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 possui, 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 banco de dados mas isto não quer dizer necessariamente mais conhecimento, é preciso entender o que é relevante e, então, fazer bom uso dessa informação de acordo com alguns tipos de dados, ela deve ser estruturada de maneira lógica e inteligente, segue alguns tipos de informações que se é possível obter:
Tipos de informação
- Associações: Determinando quais produtos são mais prováveis de serem vendidos juntos, gerando recomendações: São ocorrências ligadas a um único evento.
- Sequências: Na sequência os eventos estão ligados ao longo do tempo. Pode-se descobrir, por exemplo, que quando se compra uma casa, em 65% as vezes se adquire uma nova geladeira no período de duas semanas; e que em 45% das vezes, um fogão também é comprado um mês após a compra da residência.
- Classificação: Reconhece um grupo que um item pertence através da análise dos itens já classificados anteriormente usando-se um conjunto de regras.
- Regressão: Compreende a busca por uma função que mapeie os registros de um banco de dados em um intervalo de valores numéricos reais. Esta tarefa é similar à tarefa de Classificação, com a diferença de que o atributo alvo assume valores numéricos.
- Previsão de Séries Temporais: Uma série temporal é um conjunto de observações de um fenômeno (variável numérica) ordenadas no tempo. Exemplos de séries temporais: o consumo mensal de energia elétrica de uma casa, registrado durante um ano ou as vendas diárias de um produto no decorrer de um mês, dentre muitos outros. A previsão de uma série temporal tem como objetivo inferir valores que a variável da série deverá assumir no futuro considerando como base valores passados dessa série.
- Aglomeração: Funciona de maneira semelhante a classificação quando ainda não foram definidos grupos. Uma ferramenta de data mining descobrirá diferentes agrupamentos dentro da massa de dados. Por exemplo ao encontrar grupos de afinidades para cartões bancários ou ao dividir o banco de dados em categorias de clientes com base na demografia e em investimentos pessoais.
- Prognóstico: Embora todas essas aplicações envolvam previsões, os prognósticos as utilizam de modo diferente. Partem de uma série de valores existentes para prever quais serão os outros valores. Por exemplo um prognóstico pode descobrir padrões nos dados que ajudam os gerentes a estimar o valor futuro de variáveis com números de vendas.
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 tentando minerar é tarefa de Regressão/Previsão de Séries Temporais). Para se obter estes dados foram utilizados registros de consumo de energia elétrica ao longo de períodos anteriores.
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
- [4Conceitos de mineração de dados - Microsoft Developer Network]