A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

Métodos e Técnicas de Inteligência Competitiva (parte II) Ponto II.2 1.

Apresentações semelhantes


Apresentação em tema: "Métodos e Técnicas de Inteligência Competitiva (parte II) Ponto II.2 1."— Transcrição da apresentação:

1 Métodos e Técnicas de Inteligência Competitiva (parte II) Ponto II.2 1

2 2 Bibliografia Tarapanoff, Kira. Inteligência organizacional e competitiva. (2001) p

3 3 Conteúdo Fatores Críticos de Sucesso Balanced Scorecard Benchmarking KDD e Data Mining

4 Fatores Críticos de Sucesso Ferramenta importante em ambientes em sérias transformações. Permite às empresas focalizarem estrategicamente focalizarem suas ações e monitorarem as tendências e os sinais de mudança do ambiente social e produtivo em que atuam.

5 Fatores Críticos de Sucesso O método dos fatores críticos de sucesso tem por objetivo geral identificar as características, condições ou variáveis que devem ser devidamente monitoradas pela organização para que ela fique bem posicionada em seu ambiente de competição.

6 O que são Fatores Críticos de Sucesso? Variáveis cujo gerenciamento poderá afetar significativamente a posição competitiva de uma empresa. São aquelas poucas áreas, para qualquer negócio, nas quais os resultados, se satisfatórios, irão assegurar um desempenho competitivo e de sucesso para a organização. São aquelas características, condições ou variáveis que, quando devidamente gerenciadas, podem ter um impacto significativo sobre o sucesso de uma empresa.

7 Características dos fatores críticos de sucesso Natureza hierárquica Alguns se relacionam ao ramo de negócio como um todo, outros são específicos de uma empresa, outros se referem à determinadas unidades de negócios da empresa/organização.

8 Características dos fatores críticos de sucesso Arborescência – Um fator crítico de sucesso pode ser desdobrado em diversas ramificações, segundo a sua importância. – O desdobramento dos fatores críticos em árvores de pertinência permite reconhecer a importância relativa de cada ramificação da árvores e identificar melhor as necessidades de informação por processo-chave, por área funcional, projeto ou indivíduo.

9 Características dos fatores críticos de sucesso Caráter dinâmico – Em função das freqüentes mudanças no ambiente de atuação das organizações, estas deverão rever sistematicamente o conjunto de fatores críticos que monitoram e administram.

10 Cinco níveis para identificar os fatores críticos de sucesso 1.Indústria ou ramo de negócio 2.Estratégia e comportamento competitivo 3.Fatores-chave do ambiente externo 4.Fatores temporais 5.Posição gerencial

11 Exemplos de fatores críticos de sucesso Indústria automobilística 1.Estilo do veículo 2.Economia de combustível 3.Atendimento à legislação ambiental 4.Rede de distribuição eficiente 5.Rígido controle sobre os custos de produção

12 Exemplos de fatores críticos de sucesso Área de informática 1.Capacidade de inovação 2.Qualidade nas vendas e na literatura do usuário 3.Facilidade de uso dos produtos

13 Exemplos de fatores críticos de sucesso Indústria de alimentos 1.Eficácia na propaganda 2.Eficácia na distribuição dos produtos 3.Capacidade de inovação de produtos

14 Exemplos de fatores críticos de sucesso Empresas de treinamento 1.Instrutores de competência 2.Qualidade e tamanho da mala direta 3.Identificação de temas atuais e relevantes 4.Imagem reconhecida no mercado

15 Exemplos de fatores críticos de sucesso Empresas de alta tecnologia 1.Capacidade gerencial para atuar em ambiente competitivo. 2.Capacidade de inovação 3.Marketing tecnológico. 4.Integração com a comunidade científica e tecnológica.

