SóProvas


ID
1740808
Banca
CESPE / CEBRASPE
Órgão
MEC
Ano
2015
Provas
Disciplina
Banco de Dados
Assuntos

Acerca de data warehouse (DW), Business Intelligence (BI) e data mining, julgue o item que se segue.

Situação hipotética: Após o período de inscrição para o vestibular de determinada universidade pública, foram reunidas informações acerca do perfil dos candidatos, cursos inscritos e concorrências. Ademais, que, por meio das soluções de BI e DW que integram outros sistemas, foram realizadas análises para a detecção de relacionamentos sistemáticos entre as informações registradas. Assertiva: Nessa situação, tais análises podem ser consideradas como data mining, pois agregam valor às decisões do MEC e sugerem tendências, como, por exemplo, o aumento no número de escolas privadas e a escolha de determinado curso superior.

Alternativas
Comentários
  • Gab: Certo

    Data Mining

    Definição

    Fornece percepções dos dados corporativos que não podem ser obtidas com o OLAP, é mais orientado por descoberta, descobrindo padrões e relacionamentos ocultos em grandes bancos de dados e inferindo regras a partir deles para prever comportamentos futuros, além disso, serve para análise e garimpagem de dados.

    Seja a seguinte situação, as empresas possuem grandes quantidades de dados, em geral, a maioria delas é incapaz de aproveitar plenamente o valor que eles têm, com o intuito de melhorar essa situação, surgiu o Data Mining, que se caracteriza por extrair padrões ocultos nos dados.

     

    Fonte:  Tecnologia da informação Para Gestão - 8 Edição - Efraim Turban

  • Assertiva CORRETA. 

     

    A questão deixa claro que está a falar de Data Mining no trecho "...detecção de relacionamentos sistemáticos (ou seja, padrões) entre as informações registradas." (grifei)

  • Padrões, tendências, previsões são algumas das palavras chaves para Data Mining.

  • Aposto que aqueles que fizeram a inscrição no concurso da PF2018 sentiram uma coceirinha no pé da orelha....haha....

  • Na minha opinião a questão está errada,  veja:

     

    Nessa situação, tais análises podem ser consideradas como data mining, pois agregam valor às decisões do MEC e sugerem tendências, como, por exemplo, o aumento no número de escolas privadas e a escolha de determinado curso superior.

     

    As análises podem ser consideradas como Data Mining independente delas gerarem valor ás decisões do MEC ou não. 

    As tarefas de data mining  podem não gerar conhecimentos interessantes (podem resultar em conhecimentos triviais) e não agregar valor à tomada de decisão.

    Não existe essa causa-consequência (é data mining/ porque agrega valor) afirmada na questão.

    A banca se embananou na construção do enunciado.

  • Querido Diogo,

    O DM ao utilizar a analise preditiva, ele faz um estudo no banco de dados e minera as informação de maior relevancia e entrega, no caso do MEC, essas informaçoes que sugerem tedencias.

  • Cespe Sendo Cespe .. Sou Estatístico e discordo desse gabarito concordando com o Diogo.

    Exatamente esse o erro que ele citou!

  • Temos uma ótima questão para entender os propósitos da mineração de dados. Esse processo visa obter padrões e tendências ocultas nos conjuntos de dados, de maneira a subsidiar a tomada de decisão. Tem tudo a ver com o que foi descrito na assertiva. Dessa maneira, o gestor da universidade pública poderia se utilizar das informações extraídas para adequar o número de vagas nos cursos oferecidos pela instituição, por exemplo.

  • Perfeito! Análises que agregam valor às decisões de gestores e que sugerem tendências são típicas características de Mineração de Dados (Data Mining).

    Gabarito: Correto

    Fonte: estratégia

  • Bi é o processamento de grande quantidade de dados para fomentar a tomada de decisões

    Data Mining é utilizado para encontrar tendências / padrões entre os dados

    Pode-se sim utilizar o Data mining como meio para fomentar a decisão no presente processo.

  • A mineração considera padrões, exceções, tendências, regras

  • AOS QUE ESTÃO COM DIFICILDADE NESSE ASSUNTO:

    Data = Dados

    Mining = Mineração

    DATA MINING = MINERAÇÃO DE DADOS

    Qual a atividade principal de uma empresa mineradora???

    Ela extrai minérios do ambiente em que atua.

    Mas por que minérios?

    Porque minérios, para ela, são valiosos.

    A mesma lógica é aplicada a técnica da Mineração de Dados.

    Vejamos: A Polícia Federal, por exemplo, precisa encontrar dados úteis para sua investigação dentro de um sistema de informação de uma empresa nacional.

    Poxa....mas tem muita coisa lá! Como os policiais devem atuar? Através de que devem buscar esses dados?

    Eles vão se utilizar da datamining para encontrar os dados!

    Mas como fazem isso???

    Por meio dela, eles podem encontrar padrões de informações com base em classificações predeterminadas ou não.

    Vejamos:

    Eles querem carros comprados no exterior.

    Eles "falam" isso para a mineração e ela retorna inúmeros resultados associados ao que eles procuram.

    Por fim, isso é só uma análise superficial do que seja Mineração de Dados.

    COMENTÁRIO EXCELENTE QUE PEGUEI NO QC

    bons estudos

  • Data Mining (Mineração de Dados) – é um conjunto de processos, métodos, teorias, ferramentas e tecnologias open-end utilizadas para explorar, organizar e analisar de forma semi-automática uma grande quantidade de dados brutos com o intuito de identificar, descobrir, extrair, classificar e agrupar informações implícitas desconhecidas, além de avaliar correlações, tendências e padrões consistentes de comportamento potencialmente úteis – como regras de associação ou sequências temporais – de forma não-trivial por meio de técnicas estatísticas e matemáticas, como redes neurais, algoritmos genéticos, inteligência artificial, lógica nebulosa, análise de conglomerados (clusters), entre outros.

    • Data Mining visa buscar informações e padrões úteis e validos, tais como novas tendencias com base em analise atuais, sendo de relevância e que influencie na tomada de decisões, a fim de buscar melhor desempenho e controle para uma melhor performance.