Sistemas Financeiros
MIEGI (1º ano)
Projeto FEUP Turma 5 - Grupo 3 Inês Leite Oliveira
Sara Raquel Bico Correia
Data Mining - Sistemas Financeiros
1. Data Mining: O que consiste
1.1. Técnicas do Data Mining
1.2. Metodologia do Data Mining
2. Possíveis Impactos da sua utilização
3. Utilização do Data Mining nas empresas
4. Vantagens e desvantagens da sua utilização
5. Evidências Qualitativas e Quantitativas
1.1 Metodologia do Data Mining
● Desenvolver a compreensão do mínimo da aplicação;
● Criar um conjunto de dados-alvo no qual a prospeção deverá ser efetuada;
● Realizar a limpeza e o pré-processamento dos dados;
● Realizar a redução e projeção de dados; ● Escolher as tarefas de mineração de dados; ● Escolher os algoritmos de mineração de
dados;
● Interpretação dos padrões obtidos; ● Consolidação do conhecimento obtido.
1.2 Técnicas de Data Mining
➔ Redes Neurais Artificiais
➔ Indução de Regras
➔ Árvores de Decisão
➔ Algoritmos Genéticos
➔ Análise de Séries Temporais
➔ Visualização de Dados
➔ Redes Neurais Artificiais
● São modelos de previsão não lineares que se assemelham a redes neurais biológicas;
● Aproximação à computação assente em ligações e padrões de reconhecimento humanos.
➔ Indução de Regras
● Deteção de tendências dentro de grupos de dados; ● Encontrar “regras” de dados.➔ Árvores de Decisão
● Análise que testa
automaticamente todos os valores do dado para
identificar os que são fortemente associados com os itens de saída selecionados para exame - prognósticos chave,
➔ Algoritmos Genéticos
● Técnica de otimização que faz uso de processos tais como combinação
genética, mutação e seleção natural num design baseado nos
➔ Análise de Séries Temporais
● Baseia-se na construção de modelos (recorrendo-se a
métodos clássicos da
matemática) que descrevam o comportamento de um dado e a interpretação dos resultados obtidos a partir dos mesmos;
➔ Visualização de Dados
● A primeira etapa passa pelo mapeamento dos dados com base em
dimensões especificadas; ● A segunda etapa é a
observação dos dados e a procura de pistas.
2. Possíveis Impactos da sua Utilização
● Melhor armazenamento de dados alimentados pelo Data
Mining;
● Necessidade de criar sistemas de proteção para a
informação;
● Existência de práticas de segurança;
● Privacidade dos dados;
A nível operacional - Aplicações:
● identificação de um consumidor propício ao descumprimento
de um contrato;
● formar novas estratégias de cobrança ao cliente;
● encontrar novas oportunidades de negócio;
4. Vantagens
➢
Melhorar conversões e aumentar a satisfação do consumidor;
➢ Analisar detalhes para otimizar o layout das lojas;
➢ Órgãos de governo fiscal detetam transações fraudulentas;
➢ Nos processos de fabrico melhoraram-se as condições de
segurança, utilidade e usabilidade, e conforto;
5. Desvantagens
➢ Perda de Privacidade;
➢ Falta de Segurança;
➢ Despesas associadas elevadas;
➢ Não é uma ciência exata (erros nos modelos criados);
➢ Dificuldade na criação de ambientes ideais para a pesquisa e
recolha de dados;
6. Evidências qualitativas e quantitativas
❖ (The First Bank of Puerto Rico)
Identificação de um grupo de médicos cujo saldo no banco diminuía rapidamente. Embora fossem clientes há 20 anos, era provável que
estivessem a trocar de banco.
Uma conversa com o grupo indicou que uma mudança na política do Banco em aceitar determinados tipos de cheques causara o problema.
Sistemas Financeiros
MIEGI (1º ano)
Projeto FEUP Turma 5 - Grupo 3 Inês Leite Oliveira
Sara Raquel Bico Correia
