Mineração de dados: um estudo de caso de concessão de crédito explorando o software Weka

Tamanho: px
Começar a partir da página:

Download "Mineração de dados: um estudo de caso de concessão de crédito explorando o software Weka"

Transcrição

1 Mineração de dados: um estudo de caso de concessão de crédito explorando o software Weka Andreia Smiderle, Alessandra Marchiori de Oliveira Depto de Sistemas de Informação, Faculdade MATER DEI, , Pato Branco, PR A sociedade está inserida em uma época, onde a informação e o conhecimento exercem papéis fundamentais e estão se disseminando em toda parte. Com o advento da informática, as pessoas em geral e as organizações passaram a fazer grande uso da informação e, a partir disso, novas formas de armazenamento surgiram. Então, busca-se aproveitar de maneira otimizada a grande quantidade de informações que existe nos bancos de dados informatizados das organizações, para melhorar a sua performance perante o mercado competitivo e auxiliar na importante tarefa de tomada de decisão. Porém, surge a questão, em que um grande banco de dados pode influenciar na tomada de decisão? Em muitos aspectos, pois destes bancos de dados pode-se extrair conhecimentos valiosos e úteis como, por exemplo, construção de perfis de consumidores. No entanto, devido ao seu grande volume de dados, que ultrapassam a habilidade técnica e a capacidade humana de interpretação, a maioria das organizações é incapaz de aproveitar totalmente o que está armazenado em seus arquivos. Para suprir a ineficiência da habilidade técnica e a capacidade humana em filtrar uma informação de um banco de dados surge o KDD Knowledge Discovery in Database (Descoberta de Conhecimento) como ferramenta para viabilizar a análise de grandes bancos de dados. A descoberta de conhecimento em bases de dados é um processo que envolve a automação da identificação e do reconhecimento de padrões em um banco de dados. Sua principal característica é a extração não trivial de informações a partir de uma base de dados de grande porte, identificando padrões em dados que sejam válidos, potencialmente úteis e compreensíveis, de acordo com [3]. Neste contexto, surge o Data Mining que é o procedimento que define o processo extração e análise de enormes conjuntos de dados, na maioria das vezes desordenados, para então extrair um significado. Essa tecnologia está sendo usada para descrever características do passado, assim como reconhecer tendências para o futuro. Sua utilização permite avanços tecnológicos e descobertas científicas, fornecendo às organizações estratégias fundamentais para obter conhecimento sobre seu próprio negócio, além de garantir uma vantagem competitiva invejável. O administrador necessita, hoje, saber como obter o máximo de informações úteis e como utilizá-las adequadamente. Hoje, as organizações têm grandes dificuldades em conhecer seus atuais e em avaliar seus novos clientes, bem como lhes conceder crédito. Desta forma, justificase o estudo de caso proposto neste trabalho, onde se busca obter informações úteis de uma grande quantidade de dados. Com a descoberta do conhecimento (informações) as organizações passam a construir seus sistemas de apoio à decisão, seu marketing direcionado, sua forma de concessão de crédito (limite) e, até mesmo, traçando o perfil de seus clientes. Assim, organizações que detém ou fornecem o conhecimento adquirido com confiabilidade, rapidez e de forma organizada, têm grandes chances de permanecerem de forma competitiva no mercado, e esta é uma das poucas áreas de negócios em que se conseguem vantagens competitivas. O objetivo principal deste estudo é minerar a base de dados dos clientes encarteirados da empresa, buscando utilizar as características de clientes adimplentes e inadimplentes como conhecimento prévio para agilizar a operação de concessão de crédito a novos clientes. Bem como transformar os dados dos clientes armazenados no banco da organização em subsídios que auxiliem na tomada de decisão; utilizar regras de classificação para analisar e classificar novos clientes para concessão de créditos e explorar algoritmos do Software Weka buscando identificar aquele que melhor se adapta para este estudo de caso, de acordo com a confiabilidade do mesmo. De acordo com [2] uma organização ou empresa é: um grupo de pessoas, que trabalham juntas, sob orientação de um líder, visando a consecução de um objetivo. Ou ainda, segundo [2] uma integração impessoal, altamente racionalizada, de um grande número de especialistas que operam para atingir algum objetivo e sobre a qual é importante uma estrutura de autoridade altamente elaborada. Para as organizações o objetivo principal é obter lucro, que só poderá ser alcançando com a obtenção e fidelização dos clientes. Para [1] cliente é a pessoa que recebe os produtos ou serviços resultantes de um processo, no intuito de satisfazer suas necessidades e de cuja aceitação depende a sobrevivência de quem os fornece.

2 Mas, infelizmente, a relação entre a organização e seus clientes pode não ser amigável quando o assunto é crédito. Analisar um crédito significa avaliar os riscos envolvidos em um negócio e a capacidade do cliente liquidar a dívida nas condições contratadas. As empresas tentam prevenir-se dos novos clientes que tem uma forte tendência a serem inadimplentes da melhor forma possível: fazendo uma ficha cadastral, consultando outras empresas onde o cliente já compra, consultando o Serasa (Centralização de Serviços dos Bancos S.A.), SPC (Serviço de Proteção ao Crédito) e outros órgãos especializados. Desta forma, buscase minimizar o prejuízo e, é possível que durante o detalhamento da carteira, identifiquem-se quais produtos este cliente consome, a qual região pertence e de que maneira cumpre seus compromissos. Vale lembrar que, apesar de conhecer o comportamento do cliente encarteirado, sempre existe o risco de inadimplência, ou seja, que esta pessoa falte ao cumprimento de suas obrigações no prazo estipulado. Segundo [1] a concessão de crédito e as práticas de cobrança influenciam grandemente os volumes de venda e níveis de receita alcançados pelo vendedor. Decisões creditícias altamente restritivas aceitam somente as contas com solvência, mas podem perder vendas e receitas. Por outro lado, o acompanhamento agressivo de cobrança pode gerar relações problemáticas com os clientes. Assim como existem os 4P s (Praça, Preço, Promoção, Produto), os 4A s (Análise, Adaptação, Ativação, Avaliação) que são muito utilizados pelos agentes de marketing, na hora de planejar uma nova estratégia de mercado, também existem os 5C s que auxiliam como roteiro para a investigação de crédito, facilitando que nenhum aspecto relevante seja ignorado ou esquecido ao avaliar uma ficha cadastral: Caráter, Capacidade, Capital; Colateral e Condições. Ações desta natureza reforçam a imagem da organização perante o seu cliente, dando-lhe a sensação de contar com sua organização nos momentos difíceis ou importantes para o seu crescimento ou necessidades diversas. O monitoramento gera uma fotografia precisa dos negócios, permitindo traçar estratégias de crescimento e rentabilidade da carteira, reduzindo perdas e aumento a receita. Descrição do processo utilizado pela organização Atualmente, o sistema de crédito da organização é lento, impreciso, manual e com uma grande probabilidade de erros. Por mais que sejam consultadas outras organizações onde o cliente já possua um relacionamento, verifique-se SPC e Serasa, pode ficar omitido algo importante que traz a possibilidade de, mais tarde, ocasionar problemas maiores. A concessão de crédito ocorre após uma pesquisa de alguns dados fundamentais do cliente, como: nome e endereço completo, data de nascimento, naturalidade, número de CPF e RG, condição da moradia, empresa onde trabalha, cargo que ocupa, renda média mensal, estado civil, nome do cônjuge, data de nascimento de cônjuge, filiação, bancos que opera, referências comerciais e relação de bens. Sendo que os dados mais relevantes são os pesquisados nas referências comerciais, que são: tempo de relação com o fornecedor, o valor da maior compra, o valor médio mensal de compras, data e valor da última compra, forma de pagamento, pontualidade e o conceito que esta referência comercial tem sobre o cliente pesquisado: ótimo, bom ou ruim. Aplicação das ferramentas de Data Mining como proposta de análise para a concessão de crédito Com as ferramentas do Data Mining pode-se extrair informações não triviais e também podem ser definidos os campos a serem analisados, de acordo com a necessidade de implementação, de acordo com [4]. Assim, no caso específico deste estudo, ele irá confrontar as informações dos clientes já existentes no banco de dados, buscando uma regra de classificação em adimplente e inadimplente, e depois comparando o perfil do novo cliente, classificando-o de acordo com a regra. Para isso, foram realizados testes utilizando 29 atributos que a organização considera relevante para a concessão de crédito a seus clientes. Os atributos relevantes são informados por outras organizações onde o cliente já tem relacionamento, que são tempo de relação com o fornecedor, forma de pagamento, o valor médio mensal de compras, o valor da maior compra, data da maior compra, valor da última compra, data da última compra, pontualidade e o conceito que esta referência comercial tem sobre o cliente pesquisado: ótimo, bom, ruim ou inativo. Essas referências são consideradas 3 vezes, pois são consultadas três organizações diferentes para se obter o maior número de informações possíveis. Ainda são consultados o SPC, Serasa ou outros órgãos qualificados. E o último atributo seria a opinião da pessoa que está preenchendo o cadastro, se ela concederá crédito ao cliente ou não, baseada nas informações que ela obteve nos contatos indicados. No desenvolvimento deste estudo, três etapas foram realizadas: na primeira etapa foram utilizados vários

