Sistema de Análise de Comportamento de Clientes Baseado em Rede Neural Artificial

Tamanho: px
Começar a partir da página:

Download "Sistema de Análise de Comportamento de Clientes Baseado em Rede Neural Artificial"

Transcrição

1 Sistema de Análise de Comportamento de Clientes Baseado em Rede Neural Artificial Thamires Charbaje de Oliveira 1, Maury Meirelles Gouvêa Jr. 2 1 Instituto de Ciências Exatas e Informática 2 Instituto Politécnico Pontifícia Universidade Católica de Minas Gerais Belo Horizonte, Brasil 1 2 Abstract. Computerizing the commercial sector provides features that boost sales and attract new customers. However, the large amount of information stored in databases must be handled intelligently; otherwise, companies will have difficulty in using the information they hold. Analyzing and predicting customer behavior from large databases are tasks which require methods to become more and more efficient. This paper presents a method for analyzing the behavior of a beverage distributor s customers which is based on a neural network. The purpose is to classify the type of customer automatically based on his/her purchase history. The results of experiments with several neural network topologies showed that the proposed method is efficient, because it presented an acceptable error rate. Resumo. A informatização dos setores comerciais trás agilidades que favorecem as vendas e a captação de novos clientes. Entretanto, a grande quantidade de informações armazenadas nos bancos de dados deve ser tratada de forma inteligente; caso contrário, as empresas terão dificuldades para aproveitar suas informações. Analisar e prever o comportamento de clientes em uma grande base de dados são tarefas que requerem métodos cada vez mais eficientes. Este trabalho propõe um método para análise de comportamento de clientes de uma distribuidora de bebidas baseado em redes neurais. A proposta é classificar de forma automática o tipo de cliente, baseado no seu histórico de compras. Os resultados de experimentos com várias topologias de redes neurais mostraram que o método é eficiente, pois apresentou uma taxa de acerto aceitável. 1. Introdução As organizações contemporâneas vêm exigindo cada vez mais recursos tecnológicos para análise das informações nas tomadas de decisões. Premidos pela necessidade de tomar decisões em um tempo cada vez mais curto, os executivos precisam dispor de informações rápidas e precisas que lhes sirvam de suporte. Com essa necessidade surgiu o conceito de Business Intelligence (CARVALHO, 2001). Os sistemas de Bussiness Intelligence (BI) têm como característica procurar relações de causa e efeito, extrair e explorar informações contidas em grandes bancos de dados. A inteligência do negócio está associada a proporcionar vantagem competitiva às

2 organizações com informações que assumem papel fundamental no sucesso dos investimentos (CARVALHO, 2001). Um sistema de BI envolve ferramentas que realizem análises preditivas, como, por exemplo, Data Mining que além de buscar interpretação dos dados existentes visa fundamentalmente inferir e generalizar possíveis fatos e correlações não percebidas nem facilmente deduzidas por analistas (PASSARI, 2003). Data Mining é o processo de selecionar informação de grandes bancos de dados em busca de padrões escondidos e informação preditiva utilizando algoritmos de aprendizagem ou classificação baseados em redes neurais, análise estatística, modelagem e máquinas de aprendizagem (ELMASRI; NAVATHE, 2002). Os métodos de data mining podem, a partir de um conjunto de dados, identificar ocorrências e similaridades, associar eventos ou prever o comportamento de uma determinada variável (CARVALHO, 2001). Dentre as áreas estratégicas que mais têm explorado o uso de data mining encontramos o marketing, as vendas, finanças a manufatura e saúde (GOLDSCHMIDT; PASSOS, 2005). A partir da definição dos objetivos e da avaliação dos dados, é possível escolher o método de data mining que será utilizado. Quando objetiva-se, por exemplo, analisar questões relativas ao comportamento de certas variáveis, pode-se utilizar redes neurais. Trata-se de uma estrutura formada por unidades de processamento, ou neurônios, funcionalmente muito simples, mas que por serem altamente interconectados, formam um sistema de processamento maciçamente paralelo que pode ser utilizado para tarefas como reconhecimento de padrões e aproximação de funções (PASSARI, 2003). As RN são técnicas que fornecem métodos de aprendizagem, pois são conduzidas a partir de amostragens de testes. Com esses métodos de aprendizagem, respostas a novas entradas, inéditas, podem ser interpoladas a partir das amostras conhecidas (PASSARI, 2003). Nas últimas décadas, com a alta competição empresarial, clientes mudam de empresas com mais frequência. O data mining pode ser utilizado para verificar por que os clientes trocam uma empresa por outra; pode-se localizar ofertas e oferecer vantagens para evitar a fuga de clientes; ou mesmo localizar clientes que podem sair da empresa sem representar prejuízo (CARVALHO, 2001). No mercado de bebidas, por exemplo, o surgimento de novas marcas e fabricantes abalam a garantia de manter o cliente fiel, exigindo das organizações um estudo tático e estratégico do mercado. No ramo de distribuição de bebidas, um sistema de BI pode avaliar a viabilidade mercadológica e gerir todas as informações ao nível gerencial, adquirindo vantagem competitiva para adquirir mercado e consumidores. Essa análise envolve o estudo de informações que, se devidamente tratadas, podem gerar resultados de significativa relevância para a proposição, elaboração e/ou avaliação dos mais diversos processos. Este trabalho propõe um sistema baseado em data mining para solucionar o problema de inatividade dos clientes em uma distribuidora de bebidas, que normalmente desconhece a inatividade dos seus clientes, pois os relatórios de positivação apontam que apenas 50% dos clientes cadastrados são atendidos por mês. Assim, a empresa não consegue avaliar o motivo que a leva a não conseguir atender todos os clientes. Ao analisar os dados históricos da empresa, pode-se identificar o cliente que deixou de ser tornar ativo. A avaliação dos resultados deve indicar a origem do

3 problema, podendo ser relacionado ao vendedor responsável ao giro do produto comercializado, ou até mesmo à logística comercial que interfere no tempo de entrega do produto. O restante deste artigo está estruturado como segue. Na Seção 2, é apresentado o mecanismo e operação comercial da empresa. A Seção 3 contempla o modelo proposto, com o critério e características de classificação e políticas comerciais da distribuidora de bebidas. A análise detalhada deste trabalho ocorre na Seção 4, no estudo experimental com os testes, resultados, interpretações e definições. Por fim, as considerações finais deste trabalho são apresentadas na Seção Mecanismo Operacional de Uma Distribuidora de Bebidas Nas últimas décadas, com a alta competição empresarial, clientes mudam de empresas com mais frequência devido a vários fatores, como preço, qualidade, promoções, dentre outros. Assim, o Bussiness Intelligence pode ser utilizado para verificar o motivo desse comportamento, localizando ofertas e oferecendo vantagens para evitar a fuga de clientes, ou mesmo localizando clientes que possam sair da empresa sem representar prejuízo. É mais fácil manter um cliente do que adquirir um novo (CARVALHO, 2001). Uma empresa do mercado de refrigerantes em Minas Gerais tem como objetivo expandir e consolidar sua atuação no interior. Identificou-se nessa empresa há necessidade de integrar informações aos negócios para maximizar seus resultados, isto é, além de aumentar o número de clientes deve-se mantê-los fiéis. No setor comercial dessa empresa, as metas de cada equipe são definidas pelo corpo diretor em função do crescimento sem um estudo prévio de crescimento de mercado e perspectivas dos consumidores. Assim, a cada início de período inicia-se uma busca desenfreada para atingir as metas, sem identificar se as vendas serão para novos ou para velhos clientes. A carência de informações acerca do acompanhamento dos clientes reflete em perda de potencial do setor comercial e consequente abertura para concorrência. Entende-se que nem sempre o cliente que possui mais frequência de pedidos é o melhor cliente, pois há tratamentos comerciais e contratos de bonificações que interferem nesta avaliação. Por exemplo, um cliente realiza pedidos toda semana, mas há desconto financeiro que diminui a margem de lucro da empresa. Por outro lado, um outro cliente que realiza pedidos a cada vinte dias sem descontos ou benefícios proporciona uma margem de lucro maior. Atualmente, não há critérios para acompanhamento de clientes nessa distribuidora de bebidas. Diante de uma análise do pedido, o analista de crédito que deseja conhecer o último pedido de um cliente precisa gerar um relatório de vendas na hora da aprovação do pedido. Esse tratamento manual é vulnerável a erros e atrasa a rotina diária do funcionário. Considerando que a distribuidora de bebidas possui um fluxo de pedido diário de aproximadamente pedidos, o analista provavelmente deixará de criticar alguns pedidos da maneira correta. Com critérios de perfil comercial definidos para cada cliente, o método proposto poupará tarefas manuais, proporcionando confiança para ações comerciais, como promoção de vendas, e financeiras, como análise de limite de crédito. Conhecer o cliente é fundamental para estimulá-lo a comprar mais. Com uma base de dados

