Data Mining na Web para Inteligência Competitiva

Tamanho: px
Começar a partir da página:

Download "Data Mining na Web para Inteligência Competitiva"

Transcrição

1 Data Mining na Web para Inteligência Competitiva Simone de Almeida (CEFET/PR) Rui Francisco Martins Marçal (CEFET/PR) Luciano Scandelari (CEFET/PR) Resumo Estudos sobre a relevância do conhecimento organizacional têm sido cada vez mais freqüentes nos últimos anos. A tecnologia passa a ser o ponto fundamental para possibilitar a conquista da excelência, possuindo como aliados a rede mundial, sistemas de informação e os computadores. A tecnologia da informação e da comunicação derruba as fronteiras entre países, criando novas oportunidades de negócio e trazendo, atrelada a si, uma crescente concorrência. A tecnologia aproxima as pessoas, as comunidades e os países, possibilitando que informações e conhecimentos possam ser trocados com grande facilidade. A dificuldade encontrada deve-se ao fato de que o valor não se encontra no domínio da informação, mas em como trabalhar com o conhecimento a ela relacionado. Este artigo mostra alguns tipos de aplicações de Sistema Baseado em Conhecimento (SBC), o processo de desenvolvimento de um SBC apresentando algumas perspectivas futuras e uma aplicação prática de Web Mining. Palavras-chave: Conhecimento, Data Mining, Inteligência Competitiva. 1.Introdução No início da década de 90, a idéia de organização voltada para o aprendizado foi difundida por Senge (1990), cuja base teórica é a de que as empresas conquistam suas vantagens competitivas através de sua capacidade de aprender consigo mesmas e com outras organizações. A empresa é um conjunto de pessoas trabalhando para produzir algo: produtos, serviços ou ambos. A eficácia com que elas realizam suas atividades está apoiada no conhecimento adquirida e acumulada nas rotinas, nos processos, na capacidade de seus colaboradores e nos equipamentos de produção. Leonad-Barton (1998) amplia este conceito e preconiza que as organizações, além de instituições financeiras, são, antes de tudo, instituições do saber. Quando se fala em conhecimento, Rezende (2003) apresenta algumas hipóteses e delimitações que são necessárias. Em primeiro lugar, pode-se pensar em níveis de conhecimento: fatos (relações arbitrárias entre objetos, símbolos, eventos etc); conceitos (resultam de idéias abstratas); regras (conjunto de operações e passos que orientam a ação, desenvolvidas a partir da análise de fatos e conceitos, correspondente a aplicação do conhecimento) e metaregras (responsável pela criação e aplicação de novas regras e situações novas, correspondentes à geração de conhecimento novo). Uma decisão passa a ser o uso explícito de um conhecimento. O tipo de conhecimento necessário à solução dos problemas existentes determina quais fontes de informação, e suas disponibilidades, serão utilizadas pelos indivíduos. Isto significa que conhecimento pode ser gerado de diversas maneiras, a partir da combinação adequada de diferentes informações. Assim, uma decisão pode ser tomada por meio da análise lógica

2 (apoiada em dados obtidos de relatórios, entrevistas e outros meios) ou pode estar embasada em dados heurísticos ou intuitivos (REZENDE, 2003). A extração de Conhecimento, geralmente referenciada na literatura como Knowledge Discovery in Database (KDD) ou Mineração de Dados (MD) ou ainda Data Mining (DM), é uma área multidisciplinar que incorpora técnicas utilizadas em diversas áreas como Base de Dados, Inteligência Artificial e Estatística. A definição aceita de DM foi elaborada por Fayyad, Piatetsky-Shapiro, & Smyth (1996a) como sendo: Extração de Conhecimento de Base de Dados é o processo de identificação de padrões válidos, novos, potencialmente úteis e compreensíveis embutidos nos dados. 2.O processo de Data Mining Há muitas abordagens para a divisão das etapas do processo de Extração de Conhecimento. Inicialmente foi proposto por Fayyad, Pietetsky-Shapiro, & Smyth (1996b) uma divisão do processo em nove etapas. Já em Weiss & Indurkhya (1998), essa divisão é composta por apenas quatro etapas. No entanto, Rezende (2003) propõem três grandes etapas: Préprocessamento, Extração de Padrões e Pós-processamento. Foram incluídas nessa divisão uma fase anterior ao processo de Data Mining, que se refere ao conhecimento do domínio e identificação do problema, e uma fase posterior ao processo, que se refere à utilização do conhecimento obtido. Na primeira fase é realizado um estudo do domínio da aplicação e a definição de objetivos e metas a serem atingidas no processo de Data Mining. Algumas questões importantes devem ser respondidas segundo Rezende (2003), nessa fase de identificação do problema, como: - Quais são as principais metas do processo? - Quais critérios de desempenho são importantes? - O conhecimento extraído deve ser compreensível a seres humanos ou um modelo do tipo caixa-preta é apropriado? - Qual deve ser a relação entre simplicidade e precisão do conhecimento extraído? Além dessa análise inicial para a definição das principais metas, objetivos e restrições, o conhecimento sobre o domínio fornece um subsídio para todas as etapas do processo de Extração de Conhecimento. Esse conhecimento pode ajudar na escolha do melhor conjunto de dados para se realizar a extração de padrões. Na fase de Extração de Padrões, o conhecimento sobre o domínio pode ajudar na escolha de um critério de preferência entre modelos gerados, no ajuste dos parâmetros do processo de indução, ou mesmo na obtenção de um conhecimento inicial a ser estabelecido como entrada do algoritmo de mineração para aumentar a eficiência no aprendizado dos conceitos e melhorar a precisão do modelo final. Na última etapa, o conhecimento adquirido pelos algoritmos de Extração de Padrões deve ser avaliado. Na segunda fase, Pré-processamento, os dados disponíveis para análise, geralmente não estão num formato adequado para a Extração de Conhecimento. Diversas transformações nos dados podem ser realizadas, entre elas: - Extração e Integração: os dados disponíveis podem se apresentar em diversos formatos, como arquivo-texto, arquivos no formato de planilhas, Banco de Dados ou Data Warehouse. Dessa forma, há necessidade de unificação, a qual será aplicada como entrada para o algoritmo de Extração de Padrões. - Transformação: após a extração e integração dos dados, algumas transformações podem ser realizadas aos dados, como: resumo, quando dados sobre vendas são agrupados para

