Business Analytics no Knime

Por
Tags: Knime Business Analytics Datavisualization Crisp-DM DataMining
Categorias: Knime

No momento em que as empresas de diferentes setores oferecem produtos e usam tecnologias semelhantes, os processos de negócios estão entre as poucas coisas remanescentes de diferenciação, e os concorrentes que usam BA retêm cada gota de valor desses processos. Dentro das empresas que competem em BA, os altos executivos deixam claro, de cima para baixo, que o BA é fundamental para a estratégia. Essas organizações aplicam várias iniciativas que envolvem dados complexos e análises estatísticas, e a atividade quantitativa é administrada ao nível comercial (não departamental)[1].

BA pode ser interpretado como análise autônoma ou semi-autônoma de dados ou conteúdo que usa ferramentas e técnicas estatísticas sofisticadas, geralmente, além de aquelas usadas no BI tradicional, para descobrir informações mais detalhadas, fazer previsões ou gerar recomendações. Técnicas analíticas avançadas incluem: mineração de dados/texto, aprendizado de máquina, comparação de padrões, previsão, visualização de dados, análise semântica, análise de sentimento, análise de rede e cluster, simulação de cenários, processamento de eventos complexos, redes neurais, entre outros. BA tem a capacidade de responder a perguntas como: o que aconteceu, por que está acontecendo, com que frequência ocorre, onde está o problema e quais ações são necessárias[2][3].

Sem dúvida, o principal motor que impulsiona a aplicação do BA nas empresas é a extração de dados ou a descoberta de conhecimento em bancos de dados. Ao aplicar a mineração de dados, o profissional de análise de negócios atua como um detetive de dados, analisa os dados para entender melhor a situação atual e passada de uma empresa, prevê resultados futuros que permitam agir de forma eficaz.

CRISP-DM (Cross-Industry Process for Data Mining)

Atualmente, não há procedimentos padrão para realizar projetos de mineração de dados. Isso significa que o sucesso ou o fracasso de um projeto depende da pessoa ou equipe que o executa, onde, não necessariamente, essas práticas bem-sucedidas podem ser replicadas em toda a empresa. A mineração de dados requer procedimentos padrão que ajudem a transformar problemas de negócios em tarefas de mineração de dados, sugeram transformações de dados e técnicas estatísticas adequadas que forneçam meios para avaliar a eficácia dos resultados e documentar as experiências. CRISP-DM aborda partes desses problemas por meio da definição de um modelo de processo que fornece um ambiente para realizar projetos de mineração de dados independentes, tanto no setor industrial quanto na tecnologia utilizada. CRISP-DM ajuda a tornar grandes projetos de mineração de dados mais baratos, mais confiáveis, mais replicáveis, mais gerenciáveis e mais eficientes. CRISP-DM inclui um modelo e um guia, estruturados em seis fases, algumas das quais são bidirecionais, ou seja, uma fase pode ser revertida para outra antes de ser revisada, de modo que a sucessão de fases não tem por que ser ordenada da primeira à última[4][5].

Knime

Desenvolvido pela Universidade de Konstanz entre 2004 e 2006, o Knime é uma das plataformas líderes do mundo alinhada com o processo padrão para mineração de dados (CRISP-DM). O Knime é uma plataforma de análise, relatório e integração de dados de código aberto adotada por mais de 100.000 usuários em todo o mundo.

Knime integra vários componentes para aprendizado de máquina e mineração de dados por meio de seu conceito de fluxos de dados (ou pipelines). Sua interface gráfica permite aos usuários (com ou sem conhecimento de programação) entrelaçar centenas de nós para diferentes propósitos, como:

  • Leitura, processamento e transformação de dados.
  • Analise de dados.
  • Visualização de dados.
  • Interação com outras ferramentas como R, Python e Weka.

Além disso, é possível executar seletivamente alguns ou todos os nós das etapas analíticas e, em seguida, inspecionar os resultados, modelos e visualizações interativas. Na figura abaixo, apresentamos um exemplo de um processo CRISP-DM implementado no Knime.

AnalyStats oferece serviços de consultoria com o Knime em:

  • Instalação e configuração
  • Design de arquitetura.
  • Treinamento de pessoal.
  • Implementação de modelos e adaptação de modelos existentes.
  • Análise descritiva e diagnóstica.
  • Análise preditiva e prescritiva.
Contacto a AnalyStats

Referências

[1] Davenport, Thomas H.; Harris, Jeanne G. (2007). Competing on analytics: the new science of winning. Boston, Mass.: Harvard Business School Press. ISBN 978-1-4221-0332-6.

[2] Beller, Michael J.; Alan Barnett (2009-06-18). Next Generation Business Analytics., Lightship Partners LLC. Retrieved 2009 06-20.

[3] Gartner Glossary/ Advanced Analytics.

[4] Galán Cortina V. (2015). Aplicación de la metodología CRISP-DM a un proyecto de minería de datos en el entorno universitario: Link.

[5] Wirth, R.; Hipp, J. (2000). CRISP-DM: Towards a Standard Process Model for Data Mining. Proceedings of the 4th International Conference on the Practical Applications of Knowledge Discovery and Data Mining., (pp. 29-39).

[6] PuiMun L (2013). Use of data mining in business analytics to support business Competitiveness, Review of Business Information Systems-Second Quarter, Volume 17, Number 2.

[7] Zeutschler T (2016). It applications in business analytics, Hochschule Düsseldorf, Lecture 05 – Introduction to KNIME: Link.

Tradução

Veia Também