UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS TECNOLÓGICAS DA TERRA E DO MAR CURSO DE CIÊNCIA DA COMPUTAÇÃO

Transcrição

1 UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS TECNOLÓGICAS DA TERRA E DO MAR CURSO DE CIÊNCIA DA COMPUTAÇÃO DESENVOLVIMENTO DO SISTEMA DE INFORMAÇÃO DANDO APOIO AO PROGRAMA SENTINELA Área de Sistemas de Informação por Maicon Bavaresco Benjamin Grando Moreira, Bel. Orientador Fabrício Bortoluzzi, M. Sc. Co-orientador Itajaí (SC), julho de 2008

2 UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS TECNOLÓGICAS DA TERRA E DO MAR CURSO DE CIÊNCIA DA COMPUTAÇÃO DESENVOLVIMENTO DO SISTEMA DE INFORMAÇÃO DANDO APOIO AO PROGRAMA SENTINELA Área de Sistemas de Informação por Maicon Bavaresco Relatório apresentado à Banca Examinadora do Trabalho de Conclusão do Curso de Ciência da Computação para análise e aprovação. Orientador: Benjamin Grando Moreira, Bacharel Itajaí (SC), julho de 2008

3 SUMÁRIO LISTA DE ABREVIATURAS...iv LISTA DE FIGURAS...v LISTA DE TABELAS...vi LISTA DE EQUAÇÕES...vii RESUMO...viii ABSTRACT...ix 1 INTRODUÇÃO PROBLEMATIZAÇÃO Formulação do Problema Solução Proposta OBJETIVOS Objetivo Geral Objetivos Específicos METODOLOGIA ESTRUTURA DO TRABALHO FUNDAMENTAÇÃO TEÓRICA PROJETOS SOCIAIS SISTEMAS DE INFORMAÇÃO MINERAÇÃO DE DADOS Weka Regras de Associação Banco de Dados SISTEMAS SIMILARES Sipia (Sistema de Informação para a Infância e Adolescência) PROJETO ANÁLISE DE REQUISITOS Requisitos Funcionais Requisitos Não-Funcionais Regras de Negócio IMPLEMENTAÇÃO DO SISTEMA Cadastro de Dados Geração de Relatórios Cadastro de Campanhas Administração do Sistema Acompanhamento do Serviço Social Geração de Gráficos IMPLEMENTAÇÃO DO MÓDULO DE MINERAÇÃO DE DADOS ii

4 3.3.1 Geração do arquivo ARFF Geração das Regras de Associação REQUISITOS DE SEGURANÇA SSL TECNOLOGIAS UTILIZADAS NO PROJETO TESTES E AVALIAÇÃO DO SISTEMA CONCLUSÕES TRABALHOS FUTUROS PROPOSTAS DE IMPLEMENTAÇÃO PROPOSTA DE TRABALHOS DE PESQUISA FUTUROS REFERÊNCIAS BIBLIOGRÁFICAS...50 A MODELAGEM DO SISTEMA...53 A.1 CASOS DE USO A.2 DIAGRAMA ENTIDADE-RELACIONAMENTO iii

5 LISTA DE ABREVIATURAS ASP Active Server Pages CSS Cascading Style Sheets DDL Data Definition Language ER Entidade-Relacionamento HTML HyperText Markup Language HTTP HyperText Transfer Protocol HTTPS HyperText Transfer Protocol Secure JDK Java Development Kit KDD Knowledge Discovery in Databases MD5 Message-Digest algorithm 5 PHP Hypertext Preprocessor SGBD Sistema de Gerenciamento de Banco de Dados SSL Secure Sockets Layer Protocol TCC Trabalho de Conclusão de Curso TI Tecnologia da Informação UML Unified Modeling Language UNIVALI Universidade do Vale do Itajaí URL Uniform Resource Locator WEKA Waikato Environment for Knowledge Analysis iv