3 formar resumos diários. As transformações de dados são extremamente importantes em alguns domínios, por exemplo, em aplicações que envolvem dimensões temporais como predições no mercado financeiro. - Limpeza: os dados disponíveis para aplicação dos algoritmos de Extração de Padrões podem apresentar problemas advindos do processo de coleta. Esses erros podem ser de digitação ou leitura de dados pelos sensores. Como o resultado do processo de extração geralmente será aplicado em um processo de tomada de decisão, a qualidade dos dados é um fator extremamente relevante. A Limpeza dos dados pode ser realizada utilizando o conhecimento do domínio. Por exemplo, pode-se encontrar registros com valor inválido em algum atributo, granularidade incorreta ou exemplos errôneos. - Seleção e Redução de Dados: em virtude das restrições de capacidade de memória ou desempenho (tempo de processamento), o número de exemplos e de atributos disponíveis para análise pode inviabilizar a utilização de algoritmos de Extração de Padrões. Como solução pode ser aplicado um método para redução dos dados antes de começar a busca de padrões. Esta redução pode ser realizada de três formas (WEISS & INDURKHYA, 1998): redução do número de exemplos, de atributos ou de valores de um atributo. A fase de Extração de Padrões é direcionada ao cumprimento dos objetivos definidos na Identificação do Problema. Nessa fase é realizada a escolha, configuração e execução de um ou mais algoritmos para extração do conhecimento, portanto compreende a escolha da tarefa de Data Mining a ser aplicada, a definição do algoritmo e a extração dos padrões propriamente dita. A disponibilização do conjunto de padrões extraídos é incorporada a um Sistema Inteligente, ocorrendo após a análise e/ou o processamento dos padrões na etapa de Pós-processamento. A última fase de Pós-processamento, a obtenção do conhecimento não é o passo final do processo de Extração de Conhecimento. O conhecimento extraído pode ser utilizado na resolução de problemas da vida real, seja por meio de um Sistema Inteligente ou de um ser humano como apoio a algum processo de tomada de decisão Para isso é importante que algumas questões sejam respondidas aos usuários (LIU & HSU, 1996): - O conhecimento extraído representa o conhecimento do especialista? - De que maneira o conhecimento do especialista difere do conhecimento extraído? - Em que parte o conhecimento do especialista está correto? Os algoritmos de Extração de Padrões podem gerar uma quantidade enorme de padrões, muitos dos quais podem não importantes, relevantes ou interessantes para o usuário. Diversas medidas para avaliação de conhecimento tem sido pesquisadas com a finalidade de auxiliar o usuário no entendimento e na utilização do conhecimento adquirido. Estas medidas podem ser divididas entre medidas de desempenho e medidas de qualidade. Um dos objetivos principais do Processo de Extração do Conhecimento é que o usuário possa compreender e utilizar o conhecimento descoberto. Após a análise do conhecimento, caso este não seja de interesse do usuário final ou não cumpra com os objetivos propostos, o processo de extração pode ser repetido ajustando-se os parâmetros ou melhorando o processo de escolha dos dados para a obtenção de resultados melhores numa próxima iteração. 3. Tecnologias de Suporte à Data Mining O processo de Data Mining é feito incorporando-se várias técnicas de diferentes áreas como (REZENDE, 2003):

4 - Aprendizado de Máquina: extrair conhecimento de Bases de Dados pode envolver, entre outras coisas, a utilização de algoritmos de Aprendizagem de Máquina capazes de generalizar os exemplos encontrados em um grande repositório de dados na forma de regras de alto nível compreensíveis ao ser humano. As técnicas de Aprendizagem de Máquina parecem estimular muito os pesquisadores da área e talvez a parte do processo de Data Mining que contenha substancialmente os maiores conteúdos científicos. - Data Warehousing: é um processo, para montar e gerenciar repositórios de dados a partir de várias fontes com o propósito de ter uma visão detalhada e singular de parte ou do todo de um negócio. O produto final obtido de um projeto de Data Warehousing é o seu Data Warehouse. - Estatísticas: é a área da matemática que estuda a coleta, organização e interpretação de dados numéricos, especialmente a análise das características da população por inferências a partir de amostras. As técnicas de estatísticas possuem importância dentro do processo Data Mining. Boa parte dos métodos utilizados em Data Mining tiveram suas origens dentro da Estatística (DEGROOT, 1986). - Visualização de Dados: as técnicas e ferramentas para Visualização de Dados são instrumentos indispensáveis ao processo de Data Mining. Elas podem ser usadas durante a execução das etapas de extração de conhecimento melhorando a compreensão dos resultados obtidos e a comunicação entre os usuários. As técnicas de Visualização de Dados estimulam naturalmente a percepção e a inteligência humana, aumentando a capacidade de entendimento e associação de novos padrões. Logo, a Visualização de Dados utiliza a percepção humana como um primeiro método para descobrir valores. Poderosas ferramentas de visualização que consigam gerar diversas formas de visualização (árvores, regras, gráficos) combinadas com técnicas de Data Mining podem melhorar muito o processo DM (FAYYAD, GRINSTEIN & WIERSE, 2002). 4. Algumas Perspectivas Futuras Como Data Mining é uma área relativamente recente, diversas dificuldades e desafios estão surgindo continuamente, as quais precisam ser atacadas, como: - Interação com Usuário: muitas das tecnologias de Data Mining existentes não são realmente interativas e não conseguem incorporar facilmente o conhecimento prévio a respeito de um domínio de aplicação. O uso do conhecimento a priori relevante é de grande importância para o processo de Data Mining (PAZZANI & KIBLER, 1992). Podese tentar incorporar um Sistema Baseado em Conhecimento para tentar colher o conhecimento de especialistas em uma Base de Conhecimento; - Interação com outros Sistemas: um sistema isolado de descobrimento pode não possuir muita utilidade se ele não puder ser integrado a outros sistemas, como gerenciadores de Bancos de Dados, ferramentas analíticas e de visualização; - Suporte a Novas Tecnologias de Base de Dados: com a evolução da tecnologia de armazenamento, os dados armazenados passarão a conter além de textos e números, objetos gráficos, multimídias, bem como dados temporais, entre outros. Gerenciadores de Base de Dados orientados a objetos podem tratar este tipo de problema de armazenamento, facilitando a geração de metadados; - Data Mining em um Ambiente de Rede e Distribuído: o rápido crescimento de recursos disponíveis na Internet demanda uma grande necessidade por pesquisas para o desenvolvimento de ferramentas, técnicas e sistemas que possam permitir a realização de um processo de Data Mining nesse ambiente conectado e distribuído. Ainda, a tendência da área de Data Mining é guiar-se para um descobrimento de conhecimento colaborativo envolvendo uma equipe de analistas e especialistas do domínio que

