Projeto apresentado ao Curso de Sistemas de Informação da Instituição Faculdade Pitágoras de Belo Horizonte

[pic 1][pic 2]

 

Belo Horizonte

2017

 

AILSON ALVES MENDES

KNOWLEDGE DISCOVERY DATABASE (KDD) E DATA MINING (DM) NO COMÉRCIO VAREJISTA PARA REDUÇÃO DE PERDAS

Projeto apresentado ao Curso de Sistemas de Informação da Instituição Faculdade Pitágoras de Belo Horizonte .
Orientador: (fonte 12)

Belo Horizonte

2017

SUMÁRIO

1 INTRODUÇÃO

Os prejuízos decorrentes de falhas e problemas com os sistemas de informações podem ser enormes. Essas falhas e problemas podem ocorrer em vários sistemas, a informação é o ativo mais importante para os negócios das empresas, tornando-se algo essencial para ganho de competitividade no mercado. As estratégias assumidas devem basear-se em informações concretas, visando o minimo de erros na tomada de decisões por parte dos gestores.

Avanços tecnológicos têm facilitado a obtenção dessas informações através de processos de Knowledge Discovery in Database (KDD), ou seja, Descoberta de Conhecimento em Banco de Dados.

O KDD pode ser visto como o processo de descoberta de padrões e tendências por análise de grandes conjuntos de dados, tendo como principal etapa o processo de mineração, consistindo na execução prática de análise e de algoritmos específicos que sob limitações de eficiência computacionais aceitáveis, produz uma relação particular de padrões a partir de dados FAYYAD et al (1996).

Para garantir sua permanência no mercado e competitividade as empresas constantemente buscam conhecimentos para a tomada de decisão. Como muitas vezes esse conhecimento está em uma grande base de dados, é necessário recorrer a um sistema de tecnologia da informação para auxiliar esse processo de extração de conhecimento.

Nesse sentido a Mineração de Dados é uma alternativa que visa extrair conhecimento de um grande volume de dados, descobrindo semelhanças, padrões e tendências entre as informações de uma empresa. Este trabalho tem como objetivo abordar os principais conceitos através de uma breve revisão bibliográfica sobre a extração de conhecimento através da Mineração de Dados.

 1.1 O Problema

O ramo de venda a varejo é sem dúvida um dos mercados mais competitivos. A cada momento, milhões de pessoas no mundo inteiro estão entrando no comércio seja ele fisico ou eletronico, para realizar compras, é grande a quantidade de dados que estão disponíveis nos sistemas eletrônicos, incluindo o ambiente da internet, a necessidade de técnicas para recuperação e otimização de dados e indispensavel para almejar ótimos lucros.

O processo de Knowledge discovery databases (KDD), identifica padrões e descobre informações relevantes que auxiliam na tomada de decisões estratégicas, na busca e conquista de clientes, na descoberta de falhas, entre outras. Nesse processo, na etapa de mineração de dados, algoritmos têm a função de gerar regras de associação, descrevendo assim, padrões de relacionamento entre itens de uma base de dados.

Neste sentido, ao longo da realização deste estudo buscarei dar a resposta a seguinte questão: Como podemos utilizar o KDD na redução de perdas no comércio varejista?

2 OBJETIVOS

2.1 Objetivo Geral ou Primário

Dissertar sobre o uso do KDD (knowledge discovery database) e mineração de dados (Data Mining) na tomada de decisões no comercio varejista apresentando suas fases e metodos utilizados para redução de perdas.

2.2 Objetivos Específicos ou Secundários

• Abordar o conceito de KDD (knowledge discovery database) e mineração de dados (Data mining)
• Apresentar recursos disponiveis.
• Apresentar e descrever as etapas do processo.
• Descrever e metodologia.

3 JUSTIFICATIVA

Empresas nos dias atuais possuem em seus sistemas de informações grandes bases de dados, porém a utilização dos dados requer a utilização de ferramentas da tecnologia da informação que auxiliam esse processo. Com objetivo de tomar decisões de forma inteligente, segura e confiável as empresas devem analisar de maneira correta, grandes volumes de dados planejando minimizar riscos e resultados errados. Nesse sentido utilizar ferramentas que possam extrair informações de uma base de dados em forma de conhecimento voltado para a tomada de decisão resulta em otimização de processos gerenciais.

O crescente volume de dados que são armazenados e processados diariamente, é preciso entender que as simples consultas a banco de dados que antes permitiam a análise dos dados hoje em dia se torman mais complexas para tomar decisões.

A realidade das empresas mostra a necessidade de manutenção do histórico de suas operações e de seus dados, aliado à complexidade das transações e a própria globalização das empresas, fundadas as suas ações nas exigências legais de registros, de modo a valer-se dos avanços tecnológicos no armazenamento de grandes volumes de dados tanto quanto da necessidade em dominar essa base de dados.

Este trabalho justifica-se pelo propósito de analisar fatores importantes desenvolvidos com  objetivo de identificar os principais fatores de perdas no comércio varejista, influenciando diretamente no processo de tomada de decisões utilizando o Knowledge discovery database (KDD) e Data Mining (DM).

4 FUNDAMENTAÇÃO TEÓRICA

Neste tópico é importante apresentar o referencial teórico pesquisado pelo autor sobre o tema. É importante utilizar várias fontes de pesquisas, lembrando-se que em um trabalho acadêmico as informações devem apresentar carácter cientifico.

Para auxiliar seu entendimento sobre a formatação do trabalho, seguem algumas dicas de acordo com a Norma da ABNT atualizada para o ano de 2016.

A fonte do texto deve ser Arial, com tamanho 12. Exceto nas legendas de figura relativas à Fonte, e nas citações diretas com mais de 3 linhas, onde utiliza-se o tamanho 10.  

Quanto as citações, atente-se para que as faça de acordo com as normas. No livro de Metodologia disponível no AVA, o aluno encontra as instruções detalhadas para a inserção dos diferentes tipos de citação. Observe algumas dicas no Quadro 1.