Thales Alberto Priscila Tavares Kali Fauaze Igor Daniel William Martin.

Apresentação em tema: "Thales Alberto Priscila Tavares Kali Fauaze Igor Daniel William Martin."— Transcrição da apresentação:

1 Thales Alberto Priscila Tavares Kali Fauaze Igor Daniel William Martin

2 Data Warehouse, Data Mining Business Intelligence

3 Data Mining O que é ?? Mineração de dados

4 Como Implementar um Data Mining Pode ser dividida em seis fases interdependentes: Entendimento de negócios; Entendimento dos dados; Preparação dos dados; Modelagem; Avaliação de modelo; Publicação;

5 Aplicações de Data Mining Cross-selling; Up- Selling; Fidelização.

6 Aplicações de Data Mining Fidelização: Descobrir o perfil, situação e combinação de fatores que estão relacionados com a perda de clientes, para que se trabalhe estes clientes e mantenha o relacionamento, dentro da filosofia de que manter um cliente conquistado é mais barato que conquistar novos clientes.

7 Algumas barreiras do uso de DM Altos custos; Complexidade de ferramentas; Preparação dos dados para mineração(80% do trabalho). Os dados devem estar limpos, consistentes e livres de excessivas nulidades;

8

9 Data Warehousing O data warehouse nada mais é do que um depósito de dados. Sua função principal é o armazenamento de informações de um banco de dados referente a uma ou mais atividades de uma empresa de forma consolidada, voltada à tomada de decisões.banco de dados Os dados contidos nos data warehouse são sumarizados, periódicos e descritivos. Por definição esses dados armazenados não mudam, exatamente por serem dados históricos, salvo quando é necessário executar correções em alguma informação específica.

10 Surgimento do Data Warehousing Surgiu como conceito acadêmico na década de 80. Com o amadurecimento dos sistemas de informação empresariais, as necessidades de análise dos dados cresceram paralelamente.

11 Objetivos: A possibilidade de manipular dados e formas de apresentação de maneira rápida é um dos pontos fortes de um data warehouse. Ferramentas: Ferramentas: As ferramentas de prospecção e análise de dados são baseadas em OLAP, On-line Analytical Processing. Exemplo teórico: Um site de vendas quer que o seu cliente, ao entrar no site, veja produtos similares aos que ele já havia comprado ou olhado.

12

13 Business Intelligence

14 Benefícios do uso de BI: Maior capacidade de Análise Maior acompanhamento dos processos de negócios Agilidade na montagem de informações Possibilidade de uso de indicadores de gestão Padronização ao acesso de dados Padronização de regras ao negocio Automação de processos de informação

15 Administrativo Financeiro: Compras,Pagamento, Recebimento,Fluxo de caixa,Inadimplência, Controle de custos, fechamentos,contabilidade, estoques e movimentação de materiais, logísticas e distribuição Vendas e Faturamento: Volumes de venda,Análise corporativa, Desempenho de lojas e filiais, ranking(melhores e piores),lucrativa de vendas, alocação de receitas Processos diversos: Pesquisa de dados,análises comportamentais do ambiente, mineração de dados(descoberta de padrões)estudo para novos padrões, oportunidade e contenção de perdas

16 Desenhando e Implementando BI: Questão de alinhamento de metas: Primeiro passo para determinar propostas de curto e médio prazo do programa Questões de base: Coleta de informações de competência atual Custos e riscos: As consequências financeiras da nova iniciativa de BI devem ser estimadas Cliente e Stakeholder: Determina quem serão os beneficiados da iniciativa e quem pagará por ela Métricas relacionadas: Estes requerimentos de informações devem ser operacionalizadas com clareza Mensuração Metodológica: Deve ser estabelecido um método ou procedimento para determinar a melhor ou aceitável maneira de medir os requerimentos métricos Resultados relacionados: Alguém deve ser o monitor do programa de BI para assegurar que os objetivos estão ocorrendo. Ajustes no programa podem ser necessário.