5 utilizarão Bases de Dados distribuídas pela rede. A pesquisa atual de agentes inteligentes é um começo para atingir os desafios impostos à área de Data Mining pelas novas tecnologias de www (World Wide Web) e de Base de Dados multimídia (REZENDE, 2003). Como qualquer área em desenvolvimento, novos desafios devem ser continuamente superados. Uma síntese dessas tendências em termos de tipos de dados pode ser visualizada na Figura 1. Metadados Multimídia Base de Dados Heterogênea, Distribuída ou ligadas Data Mining em Bases de Dados Relacionais Texto WEB Tecnologias de Suporte à Data Mining Fonte: Rezende (2003, p.334) FIGURA 1 Tendências e perspectivas futuras 5. Web Mining Uma Web Mining agrupa em três diferentes abordagens um conjunto de ferramentas que, além de descobrir as fontes de informações relevantes, pretende mapear e analisar o padrão de acesso e armazenamento de informações na Web. As três abordagens, mostradas na Figura 2, têm sido largamente pesquisadas. Web Mining Web Mining de conteúdo Web Mining de estrutura Web Mining de uso Conteúdo de Página Resultado de Busca Padrão de acesso geral Personalização de uso Fonte: Rezende (2003, p. 366) FIGURA 2 Abordagem de Web Mining - Web Mining de Conteúdo: A maioria das páginas da Web possui vários documentos, que podem ser analisados pelo uso de procedimentos de Mineração de textos. Esses procedimentos têm a capacidade de reestruturar o conteúdo dos documentos em uma representação apropriada para a manipulação por programas que podem extrair o conhecimento dos documentos propriamente ditos ou dos resultados de buscas por informações.

6 - Web Mining de Estrutura: Uma visão interessante em Web Mining é que a Internet possui mais informações que somente o conteúdo de suas páginas. A referência cruzada entre sites ou páginas de um mesmo site contém em si um conhecimento implícito a respeito do documento propriamente dito. Essa técnica pretende analisar as referências realizadas na Web de forma a descobrir páginas pertinentes a uma determinada área de conhecimento. - Web Mining de Uso: Servidores Web armazenam dados em relação ao acesso e suas páginas de forma permanente. Apesar de geralmente os registros de acesso serem limitados a análise desses registros, eles podem explicar o comportamento de usuários que buscam informações sobre determinado assunto e auxiliar na estruturação de um site. Alguns programas são associados a esses registros para enriquecer a quantidade e o tipo de informação sobre o acesso a determinado site. Em empresas que possuam Intranet, essa análise pode facilitar e otimizar a infra-estrutura organizacional e formação de grupos de trabalho. Duas tendências para análise desses dados mostram-se claras: a determinação de padrões de acesso geral e a personalização de uso (REZENDE, 2003). 6. Uma aplicação Web Mining Um grupo de empresários voltados para o turismo na Região Sul do Brasil resolveu montar um sistema on-line que mantem empresas de pequeno e médio porte atualizadas com informações que permite detectar áreas em regiões próximas ou distantes para comercializar seus produtos e descobrir possíveis competidores / parceiros e suas ações nas áreas eleitas. Trata-se de uma aplicação prática de Web Mining, que forneceu resultados significativos e tem grande importância para a área de inteligência competitiva. A Internet é agora um dos maiores repositórios mundiais de informação. Entretanto, a maioria das informações disponíveis na Internet não está na forma mais adequada para ser tratada por meios computacionais. Essas informações conhecidas como dados não-estruturados, estão na forma de textos, imagens, gráficos, vídeos ou sons. Estima-se que 80% das informações que uma empresa utiliza não estão armazenados em bancos de dados na forma de números e caracteres (ZANASI, 2001). Um mecanismo de crawler (sistema automático de busca) procura por páginas interessantes nos diferentes sites da Web. Os resultados das pesquisas realizadas na Web geram um repositório relativo àquela pesquisa e pode-se realizar a indexação dos documentos através de clustering (técnica de agrupamento), etc. Foi utilizado um software que efetua busca conceitual: interpreta as buscas em linguagem natural, processa as palavras que tem vários significados, busca palavras-chave, avalia a quantidade de informação em cada palavra-chave, expande a busca por thesaurus e indica o nível de relevância de cada página (KOSALA & BLOCKEEL, 2000). Os resultados obtidos pela presente metodologia são muito superiores aos resultados de buscas exaustivas com os utilitários disponíveis na Web. A informação gerada atende plenamente às facilidades esperadas pelos usuários. A metodologia usada encontra aplicação em qualquer atividade de busca de oportunidades de negócios e inteligência competitiva (SHAKYA, 2002).