4 consolidada e atualizada diariamente, a distribuidora de bebidas poderá usufruir informações de seus clientes para implantar algumas rotinas, como sugestões de pedidos e acompanhamento de estoque. Como benefício direto, a distribuidora de bebidas conhecerá o perfil comercial de cada cliente, poderá reestruturar as rotinas de visitas e rotas dos vendedores com mais frequência. Assim, os custos serão reduzidos e os recursos disponíveis serão otimizados. 3. Análise de Comportamento de Clientes Baseado em Rede Neural O modelo proposto tem como objetivo automatizar a análise de comportamento de clientes de uma distribuidora de bebidas a partir da sua base de dados. Os resultados das atividades dos clientes são estimados por uma rede neural feedforward multicamadas (HAYKIN, 2001). Os relatórios de vendas da distribuidora de bebidas mostram que apenas 25 mil dos 50 mil clientes cadastrados são atendidos por mês, i.e., apenas 50% dos clientes são ativos. A empresa não consegue identificar o motivo que a leva a não conseguir atender todos os clientes, e ainda sofre com rupturas, i.e., há uma interrupção na relação comercial entre a empresa e o cliente. Sem a informação do comportamento dos seus clientes, a empresa opera no escuro e não consegue avaliar sua participação no mercado. A distribuidora de bebidas disponibiliza uma rota com N clientes por vendedor. O objetivo é saber quantos desses clientes estão ativos ou compram em períodos regulares. Sem as informações das atividades de seus clientes, a distribuidora não consegue atuar com metas justas para atender o mercado de acordo com suas necessidades. É necessário, ainda, avaliar se os recursos (PDA, telefone, combustível, etc.) disponibilizados para atender uma determinada rota possuem retornos desejados. Aproveitando a capacidade de classificação de uma rede neural, pode-se definir o potencial de compra de um determinado cliente a partir de exemplos de comportamentos passados. A avaliação dos resultados deve indicar a origem do problema vendedor responsável pelo giro do produto comercializado ou a logística comercial que interfere no tempo de entrega do produto. Utilizando uma base extraída do banco de dados da distribuidora de bebidas, inicia-se a tarefa de organização e classificação dos dados. A Figura 1 mostra alguns exemplos de registros utilizados para a análise, que utilizou os campos valor do item comercializado, preço médio do item, data da última compra, em dias, tipo de negócio e tipo de cliente. No método proposto, a função da rede neural é classificar o tipo de cliente, em função do número de dias sem efetuar nenhuma compra e do tipo de negócio efetuado. Portanto, a rede neural possui duas entradas número de dias sem compras e tipo de negócio e uma saída tipo de cliente. Para essa tarefa, as vendas e os clientes de cada registro são classificados simbolicamente. Em seguida, o registro é normalizado para ser apresentado à rede neural no treinamento. Finalmente, após o treinamento, a rede neural está apta para classificar os clientes da distribuidora de bebidas. As próximas subseções descrevem os passos do método proposto.

5 Figura 1. Tabela da base de dados: registros de vendas e classificações 3.1. Classificação da venda Para classificar a venda, no campo tipo de negócio, adotou-se como referência o preço médio e o valor de venda do item. Dentro dos procedimentos comerciais da distribuidora de bebidas, o vendedor possui uma margem de negociação de até 3% do preço médio do item. Assim, a venda pode ser classificada como: Mau negócio: se o valor de venda do item for inferior ao seu valor mínimo de negociação. Entende-se como um mau negócio quando a margem de negociação ultrapassa 3%; Venda padrão: se o valor de venda do item for maior ou igual ao seu valor mínimo de negociação e menor ou igual ao seu preço médio. Entende-se como venda padrão quando o item é negociado dentro da margem de negociação de 3%; ou Bom negócio: se o valor de venda do item for maior do que o seu preço médio. Entende-se como um bom negócio quando o valor do item for negociado acima do seu preço médio. 3.2 Classificação do Cliente A classificação do cliente, no campo tipo de cliente, tem como referência o tipo da venda e a data da compra quantidade de dias de 1o de janeiro até 31 de dezembro de A frequência de compra do cliente deve ser de no máximo 30 dias para ser um cliente regular (pela política de rotas o cliente é visitado e deve ser positivado toda semana). A tolerância máxima é de 60 dias; se dentro desse período o cliente não foi positivado, ele é um cliente suscetível à ruptura. Assim, o cliente pode ser classificado como: Ótimo cliente: se a data da compra for inferior ou igual a 30 dias e o tipo da venda for bom negócio; Bom cliente: se a data da compra for inferior a 30 dias e o tipo da venda for venda padrão; ou se a data da compra for superior a 30 dias e menor ou igual a 60 dias e a venda for bom negócio ou venda padrão; Mau cliente: se a data da compra for inferior a 30 dias e o tipo da venda for mau negócio; ou se a data da compra for superior a 30 dias e menor ou igual a 60 dias e a venda for mau negócio; ou se a data da compra for superior a 60 dias.

6 3.3. Normalização dos Dados A Tabela 1 apresenta os rótulos utilizados para a normalização da base de treinamento da rede neural. Foram utilizados três valores para os padrões de negócio e cliente. Tabela 1. Rótulos padronizados das classificações MAU NEGÓCIO MAU CLIENTE Valor Simbólico VENDA PADRÃO BOM CLIENTE BOM NEGÓCIO ÓTIMO CLIENTE Valor Numérico A Tabela 2 mostra os dados da base de vendas, após a normalização, para o treinamento da rede neural. As duas primeiras colunas são as entradas da rede neural, a última coluna a saída, isto é, a classificação do tipo de cliente Tabela 2. Base de treinamento da rede neural 4. Estudo Experimental Para o desenvolvimento do modelo de análise de comportamento de clientes foi utilizada uma rede neural feedforward multicamadas com apenas uma camada oculta e o algoritmo backpropagation (RUMELHART; HINTON; WILLIAMS, 1986) para seu treinamento. A base de dados da empresa possui registros de venda de todo o ano de Foram utilizados registros como exemplos de comportamento dos clientes para composição da base de treinamento da rede neural, divididos como segue: exemplos para treinamento; 541 exemplos para validação; e 513 exemplos para teste.

7 Para encontrar a melhor configuração da rede neural, foram executados quatro treinamentos com topologias de 10, 20, 30 e 50 neurônios na camada oculta. Para cada treinamento, foram executadas épocas. A taxa de aprendizagem foi fixada em 0,5 e o fator de momento em 0,01. No treinamento, a configuração de pesos sinápticos escolhida foi aquela que produziu o menor erro quadrático médio (EQM) da base de validação durante o treinamento, i.e., a configuração que se supõe ter a melhor capacidade de generalização. Em seguida, calculou-se o erro quadrático médio (EQM) da base de teste. Se esse erro de teste fosse menor que 0,1 (10%), a rede neural estaria aprovada no treinamento; caso contrário, repetir-se-ia o treinamento com novos parâmetros, e.g., diferentes pesos iniciais e/ou taxa de aprendizagem. A Figura 2 mostra os erros de treinamento e validação das quatro topologias das redes neurais treinadas. Em quase todos os casos, os erros de treinamento, em azul, declinaram rapidamente e se mantiveram em valores baixos durante todo o treinamento. Apenas no treinamento da rede neural com topologia de 50 neurônios ocultos, Figura 2(d), houve oscilação do erro de treinamento. Os erros de validação, em verde, das redes neurais com topologias de 10 e 20 neurônios ocultos, Figuras 2(a) e 2(b), foram os mais estáveis, sendo que a última topologia teve um EQM significativamente menor que as demais. Conclui-se que, considerando estabilidade e magnitude do EQM, a rede neural com topologia de 20 neurônios ocultos, Figura 2(b), obteve o melhor desempenho no treinamento. Figura 2(a). Topologia com 10 neurônios ocultos Figura 2(b). Topologia com 20 neurônios ocultos Figura 2(c). Topologia com 30 neurônios ocultos Figura 2(d). Topologia com 50 neurônios ocultos Figura 2. Erros de treinamento e validação das quatro topologias das redes neurais A Figura 3 mostra os gráficos de barras dos erros absolutos da base de teste das quatro redes neurais treinadas. Esses erros simulam a rede neural operando uma situação real, onde as entradas representam padrões não apresentados no treinamento. Na Figura 3(b), observa-se que com a rede neural com topologia de 20 neurônios ocultos o maior erro de teste absoluto não atinge 0,4, e que a maioria dos erros concentra-se entre 0 e 0,05. Nas topologias com 10 e 30 neurônios na camada oculta, Figuras 3(a) e 3(c), os erros absolutos também concentram-se em uma faixa de valores

