Baixe o app para aproveitar ainda mais
Prévia do material em texto
Anhembi Morumbi Flávia Larissa Ferreira dos Santos Caso do Restaurante - Inteligência Analítica São Paulo 2023 2 SUMÁRIO Caso do Restaurante - Inteligência Analítica .......................................................................................... 1 INTRODUÇÃO .......................................................................................................................................... 3 1. Mineração de dados ........................................................................................................................ 3 2. Naive Bayes ..................................................................................................................................... 3 CONCLUSÃO ............................................................................................................................................ 5 REFERÊNCIAS ........................................................................................................................................... 5 3 INTRODUÇÃO Este trabalho tem a finalidade de ajudar um restaurante a entender tendências e obter informações dos seus dados para a tomada de decisões de negócios táticas e estratégicas. Para atender melhor aos seus clientes o proprietário quer oferecer a eles opções de pratos sempre frescos, além de evitar desperdício de alimentos. Para entender melhor as suas possibilidades o proprietário fez um estudo durante 14° dias de qual prato foi vendido a cada dia, entre os pratos que se destacam são os de feijoada e de filé à parmegiana, além de se relacionar com as condições climáticas como: previsão, temperatura, humidade e vento. Por meio da inteligência analítica e com base nos dados históricos das variáveis apresentadas e saber qual será o prato do 15° dia, mas para que a previsibilidade dos resultados seja mais assertiva é necessário manter as anotações na tabela para que as probabilidades do prato sejam mais elevadas. 1. Mineração de dados De acordo com Castro e Ferrari 2016, a mineração de dados é o principal fundamento da inteligência analítica para a leitura de dados, permitindo que os usuários visualizem dados de diversos ângulos, categorizem e sintetizem os relacionamentos identificados. O objetivo final da mineração de dados é a previsão e a descoberta. O processo procura padrões consistentes e relacionamentos sistemáticos entre variáveis e, em seguida, valida as descobertas ao aplicar os padrões a novos subconjuntos de dados. A mineração de dados é o processo de analisar dados de diferentes fontes e resumi-los em informações relevantes, as quais podem ser usadas para ajudar a aumentar a receita e diminuir os custos. Seu principal objetivo é encontrar correlações ou padrões entre dezenas de campos em grandes bancos de dados. (BRAGA, 2005) 2. Naive Bayes Naive Bayes é um algoritmo que gera uma tabela de probabilidades a partir de uma técnica de classificação de dados. É usado para o machine learning, mas a técnica é famosa no meio acadêmico da estatística. Seu racional é baseado nos estudos de 4 Thomas Bayes e “naive” significa ingênuo, uma referência a linha de análise do algoritmo para as características da base de dados em questão. (Gusmão,2022). Para saber qual tendência de prato para o próximo dia analisamos a tabela abaixo: O cálculo do valor de cada variável para os dias em que foi vendido mais feijoada: (SOL | FEIJOADA) = 2/9 ou 22% (FRIO | FEIJOADA) = 3/9 ou 33% (UMIDADE NORMAL | FEIJOADA) = 6/9 ou 66% (VENTO SI M | FEIJOADA) = 3/9 ou 33% (FEIJOADA 14) = 9/14 ou 64% (FEIJOADA 15) = X Em seguida, para identificar o valor de X, multipliquei cada variável pelo número de feijoadas vendidas/número de dias, ou seja: (2/9 * 3/9 * 6/9 * 3/9) * (9/14) = 0,0105. Foi realizado o mesmo cálculo para o filé à parmegiana, ou seja. (SOL | FILÉ À PARMEGIA NA) = 3/5 ou 60% (FRIO | FILÉ A PARMEGIANA) = 1/5 ou 20% (UMIDADE NORMAL | FILÉ A PARMEGIANA) = 1/5 ou 20% (VENTO SI M | FILE A PARMEGIANA) = 3/5 ou 60% (FILÉ A PA RMEGIANA 14) = 5/14 ou 35% (FILÉ A PA RMEGIANA 15) = X 5 Em seguida, para se identificar o valor de X, multipliquei cada variável pelo número de filé à parmegiana vendidas/número de dias, ou seja: (3/5 * 1/5 * 1/5 * 3/5) * (5/14) =0,0051. CONCLUSÃO Concluo que após o uso do algoritmo de Naive Bayes, a tendência de prato para o próximo dia (15º dia), é que a probabilidade que a feijoada seja mais vendida do que o filé à parmegiana. Visto que para a feijoada chegamos no valor de (0,0105) e para o filé à parmegiana chegamos no valor de (0,0051). REFERÊNCIAS BRAGA, L. Introdução à mineração de dados. 2ª Edição. Rio de Janeiro: e-papers. 2005. CASTRO, L.; FERRARI, D. Introdução à Mineração de Dados: conceitos básicos, algoritmos e aplicações. Saraiva, 2016. O que é Naive Bayes e como funciona esse algoritmo de classificação / Disponível em: https://rockcontent.com/br/blog/naive-bayes/ / Acesso em: 14/05/2023 as 22:00h.
Compartilhar