6 LISTA DE FIGURAS Figura 1. Diagrama de como são obtidos os dados atualmente...2 Figura 2. Técnicas envolvidas na Mineração de Dados...10 Figura 3. Etapas para realização da Mineração de Dados...11 Figura 4. Arquivo ARFF...13 Figura 5. Tela Principal do Portal...21 Figura 6. Tela com resultados da pesquisa...22 Figura 7. Esboço do trabalho realizado atualmente...23 Figura 8. Esboço do funcionamento do sistema desenvolvido...24 Figura 9. Log de autenticação Figura 10. Exemplo de calendário...28 Figura 11. Tela principal do sistema...28 Figura 12. Tela cadastro de dados...29 Figura 13. Tela de geração dos relatórios...30 Figura 14. Tabela com gráfico...31 Figura 15. Cadastro de campanhas...32 Figura 16. Administração do Sistema...33 Figura 17. Acompanhamento do Serviço Social...34 Figura 18. Relatório do Serviço Social...34 Figura 19. Gráfico utilizado nos Relatórios...35 Figura 20. Gráfico Pizza...36 Figura 21. Gráfico comparativo...36 Figura 22. Tela Mineração de Dados...37 Figura 23. Arquivo ARFF gerado pelo Sistema...39 Figura 24. Fonte do arquivo md.php...41 Figura 25. Regras geradas...42 Figura 26. Diagrama de Casos de Uso...53 Figura 27. Tela de Login...54 Figura 28. Tela de Cadastro...55 Figura 29. Tela de Acompanhamento do Serviço Social...56 Figura 30. Tela de Relatórios...57 Figura 31. Tela de Alteração dos Dados Pessoais...58 Figura 32. Tela de Cadastro de Usuários do Sistema...59 Figura 33. Tela de Atendimento Psicológico...60 Figura 34. Tela de alteração e exclusão das informações...61 Figura 35. Tela de cadastro de campanhas...62 Figura 36. Diagrama Entidade-Relacionamento (ER)...64 v

7 LISTA DE TABELAS Tabela 1. Exemplo da utilização de tabulação cruzada...14 Tabela 2. Exemplo de histórico de vendas...15 Tabela 3. Conjunto de itens freqüentes Tabela 4. Conjunto de itens freqüentes Tabela 5. Conjunto de itens freqüentes Tabela 6. Atributos e Dados do arquivo ARFF...38 vi

8 LISTA DE EQUAÇÕES Equação Equação vii

9 RESUMO BAVARESCO, Maicon. Desenvolvimento do Sistema de Informação dando apoio ao Programa Sentinela. Itajaí, f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) Centro de Ciências Tecnológicas da Terra e do Mar, Universidade do Vale do Itajaí, Itajaí, O Programa Sentinela é um projeto do Governo Federal criado para atender crianças e adolescentes que tenham sofrido qualquer tipo de violência, fornecendo todo apoio a elas, bem como a suas famílias. Devido ao grande número de atendimentos realizados pela equipe de Assistentes Sociais e Psicólogos do município de Balneário Camboriú-SC, notou-se a necessidade de desenvolver um Sistema de Informação para auxiliar em todo o atendimento dado às crianças e adolescentes. Permitindo assim, a agilidade no processo de geração dos relatórios, que atualmente demanda muito tempo e não é inteiramente confiável, e conseqüentemente uma melhoria no atendimento prestado. Este Sistema de Informação foi desenvolvido para web na linguagem PHP, utilizando MySQL como Banco de Dados, observando os requisitos de segurança e garantindo o sigilo das informações. Também foram gerados gráficos pelo sistema para facilitar a visualização dos relatórios. Visando encontrar relações que aparentemente estão escondidas no Banco de Dados, foi utilizada a técnica de Mineração de Dados, mais precisamente a tarefa de Regras de Associação, com o auxílio da ferramenta Weka. Com o desenvolvimento do Sistema de Informação de apoio ao Programa Sentinela também será possível estabelecer campanhas mais adequadas, utilizando dados atualizados para tomada de decisões. Palavras-chave: Sistema de Informação. Mineração de Dados. Regras de Associação. viii