8 baixos, entre 0 e 0,3, mas tiveram erros próximos ou iguais a 1. A topologia com 50 neurônios na camada oculta, Figura 3(d), teve o pior desempenho com a base de teste, com muitos erros absolutos variando entre 0 e 0,45. Figura 3(a). Topologia com 10 neurônios ocultos Figura 3(b). Topologia com 20 neurônios ocultos ocultos Figura 3(c). Topologia com 30 neurônios ocultos Figura 3(d). Topologia com 50 neurônios ocultos Figura 3. Erro com os exemplos da base de teste Para todas as redes neurais treinadas, foram produzidos histogramas para avaliar a frequência dos erros absolutos na base de teste, como mostra a Figura 4. Observa-se que todas as topologias tiveram a maioria das ocorrências abaixo de 0,05. A topologia com 20 neurônios ocultos, Figura 4(b), foi a que teve a maior distribuição dos erros absolutos; entretanto, a maior densidade, 219 exemplos da base de teste ou 42,7% do total, foi de erros absolutos muito próximos de 0. Essa mesma topologia teve cerca de 90% dos erros de teste menores que 0,05.

9 Figura 4(a). Topologia com 10 neurônios ocultos Figura 4(b). Topologia com 20 neurônios ocultos Figura 4(c). Topologia com 30 neurônios ocultos Figura 4(d). Topologia com 50 neurônios ocultos Figura 4. Histograma dos erros de teste das quatro topologias das redes neurais Finalmente, a Tabela 3 mostra resultados estatísticos das quatro redes neurais na base de teste. Em geral, todas as topologias chegaram a resultados estatísticos satisfatórios, mas a topologia que apresentou o melhor desempenho foi aquela com 20 neurônios na camada oculta. Essa topologia obteve os menores EQM, desvio padrão e erros mínimo e máximo. Conclui-se que a rede neural com topologia de 20 neurônios alcançou o melhor desempenho e, portanto, é a escolhida para a implantação. No treinamento, a topologia com 20 neurônios ocultos teve os menores e mais estáveis EQMs de treinamento e validação. No teste da rede neural, utilizando uma base com 513 exemplos, a topologia com 20 neurônios ocultos teve também o melhor desempenho. Os erros absolutos, Figura 3(b), foram os menores com essa topologia, a maioria deles variando entre 0 e 0,05, e o maior deles igual a 0,4. No histograma, Figura 4(b), observou-se que a topologia com 20 neurônios ocultos concentrou aproximadamente 90% dos erros absolutos em até 0,05 (5%).

10 Tabela 3. Tabela de resultados dos testes das topologias Teste Neurônios Ocultos EQM Desvio Padrão Menor Erro Maior Erro A partir dos resultados da topologia escolhida, com 20 neurônios na camada oculta, pode-se estimar que, em uma base com 50 mil registros, clientes serão classificados de maneira equivocada. Esse número, considerando o cenário atual, onde não há uma política de análise de comportamento de clientes, pode ser considerado muito satisfatório. 5. Conclusões Este trabalho desenvolveu um método para automatizar a análise de comportamento de clientes de uma distribuidora de bebidas. A metodologia, que utilizou conceitos de Business Intelligence, foi baseada em redes neurais. A partir de uma metodologia de treinamento e teste de redes neurais, foram realizados alguns experimentos com uma base de pedidos de todo o ano de Foram testadas quatro topologias de redes neurais com 10, 20, 30 e 50 neurônios na camada oculta. A topologia escolhida foi aquela com 20 neurônios ocultos, pois apresentou o melhor desempenho de treinamento e os melhores resultados estatísticos com a base de teste caracterizando melhor capacidade de generalização. A topologia com 20 neurônios ocultos obteve a curva do erro de treinamento mais estável e os menores erros de validação. As demais topologias, em especial aquelas com 30 e 50 neurônios ocultos, apresentaram curvas do erro de validação mais instáveis. Utilizando a metodologia proposta, a distribuidora de bebidas conhecerá melhor o perfil de seus clientes e estará apta a operar no mercado de maneira eficiente, buscando a fidelidade dos seus clientes. Além de aumentar o faturamento da empresa, a análise de pedidos se tornará mais confiável e otimizada. As rotas dos vendedores poderão ser avaliadas de acordo com sua rentabilidade, proporcionando à distribuidora um melhor conhecimento da sua participação no mercado. Referências Bibliográficas CARVALHO, Luís Alfredo Vidal. Data Mining, a mineração de dados no marketing; medicina, economia, engenharia e administração. 1a. ed. São Paulo, ELMASRI, R.; Navathe, S.B. Sistemas de banco de dados: fundamentos e aplicações. 3. ed. Rio de Janeiro:LTC, FREIMAN, J. P.; PAMPLONA, E. de O. Redes neurais artificiais na previsão do valor de commodity do agronegócio. In: Encuentro Internacional de Finanzas, 5, Santiago, Chile, 2005.

11 GOLDSCHMIDT, Ronaldo; PASSOS, Emmanuel Lopes. Data mining: um guia prático: conceitos, técnicas, ferramentas, orientações e aplicações. Rio de Janeiro:Elsevier, HAYKIN, Simon. Redes Neurais: princípios e prática. Porto Alegre:Bookman, LAZZAROTTO, Lissandra; OLIVEIRA, Alcione; LAZZAROTTO, Joelsio. Aspectos Teóricos do data mining e aplicações da redes neurais em previsões de preços agropecuários. PASSARI, A. F. L. Exploração de dados atomizados para previsões de vendas no varejo utilizando redes neurais. São Paulo:USP, (Dissertação de Mestrado). RUMELHART, D.; HINTON, G; WILLIAMS, R. Learning Internal Representations by Error Propagation. Parallel Distributed Processing: Explorations in the Microstructure of Cognition. Cambridge: MIT Press SMITH, K. A.; GUPTA, J. N. D. Neural networks in business: techniques and applications for the operations researcher. Computers & Operations Research, Set THOMÉ, Antônio Carlos Gay. Redes neurais uma ferramenta para KDD e Data Mining.

REDES NEURAIS ARTIFICIAIS E MODELO DE MARKOWITZ: COMPARANDO TÉCNICAS QUE APÓIAM A TOMADA DE DECISÃO NOS INVESTIMENTOS EM AÇÕES.

REDES NEURAIS ARTIFICIAIS E MODELO DE MARKOWITZ: COMPARANDO TÉCNICAS QUE APÓIAM A TOMADA DE DECISÃO NOS INVESTIMENTOS EM AÇÕES. REDES NEURAIS ARTIFICIAIS E MODELO DE MARKOWITZ: COMPARANDO TÉCNICAS QUE APÓIAM A TOMADA DE DECISÃO NOS INVESTIMENTOS EM AÇÕES. Paulo Henrique Kaupa (Uninove) paulo.kaupa@gmail.com Renato Jose Sassi (Uninove)

Leia mais

PREVISÃO DE TEMPERATURA ATRAVÉS DE REDES NEURAIS ARTIFICIAIS

PREVISÃO DE TEMPERATURA ATRAVÉS DE REDES NEURAIS ARTIFICIAIS PREVISÃO DE TEMPERATURA ATRAVÉS DE REDES NEURAIS ARTIFICIAIS Alexandre Pinhel Soares 1 André Pinhel Soares 2 Abstract : The temperature monitoring is a quasi-continuous and judicious task that gives a

Leia mais

RECONHECIMENTO DE ACORDES MUSICAIS: UMA ABORDAGEM VIA PERCEPTRON MULTICAMADAS

RECONHECIMENTO DE ACORDES MUSICAIS: UMA ABORDAGEM VIA PERCEPTRON MULTICAMADAS Mecánica Computacional Vol XXIX, págs 9169-9175 (artículo completo) Eduardo Dvorkin, Marcela Goldschmit, Mario Storti (Eds) Buenos Aires, Argentina, 15-18 Noviembre 2010 RECONHECIMENTO DE ACORDES MUSICAIS:

Leia mais

Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais

Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais Redes Neurais Artificiais Prof. Wilian Soares João Vitor Squillace Teixeira Ciência da Computação Universidade

