ADM041 / EPR806 Sistemas de Informação

Transcrição

1 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 cenários, simulação, otimização, análise de sensibilidade ( seentão ); Orientados por dados: Análise de grande volume de dados (OLAP, ), busca associações, seqüências de eventos, classificação (aglomeração), prognósticos. 1

2 Sistemas de Apoio à Decisão (SAD) Tipos de SAD Exemplo de SAD orientados por modelos: Gerenciamento de Tripulação (Air Canada); Pacote: Altitude PBS Sistema de Alocação Preferencial Planejar, programar e gerenciar sua força de trabalho. O sistema tem três componentes: Interface com o usuário; Interface para programação; Otimizador. O sistema aplica modelos matemáticos para gerar programações de vôo otimizadas que atendas às necessidades de gerenciamento da empresa, às normas e regulamentação do setor e do governo e as necessidades pessoais das tripulações. Sistemas de Apoio à Decisão (SAD) Tipos de SAD Exemplo de SAD orientados por dados: Comportamento de Clientes (Bank of America); Dados extraídos do banco de dados foram analisados pelo para descobrir padrões ocultos. Descobriu, por exemplo, que um certo conjunto de clientes era 15 vezes mais inclinado a comprar um produto de empréstimo de alta margem de lucro; O Banco também desejava determinar a seqüência de eventos que levavam à compra; Foi preparada uma lista final de clientes eventuais qualificados; As taxas de resposta do marketing direto resultante excederam em muito os resultados passados. 2

3 Sistemas Apoio à Decisão (Orientado a Modelo) Modelo Conceito de Modelo Modelo é uma abstração (representação) da realidade; O modelo busca selecionar as informações relevantes do problema; SITUAÇÃO REAL Informações MODELO Informações Informações relevantes 3

4 Exemplos de Modelo Modelos estatísticos; Modelos de otimização; Modelos de previsão; Modelos de análise de sensibilidade; Modelos de simulação; Etc. A seguir serão detalhados alguns desses modelos. Modelos de Otimização Determinam a alocação ideal de recursos para maximiza ou minimizar variáveis específicas, tais como custo, tempo, lucro, etc.; Exemplos clássicos: Determinação do mix de produção; Mistura; Corte; Carteira de investimentos; Etc. 4

5 Modelos de Simulação Esta técnica é utilizada em casos onde os modelos ou problemas são muito complexos para uma análise matemática formal; Metodologia do estudo de simulação: Exemplos de SAD Orientado a Modelo Exemplo de Software de Simulação ProModel 5

6 Exemplos de SAD Orientado a Modelo Sistemas de Informação Geográficas Fundamentos Sistema de apoio à decisão que envolve a integração de dados espacialmente referenciados, em um ambiente para resolução de problemas; Analisa e exibe dados para planejamento e tomada de decisões usando mapas digitalizados. Exemplos de SAD Orientado a Modelo Sistemas de Informação Geográficas - Exemplos Rota para Ônibus Escolares 6

7 Exemplos de SAD Orientado a Modelo Sistemas de Informação Geográficas - Exemplos Atendimento Emergência Médica Exemplos de SAD Orientado a Modelo Sistemas de Informação Geográficas - Exemplos Melhor rota de resposta para uma chamada emergencial 7

8 Exemplos de SAD Orientado a Modelo Sistemas de Informação Geográficas - Exemplos Ocorrências policiais Sistemas Apoio à Decisão (Orientado a Dados) 8

9 Introdução Bancos de dados são responsáveis por armazenar e recuperar dados de forma eficiente; Os bancos de dados, quando bem projetados, permitem a extração de diversas informações; Algumas destas informações podem ser obtidas através da execução de consultas (relatórios), em que o desenvolvedor (ou usuário) cria suas próprias hipóteses, gerando uma série de relatórios gerenciais.; Um relatório deste tipo informaria, por exemplo, os produtos mais vendidos durante o período de um mês. Introdução Entretanto, nestes dados armazenados sobre as transações existe muito mais informações do que se percebe em um primeiro momento. Estas informações normalmente ficam ocultas devido ao volume de dados disponível. Na busca destas informações ocultas pode-se querer, por exemplo: Identificar produtos que são comprados em conjunto pelos clientes; Identificar os perfis de clientes a partir dos produtos adquiridos por eles. Estes tipos de demandas não podem ser compreendidos como simples consultas (relatórios). Assim, é necessário recorrer a outras ferramentas de análise. 9

10 Definição, ou mineração de dados, corresponde à extração automática ou semiautomática de padrões ou modelos a partir dos dados armazenados em uma base de dados; Padrão é um evento, ou conjunto de eventos, que ocorre com uma certa frequência na base de dados; Modelo corresponde à estrutura que descreve, de forma resumida, estes dados. Objetivo Encontrar relações entre os dados que ainda não sejam conhecidas. É importante mencionar que a mineração de dados não precisa ser aplicada apenas a grandes bases de dados, sendo também possível obter conhecimento valioso a partir de bases de dados modestas. 10

11 Sistemas Apoio à Decisão (Orientado a Dados) (Associação e Classificação) Associação Estuda um padrão de relacionamento entre itens de dados; Uma de suas típicas aplicações é a análise de transações de compras; Processo que examina padrões de compras de consumidores para determinar produtos que costumam ser adquiridos em conjunto; Os resultados desta análise podem ser úteis na elaboração de catálogos e layout de prateleiras de modo que produtos a serem adquiridos na mesma compra fiquem próximos um do outro. Essa tarefa é considerada descritiva, ou seja, ela é usada para identificar padrões em dados históricos. 11