10 ABSTRACT The Sentinela Program is a project of the federal government created to serve children and adolescents who have suffered any kind of violence, providing all support to them as well as to their families. Due to the large number of services made by the team of psychologists and social assistants of Balneário Camboriú town, it was noted the need to develop an information system to assist in any care given to children and adolescents. Allowing so, the agility in the generation process of reports, that currently demands a lot of time and it is not entirely reliable, and therefore an improvement in the care provided. This information system was developed for the web in the PHP language, using MySQL as Database, observing the security requirements and guaranteeing the confidentiality of information. The graphics were generated by system to facilitate the viewing of the reports. To find relations that are apparently hidden in the Database, the technique of Data Mining will be used, more precisely the task of Rules of Association, with the aid of the tool Weka.. With the development of the information system to support the Sentinela Program will also be possible to establish more appropriate campaigns, using updated data for decision-making. Keywords: Information System. Data Mining. Rules of Association. ix

11 1 INTRODUÇÃO O Programa Sentinela, criado pelo Governo Federal, é um conjunto de ações sociais especializadas que funciona por intermédio de centros ou serviços de referência. Estes centros são bases físicas nos municípios e tem o objetivo de prestar atendimento social especializado às crianças, adolescentes, bem como suas famílias, envolvidas em casos de abuso e/ou exploração sexual. Nos locais onde funciona o programa, são executadas ações especializadas de atendimento e proteção imediata às crianças e aos adolescentes, tais como abordagem educativa, atendimento multiprofissional especializado, apoio psicossocial jurídico, acompanhamento permanente, abrigamento por 24 horas (quando for necessário), e oferta de retaguarda ao sistema de garantia de direitos. O Programa Sentinela é financiado com recursos dos Fundos de Assistência Social (FNAS), repasses do Governo Federal, aporte de recursos dos Governos Estaduais e Municipais, podendo existir também recursos captados junto a iniciativa privada e sociedade em geral. O Programa foi criado para atender a determinação da Constituição Federal, do Estatuto da Criança e do Adolescente, da Lei Orgânica de Assistência Social e faz parte do Plano Nacional de enfrentamento à violência sexual contra crianças e adolescentes. O Sentinela é a única alternativa do Governo Federal para atender crianças e suas famílias envolvidas em situação de violência ou exploração sexual. Apesar de estar presente em diversos municípios pelo Brasil, não foi encontrado nenhum sinal de que exista algum sistema para auxiliar no trabalho executado pelo Programa Sentinela. Um sistema de Informação pode auxiliar muito no trabalho realizado pelo Programa Sentinela, facilitando os cadastros, atendimentos e principalmente agilizando a geração de relatórios, podendo também gerar gráficos instantaneamente. Outras funcionalidades, como a Mineração de Dados, podem ser utilizadas, permitindo um melhor aproveitamento das informações gravadas no Banco de Dados.

12 1.1 PROBLEMATIZAÇÃO Formulação do Problema De acordo com o Diário Catarinense (2005 apud Ministério Público do Estado de Santa Catarina, 2005), em 2005 o Programa Sentinela estava presente em 32 municípios do Estado de Santa Catarina. Entre estes municípios encontra-se Balneário Camboriú SC, com o programa funcionando desde Desde sua criação já foram atendidos aproximadamente 500 casos, isso representa uma média de quase 100 casos atendidos por ano. Até os dias de hoje, todo o processo de cadastro é feito manualmente, necessitando dias de trabalho quando se deseja gerar relatórios e gráficos comparativos. Para geração dos relatórios e gráficos, primeiramente são coletadas as informações de interesse, contidas nos formulários de papel, para posteriormente utilizar uma planilha e gerar gráficos. A Figura 1 ilustra como são obtidos os relatórios atualmente, mostrando que é necessário verificar todos os cadastros existentes e para cada um, somar a respectiva célula a que este pertence, para somente depois passar esses dados para uma planilha no Microsoft Excel e criar gráficos. Isso torna todo o processo passível de falha humana. Figura 1. Diagrama de como são obtidos os dados atualmente Por ser uma tarefa executada somente pela equipe do Sentinela, ou seja, sem o uso da TI (Tecnologia da Informação), o resultado final pode conter erros, que, se não forem notados, podem prejudicar futuras tomadas de decisões. Para reduzir o risco da ocorrência de erros, após ser finalizada a contagem, são conferidas todas as informações novamente, prolongando ainda mais a geração do relatório. 2