Leia mais

Inteligência Artificial. Redes Neurais Artificiais

Inteligência Artificial. Redes Neurais Artificiais Curso de Especialização em Sistemas Inteligentes Aplicados à Automação Inteligência Artificial Redes Neurais Artificiais Aulas Práticas no Matlab João Marques Salomão Rodrigo Varejão Andreão Matlab Objetivos:

Leia mais

5º CONGRESSO BRASILEIRO DE PESQUISA E DESENVOLVIMENTO EM PETRÓLEO E GÁS

5º CONGRESSO BRASILEIRO DE PESQUISA E DESENVOLVIMENTO EM PETRÓLEO E GÁS 5º CONGRESSO BRASILEIRO DE PESQUISA E DESENVOLVIMENTO EM PETRÓLEO E GÁS TÍTULO DO TRABALHO: REDES NEURAIS APLICADAS EM INDÚSTRIAS PETROQUÍMICAS DE FABRICAÇÃO DE FIBRAS DE POLIÉSTER. AUTORES: Lívia Maciel

Leia mais

UNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS

UNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS UNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS Curso: Informática Disciplina: Redes Neurais Prof. Fernando Osório E-mail: osorio@exatas.unisinos.br EXEMPLO DE QUESTÕES DE PROVAS ANTIGAS 1. Supondo que

Leia mais

Complemento II Noções Introdutória em Redes Neurais

Complemento II Noções Introdutória em Redes Neurais Complemento II Noções Introdutória em Redes Neurais Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações

Leia mais

RELATÓRIOS GERENCIAIS

RELATÓRIOS GERENCIAIS RELATÓRIOS GERENCIAIS Com base na estrutura organizacional de uma entidade, a parte gerencial é o processo administrativo, onde se traça toda a estrutura fundamental para elaboração do planejamento da

Leia mais

3 Metodologia de Previsão de Padrões de Falha

3 Metodologia de Previsão de Padrões de Falha 3 Metodologia de Previsão de Padrões de Falha Antes da ocorrência de uma falha em um equipamento, ele entra em um regime de operação diferente do regime nominal, como descrito em [8-11]. Para detectar

Leia mais

SISTEMAS DE APOIO À DECISÃO SAD

SISTEMAS DE APOIO À DECISÃO SAD SISTEMAS DE APOIO À DECISÃO SAD Conceitos introdutórios Decisão Escolha feita entre duas ou mais alternativas. Tomada de decisão típica em organizações: Solução de problemas Exploração de oportunidades

Leia mais

Aprendendo a Interpretar Dados Financeiros de uma Empresa Usando Estatística de Forma Simples e Prática

Aprendendo a Interpretar Dados Financeiros de uma Empresa Usando Estatística de Forma Simples e Prática Aprendendo a Interpretar Dados Financeiros de uma Empresa Usando Estatística de Forma Simples e Prática Ederson Luis Posselt (edersonlp@yahoo.com.br) Eduardo Urnau (dudaurnau@gmail.com) Eloy Metz (eloy@softersul.com.br)

Leia mais

Pós-Graduação "Lato Sensu" Especialização em Análise de Dados e Data Mining

Pós-Graduação Lato Sensu Especialização em Análise de Dados e Data Mining Pós-Graduação "Lato Sensu" Especialização em Análise de Dados e Data Mining Inscrições Abertas Início das Aulas: 24/03/2015 Dias e horários das aulas: Terça-Feira 19h00 às 22h45 Semanal Quinta-Feira 19h00

Leia mais

Sistema. Atividades. Sistema de informações. Tipos de sistemas de informação. Everson Santos Araujo everson@everson.com.br

Sistema. Atividades. Sistema de informações. Tipos de sistemas de informação. Everson Santos Araujo everson@everson.com.br Sistema Tipos de sistemas de informação Everson Santos Araujo everson@everson.com.br Um sistema pode ser definido como um complexo de elementos em interação (Ludwig Von Bertalanffy) sistema é um conjunto

Leia mais

Previsão do Mercado de Ações Brasileiro utilizando Redes Neurais Artificiais

Previsão do Mercado de Ações Brasileiro utilizando Redes Neurais Artificiais Previsão do Mercado de Ações Brasileiro utilizando Redes Neurais Artificiais Elisângela Lopes de Faria (a) Marcelo Portes Albuquerque (a) Jorge Luis González Alfonso (b) Márcio Portes Albuquerque (a) José

Leia mais

Ajuste de modelos de redes neurais artificiais na precipitação pluviométrica mensal

Ajuste de modelos de redes neurais artificiais na precipitação pluviométrica mensal Ajuste de modelos de redes neurais artificiais na precipitação pluviométrica mensal 1 Introdução Antonio Sergio Ferraudo 1 Guilherme Moraes Ferraudo 2 Este trabalho apresenta estudos de série de precipitação

Leia mais

Automatização do processo de determinação do número de ciclos de treinamento de uma Rede Neural Artificial

Automatização do processo de determinação do número de ciclos de treinamento de uma Rede Neural Artificial Automatização do processo de determinação do número de ciclos de treinamento de uma Rede Neural Artificial André Ricardo Gonçalves; Maria Angélica de Oliveira Camargo Brunetto Laboratório Protem Departamento

Leia mais

SISTEMAS DE NEGÓCIOS B) INFORMAÇÃO GERENCIAL

SISTEMAS DE NEGÓCIOS B) INFORMAÇÃO GERENCIAL 1 SISTEMAS DE NEGÓCIOS B) INFORMAÇÃO GERENCIAL 1. SISTEMAS DE INFORMAÇÃO GERENCIAL (SIG) Conjunto integrado de pessoas, procedimentos, banco de dados e dispositivos que suprem os gerentes e os tomadores

Leia mais

Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan

Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan Faculdade INED Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan 1 Unidade 4.5 2 1 BI BUSINESS INTELLIGENCE BI CARLOS BARBIERI

Leia mais

Identificação de Caracteres com Rede Neuronal Artificial com Interface Gráfica

Identificação de Caracteres com Rede Neuronal Artificial com Interface Gráfica Identificação de Caracteres com Rede Neuronal Artificial com Interface Gráfica João Paulo Teixeira*, José Batista*, Anildio Toca**, João Gonçalves**, e Filipe Pereira** * Departamento de Electrotecnia

Leia mais

PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS

PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS Anais do XXXIV COBENGE. Passo Fundo: Ed. Universidade de Passo Fundo, Setembro de 2006. ISBN 85-7515-371-4 PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS Rejane de Barros Araújo rdebarros_2000@yahoo.com.br

Leia mais

tipos de métodos, técnicas de inteligência artificial e técnicas de otimização. Por fim, concluise com as considerações finais.

tipos de métodos, técnicas de inteligência artificial e técnicas de otimização. Por fim, concluise com as considerações finais. 1. Introdução A previsão de vendas é fundamental para as organizações uma vez que permite melhorar o planejamento e a tomada de decisão sobre o futuro da empresa. Contudo toda previsão carrega consigo

Leia mais

3DODYUDVFKDYH Visão Computacional, Inteligência Artificial, Redes Neurais Artificiais.

3DODYUDVFKDYH Visão Computacional, Inteligência Artificial, Redes Neurais Artificiais. 80,7(0$'(9, 23$5$5(&21+(&,0(172'(3(d$(080 7$%8/(,52'(;$'5(= Sérgio Faustino Ribeiro Juracy Emanuel M. da França Marcelo Alves de Barros José Homero Feitosa Cavalcanti Universidade Federal da Paraíba CCT/COPIN/NEUROLAB-CT/DTM

Leia mais

Exemplo de Aplicação do DataMinig

Exemplo de Aplicação do DataMinig Exemplo de Aplicação do DataMinig Felipe E. Barletta Mendes 19 de fevereiro de 2008 INTRODUÇÃO AO DATA MINING A mineração de dados (Data Mining) está inserida em um processo maior denominado Descoberta

Leia mais

Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro

Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro Tiago Mendes Dantas t.mendesdantas@gmail.com Departamento de Engenharia Elétrica,

Leia mais

Informativo Bimestral da Siqueira Campos Associados agosto de 2013 - ano VII - Número 21. Catálogo de Treinamentos 2013

Informativo Bimestral da Siqueira Campos Associados agosto de 2013 - ano VII - Número 21. Catálogo de Treinamentos 2013 Informativo Bimestral da Siqueira Campos Associados agosto de 2013 - ano VII - Número 21 Nesta edição Lean Office - Dez dicas para economizar tempo no trabalho Estatística Seis Sigma - Estatística não

