Gestão. Sistemas de Informação de Gestão (Management Information Systems - MIS) Sistemas de Apoio à Decisão
|
|
- Carla Azambuja Bastos
- 8 Há anos
- Visualizações:
Transcrição
1 Cláudia Antunes 2006 Gestão O processo de converter informação em acção Sistemas de Informação de Gestão (Management Information Systems - MIS) O que pode ser feito com a informação existente na organização? Sistemas de Apoio à Decisão Que decisões estão a ser tomadas, como e que informação pode ser útil? 2 Identificar os problemas (e respetivas condições) que necessitam de uma decisão Inventar, desenvolver e analisar as possíveis linhas de acção Seleccionar uma linha de acção!! Sistema de processamento e visualização de dados / informação interactivo, usado para ajudar no processo de tomada de decisão, que: É suficientemente amigável para ser usado por quem toma as decisões Apresenta a informação num formato e terminologia familiar para os seus utilizadores É selectivo na quantidade de informação que apresenta, de modo a evitar o bombardeamento dos utilizadores com informação menos útil
2 !! Definida de várias formas (não rigorosas) É uma base de dados para suportar o processo de tomada de decisão, mantida separadamente da base de dados operacional da organização Suporta o processamento de informação ao fornecer uma plataforma de análise de dados históricos consolidados Uma data warehouse é uma colecção de dados integrados, não-voláteis e orientados a um assunto, registados ao longo do tempo, usada para apoiar o processo de tomada de decisão William Inmon (Data warehousing) O processo de construção e manutenção de data warehouses 7 8 " " # $ Organizada em volta de assuntos específicos, tais como vendas, produtos, clientes. Centrada na modelação e análise de dados úteis para os decisores, em vez de centrada nas operações diárias. Fornece uma vista simples e concisa sobre um assunto particular, excluindo os dados inúteis para a tomada de decisão. 9 Construída a partir da integração de fontes de dados heterogéneas Bases de dados relacionais, ficheiros de texto, etc Técnicas de Limpeza de Dados Garantir a consistência e integridade dos dados 10 " % $ O horizonte temporal de uma data warehouse é maior. Bases de Dados Operacionais: registam valores actuais. Data warehouse: armazenam dados numa perspectiva histórica (exº: dados dos últimos 5-10 anos) A maioria dos registos de uma data warehouse são datados " & '( %% A data warehouse é mantida fisicamente separadamente das bases de dados operacionais As alterações efecutadas nas bases de dados operacionais não alteram os registos da data warehouse (podem levar à inserção de novos registos). Não são necessários mecanismos de processamento de transacções, de recuperação de falhas e de concorrência Necessita apenas de operações de: Carregamento inicial dos dados Acesso aos dados
3 %) *# % Operational Data Application OLTP OLAP Use Precise Queries Ad Hoc Data Warehouse Temporal Snapshot Historical Modification Dynamic Static Orientation Application Business Data Operational Values Integrated Size Gigabytes Terabytes Level Detailed Summarized Access Often Less Often Response Few Seconds Minutes Data Schema Relational Multidimensional Analysis and Query Reporting: ferramentas de análise configuráveis, usadas para analisar os dados de forma resumida Online Analytic Processing (OLAP): permite análises mais complexas que os sistemas OLTP. enables users to analyse data across multiple dimensionsand hierarchies OnLine Transaction Processing (OLTP): traditional database/transaction processing ) * OLTP OLAP users clerk, IT professional knowledge worker function day to day operations decision support DB design application-oriented subject-oriented data current, up-to-date detailed, flat relational isolated historical, summarized, multidimensional integrated, consolidated usage repetitive ad-hoc access read/write lots of scans index/hash on prim. key unit of work short, simple transaction complex query # records accessed tens millions #users thousands hundreds DB size 100MB-GB 100GB-TB metric transaction throughput query throughput, response 15, - Data Mining consiste na extracção não trivial de informação implícita, previamente desconhecida e potencialmente útil, feita a partir dos dados registados numa base de dados. [Frawley, KDD 1995] -. / * 0 $ Preprocessing: Select log data (dates and locations) to use Remove identifying URLs Remove error logs Transformation: Sessionize (sort and group) DB DB DW DB Table Table Data Data Mining Data Models Preprocessing Postprocessing Information Data Mining: Identify and count patterns Construct data structure Interpretation/Evaluation: Identify and display frequently accessed sequences
4 10 10! " " " 19 Classificação Constrói um modelo para os registos observados, baseando-se num conjunto de treino Utiliza o modelo anterior para classificar registos desconhecidos Previsão Modela funções reais (f:xr) de modo a prever valores futuros Segmentação (Clustering) Divide o conjunto de dados em grupos (clusters), agrupando os registos semelhantes e separando os registos diferentes; Utiliza-se quando não existe informação sobre a classificação dos registos (unsupervised learning) Descoberta de Relações (Association Rules) Identifica padrões frequentes entre os registos, pela análise das correlações 20 % / % % % 1 Tid Refund Marital Status Taxable Income Cheat 1 Yes Single 125K No 2 No Married 100K No 3 No Single 70K No 4 Yes Married 120K No 5 No Divorced 95K Yes 6 No Married 60K No 7 Yes Divorced 220K No Refund Marital Status Taxable Income No Single 75K? Yes Married 50K? No Married 150K? Yes Divorced 90K? No Single 40K? No Married 80K? Cheat Test Set Marketing directo Detecção de fraudes Gestão de clientes 8 No Single 85K Yes 9 No Married 75K No 10 No Single 90K Yes Training Set Learn Classifier Model % % ) / % Árvores de Decisão Redes Neuronais Classificação Bayesiana Support Vector Machines Classificação Baseada em Instâncias Algoritmos Genéticos Aplicações Previsão de valores futuros Determinar padrões temporais Classificar comportamentos Exemplo: Stock Market