7 A World Wide Web é um repositório de dados fracamente acoplados que pode ser usado como um repositório central apenas se os dados em cada site forem armazenados com alguma semântica comum. Entretanto, é possível minerar os dados de diversos sites da Web e introduzir semântica neles. A atividade de minerar grande coleção de documentos HTML dos Web site fornece informação rica e vasta. Essa informação, no entanto, é codificada em um formato difícil de decifrar e extrair. Uma vez implementada a estratégia, pode-se disponibilizar a atualização das informações e também aumentar o domínio de prospecção (LIU, MA, & YU, 2001). 7. Conclusão A Internet, sem nenhuma dúvida, revolucionou o conceito de Sistema de Informação. A explosão de tipos de informações associadas a um assunto como a referência a vídeos, áudios, fotos, gráficos, dados ou simplesmente textos, dificultam sua obtenção de uma forma padronizada que possibilite sua utilização. As grandes corporações contam, também com uma intranet (uma rede interna geograficamente distribuída). Há necessidade, portanto de algoritmos inteligentes de busca de informações que possam não só filtrar os sites que aparecem múltiplas vezes, como também determinar o nível de detalhe requerido em cada pesquisa. Isso sem falar do conhecimento implícito, quase escondido que existe nessa área. A capacidade dos algoritmos de Mineração de Dados e de Textos em manipular grandes massas de dados e textos, extraindo informações relevantes a partir de critérios preestabelecidos sobre o grau de pertinência e importância de um dado agrega considerável valor aos algoritmos de busca de informação. Mesmo considerando todos os problemas ainda existentes na área para a implantação de sistemas mais complexos para o tratamento de textos, pode-se considerar que é apenas uma questão de tempo para que novas soluções para estes problemas não tão novos apareçam. Essa área de pesquisa, no entanto, tende a crescer rapidamente em virtude principalmente da enorme quantidade de textos produzidos pela Web, e pelo grande interesse que essa disponibilidade acarreta de modo geral. Pode-se encontrar textos dos mais diversos assuntos disponíveis em qualquer tempo pela Intranet. Além disso, as empresas redescobriram suas informações já armazenadas em textos e estão utilizando essas informações como uma vantagem competitiva em relação aos seus concorrentes. O Data Mining apresentou os principais recursos que a inteligência competitiva pudesse ser efetivada na prática (ZANASI, 2000). 8.Referências DEGROOT, T. (1986) - Probability and Stastistics. Addison Wesley, MA. FAYYAD, U., G. G. Grinstein, & A. Wierse (2002) - Information Visualization in Data Minin and Knowlwdge Discovery. Morgan Kaufmann Publishers. FAYYAD, U., G. Piatetsky-Shapiro, & P. Smith (1996a) - From data mining to knowledge discovery: na overview..1-34p.

8 FAYYAD, U., G. Piatetsky-Shapiro, & P. Smith (1996b) - The KDD process for extracting useful knowledge from volumes of data: Comunications of the ACM p. FAYYAD, U., G. Piatetsky-Shapiro & P. Smith (1996c) - Knowledge Discovery and data mining: Towars a unifying framework. KOSALA, R. & H. Blockeel (2000) - Web mining research: A SURVEY. Sigkdd Explorations. LEONARDO-BARTON, D. (1998) - Nascentes do saber: criando e sustentando as fontes de inovação.rio de Janeiro: Fundação Getúlio Vargas, 368p. LIU, B. & W. Hsu (1996) - Post-analysis of learned rules, p. LIU, B., Y. Ma & P. Yu (2000) - Discovering unexpected information from your competitors web site. Em KDD, San Francisco, p. PAZZANI, M. & D. Kibler (1992) - The utility of knowledge in inductive learning. Machine Learning. 9,57-94 p. REZENDE, Solange, O. (2003) - Sistemas Inteligentes: fundamentos e aplicações. São Paulo: Manole, 525 p. SHAKYA, S. (2002) - Advanced data mining techniques using Visual Basic 6.0, ASP, XML, MSHRTML and MSXML. ASP Today. SENGE, Peter M. (1990) - A Quinta Disciplina: arte, teoria e prática da Organização de Aprendizagem. São Paulo: Best Seller, 352p. WEISS, S. M. & N. Indurkhya (1998) - Predictive Data Mining : a Practical Guide. San Francisco, CA. ZANASI, A. (2000) -Web Mining through the on-line analyst.. Em N. Ebecken & C. Brebbia (eds.), Second International Conference on Data Mining, England. Computational Machanics Publications. ZANASI, A. (2001) - Text mining: the new competitive intelligence frontier. Em VSST Conference Proceedings, Barcelona.

9 SIGNIFICA DO SISTEMA DE CRAWLER. Os sistemas de busca baseados em "crawler" possuem três elementos principais. O primeiro é o "spider", também chamado de "crawler". O "spider" visita as páginas web, as lê, e depois segue os links para outras páginas dentro do site. O "spider" volta ao web site regularmente, como por ex. uma ou duas vezes por mês, para procurar por alterações. Tudo o que o "spider" encontra vai para a segunda parte do sistema de busca, o "index" (índice). O "index", algumas vezes chamado de catálogo, é como se fosse um livro gigante contendo uma cópia de todas as páginas web que o "spider" encontra. Se uma página web muda, então esse livro é atualizado com a nova informação. Algumas vezes pode demorar para que novas páginas ou alterações que o "spider" encontra sejam adicionados no "index". Assim, uma página web pode já ter sido visitada (spidered) mas não indexada ainda. Até que ela seja indexada - adicionada no "index" - ela não está disponível à pesquisas com os sistema de busca. A terceira parte de um sistema de busca é o "software". Este é o programa que peneira (analisa) através de milhões de páginas gravadas no "index" para encontrar combinações para a pesquisa e ranqueá-las segundo o que acredita ser mais relevante

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

PROJETO DE REDES www.projetoderedes.com.br

PROJETO DE REDES www.projetoderedes.com.br PROJETO DE REDES www.projetoderedes.com.br Centro Universitário de Volta Redonda - UniFOA Curso Tecnológico de Redes de Computadores 5º período Disciplina: Tecnologia WEB Professor: José Maurício S. Pinheiro

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

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

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

Padronização de Processos: BI e KDD

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

Leia mais

O que é a ciência de dados (data science). Discussão do conceito. Luís Borges Gouveia Universidade Fernando Pessoa Versão 1.