13 A geração de relatório é feita semestralmente, a pedido do Governo Federal. Caso o relatório semestral não seja enviado para Brasília pela instituição onde funciona o Sentinela, esta deixa de receber recursos. Devido ao grande número de formulários existentes, o trabalho da contagem das informações pode ocasionar um atraso para entrega destes relatórios. Segundo o psicólogo Sidinei Manthey, o último relatório gerado, em julho de 2007, levou cerca de 14 dias, com 4 profissionais trabalhando. Considerando o histórico de atendimentos no município desde a sua criação, a cada semestre são incluídos nos relatórios aproximadamente 50 casos. Atualmente quando se deseja promover uma campanha de combate a algum tipo de violência, não se tem as informações atualizadas de números de casos de determinado tipo de violência para cada localidade. As informações mais atualizadas são sempre do último relatório semestral, ou seja, as campanhas podem ser baseadas em informações de até seis meses atrás. No sistema atual, é inviável gerar mais que um relatório por semestre, pois isto requer vários profissionais trabalhando diretamente na contagem dos dados, por isso só é gerado um relatório a cada semestre, que é aquele requisitado pelo Governo Federal. Assim, recursos podem estar sendo gastos em campanhas sem haver necessidade para determinadas localidades. Neste contexto surge a questão: como reduzir mão-de-obra e custos ao mesmo tempo em que são atendidas as exigências do programa do Governo Federal e ainda poder contar com dados confiáveis e atualizados? Solução Proposta Pretende-se com esse projeto, desenvolver uma solução, a ser utilizada pela base instalada no município de Balneário Camboriú SC, que auxilie no atendimento das crianças e adolescentes e que apresente resultados mais rápidos e principalmente sem erros, facilitando a identificação do problema. Além dos relatórios já existentes (que fazem uso de tabulação cruzada), também são propostos novos formatos de relatórios. Adicionalmente, será utilizada a técnica de Mineração de Dados que possibilitará um maior aproveitamento das informações contidas nas informações coletadas pela instituição. Permitirá a geração de relatório a qualquer momento, instantaneamente, não precisando mais ocupar vários profissionais por diversos dias, nos momentos em que poderiam estar prestando atendimento às crianças, para realizar a contagem dos dados. Apenas um usuário será necessário 3

14 para gerar o relatório. Desta forma ganha-se mais tempo para atendimento e conseqüentemente qualidade no serviço prestado. O sistema ainda permitirá que campanhas de combate a violência, abuso sexual, exploração sexual, etc., possam ser aproveitadas da melhor forma possível, sendo identificadas as localidades onde há grande número de incidência, garantindo uma tomada de decisão eficaz. Desta forma poderão ser organizados trabalhos com campanhas específicas para determinada localidade, podendo posteriormente ser acompanhada a evolução do número de casos para ter um retorno da eficiência do trabalho feito. Informações como número de casos conhecidos em cada localidade permite, além das tomadas de decisões já mencionadas, a possibilidade de conseguir recursos financeiros com empresas interessadas em ajudar e clubes de serviços, que quando provada a necessidade, estão dispostos a ajudar a comunidade. O sistema foi desenvolvido para web, com acesso restrito, utilizando a linguagem PHP (Hypertext Preprocessor) juntamente com o Banco de Dados MySQL. Utilizando também a ferramenta de Mineração de Dados Weka. Para garantir maior segurança das informações, foram definidos alguns requisitos de configuração para o servidor que deverá hospedar o sistema. 1.2 OBJETIVOS Objetivo Geral O objetivo geral deste projeto é o desenvolvimento de um Sistema de Informação de apoio ao trabalho feito pelo Programa Sentinela, que funciona através da Secretaria do Desenvolvimento Social de Balneário Camboriú - SC. Esse sistema estará disponível na internet e permitirá o cadastro de crianças e adolescentes e geração de relatórios e gráficos. Além dos relatórios já utilizados, também é proposto novos formatos de relatórios, e através da Mineração de Dados, poder encontrar algo útil e possivelmente inesperado nos dados Objetivos Específicos 1. Analisar Sistemas de Informação similares; 2. Determinar os requisitos do sistema; 3. Selecionar tipos de gráficos a serem utilizados pelo sistema; 4

