|
DESCRIÇÃO
Este livro aborda, de forma clara, os conceitos associados aos sistemas de suporte à decisão, com particular incidência na modelação dimensional de Data Warehouses, na extracção de conhecimento com base em técnicas de Data Mining, na exploração OLAP e ainda no enquadramento das soluções no contexto de cada organização.
Combina, de forma harmoniosa, conceitos técnicos e de negócio de fácil compreensão, tanto por consultores informáticos, como por gestores que desejem implementar nas suas organizações as soluções de suporte à decisão.
Centrado na metodologia, na análise e na concepção das soluções, o livro é transversal a qualquer plataforma tecnológica, sendo útil, tanto no meio académico, como no mercado das novas tecnologias e dos sistemas de informação
PRINCIPAIS TÓPICOS
- O porquê do suporte à decisão
- Ciclo de vida de um sistema de suporte à decisão
- Selecção, extracção, transformação e integração de dados
- Data Mining: a componente cognitiva das organizações
- OLAP
- Previsão em séries temporais
- Indução de árvores de decisão
- Market Basket Analysis: descoberta de afinidades em transacções
- Partição padronizada de dados (clustering)
- Redes neuronais e algoritmos genéticos
- Desempenho de sistemas de suporte à decisão
- Disponibilidade de resultados em sistemas de suporte à decisão
- Qualidade de dados e Suporte à decisão
- Insucesso em implementações de suporte à decisão
PÚBLICO ALVO
- Consultores em Informática e gestores de empresas
- Estudantes/docentes de licenciaturas e cursos de pós-graduação em Sistemas de Informação na área de Sistemas de Apoio à Decisão
O(S) AUTOR(ES)
Bruno Cortes
Licenciado em Engenharia de Sistemas e Informática e Mestre em Informática, graus conferidos pela Universidade do Minho. Encontra-se presentemente em investigação de Doutoramento em Data Mining e OLAP na Universidade do Minho. É consultor de soluções de Business Intelligence em diversas empresas do sector tecnológico e dos serviços em Portugal, tendo ainda desempenhado funções de engenheiro de sistemas e de software em Portugal e na Dinamarca. É actualmente docente convidado do Instituto Politécnico do Cávado e Ave.
ÍNDICE
1. O PORQUÊ DO SUPORTE À DECISÃO
1.1 Evolução dos Sistemas de Suporte à Decisão
1.2 Sistemas Operacionais versus Sistemas Analíticos
1.2.1 A Importância do Data Warehouse
1.2.2 Data Marts ou Data Warehouses
1.3 Arquitectura de um Sistema de Suporte à Decisão
1.4 Os Conceitos de Suporte à Decisão Abordados no Livro
2. CICLO DE VIDA DE UM SISTEMA DE SUPORTE À DECISÃO
2.1 Origem Operacional dos Dados
2.2 Equilíbrio entre Realidade e Necessidades Organizacionais
2.3 A Interface Humana com a Organização
2.4 A Análise e Modelação de Data Warehouses
2.4.1 Passos na Abordagem da Modelação Dimensional
2.4.2 Tabelas de Factos
2.4.3 Caracterização dos Factos: Dimensões
2.4.3.1 Dimensões Principais
2.4.3.2 Hierarquias em Dimensões
2.4.3.3 Dimensões Heterogéneas
2.4.3.4 Mini-Dimensões
2.4.3.5 Dimensões Lentamente Modificadas ao Longo do Tempo
2.4.4 Desempenho: Agregações Pré-Calculadas
2.4.5 Desempenho: Indexação em Data Warehouses
3. SELECÇÃO, EXTRACÇÃO, TRANSFORMAÇÃO E INTEGRAÇÃO DE DADOS
3.1 Fontes Heterogéneas de Dados
3.2 Área de Processamento de Dados
3.3 Processos de Selecção de Dados
3.4 Processos de Extracção de Dados
3.4.1 Ferramentas de Extracção de Dados
3.4.2 Etiquetagem de Dados
3.5 Processos de Transformação de Dados
3.5.1 Conversões de Tipos de Dados
3.5.2 Mapeamento de Valores
3.5.3 Desduplicação de Registos
3.5.4 Tratamento de Valores Nulos
3.5.5 Normalização de Distribuições e Unidades de Grandeza
3.5.6 Validação de Regras de Integridade
3.5.7 Validação de Regras de Negócio
3.5.8 Detecção de Mudanças em Registos de Dimensões
3.5.9 Cálculo de Agregações
3.5.10 Tratamento de Erros
3.6 Processos de Integração de Dados
3.6.1 Validação e Desempenho na Integração de Dados
3.6.2 Monitorização e Reposição de Cópias de Segurança