3 testes com diversos algoritmos e, a partir dos resultados destes testes, de acordo com a confiabilidade dos mesmos, partiu-se para as segunda e terceira etapas, que foram as de treinamento, classificação e inclusão de novos clientes. Este estudo foi desenvolvido com o software Weka. O Weka é uma ferramenta de Data Mining desenvolvida pela Universidade de Waikato (Nova Zelândia), que vem sendo utilizado em pesquisas na área de aprendizagem de máquinas, pois disponibiliza componentes que auxiliam a implementação de classificação e agrupamentos, este ambiente também permite que novos algoritmos sejam comparados a outros já consolidados na área de aprendizagem. Com este pacote podemos obter resultados estatísticos comparativos da execução simultânea de diversos programas de aprendizagem em domínios variados. O Weka é formado por um conjunto de pacotes, que são: attribute selection (seleção de atributos), classifiers (implementação de algoritmos de aprendizagem supervisionada), clustering (implementação de algoritmos de aprendizado não supervisionado), association rules (generalização de regras de associação usando taxonomias), filters (seleção de instância de uma base) e estimators (estimadores). Attribute Selection é usado como o próprio nome diz para selecionar atributos de uma base de dados para a extração de padrões. O Classifiers é formado por implementações de algoritmos de aprendizagem, tais como: IBK (K-nearest neighbor), o J48.J48 e J48.PART. Cluster contém uma implementação de dois métodos de aprendizagem não supervisionada: Cobweb e o algoritmo EM. O Associations contém duas classes, ItemSet e Apriori, que juntos implementam esse algoritmo. Estimators contém subclasses que são utilizadas pelo algoritmo Naive Bayes para computar os diferentes tipos de distribuição de probabilidade. Filters permite aos usuários selecionar um subconjunto de atributos ou selecionar um subconjunto de instâncias de dados baseada em algum critério. A ferramenta Weka dispõe também de métodos de meta aprendizagem que são utilizados para a construção de conjuntos de classificadores. A escolha da ferramenta Weka para o desenvolvimento deste estudo, deve-se a várias razões. Pode-se citar o fato de que foi desenvolvida em Java, tendo como principal característica à portabilidade (multi plataforma), assim, pode ser executada na mais diversas plataformas. Possui o código fonte aberto, e aproveitando os benefícios de uma linguagem orientada a objetos como modularidade, polimorfismo (mesma operação pode se comportar diferentemente em classes diferentes), encapsulamento (consiste em separar os aspectos externos de um objeto, que são acessíveis para outros objetos, dos detalhes internos de implementação do objeto), reutilização de código (mecanismo de criação de novas classes de objetos a partir de outras já existentes). E, além disso, encontra-se disponível na Internet, caracterizando a fácil instalação. Ao contrário da maioria das ferramentas de Data Mining, a ferramenta Weka apresenta uma interface gráfica para o usuário. O formato de arquivo aceito pelo Weka é o arff que, inicialmente apresenta os valores possíveis dos atributos da base (cabeçalho) e, em seguida, os dados propriamente dito, separados por vírgula. Supondo ter alguns dados para gerar regras de associação, e sendo possível armazená-los de alguma forma, que pode ser na forma de uma planilha ou de um banco de dados., pode-se aplicar as técnicas de mineração de dados. Antes de aplicar os dados a qualquer algoritmo do pacote Weka, os mesmos devem ser convertidos para o formato ARFF que consiste basicamente de duas partes. A primeira contém uma lista de todos os atributos, onde devemos definir o tipo do atributo ou os valores que ele pode representar, quando utilizamos os valores estes devem estar entre { } e separados por vírgulas. A segunda parte consiste da listagem das instâncias, ou seja, os registros a serem minerados com o valor dos atributos para cada instância, separado por vírgula. A ausência de um item em um registro deve ser registrada pelo símbolo?. Para isso, pode-se usar programas de planilhas eletrônicas e banco de dados, os quais permitem exportar os dados em um arquivo onde as virgulas são os separadores ou criar o arquivo diretamente em um editor de texto. Neste estudo de caso, foram utilizados os Microsoft Excel e Microsoft Word, pelo fato estar disponível na empresa pesquisada, entretanto, ressalta-se que pode ser utilizada qualquer outra plataforma além do MICROSOFT WINDOWS, como por exemplo: LINUX, UNIX, SOLARES. Uma vez feito isso, é necessário apenas carregar o arquivo em um editor de texto e adicionar o nome do conjunto de dados nome_do_conjuto_de_dados. Para cada atributo e, após, colocar uma linha e logo em seguida os dados em si, salvando o arquivo como texto puro com extensão ARFF. 1. Primeira Etapa A primeira etapa de testes foi realizada com um conjunto de 100 clientes, aplicando-se cinco algoritmos de Classify (ConjunctiveRule, Decision, DecisionStump, J48, ADTree). Sendo que a base de

