Capítulo 10: Construindo SAD
orientado a conhecimento e
mineração de dados
SAD Orientado a Conhecimento


Alguns nomes usados: SAD orientado a
conhecimento, SAD de recomendação, SAD
baseado em regras, SAD Inteligente – todos
fazem uso de tecnologias de inteligência
artificial
Oferecem bom potencial par tomadores de
decisão de negócios
SAD orientado a conhecimento e Sistemas
Especialistas

Três componentes




Conhecimento de sintomas e indicadores
relacionados a um domínio particular
Entendimento de relações entre sintomas,
problemas e soluções num dado domínio
Conhecimento ou métodos para solução de
alguns dos problemas
Busca-se o raciocínio por trás de uma
conclusão
Mineração de Dados e Descoberta de
Conhecimento

Auxilia as empresas a descobrir o
conhecimento escondido nas relações e
padrões existentes nos dados


Ajudam as empresar a alcançar vantagens
competitivas em seus negócios
Descoberta de conhecimento é um termo
mais amplo
Vocabulário de IA




Aquisição de conhecimento – extração e
formulação de conhecimento derivado de
várias fontes, em especial de peritos
Ambiente de desenvolvimento – software
para criação e manutenção de bases de
conhecimento e máquinas de busca
Máquinas de busca processam regras
Especialista no Domínio – pessoa que
domina uma tarefa para qual um sistema é
desenvolvido
Base de Conhecimento



Uma coleção de fatos, regras e
procedimentos organizados
Descreve elementos do processo com suas
características, funções e relacionamentos
Também contém regras sobre ações a
implementar como resultados de certos
eventos
Características do SAD orientado a
conhecimento



Apóiam na solução de
problemas
Conhecimento é
armazenado na forma
de regras ou
probabilidades
Usuários precisam
deste tipo de SAD
quando realizam uma
tarefa específica


Este tipo de SAD e os
Sistemas Especialistas
baseiam suas
recomendações no
conhecimento de
pessoas e auxiliam na
execução de tarefas
muito específicas
Este tipo de SAD não
“pensa”
Componentes de um SAD orientado a
conhecimento
SAD orientado a conhecimento vs. SAD
orientado a modelo


SAD orientado a conhecimento tenta
“pensar” sobre os dados a partir de sua base
de regras para resolver o problema
SAD orientado a modelo segue uma
seqüência de instruções pré-definidas (um
modelo) para responder a mudanças nas
entradas
Comparando os dois (SADC e SADM)

SADC = Base de Conhecimento + Máquina
de Busca (processador de regras)

SADM = Dados Estruturados + Modelos
Quantitativos
Projeto e Desenvolvimento de SADC

Envolve um time de desenvolvimento e um
perito no domínio na criação de uma base de
conhecimento para um grupo de usuários

Waterman propôs uma abordagem largamente
usada:





Identificação do domínio
Conceitualização
Formalização
Implementação
Teste
Escolhendo um projeto: Teste do telefone




É possível um perito resolver um problema e
auxiliar na tomada de decisão usando um
telefone para se comunicar com o tomador
de decisão?
Faça questões estruturadas e não abertas
Sim, é possível usar um telefone para este
fim; como é possível desenvolver um SADC
Nenhum desenvolvimento de um SADC será
insatisfatório
Vantagens e Limitações de Regras




Regras são de fácil entendimento
Explicações são fáceis de prover quando o
conhecimento está armazenado em regras
Modificações manutenções são
relativamente fáceis
Limitação chave

Muitas vezes o conhecimento mais complexo é
difícil de ser representado em regras
Exemplos de SADC

TAXADVISOR


XCON


Projetado para auxiliar planejamento de Governos
Foi desenvolvido para configurar os sistemas do
VAX11/780
Sistemas Inteligentes de Suporte ao Cliente

Projetado pela Compaq para prover diagnósticos
de especialistas e recomendações para usuários
com problemas em seus computadores
Fácil de ser visualizado
Mineração de Dados

Prescritivos

Podem ser usado para projeções de valores
explícitos, baseados em padrões determinados a
partir de resultados conhecidos


Exemplos: Usar uma base de clientes que respondem
sempre a ofertas especiais
Descritivos

Descrevem padrões para dados existentes e são
geralmente usados para criar subgrupos de
interesse, tais como clusters demográficos
Ferramentas de mineração de dados






Raciocínio baseado em casos - similaridade
Visualização de dados – gráficos
Análise Fuzzy – “close”
Algoritmos genéticos – otimização
Redes Neurais – padrões de aprendizagem
via dados
Técnicas de mineração de dados NÃO são
fundamentalmente diferentes de técnicas de
análise estatísticas quantitativas
Processo de Mineração de Dados

Definido pelo Gartner Group





Selecione e prepare os dados a serem
garimpados
Qualifique os dados via clusters e análise de
funções
Selecione uma ou mais ferramentas de
mineração
Aplique as ferramentas de mineração de dados
Aplique a descoberta de conhecimento a um dado
negócio na empresa
Exemplos de Mineração de Dados



Análise de Crédito (risco de)
Sistema de suporte ao cliente da Siemens
Outros (texto base)
Avaliação dos pacotes de desenvolvimento





Custo
Escalabilidade
Segurança
Desenvolvimento de
funcionalidades
Facilidade de instalação e de
uso
Questões para revisão





O que é uma regra?
Quais são as 5 características mais comuns
de SADC e Sistemas Especialistas?
O que faz um gerente requerer o apoio de
um SADC?
Quais os passos para se fazer mineração de
dados?
O que diferencia um SACD de mineração de
dados?
Exercícios (em dupla, do texto base)
Find an example of a Knowledge-Driven DSS at a Web site. Most
applications can be deployed on the Internet. The sites listed below
have some KDSS examples that can be viewed on the Web.




http://www.dol.gov:/elaws Elaws -- The Department of Labor has
developed an interactive compliance assistance tool using MultiLogic's
software. Elaws is comprised of individual advisors designed to help users
understand their rights as employees and employers.
http://www.osha.gov/ OSHA Confined Spaces Advisor. -- OSHA used
MultiLogic's software to create their Confined Space Advisor. This expert
system provides guidance to help employers protect workers from the
hazards of entry into permit-required confined areas.
Software developers use expert system shells to create expert
systems and Knowledge-Driven DSS. Most shells are commercial
software packages, but some shells are available as shareware or
freeware. Find an expert system shell at a Web site.