EXPLORAÇÃO DE DATA WAREHOUSE:                                 MINERAÇÃO DE DADOS OU OLAP                                 K...
1 INTRODUÇÂO         Com a globalização, o crescimento, o desenvolvimento e a expansão dasempresas num espaço físico, oper...
estimativa, previsão, agrupamento por afinidade, reunião e descrição, estes sãodenominados hipotéticos, com a idéia de pro...
Todas as linhas acima podem ser condensadas com a seguinte descriçãosobre a mineração de dados, que o Data Mining e o proc...
As consultas OLPA podem acessar banco de dados com múltiplos gigabytes,posteriormente refinar suas consultas e analisar co...
4   REFERÊNCIAS BIBLIOGRÁFICASCARVALHO, Luís Alfredo Vidal de. Dataming: a mineração de dados nomarketing, medicina, econo...
Upcoming SlideShare
Loading in …5
×

Exploracao datawarehouse mineracao_de_dados_ou_olap

472 views

Published on

Artigo cientifico

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
472
On SlideShare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
18
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Exploracao datawarehouse mineracao_de_dados_ou_olap

  1. 1. EXPLORAÇÃO DE DATA WAREHOUSE: MINERAÇÃO DE DADOS OU OLAP Klayton Rodrigo Alves 1114050@facsumare.com.br klayton.alves@hotmail.com RESUMO Em meio às dificuldades de se trabalhar analise em Data Warehousecorporativo, e as necessidades de se utilizar o mesmo em diversos campos deatuação, sejam para projetar consultas, gerar relatórios, analisar as informações ouprevias futuros mercados, obtidos na mineração de dados, ou usandoprocessamento analítico on-line (OLAP) e respondendo a questionamentostipicamente dimensionais para suporte a Decisão Gerencial (SAD), este artigoobjetiva apresentar o trabalho de mineração de dados com características detecnologia OLAP, ou seja, analisar os dados de forma multidimensional.Palavra Chave: Data Mining, OLAP, Data Warehouse. ABSTRACT Amid the difficulties of working in analyzing corporate data warehouse, andneeds to use it in various fields, are to design queries, generate reports, analyzeinformation and predict future markets, obtained in data mining, or using onlineanalytical processing (OLAP) and responding to questions typically designed towithstand Decision Management (SAD), this article presents the work of data miningwith OLAP technology features, ie, analyze the data in a multidimensional way.Keywords: Data Mining, OLAP, Data Warehouse.
  2. 2. 1 INTRODUÇÂO Com a globalização, o crescimento, o desenvolvimento e a expansão dasempresas num espaço físico, operacional e gerencial, o avanço tecnológico trouxeuma aproximação dos quatro pontos terrestres gerando dados das mais diversasáreas. Com o armazenamento destes dados, tornou-se difícil gerir as informaçõesaglomeradas no decorrer de alguns anos em Data Warehouse e Data Mart’s, queforam desenvolvidos com finalidades idênticas, ou seja, agregar dados, porém comcaracterísticas diferentes. Este breve texto pretende demonstrar o tratamento das informações com amineração de dados e OLAP, possibilitando uma melhora na estrutura necessáriapara transformar um conjunto de dados em informações relevantes, como tambémpara reconhecer nichos específicos de mercado para atuação.2 CRESCIMENTO DA INFORMAÇÃO E MÉTODOS DE ANALISE As necessidades de se aglomerar os dados em um ponto central, como DataWarehouse, ou fazer com que existam diversos pontos para armazenagem, comoData Mart’s que são espalhados em diferentes pontos, tem grande importância paraas empresas que valorizam e investem nas futuras tendências, portanto procurampelo conhecimento independente de onde estejam, mas principalmente pelasinformações que agregaram no decorrer do tempo. Trabalhar as informações agregadas com mineração de dados e a tecnologiaOLAP (On-line Analitic Processing) que são apresentadas para responder consultasmultidimensionais, ambas são utilizadas para produzir o conhecimento necessáriopara a análise do negócio, onde os dados não correspondem diretamente asinformações necessitando de um tratamento, este conhecimento implícito contido noarmazenamento das informações podem aprimorar o negócio. Para a produção do conhecimento e a delimitação das analises convenciona-se a mineração de dados (Data Mining), que utiliza métodos de classificação, 2