4 clientes possui 29 atributos, porém, dependendo do algoritmo, nem sempre são considerados os 29 atributos. Na tabela 1 pode-se comparar a eficiência dos algoritmos utilizados nesta etapa, onde destacam-se os Algoritmos ADTree e Decision que serão analisados na etapa seguinte também para a posterior escolha de qual algoritmo melhor se adapta a este estudo de caso. Decision Decision Stump J ADTree Tabela 2 Tabela comparativa no uso dos algoritmos realizados com um conjunto de 80 clientes para treinamento e um conjunto de 20 clientes para testes in in Conjunctive Rule Decision Decision Stump J ADTree Tabela 1- Tabela comparativa no uso dos algoritmos realizados com um conjunto de 100 clientes 3. Terceira Etapa: Inclusão de um novo Cliente Para melhor visualizar e comprovar a utilidade e viabilidade da ferramenta Weka, foram utilizados os dois algoritmos de maior confiabilidade das etapas anteriores: o algoritmo Decision e o algoritmo J48 para testes de inclusão de um novo cliente. Foi criada uma base com 100 clientes e outra com apenas um cliente, para avaliar o comportamento dos algoritmos. As características deste cliente teste podem ser digitadas pela funcionária do setor responsável na empresa, numa planilha do Microsoft Excel, de acordo com a figura 1 abaixo: 2. Segunda etapa A segunda etapa foi realizada explorando os mesmo cinco algoritmos de Classify (ConjunctiveRule, Decision, DecisionStump, J48, ADTree), porém utilizando uma base de 80 clientes pra treinamento e uma base de 20 clientes para teste. Na tabela 2 pode-se observar a eficiência dos algoritmos utilizados nesta segunda etapa, onde destaca-se o Algoritmo Decision e os Algoritimos ConjunctiveRule, DecisionStump e J48 que obtiveram a mesma porcentagem de confiabilidade e enquanto o Algoritmo ADTree obteve uma confiabilidade baixíssima. De modo que, os Algoritmos que serão analisados na etapa seguinte serão o Decision e o J48. Justificando-se o uso do Algoritmo Decision pelo seu nível de confiabilidade e o Algoritmos J48 por ser um dos mais conhecidos na literatura. in in Figura 1 Planilha para coleta de informações dos clientes Partindo do conjunto de treinamento, que é a base de dados dos 100 clientes (adimplentes e inadimplentes), foram realizados 7 testes de inclusão de novos clientes. Na tabela 3 pode-se confirmar que os dos Algoritmos Decision e J48 obtiveram os resultados esperados com um nível de confiabilidade muito grande, e mesmo quando tentamos corrompê-lo, concedendo crédito a um cliente com perfil de inadimplente, o algoritmo não concordou com a prévia classificação. Conjunctive Rule

5 in in Decision Teste Teste Teste Teste J48 Teste Teste Teste Tabela 3- Tabela comparativa no uso dos algoritmos para a inclusão de um novo cliente Conclusões Verificou-se através do desenvolvimento deste estudo de caso, que os dados dos clientes cadastrados podem transformar-se em informações que auxiliem a empresa na concessão de crédito a novos clientes. Com os testes realizados, aplicando as ferramentas do Data Mining através da exploração do Software Weka, foi possível a criação de regras de classificação para analisar e classificar novos clientes para concessão de créditos. Explorou-se algoritmos do Software Weka identificando como os dois mais aptos para este estudo de caso os algoritmos Decision e J48, de acordo com a taxa de acerto, ou seja, confiabilidade dos mesmos. A utilização de Data Mining possibilitou que fossem minerados os dados pertinentes aos clientes encarteirados, avaliando somente os campos de maior relevância, desta forma encontrando regras de classificação, que não só auxiliam na tomada de decisão, mas também, possibilitam uma maior agilidade e confiabilidade na difícil hora da concessão ou não de crédito. As classificações realizadas com a utilização do software Weka e os 5 algoritmos selecionados: ConjunctiveRule, Decision, DecisionStump, J48, ADTree, com uma base de 100 clientes, apresentaram níveis de acerto altos, variando de 83% a 95%. Os treinamentos realizados com uma base de 80 clientes e uma base de teste com 20 clientes, utilizando os mesmos algoritmos citados, também apresentaram uma boa taxa de acerto, num intervalo de 60% a 80%. No momento dos testes para inclusão de um novo cliente, selecionaram-se dois algoritmos, de acordo com sua taxa de acerto na etapa anterior. Treinando os algoritmos com uma base de 100 clientes, os testes de inclusão de um novo cliente foram satisfatórios, pois em 6 testes de 7 que foram realizados, as ferramentas do Weka comprovaram a pré-análise da funcionária. No caso da não confirmação da pré-análise da atendente pelo software, verificou-se que ela havia realizado uma classificação inadequada do perfil do cliente. Partindo-se destas conclusões, percebe-se que seria viável a implementação destes procedimentos no setor responsável da empresa, ressaltando que, é interessante que cada novo cliente, após sua pré-análise e devida classificação pelo software, tenha seus dados inclusos no conjunto de dados de treinamento, visando enriquecer a base de dados. Desta forma, o banco de dados da empresa para a análise da concessão de crédito será sempre alimentado, proporcionando um conjunto de informações cada vez mais confiáveis para a classificação de novos clientes. Entende-se que este assunto é extremamente importante para as organizações e para o desenvolvimento de novos trabalhos acadêmicos, assim, sugere-se que, a partir das regras de classificação do Software Weka, um software de consulta seja implementado em alguma linguagem. Desta forma, não seria necessária uma pessoa, com todo o conhecimento do Software Weka, de seus algoritmos e do Data Mining, estar disponível para fazer a análise de um novo cliente. Esta análise poderia ser facilmente realizada pela pessoa responsável do setor que faz a pesquisa das informações. Referências [1] A. BLATT, Elementos Fundamentais na Concessão de Crédito. Disponível em <http://www.sci.com.br/ articulistas/comunidade_artigos_adrianoblatt_2000_5.htm. Acesso em: 28/05/04. [2] G. R. CARAVANTES, Teoria Geral da Administração: Pensando & Fazendo. Editora AGE, [3] C. A. DINIZ, Data Mining: Uma Introdução. São Calos: Editora UFSCAR, [4] M. T. A. STEINER, A. SMIDERLE, Redes Neurais e Árvores de Decisão na Análise do Crédito Bancário. In: Simpósio Brasileiro de Pesquisa Operacional, 36.. São João del-rei, 2004.

Prof. Msc. Paulo Muniz de Ávila

Prof. 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 mais

INTRODUÇÃO A MINERAÇÃO DE DADOS UTILIZANDO O WEKA

INTRODUÇÃO A MINERAÇÃO DE DADOS UTILIZANDO O WEKA INTRODUÇÃO A MINERAÇÃO DE DADOS UTILIZANDO O WEKA Marcelo DAMASCENO(1) (1) Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Norte/Campus Macau, Rua das Margaridas, 300, COHAB, Macau-RN,

Leia mais

Sistema de mineração de dados para descobertas de regras e padrões em dados médicos

Sistema de mineração de dados para descobertas de regras e padrões em dados médicos Sistema de mineração de dados para descobertas de regras e padrões em dados médicos Pollyanna Carolina BARBOSA¹; Thiago MAGELA² 1Aluna do Curso Superior Tecnólogo em Análise e Desenvolvimento de Sistemas

Leia mais

Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka

Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka 1 Introdução A mineração de dados (data mining) pode ser definida como o processo automático de descoberta de conhecimento em bases de

Leia mais

Microsoft Innovation Center

Microsoft Innovation Center Microsoft Innovation Center Mineração de Dados (Data Mining) André Montevecchi andre@montevecchi.com.br Introdução Objetivo BI e Mineração de Dados Aplicações Exemplos e Cases Algoritmos para Mineração