15 4. Modelar o sistema; 5. Implementar o sistema; 6. Implementar módulo de Mineração de Dados; 7. Testar e validar a implementação do sistema; e 8. Documentação do desenvolvimento e resultados. 1.3 Metodologia Este TCC consiste no desenvolvimento de um sistema de informação que dará apoio ao Programa Sentinela. A execução desde projeto foi dividida em etapas. Sendo que a primeira e segunda etapa foram realizadas durante o TCC I. Na primeira etapa foi realizado um estudo das teorias necessárias para o entendimento e posterior implementação do sistema de informação. Durante este estudo também foram pesquisados sistemas similares ao proposto. Durante a segunda etapa foi feita toda a análise do sistema do sistema, descrevendo todos os casos de uso, utilizando a notação UML (Unified Modeling Language). A terceira etapa, do Projeto, foi a responsável pela codificação dos resultados obtidos nas etapas anteriores em um sistema de informação, ou seja, o sistema propriamente dito. 1.4 Estrutura do trabalho Este trabalho está dividido em cinco capítulos, sendo: Introdução, Fundamentação Teórica, Projeto, Conclusões e Trabalhos Futuros. Na Introdução é apresentada uma descrição do funcionamento do Programa Sentinela, os problemas relacionados, a forma como são gerados os relatórios, os objetivos a serem alcançados com este projeto e com isso é proposta uma solução que contemple suas necessidades. No Capítulo 2, Fundamentação Teórica, é realizado um estudo aprofundado dos temas que serão utilizados durante o trabalho. Iniciando com o conceito Sistemas de Informação, seguido da explicação de Mineração de Dados, apresentação do software Weka, exemplificação da utilização 5

16 de Regras de Associação, mais especificamente do algoritmo APriori.. Por fim é apresentado um Sistema de Informação similar ao proposto, com algumas de suas características. No terceiro Capítulo, denominado Projeto, são apresentados os requisitos do sistema, as tecnologias utilizadas, explicações referente a implementação, breves descrições do funcionamento do sistema desenvolvido e a realização dos testes e validação do sistema. No quarto capítulo, encontra-se a conclusão do trabalho, com objetivos alcançados e também não alcançados, e as expectativas quanto a uso do sistema. No último capítulo, Trabalhos Futuros, são listadas algumas sugestões de implementação e pesquisa, que surgiram durante o desenvolvimento, para melhoria do sistema. 6

