02 - OLAP e Data Mining

Prévia do material em texto

Aula 02
Business Intelligence para Concursos - Curso Regular	
Professor: Thiago Rodrigues Cavalcanti
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 1 de 58 
AULA 02: OLAP E DATA MINING 
Sumário 
1. Recuperação de dados ................................................................................................... 1 
OLAP ...................................................................................................................................................... 1 
2. Conceitos básicos ............................................................................................................. 2 
3. OLAP x OLTP ....................................................................................................................... 2 
4. Operações OLAP ................................................................................................................ 4 
5. Arquitetura de servidores OLAP ................................................................................ 10 
6. Critérios de avaliação de produtos OLAP .............................................................. 14 
Data mining ...................................................................................................................................... 16 
7. Conceitos básicos ........................................................................................................... 16 
7.1. Processo de mineração ............................................................................................ 18 
7.2. Tarefas de mineração ............................................................................................... 22 
7.2.1. Regras de associação ............................................................................................ 22 
7.2.2. Classificação ............................................................................................................. 24 
7.2.3. Agrupamento (Clustering) .................................................................................. 26 
7.2.4. Abordagem para outros problemas de mineração .................................... 27 
7.3. Conceitos Complementares .................................................................................... 28 
Visualização e análise exploratória de dados ...................................................................... 30 
Questões ........................................................................................................................................ 32 
Questões extras .......................................................................................................................... 45 
Considerações Finais ..................................................................................................................... 58 
 
1. Recuperação de dados 
Nesta aula, nosso objetivo é apresentar as diferentes técnicas e 
ferramentas que fazem acesso ao Data Warehouse (DW). É preciso entender que 
cada uma delas atende a uma necessidade específica de usuários e clientes. 
Vamos mostrar como recuperar as informações e como visualizar esses 
dados após a execução de diferentes algoritmos ou consultas sobre o DW. 
Dividimos nossa aula em quatro partes. Falaremos de OLAP ou processamento 
analítico on-line, data mining ou mineração de dados e, em seguida, 
mostraremos as possibilidades de visualização por meio dos painéis e 
dashboards. 
OLAP 
O termo On-Line Analitical Processing – OLAP foi proposto por E.F. Codd, o 
pai do modelo relacional. O modelo relacional põe os dados em tabelas, 
enquanto o OLAP usa a representação de arrays multidimensionais. Essa 
representação de dados já existia previamente na estatística e em outras áreas. 
Existe um grande número de operações de analise de dados e exploração de 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 2 de 58 
dados que são facilitadas como esse modelo de representação. Vamos entender 
o conceito por trás desse modelo. 
2. Conceitos básicos 
Começamos tentando responder a uma pergunta básica: O que é OLAP? 
Trata-se de um processamento de dados dedicado ao suporte a decisão. Essa 
analise é feita por meio da visualização de dados agregados ao longo de várias 
dimensões analíticas do modelo de dados dimensional (ex.: tempo, espaço, 
categoria de produto, quantidade vendida, preço). 
Esse processamento é feito sobre dados armazenados em Banco de Dados 
especializadas. Eles seguem um modelo lógico de dados multidimensional e são 
chamados de Data Warehouse, Data Mart ou BD multidimensionais. Falamos 
sobre eles na aula anterior. Sabemos inclusive que os dados são estruturados de 
forma hierarquizada em diferentes níveis de granularidade. 
Outra definição possível para OLAP seria um recurso que permite 
manipular e analisar grandes volumes de dados sobe múltiplas 
perspectivas. Ou ainda, um software que permite ao usuário interagir com um 
grande banco de dados on-line (data warehouse) e solicitar e receber 
praticamente qualquer relatório no formato desejado. 
Partindo dos três conceitos vistos até agora, passaremos para uma 
sistematização do conhecimento dentro do assunto. Os conceitos de OLAP, mais 
precisamente quando tratamos de questões para concursos, podem ser 
classificados da seguinte forma: 1. OLAP x OLTP, 2. Operações OLAP e 3. 
Taxonomias de servidores OLAP. 
3. OLAP x OLTP 
On-Line Analytical Processing (OLAP) é muito diferente do tradicional On-
Line Transaction Processing (OLTP). Quando utilizamos OLTP, o foco é sobre as 
transações individuais. Considere, por exemplo, um sistema OLTP simples usado 
por um vendedor de livros para manter a par dos livros em estoque. Quando 
uma cópia de um determinado livro B é vendida, o sistema diminui o número 
que mostra quantas cópias de B estão em estoque. 
Da mesma forma, o número é aumenta quando mais cópias são entregues 
a partir do editor. O sistema só mantém o controle dos dados mais atual, isto é, 
o que está atualmente no estoque. Detalhes sobre vendas individuais não são 
armazenados em um formato fácil de analisar. O varejista pode até saber quem 
é o cliente, mas esta informação não é mantida com a finalidade de análise 
posterior. O sistema armazena suas informações em um banco de dados 
relacional que é normalizada para evitar anomalias de atualização. Este tipo de 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 3 de 58 
sistema é conhecido como OLTP. Ele é otimizado para recuperação e/ou 
atualização de uma pequena quantidade de tuplas. 
Em contraste, um sistema OLAP para o varejista de livros mantém o 
controle de cada venda individual. Isso também inclui informações específicas 
sobre a venda, como a cidade onde a venda ocorreu, a data da venda, o 
vendedor que vendeu o livro, e informações sobre o banco de dados 
multidimensional. Ele é usado para o armazenamento de tais dados. Desta 
forma é mais fácil achar, por exemplo, o livro de receitas mais vendido e o 
número médio de livros infantis vendidos antes de uma operação de vendas. O 
OLAP geralmente não apaga nem atualiza seus dados; apenas adições de novos 
dados ocorrerão no sistema periodicamente. O OLAP é assim otimizado para 
recuperar (e sumarizar) grandes quantidades de dados. 
A comparação entre OLAP e OLTP passa por diversos critérios individuais. 
Cada autor valoriza critérios diferentes, ou seja, se você observar algumas 
características são comparadas em um livro e não em outro. Vamos começar 
exibindo uma primeira tabela que faz algumas distinções entre os dois modelos:A ideia fundamental por trás da programação de matriz ou array é de que 
as operações se aplicam de uma vez para todo um conjunto de valores. Isto o 
torna um modelo de programação de alto nível, uma vez que permite ao 
programador pensar e operar sobre os agregados inteiros de dados, sem ter de 
recorrer às linhas explícitas de operações escalares individuais. 
A base da programação por array e do seu pensamento é encontrar e 
explorar as propriedades de dados onde os elementos individuais são 
semelhantes e/ou adjacente. Ao contrário da orientação a objetos que 
implicitamente quebra de dados para suas partes constituintes (ou quantidades 
escalares), a orientação serial olha para um grupo de dados e aplica um 
tratamento uniforme. 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 4 de 58 
A comparação continua com outros autores. Carlos Barbieri faz uso da 
seguinte lista em seu livro: 
 