16 Descrição do método Primeira etapa 1.Entrevistas individuais com os executivos para relacionar os objetivos da empresa e discutir os fatores críticos de sucesso com cada um. 2.Verificar as inter-relações entre os fatores críticos de sucesso e os objetivos relacionados. 3.Os resultados da matriz permite combinar, eliminar ou até mesmo identificar novos fatores críticos.

17 Descrição do método Segunda etapa 1.Análise dos resultados de todas as entrevistas e formulação de um proposta consolidada Nesta etapa os executivos voltam a discutir sobre os fatores críticos de sucesso, quando buscam consenso.

18 Descrição do método Oito técnicas para identificação dos FCS 1.Análise ambiental 2.Análise da estrutura da indústria (5 forças de Porter) 3.Consulta a especialistas (indústria/negócio) 4.Análise da concorrência 5.Análise da empresa líder no segmento industrial 6.Avaliação da empresa 7.Fatores temporais/intuitivos (específicos da empresa) 8.Análise dos dados da base PIMS (Profit Impact of Market Strategy).

19 Descrição do método Análise ambiental Permite identificar as forças econômicas, políticas e sociais que estão impactando ou irão impactar o desempenho do segmento industrial ou da empresa. Trata-se de uma análise em nível macro. Esta técnica pode ser especialmente útil para análise de empresas, cuja sobrevivência esteja fora do controle do ambiente competitivo em que atuam.

20 Descrição do método Análise da estrutura da indústria Baseia-se no modelo de Porter para analisar a estrutura da indústria ou ramo de negócio segundo cinco forçar competitivas: - ameaça de novos entrantes - ameaça de produtos substitutos - intensidade de competição ou padrão de concorrência - poder de barganha dos clientes - poder de barganha dos fornecedores

21 Descrição do método Análise da estrutura da indústria Quatro dimensões de monitoração das questões do ramo de negócios no macroambiente - concorrencial - comercial (clientes e fornecedores) - tecnológica (estado-da-arte da tecnologia) - do macroambiente (aspectos legais, políticos, culturais e do meio ambienteque impactam diretamente o negócio)

22 22 O PROCESSO DE BENCHMARKING

23 23 POR QUE PRATICAR “BENCHMARKING” F VOCÊ SABE COMO ESTÁ SEU DESEMPENHO QUANDO COMPARADO COM O DOS OUTROS? F VOCÊ QUER SAIR DA “CEGUEIRA EMPRESARIAL” E ENTENDER AS PERSPECTIVAS DE SEU NEGÓCIO? F VOCÊ PODE ESTAR TENDO MUITO SUCESSO, MAS VOCÊ TEM CERTEZA QUE NÃO PODERIA SER MELHOR?

24 24 FÉ UM PROCESSO QUE NOS AJUDA A AVALIAR ONDE ESTAMOS EM RELAÇÃO AOS OUTROS E A MELHORAR. FÉ UM MEIO PARA IDENTIFICAR AS MELHORES PRÁTICAS DO MERCADO, ESTEJAM ONDE ESTIVEREM, E DE IMPLEMENTAR AS MUDANÇAS CERTAS EM NOSSA EMPRESA, NOS LOCAIS AONDE AQUELAS PRÁTICAS SÃO OU PODEM SER UTILIZADAS. FÉ UM PROCESSO REPETITIVO DE MELHORIA CONTÍNUA QUE MANTÉM A EMPRESA COMPETITIVA. O QUE É “BENCHMARKING”?

25 25 É UM PROCESSO DE MEDIÇÃO SISTEMÁTICA E DE COMPARAÇÃO CONTÍNUA DAS ESTRATÉGIAS, DOS PRODUTOS, DOS PROCESSOS E DOS RESULTADOS DE UMA ORGANIZAÇÃO COM AS MELHORES EMPRESAS DO MUNDO,PARA OBTER INFORMAÇÕES QUE INDICARÃO PARA A ORGANIZAÇÃO QUAIS AÇÕES DEVE IMPLEMENTAR PARA MELHORAR SEU DESEMPENHO TORNANDO-SE MAIS COMPETITIVA. O QUE É “BENCHMARKING”?

