Escolar Documentos
Profissional Documentos
Cultura Documentos
Apresentação
A mineração de dados é um princípio importante da data science, em que acontece o envolvimento
de tecnologia da informação para, de forma automatizada, realizar o tratamento de dados por meio
de avaliações de padrões. Assim, é importante conhecer todo o processo para estruturar projetos
de mineração de dados, assim como as suas tarefas, para que o processo de encontrar padrões, a
partir de dados definidos em um conjunto de subtarefas, seja mais concreto.
Os resultados melhorados de um negócio não dependem apenas do volume dos dados que uma
empresa apresenta, mas também sobre a forma como essas informações serão utilizadas. No
campo dos negócios, o processo de análise de dados vem beneficiando os aspectos de identificação
de fenômenos reais, que são analisados por meio desse grande conjunto de dados para melhorar
suas estratégias e seus processos.
Nesta Unidade de Aprendizagem, você vai aprender a aplicação do big data analytics nos negócios,
a partir da análise de tarefas de mineração de dados utilizados em casos reais e realizados a partir
da tomada de decisão para a escolha dos melhores processos e sua aplicação nas organizações.
Bons estudos.
Quando são organizados os produtos em uma loja, é preciso levar em consideração alguns
parâmetros, como: a capacidade de produção; a distribuição da indústria que o produz; se aquele
produto tem material de divulgação e marketing próprio; o melhor mês para expor o item; entre
outros.
a) Além das informações sobre as vendas dos últimos 5 anos, quais outras podem ser utilizadas e,
assim, melhorar a análise dos dados que dará origem ao sistema de previsão?
b) Quais são os tipos de técnicas de mineração podem ser usados para realizar o sistema de
previsão de venda?
Infográfico
Para analisar os dados de uma organização, é necessário realizar a mineração de dados que, por
meio de um conjunto de técnicas automáticas, vai explorar grandes quantidades de dados para,
assim, descobrir novos padrões e novas relações que possam existir entre esses dados e que não
são possíveis de descobrir manualmente. Muitas técnicas podem ser utilizadas para realizar esse
processo de mineração.
Neste Infográfico, acompanhe as fases de mineração de dados por meio do modelo CRISP-DM,
compreendendo como cada uma das seis etapas é estruturada para gerar bons resultados de
análise para as organizações.
Aponte a câmera para o
código e acesse o link do
conteúdo ou clique no
código para acessar.
Conteúdo do livro
Dados são gerados a cada momento, especialmente no tempo tecnológico, em que o aumento de
vendas on-line cresceu — consequentemente, a quantidade de dados enviados para as redes
também. Tudo isso gera uma grande quantidade de dados, que precisam ser tratados dentro das
empresas para que tomadas de decisões assertivas sejam realizadas.
No capítulo Big data analytics nos negócios, base teórica desta Unidade de Aprendizagem, veja
como utilizar as técnicas de mineração de dados para a tomada de decisão, identificando os
modelos e métodos que vão ser implementados para gerar os melhores resultados e lucros para as
empresas. Por fim, acompanhe como aplicar corretamente essas análises realizadas por meio da
mineração de dados.
ANALYTICS PARA
BIG DATA
Big data analytics
nos negócios
Myllena Silva de Freitas Morais
OBJETIVOS DE APRENDIZAGEM
Introdução
A transformação digital e os avanços da tecnologia têm feito o big data analytics
se tornar uma das grandes tecnologias para o mundo dos negócios, pois usa
o tratamento dos dados para gerar vários benefícios às organizações, melho-
rando as estratégias e os processos, que irão, consequentemente, aumentar
as vendas e os lucros.
O big data analytics é utilizado para gerenciar um grande volume de dados,
que, sendo capturados de diferentes formas, servirão para auxiliar no processo
de tomada de decisão das organizações. Por meio dessas análises serão des-
cobertos padrões para obter insights para os negócios.
Neste capítulo, você vai estudar a análise de dados a partir das técnicas
de mineração aplicadas a práticas da realidade das organizações. Veremos,
também, como identificar os processos de implantação de analytics para
melhorar os processos de negócios.
2 Big data analytics nos negócios
Poderíamos detalhar bem mais cada uma dessas tarefas, embora não seja
possível aqui, mas, juntas, elas formam a base de todos os tipos de tarefas.
É preciso saber identificar quais tipos de tarefa se encaixarão para resolver
seu problema de análise dos dados.
Referências
ÁRVORE de tomada de decisão. In: WIKIPÉDIA, [2020]. Disponível em: https://commons.
wikimedia.org/wiki/File:%C3%81rvore_de_tomada_de_decis%C3%A3o.png. Acesso
em: 15 out. 2021.
DEVMEDIA. Mineração de dados na prática: parte 1. 2015. Disponível em: https://www.
devmedia.com.br/mineracao-de-dados-na-pratica-parte-1/33299. Acesso em: 15 out.
2021.
EVANS, R.; FISHER, D. Using decision tree induction to minimize process delays in the
printing industry. In: KLOSGEN, W.; ZYTKOW, J. (ed.). Handbook of data mining and
knowledge discovery. Oxford: Oxford University Press, 2002. p. 874-881.