Leia mais

MINERAÇÃO DE DADOS EDUCACIONAIS: UM ESTUDO DE CASO APLICADO AO PROCESSO SELETIVO DO IFSULDEMINAS CÂMPUS MUZAMBINHO

MINERAÇÃO DE DADOS EDUCACIONAIS: UM ESTUDO DE CASO APLICADO AO PROCESSO SELETIVO DO IFSULDEMINAS CÂMPUS MUZAMBINHO MINERAÇÃO DE DADOS EDUCACIONAIS: UM ESTUDO DE CASO APLICADO AO PROCESSO SELETIVO DO IFSULDEMINAS CÂMPUS MUZAMBINHO Fernanda Delizete Madeira 1 ; Aracele Garcia de Oliveira Fassbinder 2 INTRODUÇÃO Data

Leia mais

Data Mining Software Weka. Software Weka. Software Weka 30/10/2012

Data 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 mais

UTILIZANDO O SOFTWARE WEKA

UTILIZANDO O SOFTWARE WEKA UTILIZANDO O SOFTWARE WEKA O que é 2 Weka: software livre para mineração de dados Desenvolvido por um grupo de pesquisadores Universidade de Waikato, Nova Zelândia Também é um pássaro típico da Nova Zelândia

Leia mais

http://www.publicare.com.br/site/5,1,26,5480.asp

http://www.publicare.com.br/site/5,1,26,5480.asp Página 1 de 7 Terça-feira, 26 de Agosto de 2008 ok Home Direto da redação Última edição Edições anteriores Vitrine Cross-Docking Assine a Tecnologística Anuncie Cadastre-se Agenda Cursos de logística Dicionário

Leia mais

XIII Encontro de Iniciação Científica IX Mostra de Pós-graduação 06 a 11 de outubro de 2008 BIODIVERSIDADE TECNOLOGIA DESENVOLVIMENTO

XIII Encontro de Iniciação Científica IX Mostra de Pós-graduação 06 a 11 de outubro de 2008 BIODIVERSIDADE TECNOLOGIA DESENVOLVIMENTO XIII Encontro de Iniciação Científica IX Mostra de Pós-graduação 06 a 11 de outubro de 2008 BIODIVERSIDADE TECNOLOGIA DESENVOLVIMENTO EPE0147 UTILIZAÇÃO DA MINERAÇÃO DE DADOS EM UMA AVALIAÇÃO INSTITUCIONAL

Leia mais

MINERAÇÃO 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 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 mais

Mineração de Dados: Introdução e Aplicações

Mineração de Dados: Introdução e Aplicações Mineração de Dados: Introdução e Aplicações Luiz Henrique de Campos Merschmann Departamento de Computação Universidade Federal de Ouro Preto luizhenrique@iceb.ufop.br Apresentação Luiz Merschmann Engenheiro

Leia mais

SISTEMAS 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 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 mais

IMPACTOS DA IMPLANTAÇÃO DO SiGH NO NÚCLEO DE HEMOTERAPIA DE RESENDE

IMPACTOS DA IMPLANTAÇÃO DO SiGH NO NÚCLEO DE HEMOTERAPIA DE RESENDE SEGeT Simpósio de Excelência em Gestão e Tecnologia 1 IMPACTOS DA IMPLANTAÇÃO DO SiGH NO NÚCLEO DE HEMOTERAPIA DE RESENDE RESUMO Este artigo tem como finalidade apresentar a possibilidade de informatização

Leia mais

Extração de Conhecimento a partir dos Sistemas de Informação

Extração 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 mais

APLICAÇÃO DE DATA MINING NA IDENTIFICAÇÃO DE PADRÕES EM CRIANÇAS RESPIRADORAS BUCAIS E NASAIS 1.

APLICAÇÃO DE DATA MINING NA IDENTIFICAÇÃO DE PADRÕES EM CRIANÇAS RESPIRADORAS BUCAIS E NASAIS 1. APLICAÇÃO DE DATA MINING NA IDENTIFICAÇÃO DE PADRÕES EM CRIANÇAS RESPIRADORAS BUCAIS E NASAIS 1. SQUIZANI, Cleonice Schell 2 ; MORALES, Yuri 2 ; VIEIRA, Sylvio André Garcia 2 1 Trabalho de pesquisa - UNIFRA

Leia mais

Fases para um Projeto de Data Warehouse. Fases para um Projeto de Data Warehouse. Fases para um Projeto de Data Warehouse

Fases 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 mais

Documento de Visão. Versão 2.5 Projeto SysTrack - Grupo 01

Documento de Visão. Versão 2.5 Projeto SysTrack - Grupo 01 Documento de Visão Versão 2.5 Projeto SysTrack - Grupo 01 Junho de 2011 Histórico de revisão: DATA VERSÃO DESCRIÇÃO AUTORES 19/02/2011 1.0 Versão inicial. João Ricardo, Diogo Henrique. 24/02/2011 2.0 Modificação

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

ADM041 / EPR806 Sistemas de Informação

ADM041 / 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 mais

SAM GERENCIAMENTO DE ATIVOS DE SOFTWARE

SAM GERENCIAMENTO DE ATIVOS DE SOFTWARE SAM GERENCIAMENTO DE ATIVOS DE SOFTWARE Modelo de Otimização de SAM Controle, otimize, cresça Em um mercado internacional em constante mudança, as empresas buscam oportunidades de ganhar vantagem competitiva

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

IMPLEMENTAÇÃO DE UM ALGORITMO DE PADRÕES DE SEQUÊNCIA PARA DESCOBERTA DE ASSOCIAÇÕES ENTRE PRODUTOS DE UMA BASE DE DADOS REAL

IMPLEMENTAÇÃO DE UM ALGORITMO DE PADRÕES DE SEQUÊNCIA PARA DESCOBERTA DE ASSOCIAÇÕES ENTRE PRODUTOS DE UMA BASE DE DADOS REAL Universidade Federal de Ouro Preto - UFOP Instituto de Ciências Exatas e Biológicas - ICEB Departamento de Computação - DECOM IMPLEMENTAÇÃO DE UM ALGORITMO DE PADRÕES DE SEQUÊNCIA PARA DESCOBERTA DE ASSOCIAÇÕES

Leia mais

Engenharia de Software III

Engenharia de Software III Engenharia de Software III Casos de uso http://dl.dropbox.com/u/3025380/es3/aula6.pdf (flavio.ceci@unisul.br) 09/09/2010 O que são casos de uso? Um caso de uso procura documentar as ações necessárias,

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

Gestão do Conhecimento: Extração de Informações do Banco de Dados de um Supermercado

Gestão do Conhecimento: Extração de Informações do Banco de Dados de um Supermercado Gestão do Conhecimento: Extração de Informações do Banco de Dados de um Supermercado Alessandro Ferreira Brito 1, Rodrigo Augusto R. S. Baluz 1, Jean Carlo Galvão Mourão 1, Francisco das Chagas Rocha 2

Leia mais

APLICAÇÃO DE MINERAÇÃO DE DADOS PARA O LEVANTAMENTO DE PERFIS: ESTUDO DE CASO EM UMA INSTITUIÇÃO DE ENSINO SUPERIOR PRIVADA

