A Mineração de Dados como ferramenta de Inteligência competitiva

A mineração de dados tem sido utilizada, cada vez mais, como ferramenta de Inteligência Competitiva (IC), particularmente na coleta estratégica de informações. De fato, mineração de dados é um processo de extração automática de informações preditivas de grandes bases de dados, fundamentadas na análise estatística (tipicamente análise de cluster). Usando uma combinação de aprendizado de máquina, análise estatística, técnicas de modelagem e tecnologia de banco de dados, a mineração de dados detecta padrões e relacionamentos sutis nos dados e infere regras que permitem a previsão de resultados futuros.

Esta ferramenta permite que os dados brutos sejam analisados, a fim de oferecer um modelo que tenta explicar os padrões observados. Este modelo pode, então, ser usado para prever acontecimentos futuros e prever os resultados esperados. Um grande número de regras de produção são necessárias, geralmente durante um período de tempo significativo, e os tipos de modelos produzidos variam de “fácil” a “quase impossível” de ser entendido. Exemplos de modelos de fácil entendimento são as árvores de decisão, exemplos de modelos mediamente fáceis são as análises de regressão e exemplos caixas pretas são as redes neurais. A principal desvantagem dos modelos caixa-preta é que se torna muito difícil a formulação de hipótese sobre a relação causal.

As variáveis podem ser correlacionadas, mas essa correlação pode não ter qualquer sentido ou utilidade, como é o caso da figura acima.As aplicações típicas de mineração de dados em IC incluem a segmentação do mercado, perfil do cliente, detecção de fraudes, avaliação de promoções de venda, análise de risco de crédito, análise de mercado, etc.. No entanto, há geralmente algumas jóias para serem extraídas com as aplicações de mineração de dados na IC. O melhor exemplo é o da co-relação entre a compra de cerveja e a compra de fraldas.Também é possível usar essas ferramentas para minerar conteúdos, além de dados – notadamente text mining, análise temática e webmining – para monitorar conteúdo, quantas vezes, por quanto tempo (por ex: o número de acessos) que é muito útil no Gestão de Conteúdo.

Do mesmo modo, essas ferramentas podem ser usadas na Gestão do Conhecimento de base de currículos institucionais para detectar padrões de curriculum vitae on-line, dos membros de uma determinada organização. Sistemas de localização de especialistas podem ser criados com base no conteúdo que foi extraído.Enfim, essas ferramentas podem ser usadas na mineração de dados de e-mails para determinar quem está respondendo quais tipos de perguntas ou temas. Assim, especialistas organizacionais podem ser detectados pelo reconhecimento de padrões de perguntas e respostas contidos nos e-mails.Uma advertência se aplica a todas essas aplicações de mineração de dados: um ser humano é sempre necessário no circuito, a fim de realizar uma “checagem de veracidade”, para verificar e validar se os padrões realmente existem e se foram interpretados de forma correta e útil.

Por Prof. Neri Santos Dr. Ing

Link Original

Receba Conteúdos!

Cadastre-se e receba conteúdos exclusivos produzidos pelo DOT