BUSINESS INTELLIGENCE E FERRAMENTAS DE
U
nive
rs
idade
Fede
ral
do
Es
pír
it
o Sant
o
- CCA
-U
FE
S
Universidade Federal do Espírito Santo CCA-UFES -Data Minning, ou Mineração de Dados:•Corresponde ao ato de extrair informações do DW, a fim de identificar tendências, padrões de negócio e cenários.
✓É possível realizar simulações e fazer testes de hipótese.
✓Para efetuar a mineração é necessário um conjunto de ferramentas
denominadas OLAP.
-Conceito:
•Definido de forma simples, Data Mining automatiza a detecção de padrões relevantes em um banco de dados.
✓Por exemplo, um padrão poderia indicar que homens casados com crianças
têm duas vezes mais chances de dirigir um carro esporte específico do que homens casados sem crianças. Para um gerente de marketing de uma indústria automobilística, esse padrão surpreendente poderia ser bastante valioso.
Business Intelligence e ferramentas de
suporte
11Unive
rs
ida
de
F
e
de
ral
do
Espí
rit
o Sa
nt
o
- CCA
CONCEITO
DATA MINNING (DM)
U
nive
rs
idade
Fede
ral
do
Es
pír
it
o Sant
o
- CCA
-U
FE
S
Universidade Federal do Espírito Santo CCA-UFES -Conceito:Data Mining
13
Por [Harrison] temos a classificação de “data mining” (mineração de dados),
como o tipo mais complexo de função analítica OLAP, uma vez que emprega sofisticados modelos de reconhecimento de padrões e algoritmos de aprendizado para identificar relações entre elementos de dados. Ele projeta
problemas não-lineares com grande número de variáveis, análise multiautomática, usando técnicas como algoritmos de árvores de decisão, redes
neurais, lógica difusa e algoritmos genéticos.
Data-mining (mineração de dados) - analisa as informações constantes em
um banco de dados usando ferramentas que procuram tendências ou
anomalias.
Unive
rs
ida
de
F
e
de
ral
do
Espí
rit
o Sa
nt
o
- CCA
-UF
MOTIVAÇÃO
DATA MINNING (DM)
U
nive
rs
idade
Fede
ral
do
Es
pír
it
o Sant
o
- CCA
-U
FE
S
Universidade Federal do Espírito Santo CCA-UFES-Motivação:
•O crescimento da concorrência e a consequente mudança do perfil do cliente, que passa a ser mais exigente, faz surgir a necessidade de novas estratégias de negócio e os tomadores de decisão modernos precisam de subsídios para encarar as mudanças. Ao mesmo tempo, existe uma enorme quantidade de informação potencialmente importante guardada nos bancos de dados, mas que ainda não foi descoberta, ou seja, está escondida e é raramente tornada explícita.
•Técnicas de Mineração de Dados surgem então como auxílio no processo de tomada de decisão.
✓Algoritmos de mineração de dados extraem, de grandes bases de dados e sem prévia formulação de hipóteses, tendências, padrões e correlações entre os dados - conhecimento -, os quais devem ser úteis à tomada de decisão. Sendo assim, a utilização do processo de mineração de dados é de extrema importância, visto que, através dela, muitos dados armazenados em poderosos SGBDs podem ser transformados em informações relevantes que podem ser utilizadas de várias formas no processo de tomada de decisão.
Data Mining
15Unive
rs
ida
de
F
e
de
ral
do
Espí
rit
o Sa
nt
o
- CCA
APLICAÇÃO
DATA MINNING (DM)
U
nive
rs
idade
Fede
ral
do
Es
pír
it
o Sant
o
- CCA
-U
FE
S
Universidade Federal do Espírito Santo CCA-UFES -Aplicação:•Mineração de dados pode ser utilizada nos mais variados segmentos do
mercado e auxilia em processo para analisar e determinar o perfil dos clientes, analisar vendas, traçar estratégias de marketing, entre outros aspectos.
✓Um dos melhores exemplos de aplicativo Data Mining é a determinação de
fatores associados à fraude e avaliação de risco de cartão de crédito.
•Várias técnicas de mineração de dados podem ser encontradas, dentre as
quais se destacam: ✓Regras de Associação; ✓e Classificação.
Data Mining
17Unive
rs
ida
de
F
e
de
ral
do
Espí
rit
o Sa
nt
o
- CCA
-UF
-Técnicas de mineração de dados:
✓Especificamente falando da geração de regras de associação, a capacidade
de descobrir correlação entre produtos vendidos é extraordinariamente importante ao processo de tomada de decisão nas empresas de comércio varejista. Esta técnica é geralmente utilizada para descobrir vendas associadas de produtos nos mais diversos ramos.
✓Já a classificação procura formar classes a partir dos dados minerados. Por exemplo, a partir desta técnica é possível saber que clientes terão mais chances de não pagar um determinado empréstimo no banco.
U
nive
rs
idade
Fede
ral
do
Es
pír
it
o Sant
o
- CCA
-U
FE
S
Universidade Federal do Espírito Santo CCA-UFES 19TÉCNICAS DE MINERAÇÃO
DE DADOS
DATA MINNING (DM)
Unive
rs
ida
de
F
e
de
ral
do
Espí
rit
o Sa
nt
o
- CCA
-O Diferencial das Técnicas de Data Mining:
•O resultado da utilização de Data Mining é diferente de outros processos de negócio baseados em dados.