APLICAÇÃO DE MINERAÇÃO DE DADOS PARA O LEVANTAMENTO DE PERFIS: ESTUDO DE CASO EM UMA INSTITUIÇÃO DE ENSINO SUPERIOR PRIVADA APLICAÇÃO DE MINERAÇÃO DE DADOS PARA O LEVANTAMENTO DE PERFIS: ESTUDO DE CASO EM UMA INSTITUIÇÃO DE ENSINO SUPERIOR PRIVADA Lizianne Priscila Marques SOUTO 1 1 Faculdade de Ciências Sociais e Aplicadas

Leia mais

Gerenciamento de Qualidade

Gerenciamento de Qualidade UNIVERSIDADE ESTADUAL PAULISTA INSTITUTO DE BIOCIÊNCIAS, LETRAS E CIÊNCIAS EXATAS DEPARTAMENTO DE CIÊNCIAS DE COMPUTAÇÃO E ESTATÍSTICA Gerenciamento de Qualidade Engenharia de Software 2o. Semestre de

Leia mais

DWARF DATAMINER: UMA FERRAMENTA GENÉRICA PARA MINERAÇÃO DE DADOS

DWARF DATAMINER: UMA FERRAMENTA GENÉRICA PARA MINERAÇÃO DE DADOS DWARF DATAMINER: UMA FERRAMENTA GENÉRICA PARA MINERAÇÃO DE DADOS Tácio Dias Palhão Mendes Bacharelando em Sistemas de Informação Bolsista de Iniciação Científica da FAPEMIG taciomendes@yahoo.com.br Prof.

Leia mais

DEFINIÇÃO SOBRE ANÁLISE DE CRÉDITO

DEFINIÇÃO SOBRE ANÁLISE DE CRÉDITO DEFINIÇÃO SOBRE ANÁLISE DE CRÉDITO A análise de crédito é o momento no qual o agente cedente irá avaliar o potencial de retorno do tomador do crédito, bem como, os riscos inerentes à concessão. Tal procedimento

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

Palavras-Chaves: estoque, modelagem, requisitos, UML, vendas.

Palavras-Chaves: estoque, modelagem, requisitos, UML, vendas. UTILIZAÇÃO DA UML NO DESENVOLVIMENTO DE SISTEMA DE CONTROLE DE VENDAS E ESTOQUE GILBERTO FRANCISCO PACHECO DOS SANTOS Discente da AEMS Faculdades Integradas de Três Lagoas JACKSON LUIZ ARROSTI Discente

Leia mais

Análise da Política de Crédito Adotada pelas Microempresas Varejistas de Confecções do Município de Solânea-PB como Dispositivo de Marketing e Vendas

Análise da Política de Crédito Adotada pelas Microempresas Varejistas de Confecções do Município de Solânea-PB como Dispositivo de Marketing e Vendas Análise da Política de Crédito Adotada pelas Microempresas Varejistas de Confecções do Município de Solânea-PB como Dispositivo de Marketing e Vendas Amilca Ferreira Santos (UFPB) adm.amilka@gmail.com

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

Módulo 4: Gerenciamento de Dados

Módulo 4: Gerenciamento de Dados Módulo 4: Gerenciamento de Dados 1 1. CONCEITOS Os dados são um recurso organizacional decisivo que precisa ser administrado como outros importantes ativos das empresas. A maioria das organizações não

Leia mais

GESimob GERENCIAMENTO DE IMOBILIÁRIAS

GESimob GERENCIAMENTO DE IMOBILIÁRIAS GESimob GERENCIAMENTO DE IMOBILIÁRIAS Mais de uma década de experiência e evolução é o que dá ao sistema uma vasta gama de funcionalidades. Esse conhecimento que faz total diferença para sua empresa. xp+

Leia mais

Plano de Trabalho Docente 2010. Ensino Técnico. Habilitação Profissional: habilitação Profissional técnica de nível médio de técnico em administração

Plano de Trabalho Docente 2010. Ensino Técnico. Habilitação Profissional: habilitação Profissional técnica de nível médio de técnico em administração Plano de Trabalho Docente 2010 Ensino Técnico ETEc de Ribeirão Pires Código: 141 Município: Ribeirão Pires/Mauá Eixo Tecnológico: Gestão e Negócios Habilitação Profissional: habilitação Profissional técnica

Leia mais

SISTEMAS INTELIGENTES DE APOIO À DECISÃO

SISTEMAS INTELIGENTES DE APOIO À DECISÃO SISTEMAS INTELIGENTES DE APOIO À DECISÃO As organizações estão ampliando significativamente suas tentativas para auxiliar a inteligência e a produtividade de seus trabalhadores do conhecimento com ferramentas

Leia mais

Professor: Disciplina:

Professor: 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 mais

Gestão eletrônica do cadastro de corretora de valores

Gestão eletrônica do cadastro de corretora de valores Gestão eletrônica do cadastro de corretora de valores 1. INTRODUÇÃO As corretoras de valores devem armazenar todos os documentos cadastrais de seus clientes para ter acesso a esse material quando necessário.

Leia mais

FOUR Soluções. Projeto Integrador Documento Visão. Versão <1.0>

FOUR Soluções. Projeto Integrador Documento Visão. Versão <1.0> FOUR Soluções Projeto Integrador Documento Visão Versão Histórico de Revisões Data Versão Descrição Autor 24/11/2014 001 Reunião para discussão e divisão do trabalho Eudes Pina 24/11/2014 002 Apresentação

Leia mais

Classificação Automática dos Usuários da Rede Social Acadêmica Scientia.Net

Classificação Automática dos Usuários da Rede Social Acadêmica Scientia.Net Classificação Automática dos Usuários da Rede Social Acadêmica Scientia.Net Vinícius Ponte Machado 1, Bruno Vicente Alves de Lima 2, Heloína Alves Arnaldo 3, Sanches Wendyl Ibiapina Araújo 4 Departamento

Leia mais

Corporativo. Transformar dados em informações claras e objetivas que. Star Soft. www.starsoft.com.br

Corporativo. Transformar dados em informações claras e objetivas que. Star Soft. www.starsoft.com.br Corporativo Transformar dados em informações claras e objetivas que possibilitem às empresas tomarem decisões em direção ao sucesso. Com essa filosofia a Star Soft Indústria de Software e Soluções vem

Leia mais

ITIL na Prática. Quais são os fatores críticos de sucesso para obter valor a partir de um Service Desk? Conhecimento em Tecnologia da Informação

ITIL na Prática. Quais são os fatores críticos de sucesso para obter valor a partir de um Service Desk? Conhecimento em Tecnologia da Informação Conhecimento em Tecnologia da Informação ITIL na Prática Quais são os fatores críticos de sucesso para obter valor a partir de um Service Desk? Conhecimento em Tecnologia da Informação 2010 Bridge Consulting

Leia mais

Unidade II GERENCIAMENTO DE SISTEMAS. Prof. Roberto Marcello

Unidade II GERENCIAMENTO DE SISTEMAS. Prof. Roberto Marcello Unidade II GERENCIAMENTO DE SISTEMAS DE INFORMAÇÃO Prof. Roberto Marcello SI Sistemas de gestão A Gestão dos Sistemas Integrados é uma forma organizada e sistemática de buscar a melhoria de resultados.