12 Associação Funcionamento Genericamente, uma regra de associação é representada pela notação X Y (X implica em Y), onde X e Y são conjuntos de itens distintos; O objetivo desta técnica é representar, com determinado grau de certeza, uma relação existente entre o antecedente (X) e o consequente (Y) de uma regra de associação; O grau de certeza entre a implicação é avaliada por dois fatores: suporte e confiança. Associação Funcionamento (continuação) O suporte de uma regra de associação representa o percentual das transações em que tal regra aparece; Considere o seguinte exemplo: 12

13 Associação Funcionamento (continuação) Considere a regra de associação café leite: Os itens café e leite aparecem juntos em 60% das transações (transações 1, 3, 4, 6, 8 e 10); A regra de associação café leite possui 60% de suporte. Considere a regra de associação biscoito vinho: A regra de associação biscoito vinho possui 20% de suporte. Quando o suporte for baixo, a regra pode não ser relevante uma vez que aparece apenas em uma pequena parte das transações. Associação Funcionamento (continuação) A confiança, ao invés de considerar todas as transações, trabalha apenas com as transações que possuem o antecedente da regra. A confiança é calculada dividindo-se o número de vezes em que o conseqüente da regra aparece pela quantidade dessas transações. 13

14 Associação Funcionamento (continuação) Considere a regra de associação café leite: O item café aparece seis vezes na base de dados de transação (transações 1, 3, 4, 6, 8 e 10); Em todas as compras de café, há a compra de leite; A regra de associação café leite possui 100% de confiança. Associação Funcionamento (continuação) Considere a regra de associação biscoito vinho: O item biscoito aparece quatro vezes na base de dados de transação (transações 4, 5, 7 e 10); Em duas compras de biscoito, há a compra de vinho; A regra de associação biscoito vinho possui 50% de confiança. 14

15 Associação Observações Um algoritmo de extração de regras de associação deve gerar regras que possuam suporte e confiança especificados pelo usuário; Dependendo do tamanho da base de dados e dos fatores de suporte e confiança, inúmeras regras são geradas; Essas regras devem ser avaliadas pelo usuário especialista, para que somente as mais relevantes possam ser utilizadas na tomada de decisão. Associação Observações (continuação) As regras podem ser compostas por um ou mais itens. Exemplo: 15

16 Classificação Corresponde à descoberta de um conjunto de regras de decisão que permitem classificar novas instâncias a partir de modelos obtidos dos dados já existentes; Ou seja, o objetivo é a construção de modelos que permitam o agrupamento de dados em classes; A principal técnica utilizada para a tarefa de classificação é a árvore de classificação (classification tree); Essa tarefa é considerada preditiva, pois uma vez que as classes são definidas, o decisor pode prever a classe de um novo dado. Classificação Exemplo: Uma população pode ser dividida em categorias para avaliação de concessão de crédito com base em um histórico de transações de créditos anteriores; Em seguida, uma nova pessoa pode ser enquadrada em uma categoria de crédito específica, de acordo com suas características. 16

17 Classificação Funcionamento Dois tipos de atributos devem ser utilizados: preditivos e objetivos; Atributos preditivos: os valores influenciam no processo de determinação da classe; Atributos objetivos: indicam a classe a qual o objeto pertence. Assim, a classificação visa descobrir algum tipo de relacionamento entre os atributos preditivos e objetivos. Classificação Funcionamento (continuação) Exemplo: Imagine uma aplicação que analisa dados de clientes, visando a aprovação ou não de crédito para empréstimo pessoal; Neste banco de dados, existem pessoas adimplentes e inadimplentes (atributo objetivo); Clientes adimplentes: resultado = sim; Clientes inadimplentes: resultado = não. 17

18 Classificação Funcionamento (continuação) Exemplo: Para poder preencher esse campo, serão consideradas as características dos clientes (atributos preditivos) existentes no banco: cargo e tempo; Um modelo é construído com base em um algoritmo de classificação. Classificação Funcionamento (continuação) Exemplo: Em seguida, o algoritmo de classificação gera como saída um modelo baseado numa árvore de classificação. A árvore de classificação tem esse nome por se tratar, de fato, de uma árvore de decisão um formato comum de representação de modelos SE-ENTÃO. Cada caminho possível em uma árvore de decisão é chamado de regra de decisão (decision rule). 18

19 Classificação Funcionamento (continuação) Exemplo: O modelo gerado é utilizado para classificação. Depois disso, é realizado um teste de acurácia e se esta for aceitável, as regras poderão ser utilizadas para a classificação de novos casos. Sistemas Apoio ao Executivo 19

20 Revisão Tipos de Sistemas de Informação Sistemas de apoio ao executivo (SAE); Sistemas de apoio à decisão (SAD); Sistemas de informações gerenciais (SIG); Sistemas de processamento de transações (SPT). SAE SIG e SAD SPT Sistemas de apoio ao executivo (SAE) Atende a gerência sênior; Ajudam a tomar decisões onde não existe um procedimento predefinido. Proporcionam alta capacidade de computadores e comunicação que pode ser aplicada a um conjunto de problemas em constante alteração; Muitas vezes, as informação são disponibilizadas por meio de um portal, que usa a interface Web para apresentar conteúdo empresarial personalizado e integrado. 20