Resumindo quando pensamos em OLTP temos as seguintes características: 
Ele é usado para acesso à dados em tempo real, baseado em transação, os 
dados podem existir em mais do que uma tabela. Eles são otimizados para 
transações mais rápidas e incluem operações de inserir, atualizar e excluir. Não 
são construídos para a execução de consultas complexas. Bancos de dados de 
sistemas Line-of-Business (LOB) e Enterprise-Resource-Planning (ERP) usam 
este modelo. A ferramenta da Microsoft que gerencia este modelo é o SQL 
Server Management Studio (SSMS). Segue as regras de normalização de banco 
de dados (DB) e usa banco de dados relacional. Armazena dados da chave. Usa 
menos índices e mais junção. E faz consultas de várias tabelas. 
Quando nosso foco é OLAP temos: O uso de dados on-line ou históricos. 
Usado para análise e navegação sobre os dados. Os dados podem existir em 
mais do que uma tabela. Otimizado para desempenho analítico dos dados. Banco 
de dados apenas de leitura. Construído para executar consultas complexas. 
Bancos de dados analíticos, como Cognos, a Business Objects, e assim por 
diante utilizam este modelo. A ferramenta da Microsoft para esse tipo de modelo 
é o SQL Server Analysis Services (SSAS). Relaxa as regras de normalização de 
banco de dados. Utiliza banco de dados relacional ou multidimensional. 
Armazenam dados agregados em relação à chave. Comparado com OLTP usa 
relativamente mais índices e menos junção. Consulta pode ser executada em 
menos tabelas. 
4. Operações OLAP 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 5 de 58 
Passamos agora para as operações OLAP. Conhecida também como 
funcionalidades. Aqui estão as funções que podem ser aplicadas sobre os dados 
disponíveis nos cubos ou nos DW. Antes de tratarmos das funções vamos 
relembrar o conceito de granularidade. 
A granularidade diz respeito ao nível de detalhe ou de resumo nas unidades 
de dados no DW. Quanto maior o nível de detalhes, menor o nível de 
granularidade. O nível de granularidade afeta diretamente o volume de dados 
armazenado no DW e, ao mesmo tempo, o tipo de consulta que pode ser 
respondida. 
OLAP oferece recursos de modelagem analítica, incluindo um mecanismo de 
cálculo para desvio padrão, variância, entre outros; e processamento de 
medidas em múltiplas dimensões. Os recursos também permitem gerar 
sumarizações, agregações e hierarquias em cada nível de granularidade e em 
cada cruzamento de dimensão. Ele ainda suporta modelos funcionais para 
previsão, análise de tendências e análise estatística. 
Neste contexto, um motor OLAP é uma ferramenta poderosa a análise de 
dados. Que tal darmos uma olhada nas operações de OLAP? Certamente, você já 
ouviu falar de “Drill Down”, “Drill up”, “Roll up”, “Drill across”, “Pivot”, “Slice and 
Dice”. Pois bem, que tal detalhar cada uma delas? 
Em modelos multidimensionais, como próprio nome sugere, os dados são 
organizados em múltiplas dimensões. Cada uma delas contém múltiplos níveis 
de abstração. Esses níveis são, ainda, definidos pelo conceito de hierarquia. 
Essa organização provê ao usuário uma flexibilidade para observar os dados a 
partir de diferentes perspectivas e em diferentes níveis de detalhe. 
Graficamente, esses modelos podem ser representados por meio de um 
cubo. As operações sobre um cubo de dados nos permitem materializar 
diferentes perspectivas (também conhecidas como visões), permitem consultas 
e análises interativas sobre dados armazenados. Vamos, então, entender as 
peculiaridades de cada uma dessas operações de OLAP. 
Roll-up: também conhecida como drill-up, aplica uma agregação sobre o 
cubo de dados. Ou ainda, aumentar o nível de granularidade dentro de uma 
dimensão, reduzindo o detalhamento da informação. É, basicamente, subir na 
hierarquia. A figura abaixo, retirada do livro Data Mining: Concepts and 
Techniques[1], mostra o resultado da operação de roll-up aplicada no cubo 
central subindo na hierarquia de location. Basicamente, essa hierarquia é 
definida na seguinte ordem: street < city < province_or_state < country. Essa 
agregação mostra uma ascensão na hierarquia de location do nível de city para o 
nível de country. 
Drill-down: É o inverso da operação de roll-up. É uma forma de navegar 
de um dado com menor nível de detalhe para um dado com maior nível de 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 6 de 58 
detalhe. Essa operação pode ser realizada tanto descendo em uma hierarquia de 
uma dimensão quanto introduzindo dimensões adicionais. A figura abaixo exibe 
o resultado de uma operação de drill-down sobre o cubo central, basicamente, 
descendo sobre a hierarquia de tempo (day < month < quater < year). A 
operação desce do nível de semestre (quater) para mês (month). 
Outra forma de executar o drill-down seria adicionando uma nova dimensão 
ao cubo. Por exemplo, imagine, a partir do cubo central, uma operação de drill-
down que introduz uma dimensão adicional. Por exemplo, 
grupo_de_consumidores. 
Slice and dice: A operação de slice executa uma seleção sobre uma das 
dimensões de um determinado cubo, resultando em um subcubo. A figura 
mostra um exemplo da operação de slice que seleciona as vendas por cidade em 
um determinado semestre (nestre caso, quarter = Q1). A operação 
de dice define um “subcubo” através de umaseleção sobre duas ou mais 
dimensões. A figura também mostra uma operação de dice que envolve três 
dimensões seguindo os seguintes critérios (location = “Toronto” ou “Vancouver” 
|| time = “Q1” ou “Q2” || item = “home entertainment” ou “computer”). 
Pivot: Também conhecida como rotate ou rotação, é uma operação de 
visualização que rotaciona os eixos de um determinado cubo, provendo uma 
visão alternativa dos dados. A figura mostra uma operação de pivot sobre o 
resultado da operação de slice. Neste caso, observamos uma rotação em duas 
dimensões. Contudo o mesmo pode ser feito, também, em um cubo 3-D. 
 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 7 de 58 
Até aqui vimos as mais simples operações de OLAP, que podem, inclusive, 
ser consideradas operações básicas. Contudo, ainda não tratamos das famosas 
Drill-across e Drill-through. Vamos agora definir cada um deles: 
Sobre a operação de drill-across encontramos na literatura uma 
divergência entre os principais autores. Vejam algumas definições 
abaixo: 
Drill-across: Executa uma consulta envolvendo mais de uma tabela fato! 
Essa operação exige queos dois cubos tenham pelo menos uma das dimensões 
em comum. A ideia é você conseguir consultar as múltiplas tabelas fato e colocar 
o resultado em um único data set. Esta é a visão de Kimball (você pode ver um 
exemplo aqui). 
Para entender como efetuar essa operação, que tal mostrarmos um 
exemplo prático? Imagine que uma determinada livraria tenha duas formas de 
venda de produtos: nas suas lojas físicas ou pela Internet. Para cada um desses 
processos de venda temos um cubo. No primeiro caso o cubo é montado com as 
hierarquias de livros, tempo e localização geográfica. Na internet, não existe a 
dimensão geográfica. Desta forma, esta foi substituída pela dimensão cliente. 
Suponha que um gerente deseja fazer uma consulta para saber qual livro 
foi o mais vendido nos anos de 2008 e 2009. Para fazer o drill-across, nós 
atendemos à primeira premissa segundo Kimball: trata-se de uma operação 
sobre dois cubos. Os dados nos dois cubos são combinados nas dimensões 
comuns aos mesmos. Nesse caso, livros e tempo. O analista vai, então, utilizar 
uma medida derivada para somar as vendas dos dois cubos e dessa forma obter 
o livro com maior quantidade de vendas. Veja que o drill-across abre um novo 
caminho para que você possa analisar os dados. A figura abaixo ilustra esse 
exemplo: 
 
Drill-across: Significa mudar de uma classificação em uma dimensão para 
outra em uma dimensão diferente. 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 8 de 58 
Drill-across: É uma técnica similar ao drill-down. A diferença é que 
o drilling ser feito horizontalmente, ao invés de verticalmente. Por exemplo, 
depois de inicialmente exibir o resultado das vendas anuais, o drill-acrosspode 
ser usado para exibir as vendas em cada mês. 
Dentre as definições acima eu ficaria com a primeira. Contudo acho 
que é importante ver as demais para ter um entendimento mais amplo a 
respeito do assunto. Vamos agora tratar de drill-through. 
Drill-through: Essa operação pode se utilizar das facilidades de SQL para, 
a partir do cubo de dados, penetrar (drill through) até as tabelas relacionais 
de back-end. Ela visa o entendimento das informações (registros) a partir dos 
quais o cubo é derivado. Assim, permite a movimentação de um dado, em um 
determinado nível do cubo para dados de nível operacional. Pode ser usado, por 
exemplo, se você está tentando determinar a razão de um ponto fora da curva 
(outlier) dentro do cubo de dados. 
Drill-Through: As tabelas de drill-through permitem que você exiba, em 
tempo de consulta, os detalhes dos dados não sumarizados a partir dos quais 
uma célula de uma tabela ou uma seleção de células é sumarizada. A capacidade 
de drill-through permite as empresa acesso aos dados que não estão 
armazenados no servidor OLAP, fazendo-as acessíveis para os usuários finais 
das aplicações OLAP. Esses dados podem vir tanto do DW quanto das bases 
transacionais. 
Drill-Through to Detail Level: Permite uma transição suave de uma base 
multidimensional e agregada para o nível de detalhamento de registro nas fontes 
de dados do repositório de DW. 
Vejam que, ao contrário das definições de drill-across que divergem 
entre si, as definições de drill-through são complementares. O objetivo, 
nesse caso, é mergulhar na hierarquia dos dados para observa-los no 
maior nível de detalhamento, chegando, às vezes, a consultar as bases 
de dados transacionais que deram origem aos dados agregados do DW. 
Além das definições de drill-across e drill-throught vistas acima, existe 
outra bastante difundida na Internet, esta é uma definição equivocada, mas 
utilizada por algumas bancas, como a FCC. (Espero que isso mude um dia!) 
Drill-Across: ocorre quando o usuário pula um nível intermediário dentro 
de uma mesma dimensão. Por exemplo, a dimensão tempo é composta por ano, 
semestre, trimestre, mês e dia. A operação drill-across é executada quando o 
usuário passa de ano direto para trimestre ou mês. Por essa definição podemos 
representar a operação de drill-across conforme a figura abaixo: 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 9 de 58 
 
Drill-Throught: ocorre quando o usuário passa de uma informação contida 
em uma dimensão para outra. Por exemplo, inicia na dimensão do tempo e no 
próximo passo analisa a informação por região. Mais uma vez, podemos 
visualizar essa definição no cubo abaixo. 
 