Leia mais

A pesquisa de campo foi realizada com questões para os núcleos administrativo, pessoal e acadêmico e procura explorar duas situações distintas:

A pesquisa de campo foi realizada com questões para os núcleos administrativo, pessoal e acadêmico e procura explorar duas situações distintas: 4 Pesquisa de campo Neste capitulo será apresentado o resultado dos questionários da pesquisa de campo que serviu para o estudo de caso. A coleta de dados será dividida em: Núcleo administrativo Núcleo

Leia mais

DATA WAREHOUSE. Introdução

DATA 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 mais

APRESENTAÇÃO DO PRODUTO. Mais que um software, o método mais eficaz para conciliar.

APRESENTAÇÃO DO PRODUTO. Mais que um software, o método mais eficaz para conciliar. APRESENTAÇÃO DO PRODUTO Mais que um software, o método mais eficaz para conciliar. Com Conciliac é possível conciliar automaticamente qualquer tipo de transação; Bancos, Cartões de Crédito e Débito, Contas

Leia mais

Administração de dados - Conceitos, técnicas, ferramentas e aplicações de Data Mining para gerar conhecimento a partir de bases de dados

Administração de dados - Conceitos, técnicas, ferramentas e aplicações de Data Mining para gerar conhecimento a partir de bases de dados Universidade Federal de Pernambuco Graduação em Ciência da Computação Centro de Informática 2006.2 Administração de dados - Conceitos, técnicas, ferramentas e aplicações de Data Mining para gerar conhecimento

Leia mais

Palavras-Chaves: engenharia de requisitos, modelagem, UML.

Palavras-Chaves: engenharia de requisitos, modelagem, UML. APLICAÇÃO DA ENGENHARIA DE REQUISITOS PARA COMPREENSÃO DE DOMÍNIO DO PROBLEMA PARA SISTEMA DE CONTROLE COMERCIAL LEONARDO DE PAULA SANCHES Discente da AEMS Faculdades Integradas de Três Lagoas RENAN HENRIQUE

Leia mais

Trata-se de uma estratégia de negócio, em primeira linha, que posteriormente se consubstancia em soluções tecnológicas.

Trata-se de uma estratégia de negócio, em primeira linha, que posteriormente se consubstancia em soluções tecnológicas. CUSTOMER RELATIONSHIP MANAGEMENT Customer Relationship Management CRM ou Gestão de Relacionamento com o Cliente é uma abordagem que coloca o cliente no centro dos processos do negócio, sendo desenhado

Leia mais

Especial Online RESUMO DOS TRABALHOS DE CONCLUSÃO DE CURSO. Sistemas de Informação 2012-2 ISSN 1982-1816. www.unifoa.edu.br/cadernos/especiais.

Especial Online RESUMO DOS TRABALHOS DE CONCLUSÃO DE CURSO. Sistemas de Informação 2012-2 ISSN 1982-1816. www.unifoa.edu.br/cadernos/especiais. Especial Online ISSN 1982-1816 www.unifoa.edu.br/cadernos/especiais.html DOS TRABALHOS DE CONCLUSÃO DE CURSO Sistemas de Informação 2012-2 SISTEMA GERENCIADOR DE REVENDAS DE COSMÉTICOS Alunos: BARROS,

Leia mais

MANUAL DO PROFESSOR MODERNO: 15 FERRAMENTAS TECNOLÓGICAS PARA MELHORAR A SUA PRODUTIVIDADE

MANUAL DO PROFESSOR MODERNO: 15 FERRAMENTAS TECNOLÓGICAS PARA MELHORAR A SUA PRODUTIVIDADE MANUAL DO PROFESSOR MODERNO: 15 FERRAMENTAS TECNOLÓGICAS PARA MELHORAR A SUA PRODUTIVIDADE SUMÁRIO >> Introdução... 3 >> Não confie em sua memória: agendas e calendários online estão a seu favor... 5 >>

Leia mais

ENGENHARIA DE SOFTWARE

ENGENHARIA DE SOFTWARE Pág. 1 0. ÍNDICE 1. INTRODUÇÃO...2 2. OBJETIVOS....2 3. ESTIMATIVAS DO PROJETO....4 4. RISCOS DO PROJETO....5 4.1. Identificação e Análise dos Riscos....5 4.1.1. Riscos de Projeto...6 4.1.2. Riscos Técnicos....6

Leia mais

Apresentação Análise Essencial Projeto Implantação do Sistema Treinamento Suporte Técnico

Apresentação Análise Essencial Projeto Implantação do Sistema Treinamento Suporte Técnico Apresentação Um projeto de informatização tem como principal função analisar as características da empresa e apontar os pontos onde são necessários controles informatizados, fazendo uma análise junto à

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

Documento de Arquitetura

Documento de Arquitetura Documento de Arquitetura A2MEPonto - SISTEMA DE PONTO ELETRÔNICO A2MEPonto - SISTEMA DE PONTO ELETRÔNICO #1 Pág. 1 de 11 HISTÓRICO DE REVISÕES Data Versão Descrição Autor 28/10/2010 1 Elaboração do documento

Leia mais

2. O que informatizar?

2. O que informatizar? A INFORMÁTICA NO CONSULTÓRIO MÉDICO No fascículo anterior, comentamos como a gestão de custos, mesmo sendo feita de maneira simplista, auxilia o consultório a controlar e avaliar seus resultados, permitindo

Leia mais

Universidade Estadual do Oeste do Paraná

Universidade Estadual do Oeste do Paraná Universidade Estadual do Oeste do Paraná Estudo de Requisitos de um software para uma loja de lentes de contato Bruno Eduardo Soares Leonardo Zanotto Baggio Maykon Valério da Silva Cascavel, 10 de Junho

Leia mais

Treinamentos Técnicos de Engenharia de Manutenção. JWB Engenharia

Treinamentos Técnicos de Engenharia de Manutenção. JWB Engenharia Treinamentos de de Manutenção Treinamentos Técnicos de de Manutenção Treinamentos de de Manutenção Treinamentos 1) Indicadores de Desempenho da Manutenção Benchmarking 16 horas 2) 5 S Base para a Manutenção

Leia mais

INTEGRE Diversas fontes de informações em uma interface intuitiva que exibe exatamente o que você precisa

INTEGRE Diversas fontes de informações em uma interface intuitiva que exibe exatamente o que você precisa INTEGRE Diversas fontes de informações em uma interface intuitiva que exibe exatamente o que você precisa ACESSE Informações corporativas a partir de qualquer ponto de Internet baseado na configuração

Leia mais

04/02/2009. Curso Superior de Tecnologia: Redes de Computadores. Disciplina: Gestão de Projetos de TI. Prof.: Fernando Hadad Zaidan. Unidade 1.

