Data Mining:

Conceitos e Técnicas
DM, DW e OLAP
 Data Warehousing e OLAP para
Data Mining

• O que é data warehouse?

• De data warehousing para data mining

 Data Warehousing e OLAP para
Data Mining

• Data Warehouse: A Memória da Empresa

• Data Mining: A Inteligência da Empresa

 O que é Data Warehouse?

• Definido de diversas formas, mas não

rigorosamente:
– É uma base de dados de suporte que é
mantida separadamente da base de dados
operacional da organização;
– Suporta o processamento de informações
provendo uma sólida plataforma de dados
históricos e consolidados para análise;
 O que é Data Warehouse?
• “Um data warehouse é uma coleção
de dados:
1. orientada a assunto (subject-oriented);
2. integrada;
3. variante no tempo, e
4. não-volátil
para suporte a decisões de
gerenciamento”.—W. H. Inmon
• Data warehousing: o processo de
construção e uso de data warehouses.
 Usos do data warehouse
• Processamento de Informações:
– Suporta consultas, análise estatística básica e
relatórios usando tabelas, gráficos, etc.
• Processamento analítico:
– Análise multi-dimensional doas dados contidos no
data warehouse;
– Suporta operações OLAP básicas (slice-dice,
drilling, pivoting);
 Usos do data warehouse
• Data mining:
– Descoberta de conhecimento em padrões;
– Suporta associações, construção de modelos
analíticos, executa classificação e predição, e
apresenta os resultados usando ferramentas de
visualização.
 De OLAP para OLAM
Por que OLAM?
• Alta qualidade dos dados nos data warehouses;
– DW contem dados integrados, consistentes e limpos.
• Estrutura para o tratamento de informação disponível
no ambiente de DW:
– ODBC, OLEDB, acesso à Web, facilidades de serviço, relatórios e
ferramentas OLAP;
• Análise de dados exploratória baseada em OLAP;
– Mineração com drilling, dicing, pivoting, etc.
• Seleção on-line das funções de data mining:
– Integração e intercâmbio de múltiplas funções de mineração,
algoritmos e tarefas.
 Uma arquitetura OLAM
Mining query Mining result Layer4
User Interface
User GUI API
Layer3
OLAM OLAP
Engine Engine OLAP/OLAM

Data Cube API

Layer2
MDDB
MDDB
Meta Data

Filtering&Integration Database API Filtering

Layer1
Data cleaning Data
Databases Data
Data integration Warehouse Repository
Pré-processamento de
dados
 Por que pré-processar os dados ?

• Dados reais são “sujos”:

– Incompletos: falta de valores de atributos, falta de
atributos de interesse ou existência de atributos
agregados;
– Ruidosos: contem erros e desvios;
– Inconsistentes: contem discrepâncias em nomes e
na codificação.
• Sem dados de qualidade, sem resultados de
qualidade em DM:
– Decisões de qualidade devem estar baseadas em
dados de qualidade;
– DW necessita da integração consistente de dados
de qualidade.
 Medida multidimensional da
qualidade dos dados
• Uma visão multidimensional bem aceita:
– Correção;
– Completude;
– Consistência;
– Atualidade (timeliness);
– Credibilidade;
– Valor adicionado;
– Interpretabilidade;
– Acessibilidade.
• Categorias abrangentes:
– Intrínseca, contextual, representacional e
acessibilidade.
 Principais tarefas no pré-
processamento dos dados
• Limpeza dos dados:
– Preenchimento de valores inexistentes, atenuação
de dados ruidosos, identificação e remoção de
desvios, resolução de inconsistências;
• Integração de dados:
– Integração de múltiplos DB, data cubos, e arquivos;
• Transformações nos dados:
– normalização e agregação;
• Redução de dados:
– Obtenção de uma representação reduzida em
volume mas que produz resultados de análise
idênticos ou similares.
 Principais tarefas no pré-
processamento dos dados
• Limpeza dos dados: Valores faltantes

1. Ignorar a tupla;
2. Preencher o valor manualmente;
3. Usar uma constante global;
4. Usar o valor médio do atributo na base;
5. Usar o valor médio do atributo na classe;
6. Usar o valor mais provável.
 Principais tarefas no pré-
processamento dos dados
• Limpeza dos dados: Atenuação de
dados ruidosos

1. Discretização;
2. Agrupamento;
3. Interação humana;
4. Regressão.
 Principais tarefas no pré-
processamento dos dados
• Limpeza dos dados: Inconsistências

1. Eliminar dados;
2. Corrigir manualmente;
3. Ignorar.
 Principais tarefas no pré-
processamento dos dados
• Integração de dados:
– Integração de esquemas de BD: problema
da identificação de entidades;
– Redundâncias;
– Detecção e resolução de valores
conflitantes nos dados.
 Principais tarefas no pré-
processamento dos dados
• Transformações nos dados:
– Suavização (smooting);
– Agregação;
– Generalização;
– Normalização (entre 0 e 1);
– Construção de atributos.
 Principais tarefas no pré-
processamento dos dados
• Redução de dados:
– Agregação de data cubes;
– Redução de dimensionalidade;
– Compressão de dados;
– Redução de instâncias;
– Geração de hierarquias de conceitos.
Formas de pré-processamento
de dados
 Sumário
• A preparação do dados é um ponto crucial
tanto para data warehousing quanto para data
mining;

• A preparação de dados inclui:

– Limpeza e Integração de dados;
– Redução de dados e seleção de características;
– Discretização: intervalos iguais, freqüências iguais,
agrupamento.

• Vários métodos têm sido desenvolvidos, mas

ainda é área ativa de pesquisa.