1

Introdução

Os rápidos avanços na coleta de dados e tecnologia de armazenamento permitiram que organizações de

acumular grandes quantidades de dados. No entanto, extrair informações úteis provou extremamente desafiador.
Muitas vezes, ferramentas e técnicas tradicionais de análise de dados não pode ser usado por causa do enorme
tamanho de um conjunto de dados. Às vezes, a natureza não-tradicional dos dados significa que as abordagens
tradicionais não podem ser aplicados mesmo que o conjunto de dados é relativamente pequena. Em outras
situações, as perguntas que precisam ser respondidas não podem ser resolvidos usando técnicas de análise de
dados existentes e, assim, novos métodos precisam ser desenvolvidos.

A mineração de dados é uma tecnologia que combina métodos de análise de dados tradicionais com
algoritmos sofisticados para processamento de grandes volumes de dados. Ele também abriu oportunidades
excitantes para explorar e analisar novos tipos de dados e para a análise de antigos tipos de dados de novas
maneiras. Neste capítulo introdutório, apresentamos uma visão geral de mineração de dados e delinear os
principais tópicos a serem abordados neste livro. Começamos com uma descrição de algumas aplicações bem
conhecidas que requerem novas técnicas de análise de dados.

O negócio Ponto-de-venda de coleta de dados (barras scanners de código, rádio frequência identificação
(RFID), e tecnologia de cartão inteligente) permitiram que os varejistas para recolher dados
up-to-the-minute sobre as compras dos clientes nos balcões de check-out de suas lojas. Os varejistas
podem utilizar essa informação, juntamente com outros dados críticos de negócios, tais como Web logs de
sites de e-commerce e registros de atendimento de call centers, para ajudá-los a entender melhor as
necessidades de seus clientes e tomar decisões de negócios mais informadas.

técnicas de mineração de dados pode ser usado para suportar uma ampla gama de aplicações de inteligência
de negócios, como cliente pro fi ling, marketing direcionado, o trabalho fl uxo de gestão, layout da loja, e detecção
de fraudes. Ele também pode ajudar os varejistas

Do Capítulo 1 do Introdução à Mineração de Dados , Primeira edição. Pang-Ning Tan, Michael Steinbach,
Vipin Kumar. Copyright © 2006 por Pearson Education, Inc. Todos os direitos reservados.

1
 1,7 exercícios

(A) Dividindo os clientes de uma empresa de acordo com seu sexo. (B) Dividindo os clientes de

uma empresa de acordo com a sua rentabilidade. (C) Calculando as vendas totais de uma empresa.

(D) Classificando uma base de dados do estudante com base em números de identi fi estudantis. (E)

prever os resultados de jogar um par (justa) de dados. (F) Prever o preço das ações futuro de uma

empresa usando registros históricos. (G) O controlo da frequência cardíaca de um paciente para

alterações. (H) Monitorização ondas sísmicas para actividades sismo. (I) extrair as frequências de uma

onda de som.

2. Suponha que você está empregado como consultor de mineração de dados para uma empresa de Internet do motor de
busca. Descrever como extracção de dados pode ajudar a empresa, dando exemplos c fi cações de como as técnicas,
tais como agrupamento, classi fi cação, mineração de regras de associação, e a detecção de anomalias pode ser
aplicado.

3. Para cada um dos seguintes conjuntos de dados, explicar ou não a privacidade dos dados é uma questão importante.

(A) Os dados de recenseamento recolhido 1900-1950.

(B) os endereços IP e horas de visita de usuários da Web que visitam o site. (c) As imagens de

satélites em órbita da Terra.

(d) Os nomes e endereços das pessoas da lista telefónica. (E) Os nomes e

endereços de e-mail coletados a partir da Web.

17