5 2 $ / % Dado um conjunto de registos das compras efectuadas num supermercado Descobrir as dependências entre os itens comprados, de modo a prever a aquisição de um item sabendo que outro foi adquirido TID Items 1 Bread, Coke, Milk 2 Beer, Bread 3 Beer, Coke, Diaper, Milk 4 Beer, Bread, Diaper, Milk 5 Coke, Diaper, Milk Rules Discovered: 2 $ % 1 Marketing e definição de Promoções Gestão de prateleiras Gestão de stocks Machine Learning Visualization 2 % 3 % # ' %1 Statistics Data Mining and Knowledge Discovery Databases 28 ) * 29 OLAP Identificar todos os clientes que não efectuaram pagamentos Identificar os clientes que gastaram mais de $10,000 no último mês Identificar os compradores de leite Data Mining Identificar os clientes de baixo risco (Classification) Identificar clientes com hábitos de consumo semelhantes (Clustering) Identificar todos os produtos que são comprados na mesma compra que leite (Association Rules) 30 5
6 # 2 ) % Information Retrieval: baseia-se na procura de documentos relevantes face a uma query, recorrendo a medidas de semelhança Semelhança: mede quão relevante é um documento em função da query Os documentos que estão suficientemente próximos da query são devolvidos Aplicações: Bibliotecas Web Search Engines Exemplo de query: Encontrar documentos sobre o Benfica. DM: Mine text/web data; Documents classification. 4 Inferência Estatística: generaliza um modelo, criado a partir de uma amostra. Baseado em modelos teóricos Centrado no teste de hipóteses DM: Many data mining methods come from statistical techniques $ Machine Learning: área da Inteligência Artificial que desenvolve programas capazes de aprender. Baseado em heurísticas Centrado na melhoria do desempenho de agentes, muitas vezes robóticos Manipula conjuntos de dados limitados e limpos. DM: Uses machine learning techniques; Concerns with: Scalability, Real World Data, Updates and Ease of Use 33 ) %# Data mining (or simple analysis) on people may come with a profile that would raise controversial issues of Discrimination Privacy Security Examples: Should males between 18 and 35 from countries that produced terrorists be singled out for search before flight? Can people be denied mortgage based on age, sex, race? Women live longer. Should they pay less for life insurance? 35 Can discrimination be based on features like sex, age, national origin? In some areas (e.g. mortgages, employment), some features cannot be used for decision making In other areas, these features are needed to assess the risk factors E.g. people of African descent are more susceptible to sickle cell anemia 36 6
7 Issues ) 5 Can information collected for one purpose be used for mining data for another purpose In Europe, generally no, without explicit consent In US, generally yes Companies routinely collect information about customers and use it for marketing, etc. People may be willing to give up some of their privacy in exchange for some benefits Solutions ) 5 Data Mining looks for patterns, not people! Technical solutions can limit privacy invasion Replacing sensitive personal data with anon. ID Give randomized outputs (return salary + random()) However Data Mining will invade privacy generate millions of false positives No easy answers to controversial questions Society and policy-makers need to make an educated choice Benefits and efficiency of data mining programs vs. cost and erosion of privacy % 1 5 Situation: Attrition rate at for mobile phone customers is around 25-30% a year! Task: Given customer information for the past N months, predict who is likely to attrite next month. Also, estimate customer value and what is the costeffective offer to be made to this customer. Methodology Built a customer data warehouse Identified potential attriters Developed multiple, regional models Targeted customers with high propensity to accept the offer 40 $ Situation: Person applies for a loan Task: Should a bank approve the loan? Note: People who have the best credit don t need the loans, and people with worst credit are not likely to repay. Bank s best customers are in the middle Methodology Banks develop credit models. Mortgage and credit card proliferation are the results of being able to successfully predict if a person is likely to default on a loan %' 7 5 Situation: a person buys a book (product) at Amazon.com. Task: Recommend other books (products) this person is likely to buy Methodology: Association Rules or Clustering based on books bought
8 5 3 ' 5 Credit Card Fraud Detection Detection of Money laundering FAIS (US Treasury) Securities Fraud NASDAQ KDD system Phone fraud AT&T, Bell Atlantic, British Telecom/MCI Bio-terrorism detection at Salt Lake Olympics
Exemplos de aplicação. Mineração de Dados 2013
Exemplos de aplicação Mineração de Dados 2013 Luís Rato Universidade de Évora, 2013 Mineração de dados / Data Mining 1 Classificação: Definição Dado uma conjunto de registos (conjunto de treino training
Leia maisAula 02: Conceitos Fundamentais
Aula 02: Conceitos Fundamentais Profa. Ms. Rosângela da Silva Nunes 1 de 26 Roteiro 1. Por que mineração de dados 2. O que é Mineração de dados 3. Processo 4. Que tipo de dados podem ser minerados 5. Que
Leia maisInteligência de Negócio. Brian Cowhig
Inteligência de Negócio Brian Cowhig Inteligência de Negócio O Que é Inteligência de Negócio? Três Níveis de Inteligência de Negócio Database Query OLAP Data Mining Produtos de Inteligência de Negócio
Leia maisData Mining: Conceitos e Técnicas
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:
Leia maisPlanejamento 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 maisProfessor: Disciplina:
Professor: Curso: Esp. Marcos Morais de Sousa marcosmoraisdesousa@gmail.com Sistemas de informação Disciplina: Introdução a SI Noções de sistemas de informação Turma: 01º semestre Prof. Esp. Marcos Morais
Leia maisComplemento I - Noções Introdutórias em Data Warehouses
Complemento I - Noções Introdutórias em Data Warehouses Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações
Leia maisPlanejamento Estratégico de TI. Prof.: Fernando Ascani
Planejamento Estratégico de TI Prof.: Fernando Ascani Data Mining Os métodos tradicionais de Data Mining são: Classificação Associa ou classifica um item a uma ou várias classes categóricas pré-definidas.
