A mineração de dados

Disponível somente no TrabalhosFeitos
  • Páginas : 9 (2019 palavras )
  • Download(s) : 0
  • Publicado : 27 de novembro de 2011
Ler documento completo
Amostra do texto
Conteúdo

1- Introdução 2- Modelagem 3- Arquitectura para Data Mining 4- O uso do Data Mining 5- Marketing e Data Mining 6- Conclusões 7- Bibiografia

1

1- INTRODUÇÃO

As técnicas de mineração de dados são o resultado de um longo processo de pesquisa e desenvolvimento de produtos. Esta evolução começou quando os dados de negócios pela primeira vez, foram armazenados em computadores, eencontrou melhorias no acesso aos dados e, mais recentemente usando novas tecnologias que permitem aos usuários navegar através dos dados em tempo real. Data Mining leva este processo evolutivo além retrospectivo de acesso e dados de navegação, fornecendo informações para prospectiva e pró-activa. suficientemente maduras:
  

Data Mining está pronto para uso

na comunidade de negócios, poisé apoiada por três tecnologias que são

Colecta de dados enorme Poderosos computadores multiprocessador Algoritmos de mineração de dados

Dado bancos de dados de enorme tamanho e de qualidade, que usam a tecnologia de mineração de dados pode gerar novas oportunidades de negócios através do fornecimento desses recursos: Automatização das tendências de previsão e comportamentos. A mineração dedados automatiza o processo de encontrar uma informação previsível nos grandes bancos de dados. Questões que tradicionalmente seriam necessária uma análise profunda manual, podem agora ser respondidas directamente e rapidamente a partir dos dados. Descoberta automática de padrões previamente desconhecido.

2

Trata-se da mineração de dados de varredura através de ferramentas de bancos dedados que identificam padrões previamente escondidos numa única etapa. Assim podemos encontrar modelos para detectar transacções fraudulentas, incluindo cartões de crédito e identificar outliers que podem representar erros de digitação na carga de dados. Técnicas de mineração de dados podem gerar os benefícios da automação em software e plataformas de hardware podendo ser implementado em sistemasexistentes que serão actualizados e novos produtos são desenvolvidos. Quando as ferramentas de mineração de dados são implementados nos sistemas de processamento paralelo, de alto desempenho, eles podem analisar grandes bases de dados em minutos. Processamento mais rápido significa que os usuários podem automaticamente experimentar modelos mais complexos para entender os dados. Alta velocidade tornaprático para os usuários a analisar grandes quantidades de dados. Grandes bancos de dados, por sua vez, produzem melhores previsões. 2- MODELAGEM Modelagem é simplesmente o acto de construir um modelo em uma situação onde sabemos a resposta que depois é aplicada em outra situação que não sabemos. Este acto de construção de um modelo é algo que as pessoas têm vindo a fazer há muito tempo, certamentedesde antes do surgimento dos computadores e da tecnologia de mineração de dados. O que acontece nos computadores, não é muito diferente da forma como as pessoas constroem modelos. Os computadores são carregados com muita informação sobre uma variedade de situações onde uma resposta é conhecida, uma vez que o modelo é construído, pode ser usado em situações semelhantes, onde não sabemos aresposta. Se encontrarmos um modelo que pode prever o uso do cliente, como poderemos dizer se mesmo é realmente um bom? A primeira coisa a tentar é aplicar o modelo para uma base de dados de clientes. Com a mineração de dados, a melhor maneira de fazer isso é ignorar certas informações para isolar

3

o processo de Data Mining. Uma vez que o processo estiver concluído, os resultados podem sertestadas contra os dados excluídos para confirmar a validade do modelo. Se o modelo funciona, as observações devem ser mantidas para os dados excluídos.

3- ARQUITECTURA PARA DATA MINING 1º Passo – Data warehouse com dados pertinentes ao negócio 2º Passo – Servidor OLAP permitindo ao usuário analizar os dados Data warehouse de forma mais produtiva. 3º Passo – Integrar o Data warehouse e o OLAP com o...
tracking img