O que é a ciência de dados (data science). Discussão do conceito. Luís Borges Gouveia Universidade Fernando Pessoa Versão 1. O que é a ciência de dados (data science). Discussão do conceito Luís Borges Gouveia Universidade Fernando Pessoa Versão 1.3, Outubro, 2015 Nota prévia Esta apresentação tem por objetivo, proporcionar

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

Sistemas de Informação James A. O Brien Editora Saraiva Capítulo 5

Sistemas de Informação James A. O Brien Editora Saraiva Capítulo 5 Para entender bancos de dados, é útil ter em mente que os elementos de dados que os compõem são divididos em níveis hierárquicos. Esses elementos de dados lógicos constituem os conceitos de dados básicos

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

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

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

UNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS

UNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS UNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS VINICIUS DA SILVEIRA SEGALIN FLORIANÓPOLIS OUTUBRO/2013 Sumário

Leia mais

INTELIGÊNCIA COMPUTACIONAL

INTELIGÊNCIA 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 mais

INSTITUTO TECNOLÓGICO DE AERONÁUTICA DIVISÃO DE ENGENHARIA ELETRÔNICA LABORATÓRIO DE GUERRA ELETRÔNICA

INSTITUTO TECNOLÓGICO DE AERONÁUTICA DIVISÃO DE ENGENHARIA ELETRÔNICA LABORATÓRIO DE GUERRA ELETRÔNICA INSTITUTO TECNOLÓGICO DE AERONÁUTICA DIVISÃO DE ENGENHARIA ELETRÔNICA LABORATÓRIO DE GUERRA ELETRÔNICA CURSO DE ESPECIALIZAÇÃO EM ANÁLISE DE AMBIENTE ELETROMAGNÉTICO CEAAE /2008 DISCIPLINA EE-09: Inteligência

Leia mais

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

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

Leia mais

SISTEMAS 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

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

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 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 mais

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

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

Leia mais

Laudon & Laudon Essentials of MIS, 5th Edition. Pg. 1.1

Laudon & Laudon Essentials of MIS, 5th Edition. Pg. 1.1 Laudon & Laudon Essentials of MIS, 5th Edition. Pg. 1.1 SISTEMA DE APOIO À DECISÃO Grupo: Denilson Neves Diego Antônio Nelson Santiago Sabrina Dantas CONCEITO É UM SISTEMA QUE AUXILIA O PROCESSO DE DECISÃO

Leia mais

Módulo 07 Gestão de Conhecimento

Módulo 07 Gestão de Conhecimento Módulo 07 Gestão de Conhecimento Por ser uma disciplina considerada nova dentro do campo da administração, a gestão de conhecimento ainda hoje tem várias definições e percepções, como mostro a seguir:

Leia mais

Instituto de Educação Tecnológica Pós-graduação Gestão e Tecnologia da Informação - Turma 25 20/03/2015. Big Data Analytics:

Instituto de Educação Tecnológica Pós-graduação Gestão e Tecnologia da Informação - Turma 25 20/03/2015. Big Data Analytics: Instituto de Educação Tecnológica Pós-graduação Gestão e Tecnologia da Informação - Turma 25 20/03/2015 Big Data Analytics: Como melhorar a experiência do seu cliente Anderson Adriano de Freitas RESUMO

Leia mais

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

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

Leia mais

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

Banco de Dados. Introdução. João Eduardo Ferreira Osvaldo Kotaro Takai. jef@ime.usp.br DCC-IME-USP

Banco de Dados. Introdução. João Eduardo Ferreira Osvaldo Kotaro Takai. jef@ime.usp.br DCC-IME-USP Banco de Dados Introdução João Eduardo Ferreira Osvaldo Kotaro Takai jef@ime.usp.br DCC-IME-USP Importância dos Bancos de Dados A competitividade das empresas depende de dados precisos e atualizados. Conforme

Leia mais

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

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

Leia mais

Capítulo 13: Tecnologia da Informação. Prof.: Roberto Franciscatto

Capítulo 13: Tecnologia da Informação. Prof.: Roberto Franciscatto Capítulo 13: Tecnologia da Informação Prof.: Roberto Franciscatto Introdução Uma informação é um arranjo de dados (nomes, palavras, números, sons, imagens) capazes de dar forma ou sentido a algo do interesse

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

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

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

Leia mais

Estudo e Análise da Base de Dados do Portal Corporativo da Sexta Região da Polícia Militar com vista à aplicação de Técnicas de Mineração de Dados1

Estudo e Análise da Base de Dados do Portal Corporativo da Sexta Região da Polícia Militar com vista à aplicação de Técnicas de Mineração de Dados1 Estudo e Análise da Base de Dados do Portal Corporativo da Sexta Região da Polícia Militar com vista à aplicação de Técnicas de Mineração de Dados1 Rafaela Giroto, 10º módulo de Ciência da Computação,

Leia mais

Resumo dos principais conceitos. Resumo dos principais conceitos. Business Intelligence. Business Intelligence

Resumo 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 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 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

Módulo 15 Resumo. Módulo I Cultura da Informação

Módulo 15 Resumo. Módulo I Cultura da Informação Módulo 15 Resumo Neste módulo vamos dar uma explanação geral sobre os pontos que foram trabalhados ao longo desta disciplina. Os pontos abordados nesta disciplina foram: Fundamentos teóricos de sistemas

Leia mais

Utilização de ferramentas de colaboração para Gestão do Conhecimento

Utilização de ferramentas de colaboração para Gestão do Conhecimento Utilização de ferramentas de colaboração para Gestão do Conhecimento Carlos Roberto de Souza Tavares 1 Carlos Mário Dal Col Zeve 2 RESUMO Um dos maiores problemas que as empresas atuais enfrentam refere-se

Leia mais

3 Ferramentas de busca

3 Ferramentas de busca 3 Ferramentas de busca A Internet se transformou em um vasto repositório de informações. Podemos encontrar sites sobre qualquer assunto, de futebol a religião. O difícil, porém é conseguir encontrar a