Leia mais

ASPECTOS TEÓRICOS DO DATA MINING E APLICAÇÃO DAS REDES NEURAIS EM PREVISÕES DE PREÇOS AGROPECUÁRIOS

ASPECTOS TEÓRICOS DO DATA MINING E APLICAÇÃO DAS REDES NEURAIS EM PREVISÕES DE PREÇOS AGROPECUÁRIOS ASPECTOS TEÓRICOS DO DATA MINING E APLICAÇÃO DAS REDES NEURAIS EM PREVISÕES DE PREÇOS AGROPECUÁRIOS LISSANDRA LUVIZÃO LAZZAROTTO; ALCIONE DE PAIVA OLIVEIRA; JOELSIO JOSÉ LAZZAROTTO; UNIVERSIDADE FEDERAL

Leia mais

TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE

TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto Estudos Comparativos Recentes - Behavior Scoring Roteiro Objetivo Critérios de Avaliação

Leia mais

IC Inteligência Computacional Redes Neurais. Redes Neurais

IC Inteligência Computacional Redes Neurais. Redes Neurais Universidade Federal do Rio de Janeiro PÓS-GRADUAÇÃO / 2008-2 IC Inteligência Computacional Redes Neurais www.labic.nce.ufrj.br Antonio G. Thomé thome@nce.ufrj.br Redes Neurais São modelos computacionais

Leia mais

Padronização de Processos: BI e KDD

Padronização de Processos: BI e KDD 47 Padronização de Processos: BI e KDD Nara Martini Bigolin Departamento da Tecnologia da Informação -Universidade Federal de Santa Maria 98400-000 Frederico Westphalen RS Brazil nara.bigolin@ufsm.br Abstract:

Leia mais

Revista ISSN 2179-5037

Revista ISSN 2179-5037 144 Revista ISSN 2179-5037 Aplicação de Data Mining na área de CRM como ferramenta gerencial para tomada de decisão em empresas modernas Jefferson Borges Araujo Sandra Eugenio Pereira UNIABEU RESUMO: Este

Leia mais

SISTEMA ESTABILIZADOR DE PLANOS

SISTEMA ESTABILIZADOR DE PLANOS SISTEMA ESTABILIZADOR DE PLANOS José Ricardo da Silva Ferreira Universidade da Amazônia CCEN/Dpto de Informática Av. Alcindo Cacela, 287 66060-000 Belém, PA E-mail: ricardoferreira@ieee.org Joelson Nogueira

Leia mais

BUSINESS INTELLIGENCE, O ELEMENTO CHAVE PARA O SUCESSO DAS ORGANIZAÇÕES.

BUSINESS INTELLIGENCE, O ELEMENTO CHAVE PARA O SUCESSO DAS ORGANIZAÇÕES. Encontro de Ensino, Pesquisa e Extensão, Presidente Prudente, 22 a 25 de outubro, 2012 88 BUSINESS INTELLIGENCE, O ELEMENTO CHAVE PARA O SUCESSO DAS ORGANIZAÇÕES. Andrios Robert Silva Pereira, Renato Zanutto

Leia mais

Sistemas Empresariais. Capítulo 3: Sistemas de Negócios. Colaboração SPT SIG

Sistemas Empresariais. Capítulo 3: Sistemas de Negócios. Colaboração SPT SIG Capítulo 3: Sistemas de Negócios Colaboração SPT SIG Objetivos do Capítulo Explicar como os SI empresariais podem apoiar as necessidades de informação de executivos, gerentes e profissionais de empresas.

Leia mais

Colaboração nas Empresas SPT SIG Aplicações Empresariais

Colaboração nas Empresas SPT SIG Aplicações Empresariais Capítulo 3: Sistemas de Apoio Gerenciais Colaboração nas Empresas SPT SIG Aplicações Empresariais Objetivos do Capítulo Explicar como os SI empresariais podem apoiar as necessidades de informação de executivos,

Leia mais

Fornecendo Inteligência, para todo o mundo, a mais de 20 anos.

Fornecendo Inteligência, para todo o mundo, a mais de 20 anos. Fornecendo Inteligência, para todo o mundo, a mais de 20 anos. Fundada em 1989, a MicroStrategy é fornecedora líder Mundial de plataformas de software empresarial. A missão é fornecer as plataformas mais

Leia mais

Planejamento Estratégico de TI. Prof.: Fernando Ascani

Planejamento Estratégico de TI. Prof.: Fernando Ascani Planejamento Estratégico de TI Prof.: Fernando Ascani Data Warehouse - Conceitos Hoje em dia uma organização precisa utilizar toda informação disponível para criar e manter vantagem competitiva. Sai na

Leia mais

Paralelização de Tarefas de Mineração de Dados Utilizando Workflows Científicos 1

Paralelização de Tarefas de Mineração de Dados Utilizando Workflows Científicos 1 Paralelização de Tarefas de Mineração de Dados Utilizando Workflows Científicos 1 Carlos Eduardo Barbosa, Eduardo Ogasawara, Daniel de Oliveira, Marta Mattoso PESC COPPE Universidade Federal do Rio de

Leia mais

INSTITUTO VIANNA JÚNIOR LTDA FACULADE DE CIENCIAS ECONOMICAS VIANNA JUNIOR DATA MINING - EXTRAÇÃO E EXPLORAÇÃO DE CONHECIMENTO.

INSTITUTO VIANNA JÚNIOR LTDA FACULADE DE CIENCIAS ECONOMICAS VIANNA JUNIOR DATA MINING - EXTRAÇÃO E EXPLORAÇÃO DE CONHECIMENTO. INSTITUTO VIANNA JÚNIOR LTDA FACULADE DE CIENCIAS ECONOMICAS VIANNA JUNIOR DATA MINING - EXTRAÇÃO E EXPLORAÇÃO DE CONHECIMENTO. Lúcia Helena de Magalhães 1 Márcio Aarestrup Arbex 2 Resumo Este artigo tem

Leia mais

MINERAÇÃO DE DADOS PARA DETECÇÃO DE SPAMs EM REDES DE COMPUTADORES

MINERAÇÃO DE DADOS PARA DETECÇÃO DE SPAMs EM REDES DE COMPUTADORES MINERAÇÃO DE DADOS PARA DETECÇÃO DE SPAMs EM REDES DE COMPUTADORES Kelton Costa; Patricia Ribeiro; Atair Camargo; Victor Rossi; Henrique Martins; Miguel Neves; Ricardo Fontes. kelton.costa@gmail.com; patriciabellin@yahoo.com.br;

Leia mais

Aplicação A. Aplicação B. Aplicação C. Aplicação D. Aplicação E. Aplicação F. Aplicação A REL 1 REL 2. Aplicação B REL 3.

Aplicação A. Aplicação B. Aplicação C. Aplicação D. Aplicação E. Aplicação F. Aplicação A REL 1 REL 2. Aplicação B REL 3. Sumário Data Warehouse Modelagem Multidimensional. Data Mining BI - Business Inteligence. 1 2 Introdução Aplicações do negócio: constituem as aplicações que dão suporte ao dia a dia do negócio da empresa,

Leia mais

Visão Geral dos Sistemas de Informação

Visão Geral dos Sistemas de Informação Visão Geral dos Sistemas de Informação Existem muitos tipos de sistemas de informação no mundo real. Todos eles utilizam recursos de hardware, software, rede e pessoas para transformar os recursos de dados

Leia mais

Planejamento Estratégico

Planejamento Estratégico Planejamento Estratégico Análise externa Roberto César 1 A análise externa tem por finalidade estudar a relação existente entre a empresa e seu ambiente em termos de oportunidades e ameaças, bem como a

Leia mais

Técnicas de Mineração de Dados Aplicadas a Reservatórios visando à Gestão Ambiental na Geração de Energia

Técnicas de Mineração de Dados Aplicadas a Reservatórios visando à Gestão Ambiental na Geração de Energia Técnicas de Mineração de Dados Aplicadas a Reservatórios visando à Gestão Ambiental na Geração de Energia Aluno: Gabriel Leite Mariante Orientador: Marley Maria Bernardes Rebuzzi Vellasco Introdução e

Leia mais

Matlab - Neural Networw Toolbox. Ana Lívia Soares Silva de Almeida

Matlab - Neural Networw Toolbox. Ana Lívia Soares Silva de Almeida 27 de maio de 2014 O que é a Neural Networw Toolbox? A Neural Network Toolbox fornece funções e aplicativos para a modelagem de sistemas não-lineares complexos que não são facilmente modelados com uma

Leia mais

Tecnologias e Sistemas de Informação

Tecnologias e Sistemas de Informação Universidade Federal do Vale do São Francisco Curso de Administração Tecnologia e Sistemas de Informação - 02 Prof. Jorge Cavalcanti jorge.cavalcanti@univasf.edu.br www.univasf.edu.br/~jorge.cavalcanti