17 2 FUNDAMENTAÇÃO TEÓRICA O Sistema de Informação será desenvolvido voltado para Web na linguagem PHP, tendo o MySQL como Banco de Dados. PHP e MySQL foram definidos por serem tecnologias populares, com grande número de usuários e pela quantidade de referencial teórico disponível na internet, tornando mais fácil de encontrar profissionais capacitados para futuras alterações no sistema. Juntamente com o sistema será possível efetuar a Mineração de Dados, esta que por sua vez será executada utilizando uma integração do sistema desenvolvido com o software Weka, visando encontrar informações aparentemente desconhecidas através da tarefa de Regras de Associação. Este projeto requer o conhecimento de alguns conceitos, que serão fundamentais para compreensão e posteriormente para a implementação do sistema. Abaixo estão descritos os conceitos considerados mais relevantes. 2.1 PROJETOS SOCIAIS Projetos sociais, como o Sentinela, nascem do desejo de mudar uma realidade, eles acabam sendo a ponte entre o desejo e a realidade. São ações de um grupo ou organização, que partem da reflexão e do diagnóstico sobre uma determinada problemática, contribuindo para contornar os problemas da sociedade. Stephanou, Müller e Carvalho (2003) definem projetos sociais como formas de organizar ações para transformar determinada realidade social ou alguma instituição. No Brasil, devido a má distribuição de renda, existe muita miséria, e são nessas famílias que se encontram a grande maioria dos problemas sociais. As crianças já nascem em meio ao tráfico, convivem diariamente com a violência, prostituição e uso de drogas. Sem a intervenção de programas sociais, é quase impossível mudar o futuro dessas crianças. Através de programas específicos pode-se reduzir a violência que encontramos em vários lugares, realizando trabalhos com crianças e adolescentes, mostrando a importância da educação para conquistar um emprego e uma vida melhor. Desta forma, a longo prazo, poderão ser reduzidas as violências, consumos de drogas, etc. conseqüentemente haverá um melhor lugar para todos viverem.

18 Esses projetos são de grande relevância social, pois na ausência deles muitas pessoas não teriam a quem recorrer, poderia agravar ainda mais os problemas encontrados na sociedade. É através desses projetos que muitas pessoas ainda conseguem sonhar e ter a esperança de um futuro melhor. 2.2 SISTEMAS DE INFORMAÇÃO Sistemas de Informação é um conjunto de componentes que se relacionam para alcançar as metas e produzir os resultados. Existem para atender as necessidades sociais, podendo melhorar a análise da informação e tomada de decisões, reduzir o desperdício de papel, estabelecer fluxos de trabalho, reduzir mão-de-obra humana, etc., estruturando o trabalho de forma a promover as melhores práticas. Segundo Orlandini (2005), um dos grandes desafios dos Sistemas de Informação é assegurar a qualidade e agilidade da informação. Para este projeto, além de qualidade e agilidade, também é fundamental o sigilo dos dados, por se tratar de informações confidenciais de menores de idade, e devido ao fato de ser um Sistema de Informação para Web, deverá ser dada uma atenção especial para a segurança no acesso. Para garantir esta segurança, o acesso utilizará SSL (Secure Sockets Layer) que é um padrão de comunicação utilizado para permitir a transferência segura de informações através da internet. Seu funcionamento é encriptar ao enviar os dados através da internet, impedindo a interceptação por terceiros, mas caso ainda assim essas informações sejam interceptadas, como estão encriptadas, não poderão ser lidas. De acordo com Schmitt e Schmitt (2007), Sistema de Informação baseado na web, difere do sistema tradicional para desktop, basicamente pela maneira como ele é desenvolvido, pela forma como é utilizado, e na maneira como é administrado. No desenvolvimento de um Sistema de Informação voltado para web, podemos, por exemplo, utilizar as linguagens PHP, ASP, Java, HTML, entre outras, juntamente com um SGBD (Sistema de Gerenciamento de Banco de Dados), permitindo que os dados sejam organizados da melhor maneira possível. MySQL e postgresql são alguns exemplos de SGBD utilizados na Web, ambos são bastante utilizados tanto por profissionais quanto por iniciantes, devido ao grande número de referencial teórico. 8

