Mineração de Dados

Conceito

    Mineração de Dados ou Data Mining em inglês, é um processo de procura, devido ao grande volume de informações que um banco de dados pode possuir, a realização da análise desses dados por seres humanos é inviável sem o auxílio de ferramentas computacionais apropriadas, o profissional que trabalhar em Mineração de Dados minera então dados de relevância, que tenham correlações entre outros dados, utiliza-se várias técnicas da estatística, recuperação de informação, inteligência artificial e reconhecimento de padrões.

    Este conceito de Mineração de Dados então é utilizado em vários segmentos da indústria e órgãos governamentais para trazer vários tipos de informação dependendo a partir de qual banco de dados está se fazendo a Mineração de Dados, utilizando este conceito é possível e praticamente um requisito obrigatório para melhorar a gestão de um negócio, obtendo conhecimento através dos dados retornados através da mineração.

    Não confunda Mineração de Dados com Business Intelligence (BI), eles são dois patamares distintos de atuação. O BI tem como função de prover a empresa com conhecimento novo e útil acerca do seu negócio e funciona no plano estratégico. A Mineração de Dados procura obter a partir dos dados brutos, informação útil para prover uma tomada de decisão nos médios e altos níveis da empresa, tendo muita influência no plano tático.

    Para compreender a importância da Mineração de Dados, há muita informação disponível pela internet e em banco de dados porém isto não quer dizer necessariamente mais conhecimento, é preciso entender o que é relevante, trabalhar estes dados e, então, fazer bom uso dessa informação de acordo com alguns tipos de dados, ela deve ser estruturada de maneira lógica e inteligente.

Tipos de informação

Segue alguns tipos e técnicas de Mineração de Dados que se é possível obter informações:

• Associações: É a busca de dados,eventos, que frequentemente ocorrem de forma simultânea em um conjunto de dados.

• Sequências: São eventos que estão ligados ao longo do tempo. Como exemplo, o que um usuário faz após o primeiro login em uma rede social e assim começa a surgir uma sequência de ações.

• Classificação: Reconhece a qual grupo um item pertence através da análise dos itens já classificados anteriormente usando-se um conjunto de regras.
• Estimativa ou Regressão: É uma função que mapeia os registros de um banco de dados em um intervalo de valores em numéricos reais. Como exemplo, estimar o valor de um imóvel com base em outros analisados em seu redor.
• Previsão de Séries Temporais: Uma série temporal é um conjunto de registros de um fenômeno que é organizado em ordem temporal, como hora,minuto,dia,mês,ano. Como exemplo, registro de eventos no decorrer de um mês podendo ser o quanto foi gasto no mês de energia que é um conjunto mensal ou a quantidade de vezes em que o usuário realizou um login em uma rede social em 1 dia e gerar dados a partir disto.
• Sumarização: Consiste em identificar e indicar similaridades entre registros do conjunto de dados.

• Aglomeração: Funciona de maneira semelhante a classificação porém trabalha com grupos indefinidos. Trabalhando com grupos de dados indefinidos aglomerando dados que se relacionam como, agrupar clientes com comportamento de compra similar, a fim de melhor recomendar novos produtos para esses clientes.

• Prognóstico: Prognóstico partem de uma série de valores existentes para prever quais serão os próximos valores. Por exemplo um prognóstico pode descobrir padrões nos dados que ajudam os gerentes a estimar sobre o números de vendas e também uma receita aproximada.

Lembrando que todos esses tipos e técnicas de Mineração de Dados que cito acima eles são adaptados em vários outros segmentos e não apenas no sentido comercial, fazendo exemplos usando o mercado facilita a compreensão, não há um limite de como se fazer a mineração, irá depender do profissional de como relacionar todas as informações brutas em alguma informação que tenha valor, toda a mineração é realizada através de uma pesquisa de um banco de dados, que segue uma lógica.

Exemplos

Comércio

    Suponhamos que em um supermercado acontece a seguinte situação:

A maioria dos clientes que adquiriram pão e leite desnatado
também adquiriram manteiga ou margarina.

Só é possível descobrir a incidência destes casos apenas com uma Mineração de Dados, com isso foi possível então constatar um padrão de compras entre a maior parte dos clientes e com esta informação o supermercado pode tomar ações para atender mais este tipo de demanda colocando mais a disposição nas prateleiras do supermercado certos produtos que tem um padrão de compras para incentivar ainda mais este hábito.

Energia

Em um cenário onde se está em época de poucas chuvas, é preciso aplicar técnicas de Mineração de Dados para a geração de modelos e relatórios que façam a previsão de demanda de consumo de energia elétrica por regiões, então os tipos de dados que estamos trabalhando e tentando minerar é Regressão e Previsão de Séries Temporais. Para se obter estes dados foram utilizados registros de consumo de energia elétrica ao longo de períodos anteriores.

Medicina

Um projeto de Data Mining foi realizado na área de Citopatologia para extrair conhecimento que auxiliasse na detecção e na prevenção de câncer de colo de útero. A base de dados analisada continha informações sobre diversas pacientes de vários municípios do Rio Grande do Sul, incluindo imagens das amostras de material (células) coletado para exame citopatológico. Considerando o grande volume de amostras a ser analisado, o projeto teve como objetivo construir um modelo de classificação que permitisse auxiliar no diagnóstico da doença a partir das imagens e dos dados das amostras coletadas em novas pacientes (tarefa de Classificação).

Referências Bibliográficas

Links:

• [1] Mineração de Dados - Wikipedia]
• [2 Mineração de Dados, O que é e por que é importante? - SAS]
• [3] Exemplos de aplicações de data mining no mercado brasileiro - Ronaldo Goldschmidt e Eduardo Bezerra
• [4] Conceitos de mineração de dados - Microsoft Developer Network]