Até aqui falamos das principais operações de OLAP, outras que às vezes 
aparecem na literatura são listadas abaixo com suas respectivas definições: 
Drill-within: É a passagem de uma classificação para outra classificação 
diferente dentro da mesma dimensão. 
Para entendermos um pouco melhor que os autores quiseram dizer com 
isso, precisamos voltar ao conceito de hierarquia e classificação. Em uma 
determinada dimensão é possível que exista diferentes classificações. Vamos 
pensar em um exemplo de produto. Produto pode ter uma classificação grupo de 
produto que pode ser dividido em categorias e essas por sua vez divididas em 
setores. Veja que essa é uma classificação de produto e possui uma hierarquia 
dentro dela. Contudo a dimensão produto pode ter outras classificações como, 
por exemplo, marca (Brand), VideoSystem e AudioSistem. A operação de drill-
within é basicamente passar de uma classificação para outra dentro da mesma 
dimensão. Veja a figura a seguir: 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 10 de 58 
 
Rank: Ordena os membros de uma dimensão de acordo com algum 
critério. Essa operação é basicamente cria um ranking os n maiores 
ou n menores itens em uma lista, é possível ainda calcular as médias móveis, o 
crescimento dos índices, a taxa de retorno interno, depreciação e funções 
estatísticas. Os resultados dessas operações são tipicamente visualizados em 
uma forma de tabela cruzada (cross-tabular). 
Nest-unnest: Redução das dimensões. 
Slipt: Planificação das faces do cubo 
Push/Pull: Junção de valores 
Algumas operações podem ser efetuadas entre cubos e que são baseadas 
na teoria dos conjuntos, são elas: Junção, União, Intersecção e Diferença. 
Vejamos o exemplo da operação cross-join (produto cartesiano) abaixo: 
Cross-join – É usado para gerar um produto cartesiano entre os conjuntos 
passados como parâmetro. 
5. Arquitetura de servidores OLAP 
Logicamente, servidores OLAP apresentam aos usuários de negócio os 
dados multidimensionais de um Data Mart ou de um Data Warehouse, sem a 
preocupação de mostrar como e onde os dados são de fato armazenados. 
Todavia, a arquitetura física e a implementação de servidores OLAP devem 
considerar aspectos de armazenamento. 
A implementação de um DW para processamento OLAP pode ser feita das 
seguintes formas: ROLAP, MOLAP, HOLAP, DOLAP e WOLAP. Vamos agora 
analisar as peculiaridades de cada uma dessas estruturas. 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 11 de 58 
Os dados são transferidos das fontes e copiados dentro do servidor OLAP, 
lá eles são organizados e preparados para prover dados de consulta de forma 
rápida. Essa estrutura está dividida nos seguintes componentes: 
Data Sources. São as fontes que provem dados para serem analisados. 
Dependendo do produto OLAP pode ser um DW, um banco de dados legado, 
uma coleção de spreadsheets, ou ainda, uma combinação de todos. A habilidade 
do produto OLAP em trabalhar com várias fontes diferentesé importante. 
OLAP Server. Considerado o back-end de um sistema OLAP. É ele que 
faz todo o trabalho de processamento (dependendo do modelo do sistema), é 
nele que os dados efetivamente acessados são armazenados. Diferentes 
filosofias governam a arquitetura dos servidores. Em particular a grandes 
características de um produto OLAP é se o servidor usa um banco de dados 
multidimensional ou um banco de dados relacional para armazenar os dados. 
OLAP Customer. São aqueles que fornecem aplicações de mineração de 
dados, mas também suportam a geração de resultados (graphs, reports, etc.). 
A figura abaixo mostra a arquitetura de sistemas OLAP, que variam 
dependendo da forma como o armazenamento e o processamento de dados 
ocorrem, mas geralmente podemos identificar três níveis de dados: as fontes de 
dados, o servidor OLAP e a apresentação dos dados ou usuário interface. 
 
Quanto maior a necessidades de cálculos para produzir um conjunto de 
informação, maior será o tempo de resposta. Pedaços de informação que são 
frequentemente acessados devem ser pré-agregados. São, portanto, pré-
calculados e armazenados como um novo dado dentro da base. Por exemplo: 
Vendas por mês. Vamos agora analisar cada uma das categorias de servidores 
OLAP. 
MOLAP 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 12 de 58 
O Multidimensional On-Line Analytical Processing ou MOLAP refere-se aos 
servidores que usam um MDDB para armazenar dados. Estratégia pela qual são 
usados gerenciadores de banco de dados proprietários, com características de 
armazenamento especiais e ferramentas para tratamento dimensional de dados. 
Esse modelo dispõe de propriedades especiais de armazenamento como 
matrizes esparsas, operações com array e indexações de bitmap. Porém não 
oferece toda a gama de recursos encontrada num SGBDR, como debug, 
paralelismo, log, otimizadores e monitoração. 
Exige a migração dos dados do SGBD relacional para o armazenamento 
multidimensional e a sua constante atualização. Pode ser limitada na sua 
capacidade máxima de armazenamento, mas por ser voltada exclusivamente 
para essas aplicações pode apresentar, em tese, melhor desempenho do que as 
alternativas relacionais. 
Pode ser entendida como uma planilha multidimensional, e algumas 
oferecem a opção de memória RAM-MD, permitindo a manipulação dos dados 
diretamente em memória. No caso de MOLAP, tanto as estruturas básicas (maior 
granularidade) quanto às estruturas agregadas/cubos são armazenadas nesse 
formato. 
Um conceito que faz parte dos modelos MOLAP é a explosão dos dados. É 
difícil determinar condições para a explosão de dados, ou para prever se uma 
configuração particular vai explodir. Uma abordagem que parece ajudar a 
resolver o problema é a manipulação de dados esparsos dinamicamente. 
Manipulação de dados esparsos de forma dinâmica permite que um banco de 
dados analise seus padrões de armazenamento próprios e aperfeiçoe-os para 
evitar a explosão de dados. 
ROLAP 
O termo ROLAP especifica que o servidor OLAP se baseia numa base de 
dados relacional: Relational On-Line Analytical Processing. Os dados de origem 
são inseridos em um banco de dados relacional, geralmente em um esquema 
estrela ou esquema floco de neve, o que ajuda em tempos de recuperação mais 
rápidos. O servidor fornece um modelo multidimensional dos dados, através de 
consultas SQL otimizadas. 
Um dos motivos para escolher pelo uso do ROLAP está no fato de RDBs 
são uma tecnologia bem estabelecida que tem muitas oportunidades para 
otimização. Suporta maior quantidade de dados que uma MDDB. 
O Servidor ROLAP é um servidor intermediário que fica entra a base de 
dados relacional de back-end e as ferramentas de front-end. Eles usam SGBDs 
relacionais ou relacionais estendidos para gravar e gerenciar os dados do DW, e 
um middleware OLAP para dar suporte às funcionalidades faltantes. 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 13 de 58 
Nessa estratégia são usados os próprios sistemas de banco de dados 
relacionais, com as tabelas sendo implementadas como estruturas relacionais 
clássicas. Oferece todas as vantagens de um SGBDR, porém exige um projeto 
cuidadoso do ponto de vista de desempenho, em que o excesso de tabelas 
normalizadas poderá comprometer a performance das buscas. 
É importante lembrar-se dos conceitos de esquema estrela e floco de neve 
discutidos anteriormente. As tabelas básicas e os agregados (visões ou cubos) 
são armazenados nesse formato. O modelo relacional poderá ser usado tanto 
para desenhar o projeto físico do data warehouse, considerando a abordagem 
top-down, em que o DW será construído primeiramente, a partir dos arquivos 
fontes, quanto na abordagem de data marts integrados, em que os data marts, 
na forma ROLAP são estruturados. 
Resumindo os pontos positivos e negativos do uso da abordagem 
relacional em sistemas OLAP: 
 
