WBA0636_v2.

BI: A inteligência de negócios

Mineração de dados e
Inteligência Artificial
Conceitos e aplicações sobre mineração de
dados

Bloco 1
Michele Lisboa Silveira
Mineração de dados

Figura 1 - Múltiplas disciplinas

Estatística.

Ciência
Administrativa Inteligência
e Sistemas de Artificial.
Informação.

Mineração de
dados:
descobertas e
conhecimentos.

Gerenciamento
Aprendizado
de dados e
de máquina.
DW.

Visualização de
informações.

Fonte: elaborada pela autora.

Mineração de dados
• Construir um modelo de mineração de dados é parte de um
processo maior, que inclui desde definir o problema e fazer
perguntas sobre os dados e criar um modelo para
responder a essas perguntas.
• Consiste em explorar os dados para implantar o modelo em
um ambiente de trabalho.
• Preparação de dados: limpeza e seleção.
• Atualização de modelos: criar consultas de conteúdo para
recuperar estatísticas, regras ou fórmulas do modelo.
Mineração de dados
• Detectar e reduzir atividades fraudulentas, sobretudo, em
pagamentos de seguros e uso de cartão de crédito.
• Identificar padrões de compras de clientes
• Reconquistar clientes lucrativos.
• Identificar regras de transações a partir de dados históricos.
• Aumentar a lucratividade usando análise de cesta de
mercado.
Mineração de dados
• Associações: itens que costumam ocorrer em
concomitância.
• Previsões: caráter das ocorrências futuras de certos
eventos tomando por base o que aconteceu no passado.
• Agrupamentos: aglomerações naturais de coisas com base
em suas características conhecidas.
• Relações sequenciais: revelam eventos temporalmente
ordenados.
Mineração de dados

Figura 2 –Estruturas de dados

Fonte: adaptada de Monteiro (2022).

Mineração de dados e
Inteligência Artificial
Limpeza de dados
Árvore de decisões
Método Centroide
Bloco 2
Michele Lisboa Silveira
Processo de descoberta

Figura 3 – Processo de descoberta de conhecimento em bases de dados

Validação

Mineração

Pré-processamento

Base de dados

Fonte: adaptada de Castro e Ferrari (2016).

Técnicas de BI&A
• A mineração de dados é usada para descobrir como os
diferentes atributos de um conjunto de dados estão
relacionados entre si, por meio de padrões e técnicas de
visualização de dados.
• O aprendizado de máquina é usado para fazer previsões do
resultado, como estimativa de preço ou aproximação de
duração.
• O algoritmo de aprendizado de máquina precisa que os
dados sejam alimentados em um formato padrão, devido
ao qual os algoritmos disponíveis são muito limitados.
Limpeza de dados
• Limpeza de dados: corrigir ou remover dados incorretos,
corrompidos, formatados incorretamente, duplicados ou
incompletos em um conjunto de dados.
• Combinação de várias fontes de dados: os dados podem ser
duplicados ou rotulados incorretamente.
• Dados incorretos: resultados e algoritmos não serão
confiáveis.
Árvore de decisões

Figura 4 – Projetos

60% R$ 300.000
sucesso
Cenário VME
conservador R$ 100.000
R$ 500.000
40% R$ -200.000
fracasso
Fazer o
projeto
ou não?

Cenário 75% R$ 412.500

agressivo. sucesso VME
R$550.000 R$ 275.000
Investir
hora extra 25%
R$ - 137.500
fracasso

Fonte: elaborada pela autora.

Centroide

Figura 5 – Formação de cluster no método centroide

Fonte: adaptada de Favero (2022).

Mineração de dados e
inteligência artificial
Inteligência artificial

Bloco 3
Michele Lisboa Silveira
Inteligência artificial
• Reativa: algoritmos para otimizar as saídas, com base em
um conjunto de entradas.
• Memória limitada: adaptar a experiências passadas ou se
atualizar com base em novas observações ou dados.
• Teoria da mente: é totalmente adaptável e tem uma ampla
capacidade de aprender e reter experiências passadas.
• Inteligência artificial autoconsciente: alguns especialistas
acreditam que uma Inteligência Artificial nunca se tornará
consciente ou viva.
Aplicações da Inteligência Artificial
• Saúde: dosar medicamentos, distribuir tratamentos e
auxiliar em procedimentos cirúrgicos.
• Computadores que jogam xadrez e carros autônomos.
• Setor financeiro: detectar e sinalizar atividades bancárias e
financeiras.

Se tosse e garganta inflamada e nariz escorrendo e febre, então gripe.

Se cansaço e dor de cabeça e febre e feridas na pele, então catapora.

