Sistemas de Apoio à Decisão
(SAD)
Decision Support Systems
Andreas Wichert
LEIC Tagus
(Página da cadeira: Fenix)
Objectivo Geral


Acumular informação para produzir
indicadores de negócio que permitam tomar
decisões
Extracção de conhecimento interessante
(regras, padrões, restrições) dos dados
existentes em grandes BDs
Corpo docente

Andreas Wichert - Teóricas

[email protected]

Helena Galhardas

José Barateiro - Laboratórios
Organização das aulas

Teóricas:



Matéria (slides baseados no livro e artigos)
Apresentação de pessoas externas
Práticas/Laboratório:



Exercícios
Utilização do SW SAS v. 9
Ínicio: 6/3
Avaliação

Projecto DW (PDW): grupos de 3 pessoas – 40%






Projecto DM (PDM): mesmos grupos de 3 pessoas – 30%





Nota mínima: 9,5v
Inscrições na página da cadeira no Fenix (agrupamentos)
Entrega do enunciado: 13 Março
Entrega do projecto: 31 Março
Discussões: 3 a 7 Abril
Nota mínima: 9,5v
Entrega do enunciado: 24 Abril
Entrega do projecto: 2 Junho
Discussões: 12 -16 Junho
Exame (DM): individual – 30%



Nota mínima: 9,5v
1º Exame: 20/6, 17H
2º Exame: 15/7, 11H
Data Mining:
Concepts and Techniques
Reconhecimento

Zur Anzeige wird der Qui ckTime™
Dekompres sor „TIFF (Unkomprimiert)“
benöti gt.
Prof. Jiawei Han

[email protected]

University of Illinois at Urbana-Champaign

http://www-sal.cs.uiuc.edu/~hanj/
Slides:
http://www-sal.cs.uiuc.edu/~hanj/bk2/


Bibliografia - DW
Data Mining: Concepts and Techniques,
J. Han & M. Kamber, Morgan Kaufmann,
2001
 The Data Warehouse Toolkit, 2nd ed,
Ralph Kimball, Margy Ross, 2002

Bibliografia - DM



Artificial ,Intelligence - A Modern Approach,
Second Edition, S. Russel and P. Norvig,
Prentice Hall, 2003
Machine Learning, T. Mitchell, 1997
Artificial Intelligence - Structures and Strategies
for Complex Problem Solving, Second Edition,
G. L. Luger and W. A. Stubblefield,
Benjamin/Cummings Publishing, 1993
Programa

Datawarehouse (DW) e Sistemas de Apoio à Decisão





Modelo multidimensional vs modelo relacional, Teoria da
normalização do modelo relacional
Operações OLAP (Online Analytical Processing)
Desenho de DW
Arquitectura de DW
Implementação de DW
Programa


Pré-processamento, transformação e limpeza de dados
Exploração de dados (data mining)







Descrição de conceitos e generalização de dados
Árvores de decisão
Redes neuronais
Redes bayesianas
Regras de associação
Análise de clusters
Classificação baseada em instâncias
Informação necessária para apoio
à decisão

Características requeridas para a informação
utilizada para a tomada de decisão:





precisa
fiável
actualizada
relevante
orientada à acção
Sistemas operacionais



Contabilidade, compras, reservas,
telecomunicações, etc
Muitas fontes de dados dispersas (ficheiros
excel, BD Access) de suporte a aplicações do
tipo: SAP, ERPs, etc
Alguns problemas: acesso aos dados díficil,
qualidade de dados duvidosa, dados
estruturados à aplicação (ex: códigos
específicos), suporte a interrogações simples
Conceito de um DW

Conjunto centralizado de dados:




temáticos
históricos
datados
integrados
que oferece um nível de qualidade
adequado às aplicações de decisão
Arquitectura geral SAD
Metadata
OLAP Server
other
sources
Extract
Transform
Load
Refresh
Operational
DBs
Data Sources
Data
Warehouse
Serve
Analysis
Query
Reports
Data mining
Data Marts
Data Storage
OLAP Engine Front-End Tools
What is Data Mining ?
http://www-sal.cs.uiuc.edu/~hanj/
Chapter 1, Slides:
http://www-sal.cs.uiuc.edu/~hanj/bk2/