19 São várias as vantagens em se utilizar a Web para rodar um Sistema de Informação, entre elas está a portabilidade, que permite que o sistema seja acessado independente do Sistema Operacional utilizado, outra é a possibilidade de acessar o sistema de qualquer lugar do mundo e a existência de diversas tecnologias gratuitas, como é o caso do PHP e MySQL, ambos escolhidos para este projeto. 2.3 MINERAÇÃO DE DADOS Carvalho (2001) define Mineração de Dados como um conjunto de técnicas reunidas com o objetivo de descobrir conhecimento novo em grandes massas de dados, através de informações que, aparentemente, estão escondidas. Com a utilização dessa técnica as tomadas de decisões se tornam mais ágeis. A Mineração de Dados é descendente de 3 técnicas: a primeira é a estatística, que é a mais antiga e fundamental, visto que o Data Mining é construído baseado em técnicas estatísticas. A segunda é a Inteligência Artificial, que é construída a partir dos fundamentos da heurística, tenta imitar o pensamento do homem na resolução de problemas estatísticos. Em terceiro está a união de estatística e Inteligência Artificial, formando a aprendizagem de máquina. Utilizando essas técnicas juntas, é possível estudar os dados e achar tendências e padrões nos mesmos. Para Coutinho (2003) Mineração de Dados pode ser definida como: [...] o processo de extrair informação válida, previamente desconhecida e de máxima abrangência a partir de grandes bases de dados, usando-as para efetuar decisões cruciais. O DM vai muito além da simples consulta a um banco de dados, no sentido de que permite aos usuários explorar e inferir informação útil a partir dos dados, descobrindo relacionamentos escondidos no banco de dados. Pode ser considerada uma forma de descobrimento de conhecimento em bancos de dados (KDD - Knowledge Discovery in Databases), área de pesquisa de bastante evidência no momento, envolvendo Inteligência Artificial e Banco de Dados. A execução da etapa de Mineração de Dados compreende a aplicação de algoritmos sobre os dados procurando abstrair conhecimento (GOLDSCHMIDT; PASSOS, 2005, p. 52). Esta etapa é responsável pela seleção dos métodos a serem utilizados para localizar padrões nos dados, para isso utiliza-se técnicas e algoritmos de diferentes áreas do conhecimento, principalmente inteligência artificial, banco de dados e estatística. 9

20 De acordo com Viana (2004), a Mineração de Dados é uma área extensa, interdisciplinar e envolve o estudo de diversas técnicas. A Figura 2 apresenta as técnicas que estão envolvidas com a Mineração de Dados. Figura 2. Técnicas envolvidas na Mineração de Dados Fonte: Viana (2004). Ferramentas de Mineração de Dados auxiliam no processo de localização de conhecimentos com que a organização pode desenvolver estratégias para atrair os clientes e aumentar sua satisfação, podendo ainda descobrir novos fatores que contribuam no aumento de seus lucros (SAMPAIO, 2001). Os métodos utilizados na Mineração de Dados são divididos em duas categorias: aprendizagem supervisionada e aprendizagem não-supervisionada. A aprendizagem supervisionada busca previsões ou tendências, obtendo informações não disponíveis a partir dos dados disponíveis. Classificação e Seleção são exemplos de métodos da aprendizagem supervisionada. Enquanto que a aprendizagem não-supervisionada obtém conhecimento baseando-se em observações e descobertas, como é o caso das Regras de Associação e Agrupamento. A Mineração de Dados é uma parte do KDD, este que consiste, fundamentalmente: na estruturação do banco de dados; na seleção, preparação e pré-processamento dos dados; na transformação, adequação e redução da dimensionalidade dos dados; no processo de Mineração de Dados; e 10

21 nas análises, assimilações, interpretações e uso do conhecimento extraído do banco de dados, através do processo de Mineração de Dados. Como pode ser visto na Figura 3, a partir das fontes de dados, efetua-se uma limpeza para gerar dados consistentes. Com isso nascem os Data Marts e Data Warehouses. A partir deles podese selecionar algumas colunas para realizar o processo de mineração. É importante lembrar que Mineração de Dados não depende de Data Warehouse, mas obtêm-se melhores resultados quando aplicados em conjunto. Figura 3. Etapas para realização da Mineração de Dados Fonte: Navega (2002). É importante ressaltar que a Mineração de Dados não é o final da atividade de descoberta de conhecimentos, pois é imprescindível dispor de analistas capacitados que saibam interagir com os sistemas de forma a conduzi-los para uma extração de padrões úteis e relevantes. 11