  3. 3. estimativa, previsão, agrupamento por afinidade, reunião e descrição, estes sãodenominados hipotéticos, com a idéia de propor descobrir tendências e padrões, e aOLAP utiliza métodos como agregação, alocação, razões, produtos e outros, que sepropõem a responder analises on-line, denominadas analises comparativas. 2.1 Gerando as riquezas O Data Warehouse fornece memórias a empresa, porém a memória tempouco uso sem a inteligência. “Data Warehouse é um conjunto de dados baseados em assuntos,integrados, não volátil e variável em relação ao tempo, de apoio a decisõesgerenciais.” (HARISON, 1998) Este é um repositório de dados para dar suporte às decisões gerenciaisnormalmente constituídos por alguns Data Mart’s que são moldados por estruturasgranulares pertencentes a departamentos específicos, e armazenagem Near-Lineque contem riquezas detalhadas sobre dados históricos. As informações dos sistemas são armazenadas em um Data Warehouse, ouem um conjunto de Data Mat’s. Os Data Mat’s são sub-conjuntos de um Data Warehouse, normalmentedistribuídos por setores, como Marketing, Financeiro e outros. 2.2 Trabalhando as riquezas A inteligência (Data Mining) nos permite a analise da nossa memória,observando modelos estabelecendo mecanismos e tendo novas idéias para fazerprevisões sobre o futuro. HARISON (1998) define como “Data Mining a exploração e analise, por meiosautomáticos ou semi-automáticos, de grande quantidade de dados para descobrirmodelos e regras significativas.” CARVALHO, (2001) complementa com o seguinte, “Data Mining e o uso detécnicas de exploração de grande quantidade de dados de forma a descobrir novospadrões e relação que, devido ao volume de dados, não seriam descobertos a olhonu pelo ser humano.” 3
  4. 4. Todas as linhas acima podem ser condensadas com a seguinte descriçãosobre a mineração de dados, que o Data Mining e o processo de se encontrarpadrões, associações e relacionamentos a partir de dados, transformando os eminformações úteis para analise. A OLAP proporciona condições de análise de dados on-line necessárias pararesponder as possíveis torrentes de perguntas dos executivos que se situam seentre a massa de dados e a interface, que permite ao usuário formular consultas abanco de dados, sem precisar interagir com linguagem de programação de banco dedados SQL. 2.3 As diferenças tratando a informação Levamos em conta que as diferenças entre OLAP e Data Mining. Na OLAP, suas funções ou algoritmos encontrados nas ferramentas sãonormalmente descritivos, como agregações, alocações, razões, produtos e etc., O Data Mining possui funções e seus pacotes são explicativos, com autilização de regressão, redes neurais, arvores de decisão, clustering, vieram paracondicionar analises multidimensionais facilitando uma visão geral do que érelevante. Quanto aos tratamentos das bases de dados, sejam relacionais oudimensionais, tanto a tecnologia OLAP, quanto o método Data Minig, tratam(normalmente) as informações num formado multidimensional para suporte adecisão (SAD).2.4 Por que utilizá-los e qual a melhor escolha No cenário corporativo se agrega mudanças num pequeno espaço de tempo.Para isto é necessário tomar decisões inteligentes e rápidas para manter o negóciocorporativo competitivo, no entanto para se tomar decisões é primordial que asquestões/consultas reflitam múltiplas dimensões do negócio, assim deve se analisarquais dos métodos correspondem às expectativas dos analistas e gerentes. 4
  5. 5. As consultas OLPA podem acessar banco de dados com múltiplos gigabytes,posteriormente refinar suas consultas e analisar comparações on-line com respostasrápidas. Consultas OLPA podem ser caracterizadas por:  Acessar grandes volumes de dados e analisar os relacionamentosentre os diversos tipos de elementos;  Envolver dados agregados;  Comprar dados agregados ao longo do período de tempo;  Apresentar dados em diferentes perspectivas;  Envolver cálculos complexos entre elementos de dados;  São capazes de responder rapidamente a solicitação dos usuários. As analises de um Data Mining é basicamente uma aplicação estatística,caracterizadas por:  Realizar inúmeros cálculos em grandes volumes de dados;  Efetuar analise de forma criativa, detectar freqüências e descobrirpadrões;  Representar padrões encontrados nos dados;  Fazer análises discriminantes;  Agrupar informações homogêneas e heterogêneas;  Utilizar técnicas de regressão;  Árvore de decisão;3 CONCLUSÃO Conclui-se que devemos verificar inicialmente a finalidade das analises e ocomportamento das mesmas em relação às exigências/requisitos gerenciais, paraposteriormente escolher o melhor método/tecnologia para responder o propósito daanalise. Tanto o Data Mining quanto OLAP, ou seja, ambos possuem a mesmafinalidade. Porém um é método para se garimpar informações, enquanto o outro é atecnologia usada para tal. 5
  6. 6. 4 REFERÊNCIAS BIBLIOGRÁFICASCARVALHO, Luís Alfredo Vidal de. Dataming: a mineração de dados nomarketing, medicina, economia, engenharia e administração. São Paulo: EditoraÉrica Ltda., 2002.HARRISON, Thomas H.. Intranet data warehouse. São Paulo: Berkeley Brasil,1998.INMON, W.H.; TERDEMAN, R.H; IMHOFF, Claudia. Exploration warehousing :turning business, information into business opportunity. Nova York: John Wiley& Sons, Inc., 2000.THOMSEM, Erik. OLAP: construindo sistemas de informaçõesmultidimensionais. Tradução Daniel Vieira. Rio de Janeiro: Campus, 2002. 6

×