Categorias de Inteligência Artificial
• Fraca: incorpora um sistema projetado para realizar um
trabalho específico. Videogames, Alexa e Siri.
• Forte: sistemas que executam as tarefas consideradas
semelhantes às humanas. Aplicações como carros
autônomos ou em salas de cirurgia de hospitais.
Técnicas de BI&A
• Mineração de dados: classificação por meio de grandes
conjuntos de dados. Identificação de padrões e
relacionamentos, que podem ajudar a resolver problemas
de negócios por meio da análise de dados.
• Analise preditiva: previsões com base em dados. Dados em
conjunto com técnicas de análise, estatísticas e
aprendizado de máquina.
• Inteligência artificial: sistemas ou máquinas que imitam a
inteligência humana para realizar tarefas e podem
melhorar iterativamente, com base nas informações que
coletam.
Previsão da produtividade de grãos em lavouras

Algoritmos de estimação: prever o resultado de uma colheita.

Indicação de técnicas para a correção do solo, adequação dos
processos de irrigação e melhoria do controle de pragas.
Utilizar amostras de folhas de plantas e amostras do solo da
região para o treinamento dos algoritmos de predição.
O objetivo da predição é determinar a quantidade de calcário
necessária para neutralizar o alumínio tóxico no solo,
aumentar o cálcio, o magnésio e a base do solo.
Possibilidade de fazer a correção do solo antes da colheita.
Teoria em Prática
Bloco 4
Michele Lisboa Silveira
Teoria em prática
O gerente de vendas da Laticínios Ilhabela criou uma planilha
de dados para especificar as metas de vendas dos
funcionários.
Ele deseja comparar as metas com as vendas efetivas, cujo
relatório foi extraído do software de vendas da empresa.
Analise os dados e reflita sobre a importância da mineração
dos dados.
Norte para resolução

Figura 6 – Fragmento da tabela de metas

Fonte: elaborada pela autora.

Norte para resolução

Figura 7 – Fragmento da tabela de vendas

Fonte: elaborada pela autora.

Norte para resolução
• Utilize um software de Business Intelligence.
• Faça o procedimento de ETL.
• Crie um cadastro de vendedores.
• Crie um calendário para comparar os dados.
• Estabeleça as relações no modelo.
Dicas do(a) Professor(a)
Bloco 5
Michele Lisboa Silveira
Leitura Fundamental
Prezado aluno, as indicações a seguir podem estar disponíveis
em algum dos parceiros da nossa Biblioteca Virtual (faça o login
por meio do seu AVA), e outras podem estar disponíveis em sites
acadêmicos (como o SciELO), repositórios de instituições
públicas, órgãos públicos, anais de eventos científicos ou
periódicos científicos, todos acessíveis pela internet.
Isso não significa que o protagonismo da sua jornada de
autodesenvolvimento deva mudar de foco. Reconhecemos que
você é a autoridade máxima da sua própria vida e deve,
portanto, assumir uma postura autônoma nos estudos e na
construção da sua carreira profissional.
Por isso, nós o convidamos a explorar todas as possibilidades da
nossa Biblioteca Virtual e além! Sucesso!
Indicação de leitura 1
Recomenda-se a leitura do artigo indicado a seguir. Neste
artigo, os autores apresentam os resultados da aplicação de
uma abordagem de mineração de dados educacionais. Os
autores construíram um modelo preditivo capaz de prever o
sucesso na certificação dos participantes de um grupo de
estudos, com base nos controles existentes.

Referência:
SOARES, E. R.; RODRIGUES, R. L. Aplicação de mineração de dados para avaliação
da importância das variáveis dos grupos de estudo do PMI-PE para sucesso na
certificação. Revista de Engenharia e Pesquisa Aplicada, v.5, n.1, p. 10-20. 2019.
Indicação de leitura 2

Recomenda-se a leitura do livro indicado a seguir. Neste

livro, são abordadas as principais técnicas estatísticas e
de modelagem multivariada aplicada à tomada de
decisão.

Referência:
FAVERO, L. P. Manual de Análise de Dados - Estatística e Modelagem Multivariada
com Excel, SPSS e Stata. Rio de Janeiro: Grupo GEN, 2017.
Dica do(a) Professor(a)
• Diversas ferramentas podem ser utilizadas para realizar a
mineração de dados:
• Apache Mahout.
• Dundas BI.
• Teradata Databas.
• SAS Data Mining.
• Modelador SPSS.
• DataMelt.
• Chocalho.
• Oracle Data Mining.
Referências
CASTRO, D. G; Ferrari L. N. D. Introdução à mineração de dados: conceitos básicos,
algoritmos e aplicações. São Paulo: Saraiva, 2016.
FAVERO, L. P. Manual de Análise de Dados - Estatística e Modelagem Multivariada
com Excel, SPSS e Stata. Rio de Janeiro: Grupo GEN, 2017.
MONTEIRO, L. P. Dados Estruturados e Não Estruturados. Universidade da
Tecnologia. Disponível em: https://universidadedatecnologia.com.br/dados-
estruturados-e-nao-estruturados/. Acesso em: 18 nov. 2022.
SOARES, E. R., RODRIGUES, R.L. Aplicação de mineração de dados para avaliação
da importância das variáveis dos grupos de estudo do PMI-PE para sucesso na
certificação. Revista de Engenharia e Pesquisa Aplicada, v.5, n.1, p. 10-20. 2019.
Disponível em: http://revistas.poli.br/index.php/repa/article/view/1169/547.
Acesso em: 18 nov. 2022.
Bons estudos!