UTILIZAÇÃO DE MÉTODOS E TÉCNICAS DE MINERAÇÃO DE DADOS

PONTIFICA UNIVERSIDADE CATÓLICA DE MINAS GERAIS

Instituto de educação continuada (IEC)

Diego Andrade de Magalhães Carvalho

UTILIZAÇÃO DE MÉTODOS E TÉCNICAS DE MINERAÇÃO DE DADOS: Estudo de Caso Baseado em Site de Pesquisas de Preços.

Belo Horizonte

2012

Diego Andrade de Magalhães Carvalho

UTILIZAÇÃO DE METODOS E TÉCNICAS DA MINERAÇÃO DE DADOS: Estudo de Caso Baseado em Site de Pesquisas de Preços.

Monografia apresentada ao Curso de Pós- graduação de Banco de dados da Pontifícia Universidade Católica de Minas Gerais, como requisito parcial para obtenção do título de Especialista em Banco de Dados.

Orientador: Pedro Alves de Oliveira

Belo Horizonte

2012

Diego Andrade de Magalhães Carvalho

UTILIZAÇÃO DE METODOS E TÉCNICAS DA MINERAÇÃO DE DADOS: Estudo de Caso Baseado em Site de Pesquisas de Preços.

Monografia apresentada ao Curso de Pós- graduação de Banco de dados da Pontifícia Universidade Católica de Minas Gerais, como requisito parcial para obtenção do título de Especialista em Banco de Dados.

___________________________________

Prof. Pedro Alves de Oliveira (Orientador)

____________________________________

Prof. Claudiney Ramos (Coordenador)

Belo Horizonte, 15 de maio de 2012.

AGRADECIMENTOS

Em primeiro lugar gostaria de agradecer a Deus por ter me dado saúde e a oportunidade de fazer essa Pós-Graduação. Quero agradecer aos meus pais e minha namorada Jessica pelo incentivo, força e por me apoiarem em todas as decisões tomadas no decorrer da minha vida, sejam elas boas ou ruins. Quero agradecer à aos alunos de sala que me auxiliaram para que eu pudesse desenvolver esse trabalho e ao meu orientador, professor Pedro Alves pelos ensinamentos e dedicação dispensados no auxilio a concretização dessa monografia.

RESUMO

Esta monografia baseia-se em um estudo sobre mineração de dados (Data-mining) que engloba a tecnologia de banco de dados com intuito de disponibilizar o apoio a decisão nas empresas. Descrevem-se métodos e técnicas utilizados em Datamining, em que se aplicam diversas ferramentas de trabalho. Datamining é uma área que existe há mais de 20 anos. Mas foi de alguns anos até o presente momento que se nota um avanço na utilização em grande escala das tecnologias de apoio à decisão, mais precisamente do datamining, que auxilia o nível estratégico das empresas a tomar decisões com mais propriedade sobre os dados extraídos da base de dados da empresa. Foi observado neste trabalho que o datamining pode ser utilizado em conjunto com datawarehouse para ajudar em certos tipos de decisões. Em conjunto essas técnicas auxiliam na extração de novos padrões significativos que não podem ser encontrados por mera consulta ou processamento de dados ou metadados no datawarehouse. Foram estudados os tipos de conhecimentos descobertos por meio do datamining, que podem ser representados de diversas maneiras: em sentido não-estruturado, por meio de regras, ou da lógica de proposições, na forma estruturada, podendo ser representado por árvores de decisão, redes semânticas, redes neurais, hierarquias de classes ou frames. Com essa pesquisa pode-se observar as aplicações de datamining em diversas áreas em que se consegue obter um retorno satisfatório, tais como marketing, finanças, indústria e saúde. Foi realizado também um estudo de caso, em que a empresa Mercado Virtual necessitava utilizar a mineração de dados para conseguir uma análise melhor dos seus dados. Por tratar-se de uma grande base de dados e ter a necessidade de alcançar os resultados esperados, foi preciso estudar todas as metodologias e as técnicas com suas respectivas ferramentas disponíveis em datamining, chegando-se à conclusão que a utilização do produto Microsoft Analysis Services é uma boa opção, por oferecer técnicas adequadas ao problema da empresa e por possuir uma ferramenta de trabalho compatível com as necessidades do Mercado Virtual.

Palavras-Chave: Datamining. Mineração de dados. Algoritmos. Técnicas de Datamining. Apoio a decisão. Base de dados. Tecnologia. Banco de dados. Análise.

LISTA DE FIGURAS

Figura 1 - Fases do processo de Datamining 19

Figura 2 - listagem de produtos 22

Figura 3 - Gráfico de setores circulares 22

Figura 4 - Tabela de clientes 23

Figura 5 - Visualização em forma de árvore 23

Figura 6 - Tabela CliquesProdutos 42

Figura 7 - Data Source: Mercado Virtual 42

Figura 8 - Data Source View: CliquesProdutos 43

Figura 9 - Gráfico MTS 43

Figura 10 - Legenda Gráfico MTS 44

Figura 11 - Tabela LojasCategorias 44

Figura 12 - Data Source LojasCategorias 45

Figura 13 - Perfis Cluster 45

Figura 14 - Discriminação