Leia mais

Empresa de Informática e Informação do Município de Belo Horizonte S/A PRODABEL

Empresa de Informática e Informação do Município de Belo Horizonte S/A PRODABEL Empresa de Informática e Informação do Município de Belo Horizonte S/A PRODABEL Diretoria de Sistema - DS Superintendência de Arquitetura de Sistemas - SAS Gerência de Arquitetura de Informação - GAAS

Leia mais

Data Warehouse Processos e Arquitetura

Data Warehouse Processos e Arquitetura Data Warehouse - definições: Coleção de dados orientada a assunto, integrada, não volátil e variável em relação ao tempo, que tem por objetivo dar apoio aos processos de tomada de decisão (Inmon, 1997)

Leia mais

Aula 02: Conceitos Fundamentais

Aula 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 mais

Sistemas de Informação I

Sistemas de Informação I + Sistemas de Informação I Dimensões de análise dos SI Ricardo de Sousa Britto rbritto@ufpi.edu.br + Introdução n Os sistemas de informação são combinações das formas de trabalho, informações, pessoas

Leia mais

Banco de Dados Aula 1 Introdução a Banco de Dados Introdução Sistema Gerenciador de Banco de Dados

Banco de Dados Aula 1 Introdução a Banco de Dados Introdução Sistema Gerenciador de Banco de Dados Banco de Dados Aula 1 Introdução a Banco de Dados Introdução Um Sistema Gerenciador de Banco de Dados (SGBD) é constituído por um conjunto de dados associados a um conjunto de programas para acesso a esses

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

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

Palavras-chave: On-line Analytical Processing, Data Warehouse, Web mining.

Palavras-chave: On-line Analytical Processing, Data Warehouse, Web mining. BUSINESS INTELLIGENCE COM DADOS EXTRAÍDOS DO FACEBOOK UTILIZANDO A SUÍTE PENTAHO Francy H. Silva de Almeida 1 ; Maycon Henrique Trindade 2 ; Everton Castelão Tetila 3 UFGD/FACET Caixa Postal 364, 79.804-970

Leia mais

KDD UMA VISAL GERAL DO PROCESSO

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

Leia mais

Thalita Moraes PPGI Novembro 2007

Thalita Moraes PPGI Novembro 2007 Thalita Moraes PPGI Novembro 2007 A capacidade dos portais corporativos em capturar, organizar e compartilhar informação e conhecimento explícito é interessante especialmente para empresas intensivas

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

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

Sistemas de Apoio à Decisão (SAD) - Senado

Sistemas de Apoio à Decisão (SAD) - Senado Sistemas de Apoio à Decisão (SAD) - Senado DW OLAP BI Ilka Kawashita Material preparado :Prof. Marcio Vitorino Sumário OLAP Data Warehouse (DW/ETL) Modelagem Multidimensional Data Mining BI - Business

Leia mais

Para construção dos modelos físicos, será estudado o modelo Relacional como originalmente proposto por Codd.

Para construção dos modelos físicos, será estudado o modelo Relacional como originalmente proposto por Codd. Apresentação Este curso tem como objetivo, oferecer uma noção geral sobre a construção de sistemas de banco de dados. Para isto, é necessário estudar modelos para a construção de projetos lógicos de bancos

Leia mais

Inteligência Empresarial. BI Business Intelligence. Business Intelligence 22/2/2011. Prof. Luiz A. Nascimento

Inteligência Empresarial. BI Business Intelligence. Business Intelligence 22/2/2011. Prof. Luiz A. Nascimento Inteligência Empresarial Prof. Luiz A. Nascimento BI Pode-se traduzir informalmente Business Intelligence como o uso de sistemas inteligentes em negócios. É uma forma de agregar a inteligência humana à

Leia mais

Prova INSS RJ - 2007 cargo: Fiscal de Rendas

Prova INSS RJ - 2007 cargo: Fiscal de Rendas Prova INSS RJ - 2007 cargo: Fiscal de Rendas Material de Apoio de Informática - Prof(a) Ana Lucia 53. Uma rede de microcomputadores acessa os recursos da Internet e utiliza o endereço IP 138.159.0.0/16,

Leia mais

Universidade de Brasília. Departamento de Ciência da Informação e Documentação. Prof a.:lillian Alvares

Universidade de Brasília. Departamento de Ciência da Informação e Documentação. Prof a.:lillian Alvares Universidade de Brasília Departamento de Ciência da Informação e Documentação Prof a.:lillian Alvares Fóruns óu s/ Listas de discussão Espaços para discutir, homogeneizar e compartilhar informações, idéias

Leia mais

Como tornar o seu. Maribel Yasmina* Isabel Ramos*

Como tornar o seu. Maribel Yasmina* Isabel Ramos* Os sistemas de Business Intelligence são imprescindíveis a decisores dinâmicos e motivados para aproveitar as oportunidades que uma sociedade em transformação rápida pode oferecer Maribel Yasmina* Como

Leia mais

Dado: Fatos conhecidos que podem ser registrados e têm um significado implícito. Banco de Dados:

Dado: Fatos conhecidos que podem ser registrados e têm um significado implícito. Banco de Dados: MC536 Introdução Sumário Conceitos preliminares Funcionalidades Características principais Usuários Vantagens do uso de BDs Tendências mais recentes em SGBDs Algumas desvantagens Modelos de dados Classificação

Leia mais

IMPLANTAÇÃO DE UM SISTEMA CRM. Prof. Wilson Míccoli, MsC

IMPLANTAÇÃO DE UM SISTEMA CRM. Prof. Wilson Míccoli, MsC IMPLANTAÇÃO DE UM SISTEMA CRM 1 Fase 1: Contextualização Fase 2: Revisão do Plano Estratégico da Organização Fase 3: Revisão do Portfólio de Produtos Fase 4: Definição da Visão e dos Objetivos do CRM Fase

Leia mais

A evolução da tecnologia da informação nos últimos 45 anos

A evolução da tecnologia da informação nos últimos 45 anos A evolução da tecnologia da informação nos últimos 45 anos Denis Alcides Rezende Do processamento de dados a TI Na década de 1960, o tema tecnológico que rondava as organizações era o processamento de