4. DATA MINING: A COMPONENTE COGNITIVA DAS ORGANIZAÇÕES
4.1 O que é Data Mining
4.2 Categorias Algorítmicas de Data Mining
4.2.1 Classificação de Entidades (Dados)
4.2.2 Estimação de Propriedades
4.2.3 Previsão
4.2.4 Descoberta de Afinidades
4.2.5 Agrupamentos Homogéneos de Dados (Clustering)
4.2.6 DESCRIÇÃO
4.2.7 Alternativas de Data Mining
4.3 Perfis de Utilizadores de Data Mining
5. OLAP
5.1 OLAP e Data Mining
5.2 O que é OLAP
5.2.1 Navegação em OLAP
5.2.2 Estruturas de Dados para Ferramentas OLAP
5.3 OLAP nas Organizações
5.3.1 Finanças
5.3.2 Comercial
5.3.3 Marketing
5.3.4 Recursos Humanos
5.4 Conclusões
6. PREVISÃO EM SÉRIES TEMPORAIS
6.1 A Base Temporal como Sustento da Análise
6.2 Caracterização dos Dados das Séries
6.3 Modelos de Previsão em Séries Temporais
6.3.1 Modelo da Média Móvel
6.3.2 Modelo de Alisamento Exponencial Simples
6.3.3 Modelo de Alisamento Exponencial Linear
6.3.4 Modelo de Alisamento Exponencial Linear com Sazonalidade (Holt-Winters)
6.3.5 Medição do Erro em Previsões com Séries Temporais
6.3.6 Modelos Avançados de Previsão em Séries Temporais
6.4 Considerações Sobre Previsões em Séries Temporais
7. INDUÇÃO DE ÁRVORES DE DECISÃO
7.1 Introdução
7.2 CART
7.3 CHAID
7.4 ID3
7.5 C4.5
7.5.1 Tratamento de Valores Desconhecidos
7.6 Preparação dos Dados
7.6.1 Casos de Treino, de Teste e de Previsão
7.6.2 Tratamento de Valores Contínuos
7.7 Notas Sobre Árvores de Decisão Dedutivas
7.8 Erro, Overfitting e Poda de Árvores
7.9 Temporalidade em Árvores de Decisão
7.10 Dedução de Regras
7.11 Vantagens e Entraves à Utilização de Árvores de Decisão
8. MARKET BASKET ANALYSIS: DESCOBERTA DE AFINIDADES EM TRANSACÇÕES
8.1 Introdução
8.2 O Cesto de Compras do Hipermercado
8.3 Negação e Dissociação de Regras
8.4 Escolha dos Itens para análise
8.4.1 Taxionomias na Generalização de Itens
8.4.2 Artigos Virtuais
8.5 Temporalidade na Análise de Transacções
8.6 Considerações Sobre a Análise de Transacções
9. PARTIÇÃO PADRONIZADA DE DADOS (CLUSTERING)
9.1 Introdução
9.2 Análise Vectorial de Dados
9.2.1 Normalização de Variáveis
9.3 Algoritmo de Partição Estática
9.3.1 Método das K-Partições
9.3.2 Número Ideal de Partições
9.4 Partição Probabilística (Fuzzy Clustering)
9.5 Quando Utilizar Técnicas de Partição
10. REDES NEURONAIS E ALGORITMOS GENÉTICOS
10.1 Introdução
10.2 Redes Neuronais Artificiais
10.2.1 logias de Redes Neuronais Artificiais
10.2.2 Funções de Combinação, de Transferência e de Activação
10.2.3 Utilização de uma Rede Neuronal: Parâmetros de Entrada e Interpretação de Resultados
10.2.4 Utilização de Redes Neuronais Artificiais em Suporte à Decisão
10.3 Algoritmos Genéticos
10.3.1 Codificação e Função de Avaliação
10.3.2 Selecção para a Evolução das Espécies
10.3.3 Renovação das Populações
10.3.4 Utilização de Algoritmos Genéticos em Suporte à Decisão
11. DESEMPENHO EM SISTEMAS DE SUPORTE À DECISÃO
11.1 Medindo o Desempenho dos Modelos
11.2 Selecção de Ferramentas de Data Mining
11.3 Medindo o Desempenho das Reacções
12. DISPONIBILIZAÇÃO DE RESULTADOS EM SISTEMAS DE SUPORTE À DECISÃO
12.1 A Jusante do Data Warehouse, Para Além do Data Mining
12.2 EIS - Executive Information Systems
12.3 O Acesso Actual ao Suporte à Decisão: Servidores de Business Intelligence, Aplicações OLAP, Balanced Score Cards e Outros
12.4 Disponibilização e Integração de Plataformas
13. QUALIDADE DE DADOS E SUPORTE À DECISÃO
13.1 Impacto dos Sistemas Legados em Suporte à Decisão
13.2 A Importância do Data Cleansing
13.2.1 A Identificação de Registos Duplicados: Um Exemplo no Tratamento de Campos de Texto Livre
13.3 A Outra Vertente da Qualidade em Suporte à Decisão: Qualidade da Análise
14. INSUCESSO EM IMPLEMENTAÇÕES DE SUPORTE À DECISÃO
14.1 Comunicação e Análise de Requisitos
14.2 Retorno do Investimento e Gestão de Expectativas
14.3 Profissionalismo para com o Cliente
14.4 Longevidade do Projecto de Suporte à Decisão
14.5 Medidas a Caminho do Sucesso
GLOSSÁRIO
BIBLIOGRAFIA
ÍNDICE REMISSIVO
|