22 2.3.1 Weka O Weka é uma ferramenta de KDD que contempla uma série de algoritmos de preparação de dados, Mineração de Dados e validação de resultados. Foi desenvolvido na Universidade de Waikato, na Nova Zelândia, sendo código aberto e implementado na linguagem Java, desta forma pode rodar nas mais variadas plataformas e aproveitando os benefícios de uma linguagem orientada a objetos como modularidade, polimorfismo, encapsulamento, reutilização de código dentre outros, tornando assim, uma das ferramentas mais populares entre a comunidade de Mineração de Dados O Weka tem por objetivo reunir as implementações dos algoritmos de mineração, dentre ele está o algoritmo APriori, que é utilizado para descoberta de Regras de Associação. Uma limitação da ferramenta é a sua escalabilidade, uma vez que as versões atuais limitam o volume de dados a ser manipulado conforme a quantidade de memória principal, mas mesmo assim ainda é possível minerar bases de dados relevantes. Com a linguagem Java é possível criar aplicativos que se utilizem das classes do Weka para realizar a Mineração de Dados. Também é possível que sistemas desenvolvidos em PHP possam se integrar com sistemas desenvolvidos em Java, ou seja, é possível então utilizar as classes (Java) do software Weka dentro do sistema desenvolvido em PHP. Componentes do Weka têm sido utilizados em um considerável número de projetos. Podemos observar alguns destes projetos a seguir. Segundo o trabalho Descoberta de Conhecimento em Base de Imagens Mamográficas, de Corrêa e Schiabel (2004), foi utilizado o software Weka para a geração de Regras de Associação através do algoritmo APriori. Como resultado foi revelado a importância de uma consulta minuciosa das pacientes com o médico. Em outro trabalho realizado, denominado Busca de Regras para Previsão de Tempestades Geomagnéticas Utilizando Técnica de Mineração de Dados, de Muralikrishna et al. (2005), o software Weka foi utilizado para criação de árvore de decisão, através do algoritmo J48. Mas devido a pequena quantidade de dados analisados, não foi possível descobrir regras confiáveis. Para encontrar regras confiáveis, seriam necessários diferentes atributos e um maior volume de dados. Em ambos os trabalhos apresentados, o intermediário entre a aplicação e o Weka foi o arquivo no formato ARFF, que é o padrão utilizado pelo Weka, ou seja, o arquivo ARFF foi gerado 12

23 pela aplicação e posteriormente importado pelo Weka para realizar a tarefa de Mineração de Dados. O formato ARFF pode ser observado na Figura 4. Figura 4. Arquivo ARFF Neste formato a indica o nome do conjunto de indica as informações dos atributos e seus respectivos tipos indica as linhas do conjunto de dados Regras de Associação A tarefa da Mineração de Dados adotada nesse projeto é a Associação. Talvez o exemplo mais conhecido de utilização desta tarefa seja a descoberta de associações entre fraldas e cervejas, em que uma grande rede de supermercados norte-americana descobriu que muitos clientes que compravam fraldas também compravam cerveja nas vésperas dos finais de semana. Analisando o caso, descobriram que estes clientes eram homens que compravam cerveja para acompanhar os jogos pela televisão enquanto cuidavam de seus filhos. Com isso a rede de supermercados organizou a gôndola de fraldas próxima a gôndola de cervejas, aumentando assim a quantidade de vendas desses produtos. Segundo Goldschmidt e Passos (2005), Regra de Associação é uma tarefa que intuitivamente consiste em encontrar conjuntos de itens que ocorram simultaneamente e de forma freqüente em um Banco de Dados. Essa tarefa foi definida, pois a utilização da tabulação cruzada busca identificar itens que ocorrem simultaneamente, sendo assim, ao invés do especialista levantar possíveis itens que estejam relacionados, a utilização de Regras de Associação fará isso de forma automática. Com capacidade de extrair informações implícitas, auxiliando nas tomadas de decisões. 13