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

1 http://www.google.com

1 http://www.google.com 1 Introdução A computação em grade se caracteriza pelo uso de recursos computacionais distribuídos em várias redes. Os diversos nós contribuem com capacidade de processamento, armazenamento de dados ou

Leia mais

Universidade de Brasília Departamento de Ciência da Informação e Documentação Profa.:Lillian Alvares

Universidade de Brasília Departamento de Ciência da Informação e Documentação Profa.:Lillian Alvares Universidade de Brasília Departamento de Ciência da Informação e Documentação Profa.:Lillian Alvares Comunidades de Prática Grupos informais e interdisciplinares de pessoas unidas em torno de um interesse

Leia mais

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

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

Leia mais

Introdução à Tecnologia Web. Tipos de Sites. Profª MSc. Elizabete Munzlinger www.elizabete.com.br

Introdução à Tecnologia Web. Tipos de Sites. Profª MSc. Elizabete Munzlinger www.elizabete.com.br IntroduçãoàTecnologiaWeb TiposdeSites ProfªMSc.ElizabeteMunzlinger www.elizabete.com.br ProfªMSc.ElizabeteMunzlinger www.elizabete.com.br TiposdeSites Índice 1 Sites... 2 2 Tipos de Sites... 2 a) Site

Leia mais

Data Warehousing Visão Geral do Processo

Data Warehousing Visão Geral do Processo Data Warehousing Visão Geral do Processo Organizações continuamente coletam dados, informações e conhecimento em níveis cada vez maiores,, e os armazenam em sistemas informatizados O número de usuários

Leia mais

Como melhorar a tomada de decisão. slide 1

Como melhorar a tomada de decisão. slide 1 Como melhorar a tomada de decisão slide 1 P&G vai do papel ao pixel em busca da gestão do conhecimento Problema: grande volume de documentos em papel atrasavam a pesquisa e o desenvolvimento. Solução:

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

MINERAÇÃO DE DADOS. Mineração de Dados

MINERAÇÃO DE DADOS. Mineração de Dados MINERAÇÃO DE DADOS Mineração de Dados Sumário Conceitos / Autores chave... 3 1. Introdução... 4 2. Conceitos de Mineração de Dados... 5 3. Aplicações de Mineração de Dados... 7 4. Ferramentas de Mineração

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

Unidade IV ESTRATÉGIA COMPETITIVA. Profa. Lérida Malagueta

Unidade IV ESTRATÉGIA COMPETITIVA. Profa. Lérida Malagueta Unidade IV ESTRATÉGIA COMPETITIVA Profa. Lérida Malagueta Estratégia competitiva Já conhecemos os conceitos sobre a teoria da decisão estratégica e de como competem e cooperam: Os decisores As empresas

Leia mais

DATA WAREHOUSE NO APOIO À TOMADA DE DECISÕES

DATA WAREHOUSE NO APOIO À TOMADA DE DECISÕES DATA WAREHOUSE NO APOIO À TOMADA DE DECISÕES Janaína Schwarzrock jana_100ideia@hotmail.com Prof. Leonardo W. Sommariva RESUMO: Este artigo trata da importância da informação na hora da tomada de decisão,

Leia mais

Resultados da Pesquisa

Resultados da Pesquisa Resultados da Pesquisa 1. Estratégia de Mensuração 01 As organizações devem ter uma estratégia de mensuração formal e garantir que a mesma esteja alinhada com os objetivos da empresa. Assim, as iniciativas

Leia mais

Aula 15. Tópicos Especiais I Sistemas de Informação. Prof. Dr. Dilermando Piva Jr.

Aula 15. Tópicos Especiais I Sistemas de Informação. Prof. Dr. Dilermando Piva Jr. 15 Aula 15 Tópicos Especiais I Sistemas de Informação Prof. Dr. Dilermando Piva Jr. Site Disciplina: http://fundti.blogspot.com.br/ Conceitos básicos sobre Sistemas de Informação Conceitos sobre Sistemas

Leia mais

Alinhamento Estratégico. A importância do alinhamento entre a TI e o Negócio e o método proposto pelo framework do CobiT 4.1

Alinhamento Estratégico. A importância do alinhamento entre a TI e o Negócio e o método proposto pelo framework do CobiT 4.1 Conhecimento em Tecnologia da Informação Alinhamento Estratégico A importância do alinhamento entre a TI e o Negócio e o método proposto pelo framework do CobiT 4.1 2010 Bridge Consulting Apresentação

Leia mais

Recuperação de Imagens na Web Baseada em Informações Textuais

Recuperação de Imagens na Web Baseada em Informações Textuais Recuperação de Imagens na Web Baseada em Informações Textuais André Ribeiro da Silva Mário Celso Candian Lobato Universidade Federal de Minas Gerais Departamento de Ciência da Computação {arsilva,mlobato}@dcc.ufmg.br

Leia mais

O caminho para o sucesso. Promovendo o desenvolvimento para além da universidade

O caminho para o sucesso. Promovendo o desenvolvimento para além da universidade O caminho para o sucesso Promovendo o desenvolvimento para além da universidade Visão geral Há mais de 40 anos, a Unigranrio investe em ensino diferenciado no Brasil para cumprir com seu principal objetivo

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

Gestão da Informação. Gestão da Informação. AULA 3 Data Mining

Gestão 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 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

Unidade III PLANEJAMENTO ESTRATÉGICO DE. Prof. Daniel Arthur Gennari Junior

Unidade III PLANEJAMENTO ESTRATÉGICO DE. Prof. Daniel Arthur Gennari Junior Unidade III PLANEJAMENTO ESTRATÉGICO DE TECNOLOGIA DA INFORMAÇÃO Prof. Daniel Arthur Gennari Junior Sobre esta aula Gestão do conhecimento e inteligência Corporativa Conceitos fundamentais Aplicações do

Leia mais

A importância da. nas Organizações de Saúde

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

Leia mais

UNIDADE 4. Introdução à Metodologia de Desenvolvimento de Sistemas

UNIDADE 4. Introdução à Metodologia de Desenvolvimento de Sistemas UNIDADE 4. Introdução à Metodologia de Desenvolvimento de Sistemas 4.1 Motivação Sistemas de Informação são usados em diversos níveis dentro de uma organização, apoiando a tomada de decisão; Precisam estar