Leia maisGestão da Informação. Gestão da Informação. AULA 3 Data Mining
Gestão da Informação AULA 3 Data Mining Prof. Edilberto M. Silva Gestão da Informação Agenda Unidade I - DM (Data Mining) Definição Objetivos Exemplos de Uso Técnicas Tarefas Unidade II DM Prático Exemplo
Leia maisResumo dos principais conceitos. Resumo dos principais conceitos. Business Intelligence. Business Intelligence
É um conjunto de conceitos e metodologias que, fazem uso de acontecimentos e sistemas e apoiam a tomada de decisões. Utilização de várias fontes de informação para se definir estratégias de competividade
Leia maisDATA WAREHOUSE. Rafael Ervin Hass Raphael Laércio Zago
DATA WAREHOUSE Rafael Ervin Hass Raphael Laércio Zago Roteiro Introdução Aplicações Arquitetura Características Desenvolvimento Estudo de Caso Conclusão Introdução O conceito de "data warehousing" data
Leia maisFUNDAMENTOS 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 maisDecisão Suporte: Warehousing, OLAP e Data Mining
Decisão Suporte: Warehousing, OLAP e Data Mining 7-1 Introdução Cada vez mais, organizações estão analizando dados correntes e históricos para identificar padrões úteis e suporte a estratégias de negócios.
Leia maisDecisão Suporte: Warehousing, OLAP e Data Mining
Decisão Suporte: Warehousing, OLAP e Data Mining 7-1 Introdução Cada vez mais, organizações estão analizando dados correntes e históricos para identificar padrões úteis e suporte a estratégias de negócios.
Leia maisServiços: API REST. URL - Recurso
Serviços: API REST URL - Recurso URLs reflectem recursos Cada entidade principal deve corresponder a um recurso Cada recurso deve ter um único URL Os URLs referem em geral substantivos URLs podem reflectir
Leia maisFases para um Projeto de Data Warehouse. Fases para um Projeto de Data Warehouse. Fases para um Projeto de Data Warehouse
Definição escopo do projeto (departamental, empresarial) Grau de redundância dos dados(ods, data staging) Tipo de usuário alvo (executivos, unidades) Definição do ambiente (relatórios e consultas préestruturadas
Leia maisData Mining Software Weka. Software Weka. Software Weka 30/10/2012
Data Mining Software Weka Prof. Luiz Antonio do Nascimento Software Weka Ferramenta para mineração de dados. Weka é um Software livre desenvolvido em Java. Weka é um É um pássaro típico da Nova Zelândia.
Leia maissrbo@ufpa.br www.ufpa.br/srbo
CBSI Curso de Bacharelado em Sistemas de Informação BI Prof. Dr. Sandro Ronaldo Bezerra Oliveira srbo@ufpa.br www.ufpa.br/srbo Tópicos Especiais em Sistemas de Informação Faculdade de Computação Instituto
Leia maisSistemas de Apoio à Decisão. Vocabulário e conceitos Vista geral
Sistemas de Apoio à Decisão Vocabulário e conceitos Vista geral Decisão A escolha de uma entre várias alternativas Processo de tomada de decisão (decision making) Avaliar o problema Recolher e verificar
Leia maisDescoberta de Conhecimento em Bases de Dados. Classificação
Universidade Técnica de Lisboa INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Informática e Sistemas de Informação Aplicados em Economia Descoberta de Conhecimento em Bases de Dados. Classificação Descoberta
Leia mais75, 8.º DTO 1250-068 LISBOA
EAbrief: Medida de incentivo ao emprego mediante o reembolso da taxa social única EAbrief: Employment incentive measure through the unique social rate reimbursement Portaria n.º 229/2012, de 03 de Agosto
Leia maisAdministração de Sistemas de Informação I
Administração de Sistemas de Informação I Prof. Farinha Aula 04 Conceito Sistema de Informação é uma série de elementos ou componentes inter-relacionados que coletam (entrada), manipulam e armazenam (processo),
Leia maisMINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br
MINERAÇÃO DE DADOS APLICADA Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br Processo Weka uma Ferramenta Livre para Data Mining O que é Weka? Weka é um Software livre do tipo open source para
Leia maisProf. Msc. Paulo Muniz de Ávila
Prof. Msc. Paulo Muniz de Ávila O que é Data Mining? Mineração de dados (descoberta de conhecimento em bases de dados): Extração de informação interessante (não-trivial, implícita, previamente desconhecida
Leia maisCARLOS SOVEGNI ESPECIALISTA REGIONAL EM PREVENÇÃO A FRAUDES EM INSTITUIÇÕES FINANCEIRAS, SAS. Copyright 2014, SAS Institute Inc. All rights reserved.