Leia mais

PRODUÇÃO INDUSTRIAL DE SUÍNOS E O USO DE REDES NEURAIS ARTIFICIAIS PARA PREDIÇÃO DE ÍNDICES ZOOTÉCNICOS NA FASE DE GESTAÇÃO E MATERNIDADE RESUMO

PRODUÇÃO INDUSTRIAL DE SUÍNOS E O USO DE REDES NEURAIS ARTIFICIAIS PARA PREDIÇÃO DE ÍNDICES ZOOTÉCNICOS NA FASE DE GESTAÇÃO E MATERNIDADE RESUMO PRODUÇÃO INDUSTRIAL DE SUÍNOS E O USO DE REDES NEURAIS ARTIFICIAIS PARA PREDIÇÃO DE ÍNDICES ZOOTÉCNICOS NA FASE DE GESTAÇÃO E MATERNIDADE RESUMO HÉLITON PANDORFI 1 IRAN JOSÉ OLIVEIRA DA SILVA 2 JEFFERSON

Leia mais

TÉCNICAS DE COMPUTAÇÃO PARALELA PARA MELHORAR O TEMPO DA MINERAÇÃO DE DADOS: Uma análise de Tipos de Coberturas Florestais

TÉCNICAS DE COMPUTAÇÃO PARALELA PARA MELHORAR O TEMPO DA MINERAÇÃO DE DADOS: Uma análise de Tipos de Coberturas Florestais UNIVERSIDADE ESTADUAL DE PONTA GROSSA PRÓ-REITORIA DE PESQUISA E PÓS-GRADUAÇÃO PROGRAMA DE PÓS-GRADUAÇÃO EM COMPUTAÇÃO APLICADA CRISTIAN COSMOSKI RANGEL DE ABREU TÉCNICAS DE COMPUTAÇÃO PARALELA PARA MELHORAR

Leia mais

Marcio Cataldi 1, Carla da C. Lopes Achão 2, Bruno Goulart de Freitas Machado 1, Simone Borim da Silva 1 e Luiz Guilherme Ferreira Guilhon 1

Marcio Cataldi 1, Carla da C. Lopes Achão 2, Bruno Goulart de Freitas Machado 1, Simone Borim da Silva 1 e Luiz Guilherme Ferreira Guilhon 1 Aplicação das técnicas de Mineração de Dados como complemento às previsões estocásticas univariadas de vazão natural: estudo de caso para a bacia do rio Iguaçu Marcio Cataldi 1, Carla da C. Lopes Achão

Leia mais

MLP (Multi Layer Perceptron)

MLP (Multi Layer Perceptron) MLP (Multi Layer Perceptron) André Tavares da Silva andre.silva@udesc.br Roteiro Rede neural com mais de uma camada Codificação de entradas e saídas Decorar x generalizar Perceptron Multi-Camada (MLP -

Leia mais

Sistemas de Informação Gerenciais (SIG)

Sistemas de Informação Gerenciais (SIG) Faculdade de Engenharia - Campus de Guaratinguetá Sistemas de Informação Gerenciais (SIG) Prof. José Roberto Dale Luche Unesp Um SISTEMA DE INFORMAÇÃO é um conjunto de componentes inter-relacionados, desenvolvidos

Leia mais

Business Intelligence na área de Compras

Business Intelligence na área de Compras Business Intelligence na área de Compras - Caso de Sucesso DeciLogic - 2007 Agenda Introdução - Business Intelligence Eric Sarzana - Diretor - DeciLogic O projeto de BI da Telhanorte Marcelo Dalbone -

Leia mais

TOTVS COLABORAÇÃO 2.0 FISCAL powered by NeoGrid

TOTVS COLABORAÇÃO 2.0 FISCAL powered by NeoGrid TOTVS COLABORAÇÃO 2.0 FISCAL powered by NeoGrid Recebimento de NF-e e CT-e Emissão de NF-e, CT-e, MDF-e e NFS-e Integração nativa com o seu ERP Exija a solução que é o melhor investimento para a gestão

Leia mais

Luiz Fernando Fernandes de Albuquerque. Avaliação de algoritmos online para seleção de links patrocinados. Dissertação de Mestrado

Luiz Fernando Fernandes de Albuquerque. Avaliação de algoritmos online para seleção de links patrocinados. Dissertação de Mestrado Luiz Fernando Fernandes de Albuquerque Avaliação de algoritmos online para seleção de links patrocinados Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção do grau de

Leia mais

Avaliação do potencial produtivo em montados de sobro com recurso a redes neuronais artificiais

Avaliação do potencial produtivo em montados de sobro com recurso a redes neuronais artificiais Avaliação do potencial produtivo em montados de sobro com recurso a redes neuronais artificiais Susana Dias (Investigadora/Colaboradora da Universidade de Évora e Docente do Instituto Politécnico de Elvas)

Leia mais

A importância da. nas Organizações de Saúde

A importância da. nas Organizações de Saúde A importância da Gestão por Informações nas Organizações de Saúde Jorge Antônio Pinheiro Machado Filho Consultor de Negócios www.bmpro.com.br jorge@bmpro.com.br 1. Situação nas Empresas 2. A Importância

Leia mais

Unidade II MARKETING DE VAREJO E. Profa. Cláudia Palladino

Unidade II MARKETING DE VAREJO E. Profa. Cláudia Palladino Unidade II MARKETING DE VAREJO E NEGOCIAÇÃO Profa. Cláudia Palladino Preço em varejo Preço Uma das variáveis mais impactantes em: Competitividade; Volume de vendas; Margens e Lucro; Muitas vezes é o mote

Leia mais

UNIVERSIDADE CATÓLICA DE GOIÁS DEPARTAMENTO DE ENGENHARIA ENGENHARIA DE PRODUÇÃO MILLENA SILVA PAIVA ESTÁGIO SUPERVISIONADO EM ENGENHARIA DE PRODUÇÃO

UNIVERSIDADE CATÓLICA DE GOIÁS DEPARTAMENTO DE ENGENHARIA ENGENHARIA DE PRODUÇÃO MILLENA SILVA PAIVA ESTÁGIO SUPERVISIONADO EM ENGENHARIA DE PRODUÇÃO UNIVERSIDADE CATÓLICA DE GOIÁS DEPARTAMENTO DE ENGENHARIA ENGENHARIA DE PRODUÇÃO MILLENA SILVA PAIVA ESTÁGIO SUPERVISIONADO EM ENGENHARIA DE PRODUÇÃO GOIÂNIA 2015 2 UNIVERSIDADE CATÓLICA DE GOIÁS DEPARTAMENTO

Leia mais

Pós-Graduação Lato Sensu em ENGENHARIA DE MARKETING

Pós-Graduação Lato Sensu em ENGENHARIA DE MARKETING Pós-Graduação Lato Sensu em ENGENHARIA DE MARKETING Inscrições Abertas: Início das aulas: 28/03/2016 Término das aulas: 10/12/2016 Dias e horários das aulas: Segunda-Feira 18h30 às 22h30 Semanal Quarta-Feira

Leia mais

MATERIAL DIDÁTICO: APLICAÇÕES EMPRESARIAIS SISTEMA DE APOIO À DECISÃO (SAD)

MATERIAL DIDÁTICO: APLICAÇÕES EMPRESARIAIS SISTEMA DE APOIO À DECISÃO (SAD) AULA 07 MATERIAL DIDÁTICO: APLICAÇÕES EMPRESARIAIS SISTEMA DE APOIO À DECISÃO (SAD) JAMES A. O BRIEN MÓDULO 01 Páginas 286 à 294 1 AULA 07 SISTEMAS DE APOIO ÀS DECISÕES 2 Sistemas de Apoio à Decisão (SAD)

Leia mais

Programa do Curso de Pós-Graduação Lato Sensu MBA em Business Intelligence (BI)

Programa do Curso de Pós-Graduação Lato Sensu MBA em Business Intelligence (BI) Programa do Curso de Pós-Graduação Lato Sensu MBA em Business Intelligence (BI) Apresentação O programa de Pós-graduação Lato Sensu em Business Intelligence Inteligência Competitiva tem por fornecer conhecimento

Leia mais

KDD E MINERAÇÃO DE DADOS:

KDD E MINERAÇÃO DE DADOS: KDD E MINERAÇÃO DE DADOS: Introdução e Motivação Prof. Ronaldo R. Goldschmidt ronaldo@de9.ime.eb.br rribeiro@univercidade.br geocities.yahoo.com.br/ronaldo_goldschmidt Fatos: Avanços em TI e o crescimento

Leia mais

Proposta de serviços de apoio consultivo para utilização da ferramenta:

