Explorao de Data Warehouse: Minerao de Dados ou OLAP

Instituto Sumar de Ensino Superior Banco de Dados Conrado Rosa

Klayton Rodrigo Alves 1114050@facsumare.com.br klayton.alves@hotmail.com RESUMO Em meio s dificuldades de se trabalhar analise em Data Warehouse corporativo, e as necessidades de se utilizar o mesmo em diversos campos de atuao, sejam para projetar consultas, gerar relatrios, analisar as informaes ou previas futuros mercados, obtidos na minerao de dados, ou usando processamento analtico on-line (OLAP) e respondendo a questionamentos tipicamente dimensionais para suporte a Deciso Gerencial (SAD), este artigo objetiva apresentar o trabalho de minerao de dados com caractersticas de tecnologia OLAP, ou seja, analisar os dados de forma multidimensional.

Palavra Chave: Data Mining, OLAP, Data Warehouse.

ABSTRACT Amid the difficulties of working in analyzing corporate data warehouse, and needs to use it in various fields, are to design queries, generate reports, analyze information and predict future markets, obtained in data mining, or using online analytical processing (OLAP) and responding to questions typically designed to withstand Decision Management (SAD), this article presents the work of data mining with OLAP technology features, ie, analyze the data in a multidimensional way.

Keywords: Data Mining, OLAP, Data Warehouse.

INTRODUO
Com a globalizao, o crescimento, o desenvolvimento e a expanso das empresas num espao fsico, operacional e gerencial, o avano tecnolgico trouxe uma aproximao dos quatro pontos terrestres gerando dados das mais diversas reas. Com a armazenagem destes dados tornou-se difcil gerir as informaes aglomeradas no decorrer de alguns anos, para tal funcionalidade foi desenvolvido o Data Warehouse e Data Marts com finalidades idnticas, ou seja, agregar dados, mas com caractersticas diferentes. Este breve texto pretende demonstrar a estrutura bsica necessria de um artigo cientfico, como tambm conhecer algumas das principais regras da ABNT utilizadas.

CRESCIMENTO DA INFORMAO E MTODOS DE ANALISE

A necessidades de se aglomerar os dados em um ponto central, como Data Warehouse, ou fazer com que existam divesos pontos para armazenagem, com Data Marts que so espalhados em diferentes pontos, teem grande importncia para as empresas que valorizao e investem nas futuras tendncias, portanto procuram pelo conhecimento esteja aonde estiver e principalmente nas informaes que obtiveram com o tempo. Para trabalhar as diversas formas de minerao de dados e a tecnologia OLAP (On-line Analitic Processing) ambas sero apresentadas para responder consultas em formato multidimensional e assim produzir o conhecimento necessrio, aprimorando os caminhos do negcio. E para produo do conhecimnto e delimitao das analises convenciona-se a minerao de dados(Data Mining), que utiliza mtodos de classificao, estimativa, prviso, agrupametno pr afinidade, reunio e descrio, ou seja, so chamados de hipoteticos, com o ideal que se propem a descobrir tendncias e padres, e OLAP utiliza mtodos como agregao, alocao, razes, produtos e outros, que se propem a responder analises on-line.

GERANDO AS RIQUEZAS E TRABALHANDO-AS

O Data Warehouse fornecem memrias a empresa. Mas a memria tem pouco uso sem a inteligncia. A inteligncia (Data Mining) nos permite a analise da nossa memria, observando modelos estabelecendo mecanismos e tendo

novas idias para fazer previses sobre o futuro. [1] Inmon descreve uma Data Warehouse como sendo um conjunto de dados baseados em assuntos, integrados, no voltil e varivel em relao ao tempo, de apoio a decises gerenciais [1], ou seja, um repositrio de dados para dar suporte as decises gerenciais normalmente constitudo por alguns Data Marts que so moldados por estruturas granulares pertencentes a departamentos especficos, e armazenagem Near-Line que contem riquezas detalhadas sobre dados histricos [2]. As informaes dos sistemas operacionais so armazenadas em um Data Warehouse, ou em um conjunto de Data Mats, normalmente distribudos por setores, como Marketing, Financeiro e outros. Tomas Harison define Data Mining como sendo explorao e analise, por meios automticos ou semi-automticos, de grande quantidade de dados para descobrir modelos e regras significativas[1], j Luiz Alfredo de carvalho complementa da seguinte forma, Data Mining e o uso de tcnicas de explorao de grande quantidade de dados de forma a descobrir novos padres e relao que, devido ao volume de dados, no seriam descobertos a olho nu pelo ser humano. [3] H. W. Inmon enxuga todas alinhas acima descrevendo a minerao de dados como sendo o processo de se encontrar padres associaes e relacionamentos a partir de dados [2]. OLAP proporciona condies de analise de dados on-line necessrias para responder as possveis torrentes de perguntas dos executivos que se situam entre o Data Warehouse e a interface permitindo ao usurio formular consultas a banco de dados, sem precisar interagir com linguagem de programao de banco de dados SQL[1]. AS DIFERENAS TRATANDO A INFORMAO Levamos em conta que as diferenas entre OLAP e Data Mining: No primeiro suas funes ou algoritmos encontrados nas ferramentas so normalmente descritivos, como agregaes, alocaes, razes, produtos e etc., j o segundo suas as funes e seus pacotes so explicativos como regreo, redes neurais, arvores de deciso, clustering, porem vem condicionar analises multidimensionais facilitando uma viso geral do que relevante. Os tratamentos das bases de dados sejam relacionais ou dimensionais, tanto a tecnologia OLAP, quanto o mtodo Data Minig tratam (normalmente) as informaes num formado multidimensional para suporte a deciso (SAD). POR QUE UTILIZ-LOS E QUAL A MELHOR ESCOLHA No cenrio corporativo se agrega mudanas num pequeno espao de tempo para isto necessrio tomar decises inteligentes e rpidas para manter o

negcio corporativo, no entanto para se tomar decises primordial que as questes/consultas reflitam mltiplas dimenses do negcio, assim deve se analisar quais dos mtodos correspondem as expectativas dos analistas e gerentes. As consultas OLPA podem acessar banco de dados com mltiplos gigabytes, posteriormente refinar suas consultas e analisar comparaes online com respostas rpidas. Consultas OLPA podem ser caracterizadas: Acessar grandes volumes de dados e analisam os relacionamentos entre os diversos tipos de elementos. Envolver dados agregados Comprar dados agregados ao longo do perodo de tempo hierrquico Apresentar dados em diferentes perspectivas Envolver clculos complexos entre elementos de dados So capazes de responder rapidamente a solicitao do usurios. As analises de Data Mining basicamente aplicao estatstica [5], caracterizadas por: Realizar inmeros clculos em grandes volumes de dados Efetuar analise de forma criativa, detectar freqncias e descobrir padres Representar padres encontrados nos dados Fazer anlises descriminates Agrupar informaes homogneas e heterogneos Utilizar tcnicas de regreo Arvore de deciso

CONCLUSO
Portanto, conclui-se que devemos verificar inicialmente a finalidade das analises e o comportamento das mesmas em relao as exigncias/requisitos gerenciais, para posteriormente escolher o melhor mtodo/tecnologia para responder o propsito da analise. Tanto o Data Mining quanto OLAP, ou seja, ambos possuem a mesma finalidade. Porm um mtodo para se garimpar informaes, enquanto o outro a tecnologia usada para tal.