26 26 PLANEJAR AP CD ADAPTAR, CRIAR E IMPLEMENTAR DESCOBERTAS PLANEJAR O PROCESSO DE BENCHMARKING ANALISAR AS INFORMAÇÕES COMPARATIVAS CONDUZIR A PESQUISA DE INFORMAÇÕES O PROCESSO DE FAZER BENCHMARKING AGIR CHECAR FAZER

27 27 FAZER “BENCHMARKING” DO QUE? 1.BENCHMARKING DE NOSSOS PRODUTOS – ENGENHARIA REVERSA 2.BENCHMARKING COMPETITIVO DE NOSSAS ESTRATÉGIAS COM AS DOS CONCORRENTES 3.BENCHMARKING DE UM PROCESSO ESPECÍFICO 4.BENCHMARKING DE UMA FUNÇÃO 5.BENCHMARKING DE NOSSOS RESULTADOS 6. BENCHMARKING GLOBAL EM RELAÇÃO AOS REFERENCIAIS INTERNACIONAIS

28 28 COM QUEM FAZER “BENCHMARKING”? 1. COMPETIDORES DIRETOS 2. EMPRESAS DE OUTROS SETORES 3. ASSOCIAÇÕES DE CLASSE 4. FORNECEDORES E CLIENTES 5. EMPRESAS CLASSE MUNDIAL (PNQ, ETC) 6. GRUPOS DE BENCHMARKING

29 29 1.UNIFORMIZAMOS A AÇÃO DENTRO DA EMPRESA 2.GANHAMOS TEMPO E CLAREZA, FACILITAMOS A COMPREENSÃO DE TODOS 3.MELHORAMOS A COMUNICAÇÃO, ANTES, DURANTE E DEPOIS 4.IDENTIFICAMOS OS INDICADORES ADEQUADOS 5.SIMPLIFICAMOS O TREINAMENTO 6.CONSTATAMOS SE SOMOS CAPAZES DE FAZER BENCHMARKING OLHANDO PARA O PRÓPRIO UMBIGO

30 30 AS PRÁTICAS DE BENCHMARKING NAS GANHADORAS DO PNQ PRÊMIO NACIONAL DA QUALIDADE

31 31 AS EMPRESAS PREMIADAS COM O PNQ CONSIDERADAS “CLASSE MUNDIAL” 2002 – GERDAU AFP 2002 – POLITENO 2002 – STA CASA PORTO ALEGRE 2001 – BAHIA SUL CELULOSE 2000 – SERASA 1999 – CETREL 1999 – CATERPILLAR 1998 – SIEMENS 1997 – WEG 1997 – COPESUL 1997 – CITIBANK (CORPORATE) 1996 – ALCOA POÇOS CALDAS 1995 – SERASA 1994 – CITIBANK (CONSUMER) 1993 – XEROX 1992 – IBM SUMARÉ

32 32 OUTPUT, RESULTADOS FATORES DE SUCESSO NÓSNÓS ELESELES PROCESSOS, PRÁTICAS, MÉTODOS ANÁLISE 1. BENCHMARKING DE QUE? 2. QUEM/QUAL É O MELHOR? 3. COMO NÓS FAZEMOS? 4. COMO ELES FAZEM? COLETA DE DADOS O PROCESSO DE BENCHMARKING DA XEROX FONTE: RELATÓRIO DE GESTÃO PNQ DA XEROX