CARLOS SOVEGNI ESPECIALISTA REGIONAL EM PREVENÇÃO A FRAUDES EM INSTITUIÇÕES FINANCEIRAS, SAS INTRODUÇÃO SOBRE DETECÇÃO DE FRAUDE Como resumimos o nosso trabalho no dia-a-dia? INTRODUÇÃO SOBRE DETECÇÃO
Leia mais2 Categorias Categories Todas as categorias de actividade são apresentadas neste espaço All activity categories are presented in this space
1 Próximas Actividades Next Activities Visualiza as próximas actividades a ter inicio, com a indicação do tempo restante Displays upcoming activities and indicating the remaining time 2 Categorias Categories
Leia maisADM041 / EPR806 Sistemas de Informação
ADM041 / EPR806 Sistemas de Informação UNIFEI Universidade Federal de Itajubá Prof. Dr. Alexandre Ferreira de Pinho 1 Sistemas de Apoio à Decisão (SAD) Tipos de SAD Orientados por modelos: Criação de diferentes
Leia maisSociodemographic profile Real delivery Panel IR% Total panelists: 10.382 90,7% Sex Man 4.231
1 / 14 Bank Panel Portugal Features Panel size (ISO): 32.637 People profiled (ISO): 11.557 Estimated response rate (ISO): 41% Updated: 15/12/2014 Size (ISO): number of panelists according to ISO 26362
Leia maisProf. Ronaldo R. Goldschmidt. ronaldo@de9.ime.eb.br rribeiro@univercidade.br geocities.yahoo.com.br/ronaldo_goldschmidt
Prof. Ronaldo R. Goldschmidt ronaldo@de9.ime.eb.br rribeiro@univercidade.br geocities.yahoo.com.br/ronaldo_goldschmidt Prof. Ronaldo Ribeiro Goldschmidt REVISÃO DE BD RELACIONAIS E SQL! "" #!$ #%! $& #
Leia maisREAL ESTATE MARKET IN BRAZIL
REAL ESTATE MARKET IN BRAZIL JOÃO CRESTANA President of Secovi SP and CBIC National Commission of Construction Industry SIZE OF BRAZIL Population distribution by gender, according to age group BRAZIL 2010
Leia maisData Mining. Origem do Data Mining 24/05/2012. Data Mining. Prof Luiz Antonio do Nascimento
Data Mining Prof Luiz Antonio do Nascimento Data Mining Ferramenta utilizada para análise de dados para gerar, automaticamente, uma hipótese sobre padrões e anomalias identificadas para poder prever um
Leia maisInteroperability through Web Services: Evaluating OGC Standards in Client Development for Spatial Data Infrastructures
GeoInfo - 2006 Interoperability through Web Services: Evaluating OGC Standards in Client Development for Spatial Data Infrastructures Leonardo Lacerda Alves Clodoveu A. Davis Jr. Information Systems Lab
Leia maisINTELIGÊNCIA COMPUTACIONAL
INTELIGÊNCIA COMPUTACIONAL Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto Dados pessoais Rosalvo Ferreira de Oliveira Neto MSc. em ciência da computação (UFPE) rosalvo.oliveira@univasf.edu.br
Leia maiscompany overview May 20, 2008
1 company overview May 20, 2008 Desdobramento do Risco em Processos, Informação e Sistemas de Informação Link Consulting Pedro Sousa 2 A explicitação das A mensagem dependências entre Processos, Informação
Leia maisExtração de Conhecimento & Mineração de Dados
Extração de Conhecimento & Mineração de Dados Nesta apresentação é dada uma breve introdução à Extração de Conhecimento e Mineração de Dados José Augusto Baranauskas Departamento de Física e Matemática
Leia maisSearching for Employees Precisa-se de Empregados
ALIENS BAR 1 Searching for Employees Precisa-se de Empregados We need someone who can prepare drinks and cocktails for Aliens travelling from all the places in our Gallaxy. Necessitamos de alguém que possa
Leia maisCriação e uso da Inteligência e Governança do BI
Criação e uso da Inteligência e Governança do BI Criação e uso da Inteligência e Governança do BI Governança do BI O processo geral de criação de inteligência começa pela identificação e priorização de
Leia maisLaboratório 3. Base de Dados II 2008/2009
Laboratório 3 Base de Dados II 2008/2009 Plano de Trabalho Lab. 3: Programação em Transact-SQL MYSQL Referências www.mysql.com MICROSOFT SQL SERVER - Procedimentos do Lado do Servidor (Stored Procedures)
Leia mais- A crescente necessidade de sistemas inteligentes e de aquisição de conhecimento levaram à necessidade de implementação de Data Warehouses.