Antes de falarmos sobre as outras classificações de servidores OLAP, 
vejam na figura abaixo uma comparação entre os dois tipos de servidores: 
MOLAP e ROLAP. 
 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 14 de 58 
HOLAP e DOLAP 
O Hybrid OLAP Server representa uma abordagem de uso misto das 
duas estratégias anteriores, em que as estruturas relacionais são normalmente 
utilizadas para os dados de menor granularidade e as estruturas dimensionais 
nativas são dedicadas ao armazenamento de agregados (maior granularidade). 
O Desktop Olap Server representa uma abordagem na qual as 
estruturas dimensionais ou relacionais são transferidas do DW/DM para as 
estações cliente. São armazenadas com o objetivo de facilitar o desempenho de 
certas análises, minimizando o tráfego de informações entre o ambiente cliente 
e o ambiente servidor. 
6. Critérios de avaliação de produtos OLAP 
Uma estrutura arquitetural era necessária dentro da qual as funções 
poderiam aparecer e se tornariam parte dos produtos habituais do analista de 
dados ou usuário final. Esta estrutura tornou-se uma medida significativa da 
eficácia do produto para análise de dados multidimensional em si, e, na verdade, 
representou o primeiro critério de avaliação de produtos de OLAP. Ela se baseia 
em 12 regras de avalição que são listadas de descritas de forma sucinta a 
seguir. 
1. Visão conceitual multidimensional – Já falamos sobre a visão 
multidimensional na aula anterior. De certa forma ela se aproxima da 
perspectiva que um usuário ou analista tem sobre os dados. Sendo assim, temos 
que nos preocupas em criamos um modelo com essa estrutura. Ela facilita a 
execução de operação de Slice and Dice, Pivot and rotate tornando a 
manipulação dos dados mais simples. 
2. Transparência - OLAP deve ser fornecido dentro do contexto de uma 
verdadeira arquitetura de sistemas aberta, permitindo que a ferramenta analítica 
possa ser incorporada em qualquer necessidade do analista/usuário, sem afetar 
negativamente a funcionalidade das ferramentas do host. 
3. Acessibilidade - O sistema OLAP deve acessar apenas os dados 
realmente necessários para realizar a análise solicitada e não tomar a "pia da 
cozinha" abordagem comum que traz dados desnecessários. 
4. Desempenho consistente na geração de relatórios - É imperativo que o 
componente do servidor de ferramentas OLAP seja suficientemente inteligente 
de tal forma que vários clientes possam ser conectados com o mínimo de esforço 
e programação de integração. 
5. Arquitetura cliente-servidor - A maioria dos dados que atualmente 
exigem o processamento analítico on-line é armazenadaem sistemas de 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 15 de 58 
mainframe e eles são acessados através de computadores pessoais. Por 
conseguinte, é obrigatório que os produtos OLAP sejam capazes de funcionar 
num ambiente cliente-servidor. Para este fim, é imperativo que o componente 
servidor das ferramentas OLAP seja suficientemente inteligente de tal forma que 
vários clientes possam ser conectados com o mínimo esforço e programação de 
integração. 
6. Dimensionalidade genérica - Cada dimensão dos dados deve ser 
equivalente em suas estruturas e capacidades operacionais. Capacidades 
operacionais adicionais podem ser concedidas a dimensões selecionadas, mas 
desde que as dimensões sejam simétricas, uma determinada função adicional 
pode ser concedida a qualquer dimensão. A estrutura básica de dados, fórmulas 
e formatos de relatórios não deve ser inclinada para uma dimensão específica 
dos dados. 
7. Manuseio dinâmico de matriz esparsa - Esta é disponibilizada através de 
uma tecnologia de servidor poderosa que pode ser intimamente ligada com o 
banco de dados da empresa. Ela pode ajustar o seu esquema físico para o 
máximo desempenho com base na densidade dos dados de entrada da empresa 
e na distribuição real dos valores dos dados. 
8. Suporte a multiusuários - Esta função é fornecida pelo produto de 
software, mas pode ser limitada pelo número de clientes que podem ser 
suportados pela plataforma de hardware do servidor. Além disso, ela permite o 
acesso multiusuário para um modelo analítico comum e controla o acesso e 
permissões para o nível de células individuais através de uma "concessão" e 
"revogar" de esquemas baseada nos menus. 
9. Operações irrestritas de cruzamento de dimensões - Quaisquer duas (ou 
mais) células, independentemente da dimensão em que aparecem dentro de um 
determinado modelo de análise, podem ser utilizadas em qualquer fórmula. As 
fórmulas não estão restritas a uma dimensão por vez. Qualquer termo em uma 
fórmula pode ser ainda modificado através da inclusão de atributos a partir de 
qualquer dimensão. Em outras palavras, qualquer célula de dados ou intervalo 
no modelo de dados pode ser acessada por meio de cálculos em qualquer 
momento. 
10. Manipulação de dados intuitiva - A maior parte de toda a criação do 
modelo, manipulação e tarefas de animação ocorrem por meio de cliques no 
mouse diretamente associados com os dados em análise. 
11. Relatório flexível – relata que capacidade vai significativamente além 
dos front-ends disponíveis para os produtos de RDBMS comerciais. Consultas e 
relatórios que normalmente requerem SQL significativos e sofisticados (e esforço 
de codificação processual talvez associado) podem ser criados facilmente com e 
processados significativamente mais rápido. Analistas são capazes de apresentar 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 16 de 58 
dados em qualquer formato, de acordo com qualquer trajetória de consolidação, 
abrangendo qualquer número de dimensões de dados. 
12. Dimensões e agregação de níveis ilimitados - Permite a especificação e 
manipulação de um número ilimitado de dimensões de dados dentro de um 
determinado modelo. 
Data mining 
Existe geralmente informação “escondida” nos dados que não são tão 
evidentes no momento da leitura. Um analista humano pode levar semanas para 
descobrir essa informação útil. A maioria dos dados de fato nunca é analisada. 
Com o crescimento da capacidade de processamento e armazenamento surgem 
perguntas sobre como identificar padrões (“X” acontece se...), exceções (isto é 
diferente de... por causa de...), tendências (ao longo do tempo, “Y” deve 
acontecer...) e correlações (se “M” acontece, “N” também deve acontecer). 
Para ajudar a resolver esses questionamentos surge um conjunto de 
conceitos relacionados à Data Mining. Veremos a estrutura teórica da matéria 
nesta parte da aula. Vem comigo! 
7. Conceitos básicos 
Começamos os conceitos tentando responder ao seguinte 
questionamento: O que é mineração de dados? Vários autores propuseram 
definições semelhantes para o termo, vejamos algumas delas: 
• Eduardo Gimenes: É o processo de extrair informação válida, 
previamente desconhecida e de máxima abrangência a partir de grandes 
bases de dados, usando-as para efetuar de decisões cruciais. 
• Laudon&Laudon: Análise de grandes quantidades de dados a fim de 
encontrar padrões e regras que possam ser usadas para orientar a 
tomada de decisões e prever o comportamento futuro. 
• Mineração de dados, ou data mining, é o processo de análise de conjuntos 
de dados que tem por objetivo a descoberta de padrões interessantes e 
que possam representar informações úteis. 
Como o nome indica data mining se refere à mineração ou a descoberta 
de novas informações em função de padrões ou regras em grandes quantidades 
de dados. Para ser útil, na prática, a mineração de dados precisa ser realizada 
eficientemente em grandes arquivos e banco de dados. 
Vejamos outras definições possíveis para o termo. “A mineração de dados 
é a aplicação de algoritmos específicos para extração de padrões a partir dos 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 17 de 58 
dados” de FAYYAD. “A mineração de dados se refere à extração, ou mineração, 
de conhecimento a partir de grandes quantidades de dados” de HAN e KAMBER. 
As técnicas tradicionais poderiam não se ajustar a enorme quantidade de 
dados, alta dimensionalidade dos dados e heterogeneidade e natureza 
distribuídas dos dados. Data Mining surge para completar essa lacuna. Sua base 
teórica é uma mistura de diferentes disciplinas: Estatística, Aprendizado de 
máquina, Banco de dados e Visualização. 
Ok! Então, antes de começarmos a descrever o que mais faz parte da 
mineração de dados, vamos tratar do que alguns autores conhecem como 
falácias de Data Mining. São basicamente quatros: 
• Data Mining é automático: é um processo, é iterativo, requer 
supervisão. 
• Investimentos são recuperados rapidamente: depende de muitos 
fatores! 
• Software são intuitivos e simples: é mais importante conhecer os 
conceitos dos algoritmos e o negócio em si! 
• Data Mining pode identificar problemas no negocio: DM pode 
encontrar padrões e fenômenos, identificar causa deve ser feito por 
especialistas. 
Podemos concluir então que existe um processo iterativo, que requer 
supervisão e depende de vários fatores para uma implementação de sucesso. É 
importante entender os algoritmos, as tarefas e o negócio. Assim, é possível 
encontrar os padrões e fenômenos sobre a massa de dados. 
O uso da mineração de dados é, portanto, potencializada, por alguns 
fatores: o volume de dados disponível atualmente é enorme, o fato dos dados 
estarem mais organizados, os recursos computacionais estão cada vez mais 
potentes, a competição empresarial exige técnicas mais modernas de decisão e 
os programas comerciais de mineração de dados já podem ser adquiridos. 
Para executarmos qualquer análise sobre os dados é necessário que 
tenhamos em mente qual a tarefa que estamos realizando. Uma tarefa de 
mineração de dados consiste na especificação do que queremos buscar nos 
dados. Podemos buscar por algum tipo de regularidade ou categoria de padrões 
temos interesse em encontrar ou ainda padrões que poderiam nos surpreender 
(por exemplo, um gasto exagerado de um cliente de cartão de crédito, fora dos 
padrões usuais de seus gastos). 
A classificação das tarefas pode ser feita de acordo com alguns critérios. O 
primeiro divide as tarefas emdescritivas e preditivas. As descritivas 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 18 de 58 
caracterizam as propriedades gerais dos dados em um banco de dados. Estão 
focadas em achar padrões reconhecidos por seres humanos para descrever os 
dados. As preditivas, por outro lado, realizam uma inferência sobre os dados 
atuais para fazer previsões futuras sobre os mesmos. Usa variáveis para prever 
valores futuros ou desconhecidos de outras variáveis. 
Outra taxonomia divide as tarefas em top-down e botton-up. Algumas 
tarefas são abordadas de forma top-down chamado teste de hipóteses. Em 
testes de hipóteses, um comportamento armazenado no banco de 
dados passado é utilizado para verificar ou refutar notações preconcebidas, 
ideias e palpites referentes às relações nos dados. 
Outras tarefas são melhor abordadas de forma bottom-up chamado de 
descoberta de conhecimento (Knowledge discorvery). Na descoberta de 
conhecimento a analise sobre os dados é feita sem suposições prévias. Os dados 
são autorizados a falar por si. 
As tarefas adequadas para mineração de dados (não é limitado a essas) 
são: Classificação (Preditiva), Clustering (Descritiva), Regra de Associação 
(Descritiva), Regressão (Preditiva) e Detecção de desvios (Preditiva). 
Outro ponto importante dentro do assunto são as técnicas de mineração 
que consistem na especificação de métodos que nos garantam como descobrir 
os padrões que nos interessam. Dentre as principais técnicas utilizadas em 
mineração de dados, temos: técnicas estatísticas, técnicas de aprendizado de 
máquina e técnicas baseadas em crescimento-poda-validação. 
Por fim, temos três características que são aplicadas a muitos conjuntos 
de dados e que possuem um impacto significativo sobre as técnicas de 
mineração de dados: dimensão, dispersão e resolução. A dimensão refere-
se à quantidade de atributos de um conjunto de dados. A resolução está 
relacionada à granularidade dos dados. Um conjunto de dados é 
muito disperso quando para um atributo relevante, a maioria dos valores é NULL 
ou um valor padrão. Esse conceito está relacionado à dispersão. 
Um último conceito que já foi cobrado em provas de concurso diz respeito 
aos métodos para identificar padrões em dados, que são basicamente três: 
- Modelos simples (consultas baseadas em SQL, OLAP, raciocínio 
humano) 
- Modelos intermediários (regressão, árvores de decisão, agrupamento) 
- Modelos complexos (redes neurais, indução de regras) 
7.1. Processo de mineração 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 19 de 58 
Antes de falar do processo de mineração propriamente dito vamos 
examinar a figura abaixo que trata do processo de BI. 
 
