Data Mining

•

O que é Data mining:

“Data mining (mineração de dados), é o processo de extração de conhecimento de grandes bases de dados, convencionais ou não.

Utiliza técnicas de inteligência artificial que procuram relações de similaridade ou discordância entre dados.

Seu objetivo é encontrar, automaticamente, padrões, anomalias e regras com o propósito de transformar dados, aparentemente ocultos, em informações úteis para a tomada de decisão e/ou avaliação de resultados.

Uma empresa utilizando data mining é capaz de:

Criar parâmetros para entender o comportamento do consumidor;

Identificar afinidades entre as escolhas de produtos e serviços;

Prever hábitos de compras;

Analisar comportamentos habituais para detectar fraudes.

Data mining X Data warehouse:

Data mining  extração inteligente de dados;

Data warehouse   repositório centralizado de dados;

Data mining não é uma evolução do Data warehouse;

Data mining não depende do Data warehouse, mas obtém-se melhores resultados quando aplicados em conjunto;

Cada empresa deve saber escolher qual das técnicas é importante para o seu negócio. (Uma, outra ou as duas);

Data Warehouse aliado a ferramentas estatísticas desempenham papel semelhante ao data mining, mas não descobrem novos padrões de comportamento. (a não ser empiricamente).

Funções do data mining

Modelo de classificação :

Atributos + significativos def. um classe

O usuário define as atributos para cada classe (A.S.)

Aplica regras para criar modelos de ações futuras

Ex: Clientes com bom crédito ñ podem dever mais 10%

Associação:

Procura registos que tenham similaridades associativas

Podem ser expressados por regras

Ex: 62% dos compradores de guaraná compram pipoca

62% fator de confiança

LHS (left hand side)

RHS (right hand side)

Padrões temporais/seqüenciais :

Analisa registros num período de tempo, procurando encontrar padrões (eventos/compras) de comportamento.

Identificar o perfil do cliente

Identificar padrões que precedem outros padrões

Ex: Mala direta personalizada, Campanhas promocionais ..

Segmentação/agrupamento:

Segmenta a base de dados em grupos por suas similaridade e diferenças

O sistema tem que descobrir por si próprio as similaridade e diferenças ( A.Ñ.S.)

Ex: Clientes de bom crédito e clientes de mau crédito

•         Fases / Etapas.

–        Seleção.

–        Pré-processamento.

–        Transformação.

–        Data mining.

–        Interpretação e Avaliação.

•         Seleção

–        Selecionar ou segmentar dados de acordo com critérios definidos:

–        Ex.: Todas as pessoas que são proprietárias de carros é um subconjunto de dados determinado.

•         Pré-processamento

–        Estágio de limpeza dos dados, onde informações julgadas desnecessárias são removidas.

–        Ex. :O sexo de um paciente gestante

–        Reconfiguração dos dados para assegurar formatos consistentes (identificação)

–        Ex. : sexo = “F”  ou “M”

                             sexo = “M” ou  “H” 

•         Transformação

–         Transforma-se os dados em formatos utilizáveis. Esta depende da técnica data mining usada.

–         Ex: rede neural Þ converter valor literal em valor numérico

–         Disponibilizar os dados de maneira usável e navegável.

•          Data mining

–         É a verdadeira extração dos padrões de comportamento dos dados

–         Utilizando a definição de fatos, medidas de padrões, estados e o relacionamento entre eles.

•         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