Proposta de serviços de apoio consultivo para utilização da ferramenta: Proposta de serviços de apoio consultivo para utilização da ferramenta: EAGLE VIEW Simuladores Estratégicos. A) A METODOS CONSULTORIA. B) OBJETIVOS E PRINCIPAIS BENEFICIOS C) A FERRAMENTA - EAGLE VIEW

Leia mais

BUSINESS INTELLIGENCE -Inteligência nos Negócios-

BUSINESS INTELLIGENCE -Inteligência nos Negócios- UNIVERSIDADE SÃO FRANCISCO CENTRO DE CIÊNCIAS JURÍDICAS, HUMANAS E SOCIAIS BUSINESS INTELLIGENCE -Inteligência nos Negócios- Curso: Administração Hab. Sistemas de Informações Disciplina: Gestão de Tecnologia

Leia mais

1º SEMESTRE 2º SEMESTRE

1º SEMESTRE 2º SEMESTRE 1º SEMESTRE 7ECO003 ECONOMIA DE EMPRESAS I Organização econômica e problemas econômicos. Demanda, oferta e elasticidade. Teoria do consumidor. Teoria da produção e da firma, estruturas e regulamento de

Leia mais

Forças de Vendas Eficientes e Eficazes: Elementos -chave para uma operação comercial

Forças de Vendas Eficientes e Eficazes: Elementos -chave para uma operação comercial Forças de Vendas Eficientes e Eficazes: Elementos -chave para uma operação comercial POR: ALEXANDER UGAZ E FERNANDO ESPINOSA, SINTEC Em ambientes cada vez mais competidos e de economias instáveis, o cuidado

Leia mais

Redes Neurais Artificiais

Redes Neurais Artificiais Redes Neurais Artificiais Simulação: Base de Dados, Codificação, Parâmetros Aprendizado: Generalização, Avaliação de Resultados Unisinos - 2001/2 Curso de Informática Disciplina: Redes Neurais Prof. Fernando

Leia mais

Modelo para elaboração do Plano de Negócios

Modelo para elaboração do Plano de Negócios Modelo para elaboração do Plano de Negócios 1- SUMÁRIO EXECUTIVO -Apesar de este tópico aparecer em primeiro lugar no Plano de Negócio, deverá ser escrito por último, pois constitui um resumo geral do

Leia mais

Projeto de Redes Neurais e MATLAB

Projeto de Redes Neurais e MATLAB Projeto de Redes Neurais e MATLAB Centro de Informática Universidade Federal de Pernambuco Sistemas Inteligentes IF684 Arley Ristar arrr2@cin.ufpe.br Thiago Miotto tma@cin.ufpe.br Baseado na apresentação

Leia mais

REDES NEURAIS PARA PREDIÇÃO DE VARIÁVEIS CLIMÁTICAS RELEVANTES PARA A AGRICULTURA 1

REDES NEURAIS PARA PREDIÇÃO DE VARIÁVEIS CLIMÁTICAS RELEVANTES PARA A AGRICULTURA 1 ISSN 1413-6244 Empresa Brasileira de Pesquisa Agropecuária Centro Nacional de Pesquisa e Desenvolvimento de Instrumentação Agropecuária Ministério da Agricultura e do Abastecimento Rua XV de Novembro,

Leia mais

FUNDAMENTOS DE SISTEMAS DE INFORMAÇÃO

FUNDAMENTOS DE SISTEMAS DE INFORMAÇÃO @ribeirord FUNDAMENTOS DE SISTEMAS DE INFORMAÇÃO Rafael D. Ribeiro, M.Sc,PMP. rafaeldiasribeiro@gmail.com http://www.rafaeldiasribeiro.com.br Lembrando... Aula 4 1 Lembrando... Aula 4 Sistemas de apoio

Leia mais

ANÁLISE DE PRÉ-PROCESSAMENTO NO DESEMPENHO DE PREVISÃO DE SÉRIES TEMPORAIS FINANCEIRAS

ANÁLISE DE PRÉ-PROCESSAMENTO NO DESEMPENHO DE PREVISÃO DE SÉRIES TEMPORAIS FINANCEIRAS Universidade Federal de Pernambuco Centro de Informática Graduação em Ciência da Computação ANÁLISE DE PRÉ-PROCESSAMENTO NO DESEMPENHO DE PREVISÃO DE SÉRIES TEMPORAIS FINANCEIRAS PROPOSTA DE TRABALHO DE

Leia mais

Aula 2 RNA Arquiteturas e Treinamento

Aula 2 RNA Arquiteturas e Treinamento 2COP229 Aula 2 RNA Arquiteturas e Treinamento 2COP229 Sumário 1- Arquiteturas de Redes Neurais Artificiais; 2- Processos de Treinamento; 2COP229 1- Arquiteturas de Redes Neurais Artificiais -Arquitetura:

Leia mais

CAPACIDADE PREDITIVA DE DEMONSTRATIVOS FINANCEIROS PARA COMPORTAMENTO DE PREÇO DE ATIVOS FINANCEIROS

CAPACIDADE PREDITIVA DE DEMONSTRATIVOS FINANCEIROS PARA COMPORTAMENTO DE PREÇO DE ATIVOS FINANCEIROS IV SEMEAD CAPACIDADE PREDITIVA DE DEMONSTRATIVOS FINANCEIROS PARA COMPORTAMENTO DE PREÇO DE ATIVOS FINANCEIROS Fernando C de Almeida 1 Alan de G. Dario 2 Pascal Dumontier 3 RESUMO Este artigo explora a

Leia mais

E-mail: rbrunow@uss.br

E-mail: rbrunow@uss.br ! " # $! &%'! ()*) ( +!, -,./!, ' *3.45 6 3 7 3 8 3 *3.49: 3 8 *- ; ,?3. @*

Leia mais

GUIA ATS INFORMÁTICA: GESTÃO DE ESTOQUE

GUIA ATS INFORMÁTICA: GESTÃO DE ESTOQUE GUIA ATS INFORMÁTICA: GESTÃO DE ESTOQUE SUMÁRIO O que é gestão de estoque...3 Primeiros passos para uma gestão de estoque eficiente...7 Como montar um estoque...12 Otimize a gestão do seu estoque...16

Leia mais

MODELOS PARA PREVISÃO DE DEMANDA NO RESTAURANTE UNIVERSITÁRIO UTILIZANDO TÉCNICAS DE REDES NEURAIS

MODELOS PARA PREVISÃO DE DEMANDA NO RESTAURANTE UNIVERSITÁRIO UTILIZANDO TÉCNICAS DE REDES NEURAIS 31 de Julho a 02 de Agosto de 2008 MODELOS PARA PREVISÃO DE DEMANDA NO RESTAURANTE UNIVERSITÁRIO UTILIZANDO TÉCNICAS DE REDES NEURAIS Liliane Lopes Cordeiro (DMA - UFV) lililopescordeiro@yahoo.com.br Heverton

Leia mais

CAPÍTULO 7. SISTEMAS DE APOIO À DECISÃO (SAD) SISTEMAS DE SUPORTE À DECISÃO (SSD)

CAPÍTULO 7. SISTEMAS DE APOIO À DECISÃO (SAD) SISTEMAS DE SUPORTE À DECISÃO (SSD) 1 CAPÍTULO 7. SISTEMAS DE APOIO À DECISÃO (SAD) SISTEMAS DE SUPORTE À DECISÃO (SSD) A necessidade dos SAD surgiu em decorrência de diversos fatores, como, por exemplo: Competição cada vez maior entre as

Leia mais

Redes neurais aplicadas na identificação de variedades de soja

Redes neurais aplicadas na identificação de variedades de soja Redes neurais aplicadas na identificação de variedades de soja Fábio R. R. Padilha Universidade Regional do Noroeste do Estado do Rio Grande do Sul - UNIJUÍ Rua São Francisco, 5 - Sede Acadêmica, 987-,

Leia mais

UNIVERSIDADE FEDERAL DE MINAS GERAIS BACHARELADO EM SISTEMAS DE INFORMAÇÃO

UNIVERSIDADE FEDERAL DE MINAS GERAIS BACHARELADO EM SISTEMAS DE INFORMAÇÃO UNIVERSIDADE FEDERAL DE MINAS GERAIS BACHARELADO EM SISTEMAS DE INFORMAÇÃO Proposta de Formação Complementar: BUSINESS INTELLIGENCE E SUA APLICAÇÃO À GESTÃO Aluno: Yussif Tadeu de Barcelos Solange Teixeira

Leia mais

Edições Edge do SAP InfiniteInsight Visão geral Viabilizando insights preditivos apenas com cliques de mouse, sem códigos de computador