‣Na maioria das técnicas de exploração dos dados, os resultados
apresentados são coisas já conhecidas.
✓Por exemplo, um relatório mostrando a diminuição das vendas de certa
linha de produtos em uma região pode ser direto para o usuário porque ele intuitivamente sabe que esse tipo de informação existe no banco de dados.
‣Técnicas de Data Mining, por outro lado, extraem informação útil, valiosa e previamente desconhecida.
U
nive
rs
idade
Fede
ral
do
Es
pír
it
o Sant
o
- CCA
-U
FE
S
Universidade Federal do Espírito Santo CCA-UFES 21DATA MINING E CUSTOMER
RELATIONSHIP
MANAGEMENT (CRM)
DATA MINNING (DM)
Unive
rs
ida
de
F
e
de
ral
do
Espí
rit
o Sa
nt
o
- CCA
-UF
-Data Mining e Customer Relationship Management (CRM):
•Customer Relationship Management é um processo que gerencia as interações entre a empresa e seus clientes. Os usuários primários das aplicações de CRM são pessoal de Banco de Dados e de Marketing, que procuram automatizar os processos de interação com os clientes. É necessário para estas equipes a identificação de segmentos contendo clientes com alto potencial de lucro. A partir daí, são construídas e executadas campanhas que impactam favoravelmente o comportamento desses clientes.
•Segmentar clientes e traçar seus perfis requer uma quantidade significativa de dados sobre os mesmos e seus comportamento de compra. Entretanto, o armazenamento massivo de dados torna difícil filtrar a base em busca das informações valiosas. Desta forma, as aplicações de Data Mining têm servido para automatizar os processos de procura nas montanhas de dados de maneira a encontrar padrões que sejam bons preditores de comportamentos de compra. Depois disso, providências são tomadas levando em consideração os segmentos de mercado definidos.
U
nive
rs
idade
Fede
ral
do
Es
pír
it
o Sant
o
- CCA
-U
FE
S
Universidade Federal do Espírito Santo CCA-UFES-Marakas, G.M.; Decision Support Systems in the 21st Century. 2ed, Ed. Prentice Hall, 2002. ISBN: 9780130922069.
-Cortes, B.; Sistemas de Suporte á Decisão. Ed. FCA, 2005. ISBN: 9789727225170.
-Turban, E.; Aronson, J.E.; Liang, T.P.; Sharda, R.; Decision Support and Business Intelligence Systems, 8ed, Ed. Prentice Hall, 2006. ISBN: 9780131986602.
-Colaço, M.; Projetando Sistemas de Apoio á Decisão Baseados em Data Warehouse. 1ed. Ed. Axcel Books, 2004. ISBN: 8573232080.
-Cassarro, A.C.; Sistemas de Informação para Tomada de decisões. 3ed, Ed. Pioneira, 2003.
-Bertalanffy, L.; Teoria Geral dos Sistemas: Fundamentos, desenvolvimento e Aplicações. 1ed, Ed. Vozes, 2008. ISBN: 9788532636904.
Referências
23Unive
rs
ida
de
F
e
de
ral
do
Espí
rit
o Sa
nt
o
- CCA
-Stair, R. M.; Reynolds, G.W.; Princípios de Sistemas de Informação. 1ed. Ed. Cengage Learning, 2005. ISBN: 8522104816.
-Laudon, K.C.; Laudon, J.P.; Management Information System: Managing thw
Digital Firm. 10ed, Ed. Prentice Hall, 2007. ISBN: 9780132337748.
-Audy, J.L.N.; Andrade, G.K.; Cidral, A.; Fundamentos de Sistemas de
Informação. 1ed, Ed. Bookman, 2005. ISBN: 8536304480.
-Imoniana, J.O.; Auditoria de Sistemas de Informação. 2ed, Ed. Atlas, 2008. ISBN: 9788522450022.
U
nive
rs
idade
Fede
ral
do
Es
pír
it
o Sant
o
- CCA
-U
FE
S
Universidade Federal do Espírito Santo CCA-UFES-Schimidt, P.; Santos, J. L.; Arima, C.H.; Fundamentos de Auditoria de Sistemas. Vol. 9, 1ed, Ed. Atlas, 2006. ISBN: 8522442517.
-Cortes, P.L.; Administração de Sistemas de Informação. 1ed. Ed. Saraiva, 2008. ISBN: 9788502064508.
-Campos, A.L.N..; Sistemas de Segurança de Informação: Controlando os Riscos, 2ed, Ed. Visual Books, 2007. ISBN: 8575022172.
-Dias, C.; Segurança e Auditoria da Tecnologia da Informação. Ed. Axcel Books, 2000. ISBN: 8573231319.
-Sistemas de Informação:
http://www.ufpi.br/uapi/conteudo/disciplinas/sistemas/download/Sistema_informacao_ completo%20revisado%20final.pdf
-Braga, J.L. Tecnologia da Informação.