- A crescente necessidade de sistemas inteligentes e de aquisição de conhecimento levaram à necessidade de implementação de. - O que é uma Data Warehouse? - Colecção de bases de dados orientadas por assunto
Leia maisData Science e Big Data
InforAbERTA IV Jornadas de Informática Data Science e Big Data Luís Cavique, Porto, março 2014 Agenda 1. Definições: padrões micro e Macro 2. Novos padrões para velhos problemas: Similis, Ramex, Process
Leia maisProf. Júlio Cesar Nievola Data Mining PPGIa - PUCPR
Muitos dados são coletados e armazenados Web data, e-commerce Compras em departamentos/ supermercados Bancos / Transações com cartão de crédito Computadores se tornaram baratos e mais potentes Pressão
Leia maisGestão da Informação
Gestão da Informação Aplicações de suporte à Gestão da Informação na empresa Luis Borges Gouveia, lmbg@ufp.pt Aveiro, Fevereiro de 2001 Sistemas de informação para empresas Manutenção e exploração de sistemas
Leia maisKDD 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 maisGESTÃO. Gestão dos Processos e Operações Gestão de Sistemas e Tecnologias de Informação (dentro do capítulo 6) CLF
GESTÃO Gestão dos Processos e Operações Gestão de Sistemas e Tecnologias de Informação (dentro do capítulo 6) Informação e Decisões Gerir envolve tomar muitas e frequentes decisões Para decidir com eficácia
Leia maisCritérios de Classificação de SI TIPOS DE SI EMPRESARIAIS
Critérios de Classificação de SI TIPOS DE SI EMPRESARIAIS ISGB/COSI/GI Prof. António Aguiar http://soaresaguiar.com.sapo.pt Número de indivíduos que os usam (tipo de utilização) Individuais ou pessoais,
Leia maisBanco de Dados. Prof. Antonio
Banco de Dados Prof. Antonio SQL - Structured Query Language O que é SQL? A linguagem SQL (Structure query Language - Linguagem de Consulta Estruturada) é a linguagem padrão ANSI (American National Standards
Leia maisPROGRAMAÇÃO PARA DISPOSITIVOS MÓVEIS ARMAZENAMENTO EM BD NO DM. Prof. Angelo Augusto Frozza, M.Sc. http://about.me/tilfrozza
PROGRAMAÇÃO PARA DISPOSITIVOS MÓVEIS ARMAZENAMENTO EM BD NO DM Prof. Angelo Augusto Frozza, M.Sc. http://about.me/tilfrozza ROTEIRO Introdução App de exemplo Implementação do exemplo Testes realizados
Leia maisCapítulo 2 Data Warehousing
Capítulo 2 Data Warehousing Objetivos de Aprendizado Compreender as definições e os conceitos básicos dos data warehouses Compreender as arquiteturas de data warehousing Descrever os processos usados no
Leia maisConsultas (Queries) ou Interrogações
Consultas (Queries) ou Interrogações Principal finalidade das interrogações: Extracção, manipulação (inserção, alteração e remoção) e definição de dados. As interrogações mais comuns destinam-se a pesquisar
Leia maisPROGRAMAÇÃO PARA DISPOSITIVOS MÓVEIS ARMAZENAMENTO EM BD NO DM. Prof. Angelo Augusto Frozza, M.Sc. http://about.me/tilfrozza
PROGRAMAÇÃO PARA DISPOSITIVOS MÓVEIS ARMAZENAMENTO EM BD NO DM Prof. Angelo Augusto Frozza, M.Sc. http://about.me/tilfrozza ROTEIRO Introdução App de exemplo Implementação do exemplo Testes realizados
Leia maisData Warehousing e OLAP
Data Warehousing e OLAP Jornadas de Engenharia Informática Instituto Politécnico da Guarda Henrique Madeira Departamento de Engenharia Informática Faculdade de Ciências e Tecnologia Universidade de Coimbra
Leia maisData Warehouse Mineração de Dados
Data Warehouse Mineração de Dados Profa. Roberta Macêdo M. Gouveia robertammg@gmail.com 1 18/12/2014 Data Warehouse Data Mining Big Data A mina de ouro debaixo dos bits 2 Data Warehouse: A Memória da Empresa
Leia maisDisciplina: Tecnologias de Banco de Dados para SI s
Curso de Gestão em SI Disciplina: Tecnologias de Banco de Dados para SI s Rodrigo da Silva Gomes (Extraído do material do prof. Ronaldo Melo - UFSC) Banco de Dados (BD) BD fazem parte do nosso dia-a-dia!
Leia maisServiço Público Inteligente
Serviço Público Inteligente Sistemas de BI, decidir com base em informação de qualidade 15 de maio de 2013 Auditório B, Reitoria UNL Patrocínio Prata Patrocinadores Globais APDSI Sistemas de Business Intelligence
Leia maisDATA WAREHOUSE. Introdução
DATA WAREHOUSE Introdução O grande crescimento do ambiente de negócios, médias e grandes empresas armazenam também um alto volume de informações, onde que juntamente com a tecnologia da informação, a correta
Leia maisConsistem num conjunto de apontadores para instâncias especificas de cada relação.