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

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

Universidade de Brasília. Faculdade de Ciência da Informação. Prof a Lillian Alvares

Universidade de Brasília. Faculdade de Ciência da Informação. Prof a Lillian Alvares Universidade de Brasília Faculdade de Ciência da Informação Prof a Lillian Alvares Fóruns Comunidades de Prática Mapeamento do Conhecimento Portal Intranet Extranet Banco de Competências Memória Organizacional

Leia mais

Interatividade aliada a Análise de Negócios

Interatividade aliada a Análise de Negócios Interatividade aliada a Análise de Negócios Na era digital, a quase totalidade das organizações necessita da análise de seus negócios de forma ágil e segura - relatórios interativos, análise de gráficos,

Leia mais

Gerenciamento de Redes

Gerenciamento de Redes Gerenciamento de Redes As redes de computadores atuais são compostas por uma grande variedade de dispositivos que devem se comunicar e compartilhar recursos. Na maioria dos casos, a eficiência dos serviços

Leia mais

ATENÇÃO: ESTE ARTIGO NÃO PODERÁ SER UTILIZADO PARA FINS COMERCIAIS. DEVERÁ OBRIGATORIAMENTE SER REFERENCIADO COMO:

ATENÇÃO: ESTE ARTIGO NÃO PODERÁ SER UTILIZADO PARA FINS COMERCIAIS. DEVERÁ OBRIGATORIAMENTE SER REFERENCIADO COMO: ATENÇÃO: ESTE ARTIGO NÃO PODERÁ SER UTILIZADO PARA FINS COMERCIAIS. DEVERÁ OBRIGATORIAMENTE SER REFERENCIADO COMO: Fabre, Jorge Leandro; Carvalho, José Oscar Fontanini de. (2004). Uma Taxonomia para Informações

Leia mais

Sociedade do Conhecimento

Sociedade do Conhecimento Gerenciamento (Gestão) Eletrônico de Documentos GED Introdução Gerenciamento Eletrônico de Documentos - GED Sociedade do Conhecimento Nunca se produziu tanto documento e se precisou de tanta velocidade

Leia mais

Aplicativo de Mineração de Dados Aplicado em Bases de Dados Acadêmicas

Aplicativo de Mineração de Dados Aplicado em Bases de Dados Acadêmicas 22 - Encontro Anual de Tecnologia da Informação Aplicativo de Mineração de Dados Aplicado em Bases de Dados Acadêmicas Elisa Maria Vissotto1, Adriane Barbosa Camargo2 1 Universidade Regional Integrada

Leia mais

Ferramentas Web para controle e supervisão: o que está por vir

Ferramentas Web para controle e supervisão: o que está por vir Artigos Técnicos Ferramentas Web para controle e supervisão: o que está por vir Marcelo Salvador, Diretor de Negócios da Elipse Software Ltda. Já faz algum tempo que ouvimos falar do controle e supervisão

Leia mais

Requisitos de business intelligence para TI: O que todo gerente de TI deve saber sobre as necessidades reais de usuários comerciais para BI

Requisitos de business intelligence para TI: O que todo gerente de TI deve saber sobre as necessidades reais de usuários comerciais para BI Requisitos de business intelligence para TI: O que todo gerente de TI deve saber sobre as necessidades reais de usuários comerciais para BI Janeiro de 2011 p2 Usuários comerciais e organizações precisam

Leia mais

srbo@ufpa.br www.ufpa.br/srbo

srbo@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 mais

Gerenciamento de Dados e Gestão do Conhecimento

Gerenciamento 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 mais

Universidade de Brasília. Faculdade de Ciência da Informação. Profa. Lillian Alvares

Universidade de Brasília. Faculdade de Ciência da Informação. Profa. Lillian Alvares Universidade de Brasília Faculdade de Ciência da Informação Profa. Lillian Alvares Fóruns / Listas de discussão Espaços para discutir, homogeneizar e compartilhar informações, idéias e experiências que

Leia mais

Universidade de Brasília Departamento de Ciência da Informação e Documentação Programa de Pós Graduação em Ciência da Informação Prof a.

Universidade de Brasília Departamento de Ciência da Informação e Documentação Programa de Pós Graduação em Ciência da Informação Prof a. Universidade de Brasília Departamento de Ciência da Informação e Documentação Programa de Pós Graduação em Ciência da Informação Prof a. Lillian Alvares Tecnologia e Gestão O principal papel da Tecnologia

Leia mais

DATA WAREHOUSE. Rafael Ervin Hass Raphael Laércio Zago

DATA 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 mais

Sociedade da Informação

Sociedade da Informação Sociedade da Revolução Tecnológica Revolução industrial: ampliação dos músculos m dos homens em forma de equipamentos Mecanização ão. Responsável por mudanças as nas formas de produção existentes Revolução

Leia mais

Gestão de Armazenamento

Gestão de Armazenamento Gestão de Armazenamento 1. Introdução As organizações estão se deparando com o desafio de gerenciar com eficiência uma quantidade extraordinária de dados comerciais gerados por aplicativos e transações

Leia mais

Estratégias de Pesquisa

Estratégias de Pesquisa Estratégias de Pesquisa Ricardo de Almeida Falbo Metodologia de Pesquisa Departamento de Informática Universidade Federal do Espírito Santo Agenda Survey Design e Criação Estudo de Caso Pesquisa Ação Experimento

Leia mais

O que é o Virto ERP? Onde sua empresa quer chegar? Apresentação. Modelo de funcionamento

O que é o Virto ERP? Onde sua empresa quer chegar? Apresentação. Modelo de funcionamento HOME O QUE É TOUR MÓDULOS POR QUE SOMOS DIFERENTES METODOLOGIA CLIENTES DÚVIDAS PREÇOS FALE CONOSCO Suporte Sou Cliente Onde sua empresa quer chegar? Sistemas de gestão precisam ajudar sua empresa a atingir

Leia mais