Baseado na figura é possível listar as etapas do processo: 
1. Limpeza dos dados: etapa onde são eliminados ruídos e dados 
inconsistentes. 
2. Integração dos dados: etapa onde diferentes fontes de dados podem 
ser combinadas produzindo um único repositório de dados. 
3. Seleção: etapa onde são selecionados os atributos que interessam ao 
usuário. Por exemplo, o usuário pode decidir que informações como endereço e 
telefone não são de relevantes para decidir se um cliente é um bom comprador 
ou não. 
4. Transformação dos dados: etapa onde os dados são transformados 
num formato apropriado para aplicação de algoritmos de mineração (por 
exemplo, através de operações de agregação). 
5. Mineração: etapa essencial do processo consistindo na aplicação de 
técnicas inteligentes a fim de se extrair os padrões de interesse. 
O processo de mineração de dados se assemelha um pouco ao processo 
de BI descrito acima. Propõe uma visão geral do ciclo de vida de um projeto 
de mineração de dados. Vejam a figura abaixo: 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 20 de 58 
 
Em 1996, um conjunto de três empresas especializadas no então jovem e 
imaturo mercado de data mining, desenvolveram um modelo de processos 
genéricos, com o intuito de padronizar as etapas do processo de mineração de 
dados, dando início ao denominado projeto CRISP-DM (CRoss Industry Standard 
Process for Data Mining) [The CRISP-DM Consortium, 2000]. 
Na figura acima é mostrado o ciclo de vida de um projeto de mineração de 
dados, que consiste de seis fases. A sequência de fases não é obrigatória, 
ocorrendo a transição para diferentes fases, dependendo do resultado de cada 
fase, e que etapa particular de cada fase precisa ser executada em seguida. As 
setas indicam as mais importantes e mais frequentes dependências entre as 
fases. 
O ciclo externo na figura simboliza o ciclo natural da mineração de dados. 
Um processo de mineração de dados continua após a solução ter sido 
desenvolvida. As lições aprendidas durante o processo podem provocar 
perguntas novas, frequentemente mais pertinentes ao negócio. Processos 
subsequentes se beneficiarão das experiências de processos anteriores. 
O entendimento do negócio (Business Understanding) foca no 
entendimento do negócio que visa obter conhecimento sobre os objetivos do 
negócio e seus requisitos. 
Uma vez definido o domínio sobre o qual se pretende executar o processo 
de descoberta, o próximo passo é selecionar e coletar o conjunto de dados ou 
variáveis necessárias. Consiste no entendimento dos dados utilizando-se de 
conjuntos de dados "modelo". 
Essa fase se inicia com uma coleta inicial de dados, e com 
procedimentos e atividades visando à familiarização com os dados, para 
identificar possíveis problemas de qualidade, ou detectar subconjuntos 
interessantes para formar hipóteses. 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 21 de 58 
A próxima etapa é a limpeza dos dados (Data Preparation) que consiste 
na preparação dos dados que visa à limpeza, transformação, integração e 
formatação dos dados da etapa anterior. 
É a atividade pela qual os ruídos, dados estranhos ou inconsistentes são 
tratados. Esta fase abrange todas as atividades para construir o conjunto de 
dados final (dados que serão alimentados nas ferramentas de mineração), a 
partir do conjunto de dados inicial. 
A utilização de Data Warehouses facilita em muito esta etapa do processo 
de mineração de dados, que costuma ser a fase que exige mais esforço, 
correspondendo geralmente a mais de 50% do trabalho. Por isso, é muito 
importante para uma organização, que ela possua em seus processos habituais 
boas práticas da administração de dados, como o Data Cleansing, que é uma 
parte fundamental da cadeia da administração da informação, responsável pelas 
etapas de detecção, validação e correção de erros em bases de dados. 
A próxima fase é a Modelagem dos Dados (Modeling). Nessa fase, várias 
técnicas de modelagem são selecionadas e aplicadas, e seus parâmetros são 
calibrados para se obter valores otimizados. Geralmente, existem várias técnicas 
para o mesmo tipo de problema de mineração. 
Algumas técnicas possuem requerimentos específicos na forma dos dados. 
Consequentemente, voltar para a etapa de preparação de dados é 
frequentemente necessário. A maioria das técnicas de mineração de dados é 
baseada em conceitos de aprendizagem de máquina, reconhecimento de 
padrões, estatística. 
Seguindo o fluxo temos a Avaliação do processo (Evaluation). Neste 
momento visamos garantir que o modelo gerado atenda às expectativas da 
organização. Os resultados do processo de descoberta do conhecimentopodem 
ser mostrados de diversas formas. 
Porém, estas formas devem possibilitar uma análise criteriosa para 
identificar a necessidade de retornar a qualquer um dos estágios anteriores do 
processo de mineração. Nesta etapa se construiu um modelo que parece de alta 
qualidade, de uma perspectiva da análise de dados. 
Antes de prosseguir, é importante avaliar mais detalhadamente o modelo, 
e rever as etapas executadas para construir o modelo, para se certificar de que 
ele conseguirá alcançar os objetivos de negócio. Deve se determinar se houve 
algum importante objetivo do negócio que não foi suficientemente alcançado. No 
fim desta fase, uma decisão sobre o uso dos resultados da mineração deve ser 
tomada. 
A execução (Deployment) consiste na definição das fases de implantação 
do projeto de Mineração de Dados. A criação do modelo não é o fim do projeto. 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 22 de 58 
Mesmo se a finalidade do modelo for apenas aumentar o conhecimento dos 
dados, o conhecimento ganho necessitará ser organizado e apresentado em uma 
maneira que o cliente possa usar. 
Dependendo das exigências, a fase de execução pode ser tão simples 
quanto a geração de um relatório, ou tão complexo quanto executar processos 
de mineração de dados repetidamente. Em muitos casos será o cliente, não o 
analista dos dados, que realizará as etapas da execução. Entretanto, mesmo se 
o analista não se encarregar da execução é importante que ele faça o cliente 
compreender que medidas deverão ser tomadas a fim de empregar efetivamente 
os modelos criados. 
Com isso terminamos nossa rápida explicação sobre o processo de 
mineração de dado descrito pelo CRISP-DM. Vamos agora tratar das tarefas de 
mineração. 
7.2. Tarefas de mineração 
Vamos falar agora das tarefas de mineração começando pela regra de 
associação. 
7.2.1. Regras de associação 
As regras de associação relacionam a presença de um conjunto de itens 
com outra faixa de valores de outro conjunto de variáveis. Podemos pensar nos 
seguintes exemplos: 1. Quando uma mulher compra uma bolsa em uma loja, ela 
está propensa a comprar sapatos (na mesma loja) e 2. Uma imagem de raio X 
contendo as características a e b provavelmente exibirá também a característica 
c (o mesmo raio-x). Veja as figuras abaixo que ilustram esses exemplos: 
 
Uma regra de associação é um padrão da forma X  Y, onde X e Y são 
conjuntos de valores. O seguinte padrão “clientes que compram pão também 
compram leite” representa uma regra de associação que reflete um padrão de 
comportamento dos clientes do supermercado. Descobrir regras de associação 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 23 de 58 
entre produtos comprados por clientes numa mesma compra pode ser útil para 
melhorar a organização das prateleiras, facilitar (ou dificultar) as compras do 
usuário ou induzi-lo a comprar mais. 
Os autores definem os conceitos de lado da mão direita e lado da mão 
esquerda para ilustrar essa ideia de compra casada. É como se eu estivesse 
propenso a consumir os dois produtos. A união entre o lado da mão esquerda e 
o lado da mão direita gera outra definição conhecida como conjunto-item (o 
conjunto de todos os itens comprados pelos clientes). Observe a figura abaixo 
com o conjunto-item formado por picanha (Friboi é claro!) e carvão! 
 
