Mineração de Dados para Detecção de Anomalias

Prévia do material em texto

Universidade Europeia del Atlántico
Business Intelligence e Gestão Documental
TI016
CASO PRÁTICO
Aplicação de mineração de dados para a detecção de anomalias: um caso de estudo 1
Discente: Ricardo Pillar Fernandes da Silva
BRMDETEL2852849
Docente: Dr. Roberto Fabiano Fernandes
1. Quais foram as ações realizadas pela equipe de trabalho para cumprir o primeiro passo da metodologia CRIS-DM? 
R:As ações realizadas pela equipe de trabalho para cumprir o primeiro passo da metodologia CRIS-DM que é Conhecer o negócio foram: realização de uma série de reuniões com a Gerência de clientes para entender os objetivos do projeto e as exigências sob o ponto de vista de negócio., onde os administradores apresentaram a equipe do projeto os problemas detectados pelo escritório de fraude e esse foram estudados no intuito de procurar alternativas para a solução.
2. Quais foram as ações realizadas pela equipe de trabalho para compreender a natureza dos dados envolvidos no negócio? 
R: Para compreender a natureza dos dados envolvidos no negócio foi feita a análise do modelo de base de dados relacionais do sistema de informação da empresa, especificamente as entidades que têm relação com o processo de faturamento. 
E para a obtenção dos dados a analisar foi necessário reunir com o pessoal especializado da empresa, revisar a documentação de base de dados, revisar nomes de atributos e dicionário de dados e outros.
3. Explique o processo utilizado para atacar a preparação dos dados na organização. R: O processo para atacar a preparação de dados baseou-se no seguinte: 
Foi criado um Data Warehouse que se alimente das bases de dados transacionais através do processo de extração de dados previamente definido chamado ETL, uso de um Data Mart que é parte do DW completo pois quer se adaptar a um setor da empresa.
Este Data Mart contém informação específica sobre consumos históricos de água potável e rede de esgoto da região e é composto por variáveis como: tabela de fatos e dimensões.
4. Mencione que etapa segue à preparação dos dados e de que modo foi realizada pela equipe de trabalho. 
R: A etapa que segue é a modelagem e foi realizada através do modelo de detecção de anomalias de Clementine que entrega como resultado grupos de dados com características similares, os quais são chamados grupos homólogos do modelo.
5. Quais foram os algoritmos utilizados? 
R: Os algoritmos utilizados foram: K-means, COBWEB e EM.
6. De que forma foi possível garantir a fase de avaliação no projeto? 
R: A fase de avaliação foi garantida a partir dos dados armazenados no Data Mart através dos algoritmos de detenção de anomalias de Clementine Client entregando assim uma série de resultados que devem ser analisados cada vez que se inicia o ciclo da metodologia CRISPDM.
7. Explique brevemente a fase de implementação do projeto. 
R: De forma resumida a fase de implementação é o processo de uso de suas percepções para fazer melhorias em sua organização, isso pode significar uma integração formal, tal como a implementação de um modelo do IBM® SPSS Modeler que produz escores de perda de clientes que são então lidos em um data Warehouse.
Bibliografia 
 SOFTEX, Sociedade (2012). Guia Geral MPS de Software 1 ed. [S.l.]: SOFTEX ;
 BRANCO, Rui Fazenda (2008). O Movimento da Qualidade em Portugal; Vida Econômica; 
 LACOMBE, F.(2012) Recursos Humanos: princípios e tendências. São Paulo;