segunda-feira, 2 de fevereiro de 2009

Introdução a Business Intelligence e Data Mining


Alguem ja ouviu falar em Business Intelligence?!
A importancia de tais tecnicas para disputa no mercado?!



Business Intelligence

A Inteligência Empresarial, ou Business Intelligence, é um termo do Gartner Group. O conceito surgiu na década de 80 e descreve as habilidades das corporações para acessar dados e explorar as informações (normalmente contidas em um Data Warehouse/Data Mart), analisando-as e desenvolvendo percepções e entendimentos a seu respeito, o que as permite incrementar e tornar mais pautada em informações a tomada de decisão (JFF).

As organizações tipicamente recolhem informações com a finalidade de avaliar o ambiente empresarial, completando estas informações com pesquisas de marketing, industriais e de mercado, além de análises competitivas. Organizações competitivas acumulam "inteligência" à medida que ganham sustentação na sua vantagem competitiva, podendo considerar tal inteligência como o aspecto central para competir em alguns mercados.

Geralmente, os coletores de BI obtêm as primeiras fontes de informação dentro das suas empresas. Cada fonte ajuda quem tem que decidir a entender como o poderá fazer da forma mais correta possível. As segundas fontes de informações incluem as necessidades do consumidor, processo de decisão do cliente, pressões competitivas, condições industriais relevantes, aspectos econômicos e tecnológicos e tendências culturais.

Cada sistema de BI determina uma meta específica, tendo por base o objetivo organizacional ou a visão da empresa, existindo em ambos objetivos, sejam eles de longo ou curto prazo.


Data Mining(Mineração de Dados)

o DataMining é uma da tecnicas mais empregradas, o que significa explorar um gigantesca quantidade de dados em busca de padrões consistentes de dados,utlizando diversos processos e algoritmos, como senquencias temporais e/ou regras de associação, agrupando variaveis de forma sistematica criando novos subconjutos de dados.Esse é um tópico recente em ciência da computação mas utiliza várias técnicas da estatística, recuperação de informação, inteligência artificial e reconhecimento de padrões.

Devido a utlização de tecnicas e algoritmos que utilizam dados para obter conhecimento, assim como quase todos os metodos empregados em inteligencia artificial, o Data Mining nao é uma tecnica magica, por isso, os dados analisados devem ser muito bem levantados, selecionados, filtrados e pré-processados, caso contrario o resultado pode nao ter valor algum, seguindo a lei de sistemas GarbageIO(Garbage In/Out).

Um dos softwares mais interessantes nesta área é o Weka(Waikato Enviroment for Knowledge Analysis), desenvolvido por pesquisadores da Univercidade Waikato na Nova Zelandia em Java, sendo composto de um ambiente grafico para testes e avaliação de algoritmos de mineração de dados e uma API utilizada para embutir algoritmos em aplicações Java!!

Tecnicas de Mineração de Dados
  • Classificação:
Predição de uma classe ou categoria discreta a partir de atributos de entrada.Algoritmos de classificação analisam dados para cada categoria discreta presente da base de dados, tentando criar funções que cosnigam separar diferentes categorias usando o valor de atributos extraidos.Após a criação destas funções de separação, estas são usadas para definir categoria de dados nao explicitas, auxiliando na previsão de categorias discretas usadas , por exemplo, em sistema de detecção de intrusão em redes ou sistemas de tomada de decisão em instituições financeiras(Desta forma nao existiria a crise financeira atual :P).

  • Associação:
Descobertas de co-ocorrencias entre elementos em grandes conjuntos de dados, onde os algoritmos de associação analisam atributos que ocorrem frequentemente de acordo com métricas definidas.Imagine cada dado com o acontecimento de um evento qualquer,podemos então verificar que valores de atributos sempre acabam ocorrendo em conjunto.Esta tecnica é muito utilizada na analise de carrinho de compras em sites de E-Commerce, utilizando como entrada a lista de itens compradas em determinada transação, determinando ao final, que produtos são comprados em conjunto com alguma frequencia.

  • Agrupamento:

Descoberta de grupos naturais em que dados estão em um mesmo grupos são considerados semelhantes e dados em grupos distintos são considerados divergentes.Tais algoritmos tentam criar agrupamentos de dados utilizando diferentes metricas de similaridade, geralmente de forma iterativa até que os grupos criados sejam considerados adequados, e é geralmente utilizado com dados numéricos.Um exemplo seria a separação de clientes em diversas categorias para exploração de similaridades ainda não conhecidas.

  • Regressão ou Predição Numerica:
Descoberta de um valor associado á cada dado e que podem ser calculado ou inferido a partir dos valores de seus atributos.É um conceito similar a tecnica de classificação, mas ao invés de tentar inferir a categoria discreta associada ao dados, utiliza-se uma categoria numérica.Um exemplo clássico é a de previsão de series temporais, onde a partir de um conjunto de dados coletados ao longo do tempo, se pode prever o comportamento futuro do conjunto de dados, podendo ser utilizado para previsão de indicadores economicos e financeiros, mas logicamente é um processo altamente complexo e sujeito a erros humanos!!!!


Marcadores:

0 Comentários:

Postar um comentário

Assinar Postar comentários [Atom]

Links para esta postagem:

Criar um link

<< Página inicial