Mecanismo usado para mais fácil e rapidamente aceder à informação existente numa base de dados. Bases de Dados de elevadas dimensões. Consistem num conjunto de apontadores para instâncias especificas de
Leia maisANÁLISE DA CONSERVAÇÃO PÓS-COLHEITA DA ALFACE (Lactuca Sativa, L) UTILIZANDO O SISTEMA DE APOIO À TOMADA DE DECISÃO BKD
ANÁLISE DA CONSERVAÇÃO PÓS-COLHEITA DA ALFACE (Lactuca Sativa, L) UTILIZANDO O SISTEMA DE APOIO À TOMADA DE DECISÃO BKD RESUMO Thereza P. P. Padilha Fabiano Fagundes Conceição Previero Laboratório de Solos
Leia maisCRM - Customer Relationship Management
Profª Carla Mota UCB 2014 Unid 2 aula1 CRM - Customer Relationship Management Estratégia de negócio voltada ao entendimento e a antecipação das necessidades dos clientes atuais e potenciais de uma empresa.
Leia maisSISTEMAS DE APRENDIZADO PARA A IDENTIFICAÇÃO DO NÚMERO DE CAROÇOS DO FRUTO PEQUI LEARNING SYSTEMS FOR IDENTIFICATION OF PEQUI FRUIT SEEDS NUMBER
SISTEMAS DE APRENDIZADO PARA A IDENTIFICAÇÃO DO NÚMERO DE CAROÇOS DO FRUTO PEQUI Fernando Luiz de Oliveira 1 Thereza Patrícia. P. Padilha 1 Conceição A. Previero 2 Leandro Maciel Almeida 1 RESUMO O processo
Leia maisTese / Thesis Work Análise de desempenho de sistemas distribuídos de grande porte na plataforma Java
Licenciatura em Engenharia Informática Degree in Computer Science Engineering Análise de desempenho de sistemas distribuídos de grande porte na plataforma Java Performance analysis of large distributed
Leia maisNoções de. Microsoft SQL Server. Microsoft SQL Server
Noções de 1 Considerações Iniciais Basicamente existem dois tipos de usuários do SQL Server: Implementadores Administradores 2 1 Implementadores Utilizam o SQL Server para criar e alterar base de dados
Leia maisTópicos Avançados Business Intelligence. Banco de Dados Prof. Otacílio José Pereira. Unidade 10 Tópicos Avançados Business Inteligence.
Tópicos Avançados Business Intelligence Banco de Dados Prof. Otacílio José Pereira Unidade 10 Tópicos Avançados Business Inteligence Roteiro Introdução Níveis organizacionais na empresa Visão Geral das
Leia maisGerenciamento de Dados e Gestão do Conhecimento
ELC1075 Introdução a Sistemas de Informação Gerenciamento de Dados e Gestão do Conhecimento Raul Ceretta Nunes CSI/UFSM Introdução Gerenciando dados A abordagem de banco de dados Sistemas de gerenciamento
Leia maisIntrodução a Datamining (previsão e agrupamento)
Introdução a Datamining (previsão e agrupamento) Victor Lobo Mestrado em Estatística e Gestão de Informação E o que fazer depois de ter os dados organizados? Ideias base Aprender com o passado Inferir
Leia maisAdriano Maranhão BUSINESS INTELLIGENCE (BI),
Adriano Maranhão BUSINESS INTELLIGENCE (BI), BUSINESS INTELLIGENCE (BI) O termo Business Intelligence (BI), popularizado por Howard Dresner do Gartner Group, é utilizado para definir sistemas orientados
Leia maisINTRODUÇÃO À MINERAÇÃO DE DADOS. Luis Paulo Vieira Braga. 1. Introdução. 2. KDD e mineração de dados. 3. Bancos de dados para mineração de dados
INTRODUÇÃO À MINERAÇÃO DE DADOS Luis Paulo Vieira Braga 1. Introdução 2. KDD e mineração de dados 3. Bancos de dados para mineração de dados 4. A construção de modelos no processo KDD/DM 5. Tratamento
Leia mais4. Que tipos de padrões podem ser minerados. 5. Critérios de classificação de sistemas de Data Mining. 6. Tópicos importantes de estudo em Data Mining
Curso de Data Mining - Aula 1 1. Como surgiu 2. O que é 3. Em que tipo de dados pode ser aplicado 4. Que tipos de padrões podem ser minerados 5. Critérios de classificação de sistemas de Data Mining 6.
