1 / 20

UNIFEI – Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão

UNIFEI – Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão Administração de Empresas. Data Warehouse & Data Mining. Alice Beraldo – 14342 Glalber Monteiro – 13376 Larissa Gomes – 14327 Matheus Reis – 14747 Paula Ribeiro – 14336 Vinícius Noronha – 14344.

sue
Download Presentation

UNIFEI – Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. UNIFEI – Universidade Federal de Itajubá Instituto de Engenharia de Produção e Gestão Administração de Empresas Data Warehouse&Data Mining Alice Beraldo – 14342 Glalber Monteiro – 13376 Larissa Gomes – 14327 Matheus Reis – 14747 Paula Ribeiro – 14336 Vinícius Noronha – 14344 ADM – 11

  2. Sumário • Introdução • Conceitos de Data Ware House e Data Mining • SistemasGerenciais • Custos • Aplicações • Estudos de caso • Conclusão 2/20 Data Warehouse & Data Mining

  3. Introdução GRANDE VOLUME DE DADOS MUITAS INFORMAÇÕES X DIFICULDADE DA ANÁLISE DE INFORMAÇÕES DIFICULDADE NA TOMADA DE DECISÕES 3/20 Data Warehouse & Data Mining

  4. Crescimento do volume de dados Volume dos Dados Fonte: Santos, 2000. 1970 1980 1990 2000 4/20 Data Warehouse & Data Mining

  5. DataWarehouse

  6. Data Warehouse • Banco de dados paraapoio a decisão • Dados arrumados e etiquetadosemprateleiras de fácilacesso • Disponívelparaconsultas e nãotransações 6/20 Data Warehouse & Data Mining

  7. Extraindoinformações Ferramentas de consulta e emissão de relatórios; EIS (ExecutiveInformation Systems); Ferramentas OLAP; Ferramentas Data Mining. 7/20 Data Warehouse & Data Mining

  8. DataMining

  9. 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. 9/20 Data Warehouse & Data Mining

  10. 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. 10/20 Data Warehouse & Data Mining

  11. Busca do conhecimento 11/20 Data Warehouse & Data Mining

  12. SistemasGerenciais Data Ware House • Sistema de InformaçãoGerencial – SIG • Busca de dados • Processamento • Transformaçãoeminformações Data Mining • Sistema de Apoio à Decisão – SAD • Identificatendências • Mostracaminhos 12/20 Data Warehouse & Data Mining

  13. Custos • Proporcional a infraestrutura • Depende do nívelestratégico • Eficiência e eficácia • Precisão 13/20 Data Warehouse & Data Mining

  14. 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” 14/20 Data Warehouse & Data Mining

  15. 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 15/20 Data Warehouse & Data Mining

  16. Estudos de caso

  17. Enviava 1 milhão de malasdiretasparacorrentistas • Somente 2% respondia as correspondências • Hoje o banco de dados armazena as movimentações dos clientesnosúltimos 18 meses • O Data Mining permiteanalisartendências de movimentações • O bancoenviacartassomenteparaquem tem mais chance de responder – retorno 30% 17/20 Data Warehouse & Data Mining

  18. 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. 18/20 Data Warehouse & Data Mining

  19. Conclusão

  20. Referênciasbibliográficas • 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 20/20 Data Warehouse & Data Mining

More Related