33 33 1. IDENTIFIQUE O QUE SERÁ OBJETO DE BENCHMARKING EM ALINHAMENTO COM AS NECESSIDADES DO NEGÓCIO. 2. DECIDA QUEM SERÃO SEUS PARCEIROS E CONQUISTE COMPROMETIMENTO 3. DECIDA QUAL SERÁ SEU TIME DE TRABALHO 4. TREINE SUA EQUIPE E SEUS PARCEIROS, SE NECESSÁRIO 5. IDENTIFIQUE AS INFORMAÇÕES NECESSÁRIAS, OS MÉTODOS DE COLETA, PROCESSAMENTO, DIVULGAÇÃO E USO PARA A MELHORIA 6. TESTE SEU PROCESSO (FLUXOGRAMA, INDICADORES, RESULTADOS) 7. COLETE AS INFORMAÇÕES DOS PARCEIROS E DE BENCHMARKS 8. FAÇA UMA ANÁLISE COMPARATIVA E IDENTIFIQUE AS MELHORES PRÁTICAS 9. IMPLEMENTE AS MUDANÇAS PARA MELHOR E REINICIE AS MEDIÇÕES 10. AVALIE SEU PROCESSO DE FAZER BENCHMARKING, MELHORE E RECOMECE. BENCHMARKING EM 10 GRANDES PASSOS

34 34 CÓDIGO BRASILEIRO DE ÉTICA E CONDUTA PARA A PRÁTICA DO BENCHMARKING 1.PRINCÍPIOS DA LEGALIDADE 2.PRINCÍPIOS DO INTERCÂMBIO 3.PRINCÍPIOS DA CONFIDENCIALIDADE 4.PRINCÍPIOS DO USO 5.PRINCÍPIOS DO CONTATO EM BENCHMARKING 6.PRINCÍPIOS DO CONTATO COM TERCEIROS 7.PRINCÍPIOS DA PREPARAÇÃO 8.PRINCÍPIOS DO PLENO CUMPRIMENTO 9.PRINCÍPIOS DO ENTENDIMENTO E AÇÃO 10.PRINCÍPIOS DO RELACIONAMENTO

35 35 Balanced Scorecard BSC

36 36 Retorno do Investimento Vendas Produtividade Preço Qualidade Tempo Funções Imagem Relações Marca Vender Entregar Serviço Cliente Core/Staff Competências Core/Staff Competências Tecnologia Infra-estrutura Tecnologia Infra-estrutura Clima p/ Ação Clima p/ Ação Modelo econômico do negócio Proposta de Valor por segmento de Mercado Cadeia de Valor Mudança Crítica ou Habilitadores de valor Modelo econômico do negócio Proposta de Valor por segmento de Mercado Cadeia de Valor Mudança Crítica ou Habilitadores de valor Entendendo os blocos básicos da estratégia

37 37 A execução da estratégia “ Menos de 10% das estratégias efetivamente formuladas são efetivamente executadas” Fonte: Fortune “ Menos de 10% das estratégias efetivamente formuladas são efetivamente executadas” Fonte: Fortune

38 38 O Balanced Scorecard como uma estratégia para açãoBalancedScorecard Comunicação e Integrando Comunicação e educação Definindo Objetivos Integrando a premiação à medidas de performance Clarificar e Traduzir Visão e a Estratégia Visão e a Estratégia Clarificando a visão Obtendo o consenso Feedback da Estratégia e Aprendizagem Compartilhando a Visão Provendo Informações sobre a estratégia Facilitando o processo de revisão da estratégia Planejamento e Objetivos Alinhando iniciativas estratégicas Alocando os recursos Estabelecendo prazos

39 39 BSC: Uma ferramenta de gestão da performance empresarial EPM envolve as medições e análises dos Indicadores Chaves de Performance (KPIs) para planejar e gerenciar os processos de negócio e a estratégia da empresa. EPM: ENTERPRISE PERFORMANCE MANAGEMENT

40 40 Por quê o negócio precisa de um Balanced Scorecard ? Por que não continuar usando só as medidas financeiras? Um exemplo: Larry Brady, Presidente da FMC: “Como uma empresa altamente diversificada, … a medição do retorno do capital investido (ROCE) foi muito importante para nós. No final de cada ano nós premiávamos os diretores das unidades que atingiam as metas financeiras.Nós fizemos isso nos últimos 20 anos com sucesso. Mas estava ficando pouco claro para nós onde crescer e como se preparar para o futuro. Nós tínhamos um alto retorno do investimento mas pouco potencial para continuar crescendo. E os nossos relatórios financeiros não eram claros sobre os progressos de nossa estratégia de médio e longo prazo.”