Leia maisData Recovery for Web Applica3ons
Data Recovery for Web Applica3ons Istemi Ekin Akkus, Ashvin Goel, University of Toronto 2010 IEEE/IFIP Interna
Leia maisTriggers no PostgreSQL
Triggers no PostgreSQL Traduzido do manual do PostgreSQL Pode-se utilizar PL/pqSQL para a definição de triggers (gatilhos). Um procedimento do tipo trigger é criado com o comando CREATE FUNCTION, declarando
Leia maisIDATA: 06/05/2015 GRANDE AUDITÓRIO TEMA:QUAL O FUTURO DO SUPERMERCADO COM O CONSUMIDOR CONECTADO? PALESTRANTE: HELIO AZEVEDO
IDATA: 06/05/2015 GRANDE AUDITÓRIO TEMA:QUAL O FUTURO DO SUPERMERCADO COM O CONSUMIDOR CONECTADO? PALESTRANTE: HELIO AZEVEDO 1 TRANSFORMANDO A JORNADA DO CLIENTE Helio Azevedo SAP SALES VICE-PRESIDENT
Leia maisIntrodução à Banco de Dados. Nathalia Sautchuk Patrício
Introdução à Banco de Dados Nathalia Sautchuk Patrício Histórico Início da computação: dados guardados em arquivos de texto Problemas nesse modelo: redundância não-controlada de dados aplicações devem
Leia maisSIMULADOR MULTI-AGENTE DE MERCADOS ELECTRÓNICOS COM
SIMULADOR MULTI-AGENTE DE MERCADOS ELECTRÓNICOS COM MAPEAMENTO DE ONTOLOGIAS Maria João Viamonte, Nuno Silva GECAD - Knowledge Engineering and Decision Support Research Group Polytechnic Institute of Porto
Leia maisO Banco do Futuro. Richard D. Chaves Gerente de Novas Tecnologias - Microsoft rchaves@microsoft.com http://blogs.msdn.com/rchaves
O Banco do Futuro Richard D. Chaves Gerente de Novas Tecnologias - Microsoft rchaves@microsoft.com http://blogs.msdn.com/rchaves Para falar de Futuro Objetivos desta sessão Apresentar a visão da Microsoft
Leia maisIntrodução a Datamining (previsão e agrupamento)
E o que fazer depois de ter os dados organizados? Introdução a Datamining (previsão e agrupamento) Victor Lobo Mestrado em Estatística e Gestão de Informação Ideias base Aprender com o passado Inferir
Leia maisADMINISTRAÇÃO DOS RECURSOS DE DADOS
7 ADMINISTRAÇÃO DOS RECURSOS DE DADOS OBJETIVOS Por que as empresas sentem dificuldades para descobrir que tipo de informação precisam ter em seus sistemas de informação ão? Como um sistema de gerenciamento
Leia maisBANCO DE DADOS DISTRIBUÍDOS e DATAWAREHOUSING
BANCO DE DADOS DISTRIBUÍDOS e DATAWAREHOUSING http://www.uniriotec.br/~tanaka/tin0036 tanaka@uniriotec.br Introdução a Data Mining Introdução a Data Mining Conceitos: DM x OLAP DM como parte de KDD Objetivos
Leia maisTransações no Mundo SOA. Luciano Oliveira Solution Consultant
Transações no Mundo SOA Luciano Oliveira Solution Consultant Agenda Definição Através do Tempo Transações com Bancos Distribuídos Transações em SOA Compensação Coordenador Gerenciado vs. Não-Gerenciado
Leia maisChapter 3. Análise de Negócios e Visualização de Dados
Chapter 3 Análise de Negócios e Visualização de Dados Objetivos de Aprendizado Descrever a análise de negócios (BA) e sua importância par as organizações Listar e descrever brevemente os principais métodos
Leia maisBusiness Intelligence. Business Intelligence. Business Intelligence. Business Intelligence. Business Intelligence
Juntamente com o desenvolvimento desses aplicativos surgiram os problemas: & Data Warehouse July Any Rizzo Oswaldo Filho Década de 70: alguns produtos de BI Intensa e exaustiva programação Informação em
Leia maisExtração de Conhecimento a partir dos Sistemas de Informação
Extração de Conhecimento a partir dos Sistemas de Informação Gisele Faffe Pellegrini & Katia Collazos Grupo de Pesquisa em Eng. Biomédica Universidade Federal de Santa Catarina Jorge Muniz Barreto Prof.