04/02/2009. Curso Superior de Tecnologia: Redes de Computadores. Disciplina: Gestão de Projetos de TI. Prof.: Fernando Hadad Zaidan. Unidade 1. Faculdade INED Curso Superior de Tecnologia: Redes de Computadores Disciplina: Gestão de Projetos de TI Prof.: Fernando Hadad Zaidan 1 Unidade 1.1 2 Introdução ao Gerenciamento de Projetos 3 1 Leitura

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

UMA ABORDAGEM COMPARATIVA ENTRE AS LINGUAGENS DE PROGRAMAÇÃO JAVA E C#

UMA ABORDAGEM COMPARATIVA ENTRE AS LINGUAGENS DE PROGRAMAÇÃO JAVA E C# UMA ABORDAGEM COMPARATIVA ENTRE AS LINGUAGENS DE PROGRAMAÇÃO JAVA E C# Robson Bartelli¹, Wyllian Fressatti¹. ¹Universidade Paranaense (Unipar) Paranavaí PR Brasil robson_lpbartelli@yahoo.com.br,wyllian@unipar.br

Leia mais

Modelagem de Casos de Uso (Parte 2)

Modelagem de Casos de Uso (Parte 2) Modelagem de Casos de Uso (Parte 2) Roteiro (1) Método para Modelagem de Casos De Uso Estudo de Caso: Sistema de Controle para Videolocadora Levantamento Inicial dos Casos de Uso Identificação dos Casos

Leia mais

MANUAL DE NAVEGAÇÃO DO MILLENNIUM BUSINESS

MANUAL DE NAVEGAÇÃO DO MILLENNIUM BUSINESS MANUAL DE NAVEGAÇÃO DO MILLENNIUM BUSINESS 1 Conteúdo Apresentação... 3 1 Página Principal do Sistema... 4 2 Telas de busca... 8 3 Teclas de Navegação... 11 4 Tela de Menu de Relatório... 12 5 Telas de

Leia mais

SISTEMAS DE INFORMAÇÕES GERENCIAIS

SISTEMAS DE INFORMAÇÕES GERENCIAIS 1 SISTEMAS DE INFORMAÇÕES GERENCIAIS John F. Eichstaedt, Toni Édio Degenhardt Professora: Eliana V. Jaeger RESUMO: Este artigo mostra o que é um SIG (Sistema de Informação gerencial) em uma aplicação prática

Leia mais

Universidade Tecnológica Federal do Paraná UTFPR Programa de Pós-Graduação em Computação Aplicada Disciplina de Mineração de Dados

Universidade Tecnológica Federal do Paraná UTFPR Programa de Pós-Graduação em Computação Aplicada Disciplina de Mineração de Dados Universidade Tecnológica Federal do Paraná UTFPR Programa de Pós-Graduação em Computação Aplicada Disciplina de Mineração de Dados Prof. Celso Kaestner Poker Hand Data Set Aluno: Joyce Schaidt Versão:

Leia mais

1.Introdução. 2. Posicionamento

1.Introdução. 2. Posicionamento 1.Introdução 1.1 Finalidade Este documento tem o objetivo de demonstrar as necessidades e problemas que a rede de clínicas de vacinação IMUNIZA encontra em seu dia a dia, propondo após um levantamento

Leia mais

SISTEMAS DE AUTOMAÇÃO

SISTEMAS DE AUTOMAÇÃO PROJETO DE REDES www.projetoderedes.com.br SISTEMAS DE AUTOMAÇÃO Rosenclever Lopes Gazoni Data MACROPROCESSO [1] AUTOMAÇÃO DE ESCRITÓRIO/COMERCIAL: Correio eletrônico; vídeo texto; vídeo conferência; teleconferência;

Leia mais

FURB - Universidade Regional de Blumenau TCC - Trabalho de Conclusão de Curso Acadêmico: Fernando Antonio de Lima Orientador: Oscar Dalfovo

FURB - Universidade Regional de Blumenau TCC - Trabalho de Conclusão de Curso Acadêmico: Fernando Antonio de Lima Orientador: Oscar Dalfovo FURB - Universidade Regional de Blumenau TCC - Trabalho de Conclusão de Curso Acadêmico: Fernando Antonio de Lima Orientador: Oscar Dalfovo Roteiro Introdução Sistemas de Informação - SI Executive Information

Leia mais

No mundo atual, globalizado e competitivo, as organizações têm buscado cada vez mais, meios de se destacar no mercado. Uma estratégia para o

No mundo atual, globalizado e competitivo, as organizações têm buscado cada vez mais, meios de se destacar no mercado. Uma estratégia para o DATABASE MARKETING No mundo atual, globalizado e competitivo, as organizações têm buscado cada vez mais, meios de se destacar no mercado. Uma estratégia para o empresário obter sucesso em seu negócio é

Leia mais

XDR. Solução para Big Data.

XDR. Solução para Big Data. XDR Solução para Big Data. ObJetivo Principal O volume de informações com os quais as empresas de telecomunicações/internet têm que lidar é muito grande, e está em constante crescimento devido à franca

Leia mais

DESENVOLVIMENTO DE SOFTWARE. Introdução ao Visual Studio VB.Net. Programação Estruturada. Prof. Celso Candido ADS / REDES / ENGENHARIA

DESENVOLVIMENTO DE SOFTWARE. Introdução ao Visual Studio VB.Net. Programação Estruturada. Prof. Celso Candido ADS / REDES / ENGENHARIA Introdução ao Visual Studio VB.Net Programação Estruturada 1 Nesse momento inicial não iremos programar em VB.Net, usando o Visual Studio, mas conhecer alguns comandos e variáveis usadas em uma linguagem

Leia mais

Dados como recurso para a organização

Dados como recurso para a organização Faculdade Pitágoras de Uberlândia Pós-graduação Sistemas de Informação Gerenciais Segunda Aula Prof. Me. Walteno Martins Parreira Júnior www.waltenomartins.com.br waltenomartins@yahoo.com Maio -2013 Dados

Leia mais

Manual do Usuário Características e recursos básicos Enterprise Resource Planning

Manual do Usuário Características e recursos básicos Enterprise Resource Planning Manual do Usuário Características e recursos básicos Enterprise Resource Planning www.pwi.com.br 1 Volpe Enterprise Resource Planning Este manual não pode, em parte ou no seu todo, ser copiado, fotocopiado,

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

Microsoft Excel 2003

Microsoft Excel 2003 Associação Educacional Dom Bosco Faculdades de Engenharia de Resende Microsoft Excel 2003 Professores: Eduardo Arbex Mônica Mara Tathiana da Silva Resende 2010 INICIANDO O EXCEL Para abrir o programa Excel,

Leia mais

Treinamentos Técnicos de Engenharia de Manutenção. JWB Engenharia

Treinamentos Técnicos de Engenharia de Manutenção. JWB Engenharia Treinamentos Técnicos de Engenharia de Manutenção Palestrante: Eng. José Wagner Braidotti Junior - Treinamentos 1) Indicadores de Desempenho da Manutenção Benchmarking 16 horas 2) 5 S Base para a Manutenção

Leia mais

Universidade Federal de Goiás Centro de Recursos Computacionais - CERCOMP Divisão de Sistemas. Criação de uma Serviço de Geração de Relatórios

Universidade Federal de Goiás Centro de Recursos Computacionais - CERCOMP Divisão de Sistemas. Criação de uma Serviço de Geração de Relatórios Universidade Federal de Goiás Centro de Recursos Computacionais - CERCOMP Divisão de Sistemas Criação de uma Serviço de Geração de Relatórios Goiânia 12/2011 Versionamento 12/12/2011 Hugo Marciano... 1.0

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

Gestão do Atendimento e Relacionamento com o Cliente. Prof. Fernando Paixão UCB 2012 Unidade 02 e 03

Gestão do Atendimento e Relacionamento com o Cliente. Prof. Fernando Paixão UCB 2012 Unidade 02 e 03 Prof. Fernando Paixão UCB 2012 Unidade 02 e 03 Marketing de Relacionamento C.R.M. Custumer Relationship Management Marketing de Assiduidade Programa de milhagens Benefício financeiro Brinde por utilização

Leia mais

E t n erpr p ise R sou o r u ce Pl P ann n i n ng Implant nt ç a ã ç o ã de de S ist s e t m e a a E RP

