• Brasil BIT

Exemplos de BI: Mineração de dados


A mineração de dados (em inglês, data mining) de acordo com a definição de Gartner é: o processo de descobrir correlações, padrões e tendências significativos, analisando grandes quantidades de dados armazenados em repositórios. A mineração de dados emprega tecnologias de reconhecimento de padrões, bem como técnicas estatísticas e matemáticas.

A mineração de dados vem no sentido de auxiliar a geração de insights e tomadas de decisão mais assertivas, pois quando o dado já foi garimpado permanecendo apenas o relevante e mais aprimorado, a eficiência e eficácia dos dados para o resultado final da ação é exponencialmente maior.

Baseada em várias técnicas e métodos em diferentes capacidades analíticas que abordam uma gama de necessidades organizacionais, a mineração de dados fazem diferentes tipos de perguntas e usam diferentes níveis de entradas ou regras para chegar a uma decisão.

Temos as seguintes análises:

· Modelagem descritiva: revela semelhanças compartilhadas ou agrupamentos em dados históricos para determinar as razões por trás do sucesso ou do fracasso. Essas técnicas incluem:

-> Clustering – Agrupa registros semelhantes

-> Detecção de anomalias – Indica valores discrepantes multidimensionais

-> Regras de associação – Detecta relações entre registros

-> Análise do componente principal – Detecta relações entre variáveis

-> Grupos de afinidade – Agrupa pessoas com interesses ou objetivos semelhantes

· Modelagem preditiva: processo que vai mais fundo na hora de classificar eventos futuros ou estimar resultados desconhecidos e ajuda na descoberta de insights. Essas técnicas incluem:

-> Regressão: Uma medida da força da relação entre uma variável dependente e uma série de variáveis independentes

-> Redes neurais – Método baseado em redes de neurônios artificiais interconectados, fazendo parte do conceito de computação bioinspirada. Ela consiste numa estrutura interligada por elementos de processamento a fim de realizar cálculos em paralelo para chegar no resultado que representa seu conhecimento.

-> Árvores de decisão – Diagramas na forma de árvores em que cada galho representa uma ocorrência provável

-> Máquinas de vetores de suporte – Modelo de aprendizagem supervisionada que visa a classificação dos dados de entrada a partir da criação de uma linha entre duas categorias no espaço bidimensional.

· Modelagem prescritiva: com o aumento no volume de dados de diversas fontes de origem textual, a adoção de mineração de texto como uma disciplina relacionada à mineração de dados também cresceu significativamente. É indispensável ter a capacidade de analisar, filtrar e transformar dados não-estruturados com sucesso para incluí-los em modelos preditivos e, então, melhorar a precisão de previsões.

A mineração de dados não pode ser vista como uma entidade separada e única, porque o pré-processamento (preparação de dados e exploração de dados) e o pós-processamento (validação de modelos, escoragem, monitoramento de performance de modelos) são igualmente essenciais. A modelagem prescritiva olha para variáveis internas e externas, além de restrições, para recomendar um ou mais cursos de ação. Essas técnicas incluem:

-> Análises preditivas e suas regras – Desenvolve regras do tipo se/então a partir de padrões e prevê resultados

-> Otimização de marketing – Simula, em tempo real, o mix de mídia mais vantajoso para alcançar o maior ROI possível.

24 visualizações
Você gostou deste post?
Aproveite a visita para assinar a nossa newsletter. Desse jeito você vai receber as nossas atualizações na sua caixa de entrada

Dúvidas

Nós estamos no linkedIn.