41 41 BSC – Balanced Scorecard O nome deste processo deriva de uma nova visão “balanced” de métricas de performance. Formaliza o processo de mensuração permitindo os gerentes de toda a organização trabalhar com os mesmos objetivos e processos. Adoção de indicadores da futura performance, segmentadas em quatro categorias: Financeira, Clientes, Processos, Aprendizagem e Crescimento.

42 42 BSC – Balanced Scorecard Cinco medidas financeiras, como taxa de utilização dos ativos, vendas por funcionário e retorno do capital empregado (ROCE); Cinco medidas sobre clientes, como satisfação, participação no cliente e taxa de retenção; Oito a dez medidas internas, % de vendas de novos produtos; introdução novos produtos vs. concorrência e “time to market” da nova geração de produtos; e Cinco medidas para crescimento e aprendizagem, como Satisfação de funcionários, % de saída de pessoas-chave e, % de processos realizados excepcionalmente.

43 43 Aumento e mix de receitas Ferramentas: EVA, ABC, Dupont Melhoria dos custos e produtividade Incremento na utilização dos ativos Benefíciosesperados Perspectiva Financeira Redução dos riscos: liquidez, crédito e concentração

44 44 Receita operacional Retorno sobre o capital empregado, Retorno sobre os ativos Valor agregado econômico (lucro operacional pós-tributação menos custo de capital) Crescimento de vendas, Crescimento de receita Percentual de receita decorrente de novos produtos e serviços Lucratividade por produto / serviço / cliente Receita por funcionário Despesas de vendas, gerais e administrativas como percentual do total de custos ou receitas. Indicadores vinculados à área financeira

45 45 Participação de mercado Ferramentas: Segmentação mercado, segmentação clientes, pesquisas e matriz produtos x clientes, Captação de novos clientes, retenção clientes, retenção e satisfação Rentabilidadeproporcionada pelos clientes Benefíciosesperados Perspectiva Cliente Ambiente: análise dos competidores

46 46 Índice de Reclamações dos clientes Grau de insatisfação dos clientes com a empresa Duração do relacionamento com os clientes Atividades de consultoria ao cliente Crosselling Chamadas a clientes Contatos eletrônicos com o cliente Novas vendas Duração média do relacionamento sobre a vida média do produto Indicadores vinculados ao Cliente

47 47 % de fornecedores com certificação ISO Vendas geradas por parceiros % de novos produtos desenvolvidos com parceiros Avaliar mix da base de clientes e sua composição Quedas de preço Esforço de venda em novos clientes Satisfação da rede de distribuição Canal de distribuição, produtividade e qualidade Compromissos não cumpridos Taxa de queixas dos Cliente Indicadores vinculados ao Cliente

48 48 Análise da inter- relação com departamentos Ferramentas: Análise de processos, racionalização, automação, pesquisa de qualidade Processo de identifi- cação necessidades dos clientes e servi- ços pós vendas Processo de inovação e novos produtos Benefíciosesperados Processode operações operações Perspectiva Processos Internos

49 49 Desvio do tempo de entrega. Tempos dos Ciclos / Processo Tempo médio de resposta Chamadas interrompidas Tempo médio para solução de problemas Capacidade total de produção sobre a capacidade interna utilizada Produtividade real vs projetada Custo da Qualidade sobre custo total Utilização da capacidade de produção Indicadores vinculados ao Processo

50 50 Investimento em TI (sistemas e automação) sobre vendas Custo do Capital Taxa de não-conformidade % do tempo investido em padronizar as operações Número de pagamentos automatizados Disponibilidade de sistemas para gestão comercial Número de informações estratégicas não confiáveis Indicadores vinculados ao Processo