E t n erpr p ise R sou o r u ce Pl P ann n i n ng Implant nt ç a ã ç o ã de de S ist s e t m e a a E RP Enterprise Resource Planning Implantação de Sistema ERP Jorge Moreira jmoreirajr@hotmail.com Conceito Os ERP s (Enterprise Resource Planning) são softwares que permitem a existência de um sistema de informação

Leia mais

Práticas recomendadas para o sucesso da migração de dados

Práticas recomendadas para o sucesso da migração de dados Documento técnico Práticas recomendadas para o sucesso da migração de dados Embora a transição para o software CAD 3D aumente significativamente o desempenho dos negócios, o investimento levanta questões

Leia mais

Inteligência Artificial

Inteligência Artificial Inteligência Artificial As organizações estão ampliando significativamente suas tentativas para auxiliar a inteligência e a produtividade de seus trabalhadores do conhecimento com ferramentas e técnicas

Leia mais

Modelagem de informações de. construçãocapítulo1: Capítulo. Objetivo do capítulo

Modelagem de informações de. construçãocapítulo1: Capítulo. Objetivo do capítulo construçãocapítulo1: Capítulo 1 Modelagem de informações de A modelagem de informações de construção (BIM) é um fluxo de trabalho integrado baseado em informações coordenadas e confiáveis sobre um empreendimento,

Leia mais

Modelagem de Casos de Uso (Parte 2)

Modelagem de Casos de Uso (Parte 2) Modelagem de Casos de Uso (Parte 2) Roteiro (1) Método para Modelagem de Casos De Uso Estudo de Caso: Sistema de Controle para Videolocadora Levantamento Inicial dos Casos de Uso Identificação dos Casos

Leia mais

DOCUMENTAÇÃO. Programa de Evolução Contínua Versão 1.84

DOCUMENTAÇÃO. Programa de Evolução Contínua Versão 1.84 DOCUMENTAÇÃO Programa de Evolução Contínua Versão 1.84 SUMÁRIO RESUMO DAS NOVIDADES... 3 CONFIGURAÇÃO DAS NOVIDADES... 6 Resolução de Conflitos de Integração de Pedidos de Marketplaces... 6 Configurações

Leia mais

RESUMO AULAS DE TSSI I 2º BIMESTRE. Prof.MsC. Ly Freitas Filho

RESUMO AULAS DE TSSI I 2º BIMESTRE. Prof.MsC. Ly Freitas Filho 1 RESUMO AULAS DE TSSI I 2º BIMESTRE Prof.MsC. Ly Freitas Filho Junho, 2006 1 Organização para informatização Muitas empresas ainda acreditam que o simples ato de informatizar, espalhando computadores

Leia mais

A sua empresa em contato com o mundo. Ferramenta de envio de SMS

A sua empresa em contato com o mundo. Ferramenta de envio de SMS A sua empresa em contato com o mundo Ferramenta de envio de SMS A Talktelecom Líder na América Latina em telefonia computadorizada Compete no mercado desde 1992 com soluções em telecomunicações Em plena

Leia mais

A Utilização de Software Livre na Análise de QoS em Redes IP Utilizando Mineração de Dados

A Utilização de Software Livre na Análise de QoS em Redes IP Utilizando Mineração de Dados A Utilização de Software Livre na Análise de QoS em Redes IP Utilizando Mineração de Dados Maxwel Macedo Dias 1, Edson M.L.S. Ramos 2, Luiz Silva Filho 3, Roberto C. Betini 3 1 Faculdade de Informática

Leia mais

CRM (CUSTOMER RELATIONSHIP MANAGEMENT) E A TECNOLOGIA DA INFORMAÇÃO (TI)

CRM (CUSTOMER RELATIONSHIP MANAGEMENT) E A TECNOLOGIA DA INFORMAÇÃO (TI) CRM (CUSTOMER RELATIONSHIP MANAGEMENT) E A TECNOLOGIA DA INFORMAÇÃO (TI) Nelson Malta Callegari (UTFPR) nelson.estudo@gmail.com Profº Dr. João Luiz Kovaleski (UTFPR) kovaleski@pg.cefetpr,br Profº Dr. Luciano

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

A ESCOLHA DO SOFTWARE PARA INFORMATIZAÇÃO DA SUA EMPRESA

A ESCOLHA DO SOFTWARE PARA INFORMATIZAÇÃO DA SUA EMPRESA A ESCOLHA DO SOFTWARE PARA INFORMATIZAÇÃO DA SUA EMPRESA Necessidade de informatizar a empresa Uma senhora muito simpática, Dona Maria das Coxinhas, feliz proprietária de um comércio de salgadinhos, está,

Leia mais

ESPECIFICAÇÃO DO ESCOPO DE SISTEMA DE SOFTWARE A PARTIR DA UTILIZAÇÃO DA ENGENHARIA DE REQUISITOS

ESPECIFICAÇÃO DO ESCOPO DE SISTEMA DE SOFTWARE A PARTIR DA UTILIZAÇÃO DA ENGENHARIA DE REQUISITOS ESPECIFICAÇÃO DO ESCOPO DE SISTEMA DE SOFTWARE A PARTIR DA UTILIZAÇÃO DA ENGENHARIA DE REQUISITOS Rosiane da Silva Biscaia Discente do curso Tecnologia em Análise e Desenvolvimento de Sistemas Faculdades

Leia mais

E-learning: O novo paradigma da educação e suas questões de segurança

E-learning: O novo paradigma da educação e suas questões de segurança E-Learning MBA Gestão de Sistemas de Informação Segurança na Informação Professor: Ly Freitas Grupo: Ferdinan Lima Francisco Carlos Rodrigues Henrique Andrade Aragão Rael Frauzino Pereira Renata Macêdo

Leia mais

Controle e Venda com o PN Consig O MERCADO

Controle e Venda com o PN Consig O MERCADO O MERCADO Controle e Venda com o PN Consig Mais de 40 milhões de consumidores Deste mercado, estima-se que 58% já realizaram no mínimo uma operação de crédito com desconto consignado. COMO CONTROLAR E

Leia mais

Qualidade de software

Qualidade de software Faculdade de Ciências Sociais e Aplicadas de Petrolina - FACAPE Curso: Ciência da Computação Disciplina:Projeto de Sistemas Qualidade de software cynaracarvalho@yahoo.com.br Qualidade de software Qualidade

Leia mais

Nome da Empresa Sistema digitalizado no almoxarifado do EMI

Nome da Empresa Sistema digitalizado no almoxarifado do EMI Nome da Empresa Documento Visão Histórico de Revisões Data Versão Descrição Autor 23/02/2015 1.0 Início do projeto Anderson, Eduardo, Jessica, Sabrina, Samuel 25/02/2015 1.1 Correções Anderson e Eduardo

Leia mais

Sumário. Mineração de Dados aplicada à Gestão de Negócios. 1) Mineração de Dados

Sumário. Mineração de Dados aplicada à Gestão de Negócios. 1) Mineração de Dados Aula 1 Introdução -Mineração de Dados Prof. Dr. Sylvio Barbon Junior barbon@uel.br Sumário 1) Mineração de Dados 1) Atividades Relacionadas; 2) Desafios; 3) Exemplos de aplicativos; 4) Últimos assuntos;

Leia mais