DATA MINING Fabiany Lamboia Luciano Machado Pereira Fabiany Lamboia Luciano Machado Pereira.

Apresentação em tema: "DATA MINING Fabiany Lamboia Luciano Machado Pereira Fabiany Lamboia Luciano Machado Pereira."— Transcrição da apresentação:

1 DATA MINING Fabiany Lamboia Luciano Machado Pereira Fabiany Lamboia Luciano Machado Pereira

2 SumárioSumário IntroduçãoIntrodução ConceitosConceitos Principais TarefasPrincipais Tarefas TécnicasTécnicas Algoritmos utilizadosAlgoritmos utilizados AplicaçõesAplicações TecnologiasTecnologias ConclusãoConclusão IntroduçãoIntrodução ConceitosConceitos Principais TarefasPrincipais Tarefas TécnicasTécnicas Algoritmos utilizadosAlgoritmos utilizados AplicaçõesAplicações TecnologiasTecnologias ConclusãoConclusão

3 IntroduçãoIntrodução Empresas acumulam diversos dados em seus bancos de dados Empresas acumulam diversos dados em seus bancos de dados Informação sobre os vários processos das funções da empresa Estes dados podem contribuir com a empresa, sugerindo tendências e particularidades pertinentes a ela A tecnologia de Data Mining com suas ferramentas permite a "mineração“ destes dados.

4 ConceitoConceito Data mining (DM), é o processo de seleção, exploração de dados e criação de modelos que utiliza um grande volume de armazenamento de dados para identificar padrões previamente desconhecidos.

5 Principais Tarefas Classificação Estimativa Segmentação Regressão Agregação (cluster) Classificação Estimativa Segmentação Regressão Agregação (cluster)

6 Sumarização Modelo de Dependência Associação Análise de Seqüência Predição Sumarização Modelo de Dependência Associação Análise de Seqüência Predição Principais Tarefas

7 Técnicas EstatísticaEstatística Métodos LinearesMétodos Lineares Indução de RegrasIndução de Regras –Regras de Classificação –Regras de Associação –Regras de Caracterização EstatísticaEstatística Métodos LinearesMétodos Lineares Indução de RegrasIndução de Regras –Regras de Classificação –Regras de Associação –Regras de Caracterização

8 Algoritmos utilizados Árvores de DecisãoÁrvores de Decisão ClusterCluster Naive BayesNaive Bayes Adaptive Bayes NetworkAdaptive Bayes Network Árvores de DecisãoÁrvores de Decisão ClusterCluster Naive BayesNaive Bayes Adaptive Bayes NetworkAdaptive Bayes Network

9 AplicaçãoAplicação Marketing Vendas Finanças Manufatua Saúde Energia Marketing Vendas Finanças Manufatua Saúde Energia

10 TecnologiasTecnologias IBM DB2 Enterprise Edition 8.2: suporta técnicas de árvore de decisão regressão, associação e técnicas de agrupamento;IBM DB2 Enterprise Edition 8.2: suporta técnicas de árvore de decisão regressão, associação e técnicas de agrupamento; Oracle Database 10g: Naive Bayes, redes Adaptive Bayes e Support Vector Machines;Oracle Database 10g: Naive Bayes, redes Adaptive Bayes e Support Vector Machines; Microsoft SQL Server 2000 Analisys Services: suporta árvores de decisão.Microsoft SQL Server 2000 Analisys Services: suporta árvores de decisão. IBM DB2 Enterprise Edition 8.2: suporta técnicas de árvore de decisão regressão, associação e técnicas de agrupamento;IBM DB2 Enterprise Edition 8.2: suporta técnicas de árvore de decisão regressão, associação e técnicas de agrupamento; Oracle Database 10g: Naive Bayes, redes Adaptive Bayes e Support Vector Machines;Oracle Database 10g: Naive Bayes, redes Adaptive Bayes e Support Vector Machines; Microsoft SQL Server 2000 Analisys Services: suporta árvores de decisão.Microsoft SQL Server 2000 Analisys Services: suporta árvores de decisão.

11 EmpresasEmpresas Wall Mart : 60% das mães que compram boneca Barbie, levam também uma barra de chocolate;Wall Mart : 60% das mães que compram boneca Barbie, levam também uma barra de chocolate; Banco Itaú : aumentar sua taxa de retorno nas malas diretas para 30%;Banco Itaú : aumentar sua taxa de retorno nas malas diretas para 30%; Sprint : previa com 61% de segurança se o consumidor trocaria de companhia de telefone dentro de um período de 2 meses;Sprint : previa com 61% de segurança se o consumidor trocaria de companhia de telefone dentro de um período de 2 meses; SERPRO : cruzar e analisar informações em cinco minutos, o que antes demorava quinze dias de trabalho.SERPRO : cruzar e analisar informações em cinco minutos, o que antes demorava quinze dias de trabalho. Wall Mart : 60% das mães que compram boneca Barbie, levam também uma barra de chocolate;Wall Mart : 60% das mães que compram boneca Barbie, levam também uma barra de chocolate; Banco Itaú : aumentar sua taxa de retorno nas malas diretas para 30%;Banco Itaú : aumentar sua taxa de retorno nas malas diretas para 30%; Sprint : previa com 61% de segurança se o consumidor trocaria de companhia de telefone dentro de um período de 2 meses;Sprint : previa com 61% de segurança se o consumidor trocaria de companhia de telefone dentro de um período de 2 meses; SERPRO : cruzar e analisar informações em cinco minutos, o que antes demorava quinze dias de trabalho.SERPRO : cruzar e analisar informações em cinco minutos, o que antes demorava quinze dias de trabalho.

12 ConclusãoConclusão A tendência é que todo desenvolvedor de banco de dados dever ser capaz de criar e treinar os modelos de data mining para incorporar esses recursos avançados nos aplicativos do consumidor.