Leia maisSistemas de Apoio à Decisão (SAD) Decision Support Systems
Sistemas de Apoio à Decisão (SAD) Decision Support Systems Andreas Wichert MEIC / MERC Tagus (Página da cadeira: Fenix) Objectivo Geral Acumular informação para produzir indicadores de negócio que permitam
Leia maisCR.Doc. Management Platform for Clients and Documents
CR.Doc Management Platform for Clients and Documents Agenda Introdução O que é o CR.Doc? Principais funcionalidades Demonstração O que é o CR.Doc? O CR.doc é um novo conceito de Sistema Integrado de CRM
Leia maisTecnologias de Informação, Inovação e Auditoria Interna
Tecnologias de Informação, Inovação e Auditoria Interna XXV CONFERÊNCIA ANUAL IPAI NOVEMBER 15 TH 2018 S U M M A R Y o K N O W L E D G E D I S C O V E R Y I N D ATA o D ATA M I N I N G o U S E R I N T
Leia maisIdentificar as mudanças que acontecem na forma e no uso de apoio à decisão em empreendimentos de e-business. Identificar o papel e alternativas de
1 Identificar as mudanças que acontecem na forma e no uso de apoio à decisão em empreendimentos de e-business. Identificar o papel e alternativas de relatórios dos sistemas de informação gerencial. Descrever
Leia maisUniversidade da Beira Interior. Sistemas Distribuídos - 2014/2015 Curso: Engª Informática. Folha 11. JAX-RS: Java API for RESTful Web Services
JAX-RS: Java API for RESTful Web Services A - Creating RESTful Web Services from a Database 1- Comece por criar um projeto do tipo Java Web application, como fez nos exercícios das fichas anteriores. No
Leia maisSeja Bem-Vindo. System Center Family. Inicio: 09:00 Termino: 12:00
Seja Bem-Vindo System Center Family Inicio: 09:00 Termino: 12:00 Intervalo: 15 minutos Marcelo Sincic Consultor / Instrutor msincic@uol.com.br blog: http://www.marcelosincic.eti.br Microsoft como CPLS
Leia maisBases de Dados 2007/2008. Aula 1. Referências
Bases de Dados 2007/2008 Aula 1 Sumário 1. SQL Server 2000: configuração do acesso ao servidor. 1.1. SQL Server Service Manager. 1.2. SQL Server Enterprise Manager. 1.3. SQL Query Analyzer. 2. A base de
Leia maisCapítulo. Sistemas de apoio à decisão
Capítulo 10 1 Sistemas de apoio à decisão 2 Objectivos de aprendizagem Identificar as alterações que estão a ter lugar na forma e função do apoio à decisão nas empresas de e-business. Identificar os papéis
Leia mais01-A GRAMMAR / VERB CLASSIFICATION / VERB FORMS
01-A GRAMMAR / VERB CLASSIFICATION / VERB FORMS OBS1: Adaptação didática (TRADUÇÃO PARA PORTUGUÊS) realizada pelo Prof. Dr. Alexandre Rosa dos Santos. OBS2: Textos extraídos do site: http://www.englishclub.com
Leia maisBR-EMS MORTALITY AND SUVIVORSHIP LIFE TABLES BRAZILIAN LIFE INSURANCE AND PENSIONS MARKET
BR-EMS MORTALITY AND SUVIVORSHIP LIFE TABLES BRAZILIAN LIFE INSURANCE AND PENSIONS MARKET 2015 1 e-mail:mario@labma.ufrj.br Tables BR-EMS, mortality experience of the Brazilian Insurance Market, were constructed,
Leia maisMBA em Gestão de Empreendimentos Turísticos
Prof. Martius V. Rodriguez y Rodriguez, DSc martius@kmpress.com.br MBA em Gestão de Empreendimentos Turísticos Gestão do Conhecimento e Tecnologia da Informação Gestão do Conhecimento evolução conceitual.
Leia maisStructured Query Language (SQL)
SQL Histórico Structured Query Language (SQL) Foi desenvolvido pela IBM em meados dos anos 70 como uma linguagem de manipulação de dados (DML - Data Manipulation Language) para suas primeiras tentativas
Leia maisArcGIS for INSPIRE. ArcGIS. ArcGIS for INSPIRE. Discovery. Download. View
ArcGIS for INSPIRE Discovery View Download ArcGIS for INSPIRE ArcGIS Agenda ArcGIS for INSPIRE O que está incluído Template de Geodatabase Componentes Desktop Componentes Servidor Outras Novidades Evolução
Leia maisFarmacologia na Pratica de Enfermagem (Em Portuguese do Brasil)
Farmacologia na Pratica de Enfermagem (Em Portuguese do Brasil) Click here if your download doesn"t start automatically Farmacologia na Pratica de Enfermagem (Em Portuguese do Brasil) Farmacologia na Pratica
Leia maisTÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE
TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto OLPT x OLAP Roteiro OLTP Datawarehouse OLAP Operações OLAP Exemplo com Mondrian e Jpivot
Leia mais<Insert Picture Here> A sua Organização já está preparada para o novo Código dos Contratos Públicos (CCP, DL 18/2008)?
A sua Organização já está preparada para o novo Código dos Contratos Públicos (CCP, DL 18/2008)? Sessão Aberta Homero Silveira - Sector Público e Saúde Contratação Pública agenda
Leia maisBusiness Intelligence e Data Mining Manuel Filipe Santos mfs@dsi.uminho.pt Grupo de Business Intelligence Departamento de Sistemas de Informação Escola de Engenharia Quem Não Conduz? Jornadas Administra
Leia maisData Warehouse. Diogo Matos da Silva 1. Universidade Federal de Ouro Preto, Ouro Preto, MG, Brasil. Banco de Dados II
Data Warehouse Diogo Matos da Silva 1 1 Departamento de Computação Universidade Federal de Ouro Preto, Ouro Preto, MG, Brasil Banco de Dados II Diogo Matos (DECOM - UFOP) Banco de Dados II Jun 2013 1 /
Leia maisO Que é Data Warehouse
O Que é Data Warehouse Escrito por Carlos Alberto Sowek Buscando dar uma melhor visão sobre uma proposta de arquitetura de um Data Warehouse para a Celepar, bem como para os clientes da Celepar, sentimos
Leia maisObjetivo da Consulta: Amparo Legal para adoção de Cláusula Restritiva de Utilização para aeronaves BRADESCO SEGUROS A MULTI-CHANNEL APPROACH
BRADESCO SEGUROS A MULTI-CHANNEL APPROACH 10th International Microinsurance Conference 2014 Mexico DF, 13/nov/2014 The Objetivo correspondent da Consulta: Amparo Legal para adoção de The Objetivo correspondent
Leia mais