Edições Edge do SAP InfiniteInsight Visão geral Viabilizando insights preditivos apenas com cliques de mouse, sem códigos de computador Soluções de análise da SAP Edições Edge do SAP InfiniteInsight Visão geral Viabilizando insights preditivos apenas com cliques de mouse, sem códigos de computador Índice 3 Um caso para análise preditiva

Leia mais

SAD. Paulo Silva, Rodolfo Ribeiro, Vinicius Tavares

SAD. Paulo Silva, Rodolfo Ribeiro, Vinicius Tavares SAD Paulo Silva, Rodolfo Ribeiro, Vinicius Tavares DataWarehouse Armazena informações relativas a uma organização em BD Facilita tomada de decisões Dados são coletados de OLTP(séries históricas) Dados

Leia mais

Redes Neurais Construtivas. Germano Crispim Vasconcelos Centro de Informática - UFPE

Redes Neurais Construtivas. Germano Crispim Vasconcelos Centro de Informática - UFPE Redes Neurais Construtivas Germano Crispim Vasconcelos Centro de Informática - UFPE Motivações Redes Feedforward têm sido bastante utilizadas em aplicações de Reconhecimento de Padrões Problemas apresentados

Leia mais

Redes Neurais. Profa. Flavia Cristina Bernardini

Redes Neurais. Profa. Flavia Cristina Bernardini Redes Neurais Profa. Flavia Cristina Bernardini Introdução Cérebro & Computador Modelos Cognitivos Diferentes Cérebro Computador Seqüência de Comandos Reconhecimento de Padrão Lento Rápido Rápido Lento

Leia mais

II SIMPÓSIO DE PESQUISA E DE PRÁTICAS PEDAGÓGICAS 2014 ANAIS

II SIMPÓSIO DE PESQUISA E DE PRÁTICAS PEDAGÓGICAS 2014 ANAIS BUSINESS GAME UGB VERSÃO 2 Luís Cláudio Duarte Graduação em Administração de Empresas APRESENTAÇÃO (DADOS DE IDENTIFICAÇÃO) O Business Game do Centro Universitário Geraldo Di Biase (BG_UGB) é um jogo virtual

Leia mais

KDD UMA VISAL GERAL DO PROCESSO

KDD UMA VISAL GERAL DO PROCESSO KDD UMA VISAL GERAL DO PROCESSO por Fernando Sarturi Prass 1 1.Introdução O aumento das transações comerciais por meio eletrônico, em especial as feitas via Internet, possibilitou as empresas armazenar

Leia mais

Aprendizagem de Máquina

Aprendizagem de Máquina Aprendizagem de Máquina Professor: Rosalvo Ferreira de Oliveira Neto Disciplina: Inteligência Artificial Tópicos 1. Definições 2. Tipos de aprendizagem 3. Paradigmas de aprendizagem 4. Modos de aprendizagem

Leia mais

PÓS-GRADUAÇÃO LATU SENSU EMENTA MBA GESTÃO DE VAREJO

PÓS-GRADUAÇÃO LATU SENSU EMENTA MBA GESTÃO DE VAREJO MBA GESTÃO DE VAREJO 1 - FORMAÇÃO DE PREÇO E ANÁLISE DE MARGEM NO VAREJO: Ementa: Conhecer o conceito de lucro na visão da precificação baseada no custo; demonstrar termos utilizados na formação de preço

Leia mais

DADOS DE IDENTIFICAÇÃO

DADOS DE IDENTIFICAÇÃO 1 BUSINESS GAME UGB Eduardo de Oliveira Ormond Especialista em Gestão Empresarial Flávio Pires Especialista em Gerencia Avançada de Projetos Luís Cláudio Duarte Especialista em Estratégias de Gestão Marcelo

Leia mais

Administração de Sistemas de Informação Gerenciais UNIDADE IV: Fundamentos da Inteligência de Negócios: Gestão da Informação e de Banco de Dados Um banco de dados é um conjunto de arquivos relacionados

Leia mais

Projeto gestão de demanda http://www.administradores.com.br/artigos/marketing/projeto-gestao-de-demanda/62517/

Projeto gestão de demanda http://www.administradores.com.br/artigos/marketing/projeto-gestao-de-demanda/62517/ Projeto gestão de demanda http://www.administradores.com.br/artigos/marketing/projeto-gestao-de-demanda/62517/ Muitas empresas se deparam com situações nas tarefas de previsões de vendas e tem como origem

Leia mais

Pesquisa sobre a integração da Logística com o Marketing em empresas de grande porte

Pesquisa sobre a integração da Logística com o Marketing em empresas de grande porte III SEGeT Simpósio de Excelência em Gestão e Tecnologia 1 Pesquisa sobre a integração da Logística com o Marketing em empresas de grande porte Alexandre Valentim 1 Heloisa Nogueira 1 Dário Pinto Junior

Leia mais

ADMINISTRAÇÃO MERCADOLÓGICA II

ADMINISTRAÇÃO MERCADOLÓGICA II ADMINISTRAÇÃO MERCADOLÓGICA II Atividades Gerenciais de MKT Produto Testar Novos Produtos; Modificar Atuais; Eliminar; Política de Marcas; Criar Satisfação e Valor; Embalagem. 2 1 Atividades Gerenciais

Leia mais

A metodologia utilizada neste trabalho consiste basicamente de três etapas: ensaio, pré-processamento e simulações.

A metodologia utilizada neste trabalho consiste basicamente de três etapas: ensaio, pré-processamento e simulações. SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GCE 20 14 a 17 Outubro de 2007 Rio de Janeiro - RJ GRUPO XIV GRUPO DE ESTUDO DE CONSERVAÇÃO DE ENERGIA ELÉTRICA UTILIZAÇÃO DE REDES

Leia mais

PRIMEIROS PASSOS PARA A OTIMIZAÇÃO DO CALL CENTER EM CLÍNICAS E HOSPITAIS. Descubra como otimizar os Call Centers na área de saúde

PRIMEIROS PASSOS PARA A OTIMIZAÇÃO DO CALL CENTER EM CLÍNICAS E HOSPITAIS. Descubra como otimizar os Call Centers na área de saúde ebook GRÁTIS PRIMEIROS PASSOS PARA A OTIMIZAÇÃO DO CALL CENTER EM CLÍNICAS E HOSPITAIS Descubra como otimizar os Call Centers na área de saúde Primeiros passos para a otimização do call center em clínicas

Leia mais

Estudar os Sistemas de Processamento de Transação (SPT)

Estudar os Sistemas de Processamento de Transação (SPT) Estudar a Colaboração Empresarial. Objetivos do Capítulo Estudar os Sistemas de Processamento de Transação (SPT) Identificar o papel e alternativas de relatórios dos sistemas de informação gerencial. Estudar

Leia mais

Aula 5 Supply Chain Management (SCM) Gestão da cadeia de suprimentos Prof: Cleber A. de Oliveira

Aula 5 Supply Chain Management (SCM) Gestão da cadeia de suprimentos Prof: Cleber A. de Oliveira 1. Introdução Aula 5 Supply Chain Management (SCM) Gestão da cadeia de suprimentos Prof: Cleber A. de Oliveira Gestão de Sistemas de Informação Os estudos realizados nas disciplinas Gestão da Produção

Leia mais

PDV: DE OLHO NA RENTABILIDADE

PDV: DE OLHO NA RENTABILIDADE PDV: DE OLHO NA RENTABILIDADE Muitas vezes o desconhecimento sobre políticas de estoque, finanças e parcerias comerciais é a principal explicação das dificuldades que muitas empresas têm em progredir ou

Leia mais

17 Anos Gerando Soluções que Trazem Resultados para o Varejo. 2005 R-Dias. Todos direitos reservados.

17 Anos Gerando Soluções que Trazem Resultados para o Varejo. 2005 R-Dias. Todos direitos reservados. 17 Anos Gerando Soluções que Trazem Resultados para o Varejo 1 A Missão da R-Dias Colaborar para que o varejo obtenha melhores resultados. 2 Conheça nossas Unidades de Negócios 3 17 Anos Gerando Soluções

Leia mais

SISTEMAS DE INFORMAÇÃO GERENCIAIS

SISTEMAS DE INFORMAÇÃO GERENCIAIS SISTEMAS DE INFORMAÇÃO GERENCIAIS O PODER DA INFORMAÇÃO Tem PODER quem toma DECISÃO Toma DECISÃO correta quem tem SABEDORIA Tem SABEDORIA quem usa CONHECIMENTO Tem CONHECIMENTO quem possui INFORMAÇÃO (Sem

Leia mais