Para que uma regra de associação seja do interesse de um pesquisador de 
dados, a regra precisa satisfazer algumas medidas. O suporte que define quão 
frequente a regra acontece no banco de dados e a confiança que é a força da 
regra. Vamos detalhar um pouco mais essas definições. 
O Suporte é uma medida objetiva para avaliar o interesse de uma 
regra de associação. Representa a porcentagem de transações (%) de um 
banco de dados de transações onde a regra se verifica. 
A Confiança é outra medida objetiva para regras de associação que 
mede o grau de certeza de uma associação. Em termos estatísticos, trata-se 
simplesmente da probabilidade condicional P (Y | X), isto é, a porcentagem 
de transações contendo os itens de X que também contém os itens de Y. 
O problema de regras de associação pode ser decomposto em três passos 
principais: 
1. Gerar todas as combinações de itens; 
2. Descobrir conjuntos de itens: Este passo consiste em gerar um 
conjunto com todas as combinações de itens obedecendo a um limiar, chamado 
suporte mínimo. As combinações que satisfazem esta condição são chamadas 
de conjunto de itens grandes, enquanto que os que não satisfazem, são 
chamados de conjunto de itens pequenos; 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 24 de 58 
3. Gerar as regras de associação para a base de dados: Após o conjunto 
de itens finais ter sido produzido, deve-se gerar as regras de associação de um 
conjunto de itens Y = I1,I2,,...,Ik, sendo k ≥ 2. O antecedente da regra será um 
conjunto X de Y tal que, X possua k-1 itens, e o consequente seja Y – X. Para 
verificar a validade de uma regra, a confiança da regra (suporte(Y) / suporte(X)) 
deve satisfazer o valor mínimo de confiança informado. 
Uma pergunta pode ser relevante neste momento: como descobri todos 
os conjuntos de itens grandes? 
Temos que verificar duas propriedades: 1. Fechamento por baixo, ou 
seja, um itemset grande também deve ser grande (desta forma cada 
subconjunto de um itemset excede o suporte mínimo exigido). 2. 
Antimonotonicidade um superconjunto de um itemset pequeno também é 
pequeno (implicando que ele não tem suporte suficiente). Sendo assim quando 
se descobre um itemset pequeno, então qualquer extensão deste itemset será 
pequeno. 
7.2.2. Classificação 
Parece ser um imperativo humano. A fim de compreender e 
comunicar sobre o mundo que estamos constantemente a classificar, 
categorizar e classificar. Dividimos as coisas vivas em filos, espécies 
e gênero; matéria em elementos; cães em raças, as pessoas em raças. Os 
objetos a serem classificados são geralmente representados por registros em 
um banco de dados ou um arquivo, e o ato de classificação consiste em 
adicionar uma nova coluna com um código de classe de algum tipo. 
Uma das tarefas mais comuns dentro de mineração de dados. Consiste 
em examinar as características de um objeto recém apresentados e atribuí-lo 
a um dos conjuntos predefinidos de classes. A tarefa de classificação é 
caracterizada por uma definição das classes (1), e conjunto dados para 
aprendizado (2) pré-classificados. 
Uma definição mais formal para a classificação é a tarefa de aprendizado 
de uma função alvo f que mapeia cada atributo de um conjunto x para um rótulo 
de classe predefinido y. Essa descrição foi dada por Tan em seu livro de 
mineração e pode ser observada na figura abaixo: 
 
 O modelo construído baseia-se na análise prévia de um conjunto de 
dados de amostragem ou dados de treinamento, contendo objetos corretamente 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 25 de 58 
classificados. Por exemplo, suponha que o gerente do supermercado está 
interessado em descobrir que tipo de características classificam seus clientes em 
“bom comprador” ou “mau comprador”. Um modelo de classificação poderia 
incluir a seguinte regra: “Clientes da faixa econômica B, com idade entre 50 e 60 
são maus compradores”. 
São técnicas usualmente empregadas em tarefas de classificação árvores 
de decisão eredes neurais. Boa parte dos métodos de classificação utilizam 
técnicas estatísticas e de aprendizado de máquina. Segundo o Navathe, 
classificação é o processo de encontrar um conjunto de modelos (funções) que 
descrevem e distinguem classes ou conceitos. 
Tem o propósito de utilizar o modelo para predizer a classe de objetos que 
ainda não foram classificados. Utiliza um aprendizado supervisionado para 
separa classes em grupos distintos. Vejam um exemplo na figura abaixo: 
 
Na classificação o objetivo é a construção de um modelo que possa ser 
aplicado a dados não classificados e classificá-los. São exemplos de tarefas de 
classificação que foram abordados através de técnicas de mineração de dados: 
classificação de pedido de crédito como baixo, médio ou alto risco, 
escolher conteúdo a ser exibido em uma página Web, determinar quais os 
números de telefone correspondem a máquinas de fax, 
descobrir sinistros fraudulentos e atribuir códigos da indústria e 
denominações de emprego com base nas descrições de texto livre. 
Em todos os exemplos, há um número limitado de classes, e espera-
se ser capaz de atribuir qualquer registo em um ou outra. As árvores de 
decisão e técnicas semelhantes são bem adaptadas para a classificação. Rede 
neural e análise de links também são úteis para a classificação de certas 
circunstâncias. Vejam na figura a seguir um fluxo que mostra o funcionamento 
de um algoritmo de classificação: 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 26 de 58 
 
7.2.3. Agrupamento (Clustering) 
Diferentemente da classificação e predição onde os dados de treinamento 
estão devidamente classificados e as etiquetas das classes são conhecidas, a 
análise de clusters trabalha sobre dados onde as etiquetas das classes não estão 
definidas. 
A técnica consiste em identificar agrupamentos de objetos, estes que 
identificam uma classe. Trabalha sobre dados onde as etiquetas das classes 
não estão definidas. Conhecido também por aprendizado não 
supervisionado e, às vezes, chamado de classificação por estatísticos e de 
segmentação por pessoas de marketing. 
Queremos achar grupos naturais nos dados onde dados em um mesmo 
grupo são semelhantes entre si e dados de grupos diferentes são diferentes 
entre si. Mas como medir essa semelhança. Existem algumas métricas para 
calcular as distâncias e dissimilaridades entre os itens de dados. 
As medidas de distância podem ser calculadas entre dois objetos. Sejam 
O1 e O2 dois objetos de um universo de possíveis objetos. A distância 
(dissimilaridade) entre O1 e O2 é um número real denotado por D (O1,O2). 
Observem a figura abaixo para entender melhor o conceito: 
 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 27 de 58 
Algumas propriedades podem ser analisadas nas medidas de distância. A 
simetria (D (A,B) = D (B,A)), caso contrário você poderia afirmar que “Alex 
parece com Bob, mas Bob não parece com Alex”. A constância de auto 
simetria (D (A,A) = 0), caso contrário você poderia afirmar que “Alex parece 
mais com Bob, do que o próprio Bob”. A positividade (D(A,B) = 0  A = B) 
caso contrário existiriam objetos no seu mundo que são diferentes, mas você 
não consegue diferenciá-los. E a desigualdade triangular (D (A,B) ≤ D(A,C) + 
D (B,C)) caso contrário você poderia afirmar que “Alex é parecido com Bob, e 
Alex é parecido com Carl, mas Bob não se parece com Carl”. 
Podemos usar alguns tipos de algoritmos para agrupamentos. Algoritmos 
particionais que objetivam construir diversas partições e avaliá-las com algum 
critério. Algoritmos hierárquicos que criam uma decomposição hierárquica de 
um conjunto de objetos utilizando algum critério. Vejam o exemplo abaixo: 
 