51 51 Avaliação da capacidade dos funcionários dos funcionários Ferramentas: Inventário de competências, gap analisys, treinamento, valores organização, cultura organizacional, estrutura Capacidade dos Sistemas de Sistemas deInformação Motivação e alinhamento com as estratégias Benefíciosesperados Empowerment Perspectiva Aprendizagem e Crescimento

52 52 Vendas geradas por novos clientes sobre o total das vendas % das vendas geradas por novos produtos Orçamento de Pesquisa e Desenvolvimento Taxa de êxito de projetos de desenvolvimento de novos produtos Grau de customização de produtos Número de horas em desenvolvimento de TI Funcionários com Graduação Índice de Motivação Índice de Liderança Indicadores vinculados a Crescimento e Aprendizagem

53 53 Promoções Internas Níveis de Aprovação de Gastos Numero de Funcionários Número de funcionários temporários sobre o total Índice de medição de sistemas de apoio a decisão Índice de Empowerment Numero de dias de treinamento Clima Organizacional Investimento em criatividade e aprendizagem Disponibilidade de Informações Indicadores vinculados a Crescimento e Aprendizagem

54 54 ROCE LealdadeClientes Entregascorretas ProcessoProduçãoProcessoQualidade PerfilFuncionários Finanças Cliente Processos de Negócios Crescimento e Aprendizagem

55 55 Construindo o BSC: respondendo as quatro perguntas chave Visão e Estratégia Objetivos Medidas Metas Iniciativas Finanças “Para ter sucesso financeiro, qual a nossa imagem para os nossos acionistas?” Processos de Negócio “Para satisfazer nossos acionistas e clientes,que processos faremos melhor?” Clientes “Para cumprir nossa visão, qual a nossa imagem para os nossos clientes?” Crescimento e Aprendizagem “Para cumprir nossa visão, quais as competências necessárias?” Objetivos Medidas Metas Iniciativas Objetivos Medidas Metas Iniciativas Objetivos Medidas Metas Iniciativas

56 Descoberta de Conhecimento em Bases de Dados e Mineração de Dados Eduardo Massao Arakaki Marcela Fontes Lima Guerra

57 Roteiro W Motivação W Exemplo preliminar W Conceitos básicos W Processo de kdd W Métodos de mineração de dados W Técnicas W Exemplos W Referências

58 Motivação W A informatização dos meios produtivos permitiu a geração de grandes volumes de dados: –Transações eletrônicas; –Novos equipamentos científicos e industriais para observação e controle; –Dispositivos de armazenamento em massa; W Aproveitamento da informação permite ganho de competitividade: “conhecimento é poder (e poder = $$!)” Motivação

59 W Os recursos de análise de dados tradicionais são inviáveis para acompanhar esta evolução W “Morrendo de sede por conhecimento em um oceano de dados” Motivação

60 W Solução: –ferramentas de automatização das tarefas repetitivas e sistemática de análise de dados –ferramentas de auxílio para as tarefas cognitivas da análise –integração das ferramentas em sistemas apoiando o processo completo de descoberta de conhecimento para tomada de decisão Motivação

61 Exemplo Preliminar W Um problema do mundo dos negócios: entender o perfil dos clientes –desenvolvimento de novos produtos; –controle de estoque em postos de distribuição; –propaganda mal direcionada gera maiores gastos e desestimula o possível interessado a procurar as ofertas adequadas; W Quais são meus clientes típicos? Exemplo

62 Descoberta de Conhecimento em Bancos de Dados (KDD) W “O processo não trivial de extração de informações implícitas, anteriormente desconhecidas, e potencialmente úteis de uma fonte de dados”; W “Torture os dados até eles confessarem”; W O que é um padrão interessante ? Conceitos