HAN, J; KAMBER, M. Data mining: concepts and techniques. Amsterdam: Elsevier, 2006.
PROVOST, F.; FAWCETT, T. Data science para negócios: o que você precisa saber sobre
mineração de dados e pensamento analítico de dados. Rio de Janeiro: Alta books,
2016. (E-pub).
Big data analytics nos negócios 13
Leituras recomendadas
DOMINGUES, M. L. Mineração de dados utilizando aprendizado não-supervisionado:
um estudo de caso para bancos de dados da saúde. 2003. 127 f. Dissertação (Mestre
em Ciências da Computação) — Instituto de informática, Universidade Federal do Rio
Grande do Sul, Porto Alegre, 2003.
NASCIMENTO, C. A. X. et al. Inovação nos negócios por meio da análise de big data
international. Journal of Professional Business Review, v. 3, n. 1, p. 1-16, 2018.
REZENDE, S. O. Mineração de dados. In: CONGRESSO DA SOCIEDADE BRASILEIRA DE COM-
PUTAÇÃO, 25., 2005, São Leopoldo. Anais [...]. São Leopoldo: Unisinos, 2005. p. 397-433.
Nesta Dica do Professor, compreenda como cada um desses métodos se apresenta, suas
características e quais são os métodos utilizados em cada tarefa de mineração especificamente.
Aponte a câmera para o código e acesse o link do conteúdo ou clique no código para acessar.
Exercícios
1) Uma rede de farmácias percebeu que com a aproximação do verão precisava organizar as
suas prateleiras para as vendas de produtos utilizados nessa época. Porém, para aumentar a
quantidade de vendas não apenas nesses produtos específicos, a empresa decidiu realizar
uma análise em seus dados para saber como organizar melhor os seus itens para que possam
ser adquiridos juntos.
Com base nesse contexto, assinale qual é a melhor tarefa de mineração de dados que pode
ser aplicada para realizar a análise dos dados da rede de farmácias.
B) Regressão.
D) Agrupamento.
E) Agrupamento de coocorrência.
2) Dentro da mineração de dados, deseja-se analisar os dados de uma organização a partir das
características comportamentais de um determinado indivíduo ou comportamento de
aplicações. Sendo assim, a melhor opção será aplicar a tarefa de _____________.
A) Modelagem casual.
B) Regressão.
C) Redução de dados.
D) Perfilamento.
E) Agrupamento de coocorrência.
3) No processo de mineração de dados, grande parte das teorias, dos algoritmos e dos métodos
que são utilizados para fazer o tratamento de volumes de dados é proveniente do
reconhecimento de padrões e aprendizado de máquina, como os métodos supervisionado e
não supervisionado.
II. No aprendizado não supervisionado, é preciso identificar como os objetos poderão ser
agrupados em classes, baseando-se em atributos deles.
A) I e II.
B) II e III.
C) I e III.
D) III, apenas.
E) I, apenas.
4) Após realizar a mineração dos dados, é preciso implementá-los na empresa para que o
investimento aplicado na mineração possa gerar lucros para o negócio. Existe a possibilidade
de a implantação acontecer já durante a análise da mineração de dados sem
necessariamente criar um modelo específico.
Sendo assim, assinale (V) para verdadeiro e (F) para falso nas afirmativas a seguir.
( ) O cientista de dados precisa ficar atento para que os dados analisados não sejam
desatualizados.
( ) Essa decisão poderá ser tomada para análises que precisem de decisões imediatas.
A) V, V, F.
B) F, V, F.
C) F, F, V.
D) V, V, V.
E) V, F, V.
5) Uma empresa de fabricação de sapatos está organizando o lançamento de seu novo produto,
porém precisa encontrar o melhor momento para realizá-lo e garantir que as vendas sejam
bem-sucedidas. Pensando nisso, o setor de marketing decidiu contratar uma equipe de data
science para realizar uma análise nos dados e determinar qual será a melhor data para lançar
o seu produto.
Sendo assim, assinale qual é a tarefa de mineração de dados que pode ser aplicada pela
equipe de data science.
A) Modelagem casual.
B) Regressão.
C) Agrupamento.
D) Perfilamento.
A partir disso, o negócio poderá se organizar para oferecer aos seus clientes ofertas com certo grau
de certeza de sucesso. Dessa forma, o trabalho do mercado dirigido vai criar uma relação próxima
com cada cliente e poder investir em classificações sucessivas de sua clientela.
Confira, Na Prática a seguir, como uma empresa de distribuição de materiais de construção aplicou
o processo de mineração de dados para melhorar as suas vendas para clientes revendedores de
seus produtos.
Aponte a câmera para o
código e acesse o link do
conteúdo ou clique no
código para acessar.
Saiba +
Para ampliar o seu conhecimento a respeito desse assunto, veja abaixo as sugestões do professor:
Aponte a câmera para o código e acesse o link do conteúdo ou clique no código para acessar.
Aponte a câmera para o código e acesse o link do conteúdo ou clique no código para acessar.