Por exemplo, poderíamos aplicar análise de clusters sobre o banco de 
dados de um supermercado a fim de identificar grupos homogêneos de clientes. 
Clientes residentes em determinados pontos da cidade costumam vir ao 
supermercado aos domingos. Enquanto clientes residentes em outros pontos da 
cidade costumam fazer suas compras às segundas-feiras. 
7.2.4. Abordagem para outros 
problemas de mineração 
Análise de padrões sequenciais - Um padrão sequencial é uma 
expressão da forma < i1;.....; in >, onde cada i é um conjunto de itens. A 
ordem em que estão alinhados estes conjuntos reflete a ordem cronológica em 
que aconteceram os fatos representados por estes conjuntos. Assim, por 
exemplo, a sequência < {carro}, {pneu, toca-fitas} > representa o padrão 
“Clientes que compram carro, tempos depois compram pneu e toca-fitas de 
carro”. Descobrir tais padrões sequenciais em dados temporais pode ser útil em 
campanhas de marketing, por exemplo. 
Análise de Padrões em Séries Temporais - O preço de fechamento de 
uma ação ou de um fundo de investimentos é um evento que ocorre a cada dia 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 28 de 58 
da semana para cada fundo ou ação. Sequencias desses valores são exemplos 
de uma serie temporal. Séries temporais são sequencias de eventos, cada 
evento pode ser um tipo fixo dado uma transação. 
Uma série temporal é uma coleção de observações feitas sequencialmente 
ao longo do tempo. Em séries temporais a ordem dos dados é fundamental. Uma 
característica muito importante deste tipo de dados é que as observações 
vizinhas são dependentes e o interesse é analisar e modelar esta dependência. 
Predição – Consultando o dicionário encontramos a seguinte definição: 
dizer antecipadamente o que vai acontecer, seja por meio de regras certas, 
pretensa adivinhação ou conjetura. Em algumas aplicações, o usuário está mais 
interessado em predizer alguns valores ausentes em seus dados, em vez de 
descobrir classes de objetos. Isto ocorre, sobretudo, quando os valores que 
faltam são numéricos. Neste caso, a tarefa de mineração é denominada 
Predição. 
Análise de Outliers - Um banco de dados pode conter dados que não 
apresentam o mesmo comportamento padrão da maioria. Estes dados são 
denominados outliers (exceções). Muitos métodos de mineração descartam estes 
outliers como sendo ruído indesejado. Entretanto, em algumas aplicações, tais 
como detecção de fraudes, estes eventos raros podem ser mais interessantes do 
que eventos que ocorrem regularmente. Por exemplo, podemos detectar o uso 
fraudulento de cartões de crédito ao descobrir que certos clientes efetuaram 
compras de valor extremamente alto, fora de seu padrão habitual de gastos. 
Veja que você pode descobri fraudes por analise de outleirs ou 
classificação. No primeiro você conhece o padrão dos dados ou transações 
comuns ao banco de dados e algo que não se adapte a esse padrão é um ponto 
fora da curva. No segundo você treina um modelo para que ele reconheça 
padrões de fraude. 
Regressão - Regressão é uma aplicação especial da regra de 
classificação. Se uma regra de classificação é considerada uma função sobre 
variáveis que as mapeia em uma classe destino, a regra é chamada regressão. 
Uma aplicação de regressão ocorre quando, em vez de mapear uma tupla de 
dados de uma relação para uma classe específica, o valor da variável é previsto 
baseado naquela tupla. 
Quando: Y = f(x1, x2, ..., xn). Uma função f é linear no domínio das 
variáveis xi, o processo de derivar f de um dado conjunto de tuplas para <x1, 
x2, ... Xn, y> é chamado regressão linear. 
7.3. Conceitos Complementares 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br29 de 58 
Para concluirmos o conteúdo de Data Mining vamos tratar de alguns 
termos complementares presentes da literatura especializada que ainda não 
foram vistos ao longo da nossa aula. 
Alguns autores classificação mineração de dados de acordo com a forma. 
Essa classificação possui três categorias: Preditivo, Textual e Espacial. Veja a 
definição de cada um deles abaixo: 
• Preditivo - A data mining pode mostrar como certos atributos dos dados 
irão se comportar no futuro 
• Textual - Processo de obtenção de informação utilizando fontes de dados 
textuais. Aplicações em classificação automática de textos e busca de 
agrupamentos. 
• Espacial - Processo de descoberta de padrões utilizando bancos de dados 
espaciais populados por mapas. 
A mineração de dados apoia o conhecimento indutivo, que descobre novas 
regras e padrões nos dados fornecidos. O conhecimento pode ser representado 
de muitas formas: 
1. Quando não estruturado, pode ser representado por regras ou por 
lógica proposicional. 
2. Em uma forma estruturada, podem ser representados por árvores 
de decisão, redes semânticas, redes neurais ou hierarquias de 
classes ou frames. 
OLAP x Data Mining 
O termo para processamento analítico on-line representa a característica 
de trabalhar os dados com operadores dimensionais. OLAP possibilita uma forma 
múltipla e combinada de análise. 
Data Mining está mais relacionado com os processos de análise de 
inferência do que com a análise dimensional de dados. Representa uma forma 
de busca de informação baseada em algoritmos que objetivam o reconhecimento 
de padrões escondidos nos dados. Esses padrões não são necessariamente 
revelados pelas outras abordagens analíticas, como o OLAP. 
Para finalizar vamos apresentar uma última definição de data mining: “A 
mineração de dados é um campo interdisciplinar que reúne técnicas 
de aprendizado de máquina, reconhecimento de padrões, 
estatísticas, banco de dados e visualização para abordar a questão da 
extração de informações a partir de grandes bases de dados”. 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 30 de 58 
Visualização e análise exploratória de dados 
Esta é a parte do assunto que permite exibir os resultados de uma análise 
de dados. A visualização é estudada dentro do contexto procurando entender as 
diferentes formas de exibição do conteúdo produzido a partir dos dados 
armazenados. Como é possível exibir os dados? Quem são os interessados? 
Veremos isso nas próximas linhas. 
Devido à forma como o cérebro humano processa as informações, é mais 
rápido para as pessoas compreenderem o significado das diferentes perspectivas 
sobre os dados quando eles são exibidos em tabelas e/ou gráficos, em vez de 
debruçado sobre pilhas de folhas de cálculo ou páginas de leitura e de relatórios. 
Visualização de dados trata da forma de apresentação dos dados em um 
formato pictórico (por meio de desenhos) ou gráfica. Durante séculos, as 
pessoas têm dependido de representações visuais, como gráficos e mapas para 
compreender a informação mais fácil e rapidamente. 
À medida que mais e mais dados são coletados e analisados, os tomadores 
de decisão, em todos os níveis, devem utilizar software de visualização de dados 
que lhes permitam ver os resultados analíticos visualmente. Com essas 
ferramentas podemos encontrar relevância entre as milhões de variáveis, 
comunicar conceitos e hipóteses aos outros, e até mesmo, prever o futuro. 
Visualização interativa – A visualização de dados interativa vai um passo 
além – fornecendo algo mais do que a exibição de gráficos estáticos e planilhas. 
Faz uso de computadores e dispositivos móveis para penetrar em tabelas e 
gráficos visando obter mais detalhes, e de forma interativa (e em tempo real) 
mudar os dados que você vê ou até como eles são processados. 
E como é entendida a visualização no contexto de Big Data? Estudos 
mostram que o cérebro processa imagens 60 mil vezes mais rápido do que 
texto. A etapa final no seu fluxo de trabalho para análise em Big Data, a 
visualização de dados analíticos é uma representação visual dos conhecimentos 
adquiridos. Em alguns softwares, a sua visualização está ligada à sua análise, 
portanto, a qualquer tempo alterações de dados, são incorporadas a sua 
visualização que será atualizada automaticamente com os resultados mais 
novos. 
A visualização de dados está por toda parte. Desde a criação de uma 
representação visual com pontos de dados para impressionar potenciais 
investidores, ao relatório sobre os progressos de um determinado projeto, ou 
até mesmo a visualização de conceitos para segmentos de clientes, a 
visualização de dados é uma ferramenta valiosa e aparece no mercado em uma 
variedade de configurações. 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 31 de 58 
As interfaces com os usuários são as ferramentas de visualização que 
apresentam as informações de uma maneira compreensível aos usuários. Estas 
podem ser dashboards (fornecem uma visão abrangente e amigável dos 
indicadores chaves de desempenho e suas tendências e exceções), cubo 
multidimensional de dados e, até mesmo, realidade virtual. 
Os Dashboard e Scorecards fornecem displays visuais de informações 
importantes que são consolidadas e dispostas em uma única tela. Desta forma a 
informação pode ser digerida em um único olhar e facilmente explorada. Os 
painéis permitem uma exibição visual que é utilizada para monitorar o 
desempenho operacional. Os scorecards trazem uma exibição visual que é 
utilizada para traçar o progresso em relação às metas e objetivos estratégicos e 
táticos. 
No dashboard é possível termos um conjunto ou um grupo de visões 
analíticas relacionado com tabelas de indicadores, relatórios, planilhas, gráficos e 
demais componentes de análise de informação. É uma coleção de vários itens 
podendo ser composto por várias páginas ou abas, contendo diversas análises. O 
essencial para obter um excelente dashboard não está apenas na exposição dos 
dados, mas em fornecer ao usuário um elevado nível de interação. Abaixo um 
exemplo de dashboard. 
 