63 KDD x Data Mining W Mineração de dados é o passo do processo de KDD que produz um conjunto de padrões sob um custo computacional aceitável; W KDD utiliza algoritmos de data mining para extrair padrões classificados como “conhecimento”. Incorpora também tarefas como escolha do algoritmo adequado, processamento e amostragem de dados e interpretação de resultados; Conceitos

64 Etapas do Processo W Seleção W Pré-processamento W Transformação W Data mining (aprendizagem) W Interpretação e Avaliação Processo

65 Processo mínimo de descoberta do conhecimento Compreensão do domínio e dos objetivos da tarefa; Criação do conjunto de dados envolvendo as variáveis necessárias; Processo

66 66 Seleção de Dados W Selecionar ou segmentar dados de acordo com critérios definidos: Ex.: Todas as pessoas que são proprietárias de carros é um subconjunto de dados determinado. Processo

67 Processo mínimo Operações como identificação de ruídos, outliers, como tratar falta de dados em alguns campos, etc. Processo

68 68 Pré-Processamento W Estágio de limpeza dos dados, onde informações julgadas desnecessárias são removidas. W Reconfiguração dos dados para assegurar formatos consistentes (identificação) –Ex. : sexo = “F” ou “M” sexo = “M” ou “H” Processo

69 Processo mínimo Redução de dimensionalidade, combinação de atributos; Processo

70 70 Transformação W Transformam-se os dados em formatos utilizáveis. Esta depende da técnica data mining usada. W Disponibilizar os dados de maneira usável e navegável. Processo

71 Processo mínimo Escolha e execução do algoritmo de aprendizagem de acordo com a tarefa a ser cumprida Processo

72 72 Data Mining W É a verdadeira extração dos padrões de comportamento dos dados (exemplos) Processo

73 Processo mínimo Interpretação dos resultados, com possível retorno aos passos anteriores; Processo Consolidação: incorporação e documentação do conhecimento e comunicação aos interessados;

74 74 Interpretação e Avaliação W Identificado os padrões pelo sistema, estes são interpretados em conhecimentos, os quais darão suporte a tomada de decisões humanas Processo

75 Métodos de mineração de dados W Métodos de mineração de dados normalmente são extensões ou combinações de uns poucos métodos fundamentais; W Porém, não é viável a criação de um único método universal: cada algoritmo possui sua própria tendência indutiva; Métodos

76 Tarefas básicas W Previsão –Cálculo de variáveis de interesse a partir dos valores de um conjunto de variáveis de explicação; –É comumente visada em aprendizado de máquina/estatística; –Exemplos: classificação e regressão; Métodos

77 Tarefas básicas W Descrição –Reportar relações entre as variáveis do modelo de forma simétrica; –À princípio, está mais relacionada ao processo de KDD; –Exemplos: agrupamento, sumarização (incluindo sumário de textos), dependências, análise de desvio; Métodos

78 Exemplo de previsão (I) WUm hiperplano paralelo de separação: pode ser interpretado diretamente como uma regra: –se a renda é menor que t, então o crédito não deve ser liberado WExemplo: –árvores de decisão; –indução de regras renda débito x x x x x x x o o o o o o o o o t sem crédito o o: exemplo aceito x: exemplo recusado Análise de crédito Métodos

79 Exemplo de previsão (II) WHiperplano oblíquo: melhor separação: WExemplos: –regressão linear; –perceptron; Análise de crédito renda débito x x x x x x x o o o o o o o o o t sem crédito o o: exemplo aceito x: exemplo recusado Métodos

80 Exemplo de previsão (III) WSuperfície não linear: melhor poder de classificação, pior interpretação; WExemplos: –perceptrons multicamadas; –regressão não-linear; Análise de crédito renda débito x x x x x x x o o o o o o o o o t sem crédito o o: exemplo aceito x: exemplo recusado Métodos

81 Exemplo de previsão (IV) WMétodos baseado em exemplos; WExemplos: –k-vizinhos mais próximos; –raciocínio baseado em casos; Análise de crédito renda débito x x x x x x x o o o o o o o o o t sem crédito o o: exemplo aceito x: exemplo recusado Métodos