Análise exploratória de dados (AED) 
Em estatística, análise exploratória de dados (AED) é uma abordagem para 
analisar conjuntos de dados visando resumir as suas principais características, 
muitas vezes com métodos visuais. Um modelo estatístico pode ser usado ou 
não, mas principalmente AED serve para observados o que os dados podem nos 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 32 de 58 
dizer para além da modelagem formal ou hipótese em testes. Análise 
exploratória de dados foi promovida por John Tukey para incentivar os 
estatísticos a explorar os dados e, eventualmente, formular hipóteses que 
poderiam levar a nova coleta de dados e experimentos. AED é diferente de 
análise de dados inicial (ADI), que se concentra mais estreitamente na 
verificação de suposições necessárias para o modelo e as hipóteses, fazendo 
manipulação de valores faltantes e transformações de variáveis conforme 
necessário. AED abrange IDA. 
Segundo Tukey, os objetivos da AED são os seguintes: 
1. Sugerir hipóteses sobre as causas dos fenômenos observados. 
2. Avaliar os pressupostos sobre os quais a inferência estatística será 
baseada. 
3. Apoiar a seleção de ferramentas e técnicas estatísticas adequadas. 
4. Fornecer uma base para uma futura coleta de dados através de 
pesquisas ou experimentos. 
 
Questões 
Apresentamos abaixo um conjunto de questões sobre o assunto que 
aprendemos nesta aula. Esperamosque elas ajudem na fixação da matéria. 
Qualquer dúvida, estamos às ordens! 
 
1. ESAF - 2008 - Cargo: ANALISTA DE FINANÇAS E CONTROLE - 
Secretaria do Tesouro Nacional - STN - TECNOLOGIA DA 
INFORMAÇÃO/ INFRA-ESTRUTURA DE TI 
13- Com respeito à mineração de dados, assinale a opção correta, após avaliar 
as seguintes afirmações: 
I. A mineração de dados pode ser usada em conjunto com um datawarehouse, 
para auxiliar tomada de decisão. 
II. A mineração de dados permite a descoberta de regras de associação entre 
hierarquias. 
III. A mineração de dados compreende todo o processo de descoberta de 
conhecimento em bancos de dados. 
a) Apenas as afirmações I e II são corretas. 
b) Apenas as afirmações I e III são corretas. 
c) Apenas as afirmações II e III são corretas. 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 33 de 58 
d) As afirmações I, II e III são corretas. 
e) As afirmações I, II e III são incorretas. 
Comentários: Vamos comentar cada uma das alternativas acima 
I. Exatamente, ambas fazem parte do processo de descoberta de conhecimento. 
Em um primeiro momento é formado o Data Warehouse com a base de dados 
que agrega informações de diferentes fontes. Após passar por uma limpeza 
(para retirar dados inconsistentes, ex.: uma data sem o ano 12/02) esses dados 
são integrados de forma a compor um DW com informações de todos os setores 
da organização. Num segundo momento o um algoritmo de mineração de dados 
toma uma parte dos dados do DW e procura encontrar regras ou padrões úteis. 
II. Verdadeiro. Uma das tarefas de Data Mining é a descoberta de regras de 
associação entre dados. Outras tarefas que podemos listar são: 
– Classificação 
– Clustering 
– Estimativa 
– Previsão 
– Agrupamento por afinidade 
III. Na realidade é o oposto do que está dito na alternativa. A mineração de 
dados que faz parte do processo de descoberta do conhecimento. 
Para entender melhor, veja a figura abaixo: 
 
Gabarito: A 
 
2. ESAF 2013 – Secretária do Tesouro Nacional – Analista de sistemas 
8 - A Mineração de Dados requer uma adequação prévia dos dados através de 
técnicas de pré-processamento. Entre elas estão as seguintes técnicas: 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 34 de 58 
a) Agrupamento. Amostragem. Redução de dimensionalidade. Seleção de 
subconjuntos de recursos. Recursos pontuais. Polarização. Redução de variáveis. 
b) Agregação. Classificação. Redução de faixas de valores. Seleção de 
subconjuntos de recursos. Redução de recursos. Terceirização e discretização. 
Transformação de variáveis. 
c) Agrupamento. Classificação. Redução de dimensionalidade. Seleção de 
subconjuntos de usuários. Criação de recursos. Binarização e discretização. 
Transformação de conjuntos. 
d) Agregação. Amostragem. Redução de dimensionalidade. Seleção de 
subconjuntos de usuários. Criação de recursos. Polarização. Transformação de 
conjuntos. 
e) Agregação. Amostragem. Redução de dimensionalidade. Seleção de 
subconjuntos de recursos. Criação de recursos. Binarização e discretização. 
Transformação de variáveis. 
Comentários: Essa questão não mede o grau conhecimento do candidato e sim 
a sua capacidade de decorar uma lista, que cada dia cresce mais, de técnicas de 
data mining, mas precisamente das técnicas de pré-processamento. A lista foi 
retirada do livro do TAN. Veja abaixo a lista em inglês, uma tradução ao pé da 
letra encontra-se na alternativa E, na mesma ordem apresentada. 
Aggregation 
Sampling 
Dimensionality Reduction 
Feature subset selection 
Feature creation 
Discretization and Binarization 
Attribute Transformation 
Gabarito: E 
 
3. ESAF 2013 – Secretária do Tesouro Nacional – Analista de sistemas 
Uma técnica de classificação em Mineração de Dados é uma abordagem 
sistemática para 
a) construção de controles de ordenação a partir de um conjunto de acessos. 
b) construção de modelos de classificação a partir de um conjunto de dados de 
entrada. 
c) construção de modelos de dados a partir de um conjunto de algoritmos. 
d) construção de controles de ordenação independentes dos dados de entrada. 
e) construção de modelos de sistemas de acesso a partir de um conjunto de 
algoritmos. 
Comentários: Essa questão trata de classificação, uma tarefa de data mining. A 
classificação pode ser entendida como o processo de encontrar um conjunto de 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 35 de 58 
modelos (funções) que descrevem e distinguem classes ou conceitos, com o 
propósito de utilizar o modelo para predizer a classe de objetos que ainda não 
foram classificados. Segundo o TAN, a definição também pode ser a tarefa de 
aprender uma função alvo f que mapeie cada conjunto de atributos x para um 
dos rótulos de classes y pré-determinados. Com a ajuda das duas definições 
acima podemos chegar à resposta na letra B. Abaixo temos uma figura do livro 
do TAN que apresenta graficamente a definição de classificação. 
 
Gabarito: B 
 
4. ESAF - 2013 - DNIT - Analista Administrativo - Tecnologia da 
Informação 
São regras de avaliação de produtos OLAP: 
(a) Transferência ao usuário. Desempenho consistente na geração de relatórios. 
Dimensionalidade cumulativa. Operações irrestritas com dimensões cruzadas. 
(b) Visão conceitual multidimensional para restringir consultas. Transparência ao 
usuário. Dimensionalidade genérica. Manipulação dedutiva dos dados. 
(c) Visão conceitual multidimensional para formular consultas. Desempenho 
consistente na geração de relatórios. Dimensionalidade genérica. Manipulação 
intuitiva dos dados. 
(d) Visão conceitual multidimensional para formular consultas. Dimensionalidade 
genérica. Manipulação segmentada dos dados. Operações irrestritas com 
dimensões alternadas. 
(e) Extensão conceitual dos dados. Transparência ao dispositivo de acesso. 
Manipulação intuitiva dos dados. Operações irrestritas com indicações cruzadas. 
Comentários: Os produtos OLAP podem ser avaliados com o uso das regras de 
avaliação citadas por Codd. Portanto, um bom produto OLAP deve possuir: 
i) visão conceitual multidimensional; 
ii) transparência; 
iii) acessibilidade; 
iv) desempenho consistente do relatório; 
v) arquitetura cliente-servidor; 
vi) dimensionalidade genérica; 
vii) manuseio dinâmico da estrutura da matriz; 
viii) apoioa multi-usuários; 
ix) operações irrestritas de cruzamento de dimensões; 
16712855225
Conceitos de OLAP e DATA MINING 
Prof. Thiago Rodrigues Cavalcanti ʹ Aula 02 
 
 
 
Prof. Thiago Rodrigues Cavalcanti 
 www.estrategiaconcursos.com.br 36 de 58 
x) manipulação de dados intuitiva; 
xi) relatório flexível; 
xii) dimensões e agregação de níveis ilimitados. 
Gabarito: C 
 
5. ESAF - 2012 - CGU - Analista de Finanças e Controle - prova 3 - 
Auditoria e Fiscalização - Geral . 
São características gerais de conjuntos de dados: 
(a) disposição, dispersão e renderização. 
(b) dimensão, posicionamento e homogeneidade. 
(c) compatibilidade, dispersão e interação. 
(d) dimensão, dispersão e resolução. 
(e) portabilidade, concentração e resolução. 
Comentários: Questão retirada de TAN et. al (2009, p. 35), que destaca três 
características aplicadas a muitos conjuntos de dados e que possuem um 
impacto significativo sobre as técnicas de mineração de dados: dimensão, 
dispersão e resolução. 
A dimensão refere-se à quantidade de atributos de um conjunto de dados; 
A resolução está relacionada à granularidade dos dados. 
Um conjunto