82 Exemplo de descrição (I) WAgrupamento WExemplo: –vector quantization; renda débito t + +: exemplo Análise de crédito Métodos

83 Exemplo de descrição (II) W Regras de associação –“98% dos consumidores que adquiriram pneus e acessórios de automóveis também se interessaram por serviços automotivos”; –descoberta simétrica de relações, ao contrário de métodos de classificação W qualquer atributo pode ser uma classe ou um atributo de discriminação; Métodos

84 84 Exemplos WÁreas de aplicações potenciais: –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” Exemplos

85 85 Exemplos WÁreas de aplicações potenciais: –Bancos Identificar padrões de fraudes (cartões de crédito) Identificar características de correntistas Mercado Financeiro ($$$) Exemplos

86 86 Exemplos WÁreas de aplicações potenciais –Médica Comportamento de pacientes Identificar terapias de sucessos para diferentes tratamentos Fraudes em planos de saúdes Comportamento de usuários de planos de saúde Exemplos

87 87 Introdução WExemplo (1) - Fraldas e cervejas –O que as cervejas tem a ver com as fraldas ? –homens casados, entre 25 e 30 anos; –compravam fraldas e/ou cervejas às sextas- feiras à tarde no caminho do trabalho para casa; –Wal-Mart otimizou às gôndolas nos pontos de vendas, colocando as fraldas ao lado das cervejas; –Resultado: o consumo cresceu 30%.

88 88 Exemplos WExemplo (2) - Lojas Brasileiras (Info 03/98) –Aplicou 1 milhão de dólares em técnicas de data mining –Reduziu de produtos para produtos oferecidos em suas lojas. –Exemplo de anomalias detectadas: –Roupas de inverno e guarda chuvas encalhadas no nordeste –Batedeiras 110v a venda em SC onde a corrente elétrica é 220v Exemplos

89 89 Exemplos WExemplo (3) - Bank of America (Info 03/98) –Selecionou entre seus 36 milhões de clientes Aqueles com menor risco de dar calotes Tinham filhos com idades entre 18 e 21 anos Resultado em três anos o banco lucrou 30 milhões de dólares com a carteira de empréstimos. Exemplos

90 90 Exemplos WEmpresas de software para Data mining: –SAShttp://www.sas.com –Information Havestinghttp://www.convex.com –Red Brickhttp://www.redbrick.com –Oraclehttp://www.oracle.com –Sybasehttp://www.sybase.com –Informixhttp://www.informix.com –IBMhttp://www.ibm.com Exemplos

91 91 Conclusões Data mining é um processo que permite compreender o comportamento dos dados. Data mining analisa os dados usando técnicas de aprendizagem para encontrar padrões e regulariedades nestes conjuntos de dados. É um problema pluridisciplinar, envolve Inteligência Artificial, Estatística, Computação Gráfica, Banco de Dados. Pode ser bem aplicado em diversas áreas de negócios Conclusões

92 92 Referências –Fayyad et al. (1996). Advances in knowledge discovery and data mining, AAAI Press/MIT Press. –Holsheimer, M. & Siebes, A.P.J.M. Data Mining: The Search for Knowledge in Databases, –http://www-pcc.qub.ac.uk/tec/courses/datamining –http://www.rio.com.br/~extended –http://www.datamining.com –http://www.santafe.edu/~kurt –http://www.datamation.com –http://www-dse.doc.ic.ac.uk/~kd –http://www.cs.bham.ac.uk/~anp –http://www.dbms.com –http://www.infolink.com.br/~mpolito/mining/mining.html –http://www.lci.ufrj.br/~labbd/semins/grupo1 Referências


Carregar ppt "Métodos e Técnicas de Inteligência Competitiva (parte II) Ponto II.2 1."

Apresentações semelhantes


Anúncios Google