Como sempre, a UFG traz questões nunca antes vistas. Além disso, não encontrei clareza nas opções de resposta.
Nas pesquisas q fiz, o mais proximo que achei sobre esse tema foi isso q segue abaixo. Mas não sei se está correto. Se alguém puder auxiliar com alguma outra fonte, seria ótimo.
Descoberta de Conhecimento em Bases de Dados
O processo de gestão do conhecimento demanda um constante número de decisões acerca das atividades presentes em uma organização. Para auxiliar nesse gerenciamento, ferramentas computacionais geradoras de novos conhecimentos são essenciais.
De acordo com FAYYAD (1996), o conceito de descoberta de conhecimento em bases de dados é o processo não-trivial de identificar padrões novos, válidos, potencialmente úteis e, principalmente, compreensíveis em meio às observações presentes em uma base de dados. O objetivo último da descoberta do conhecimento em bases de dados não é o de simplesmente encontrar padrões e relações em meio à imensa quantidade de informação disponível em bases de dados, e sim a extração de conhecimento inteligível e imediatamente utilizável para o apoio às decisões.
O termo mineração de dados (data mining) define a exploração e análise de grandes quantidades de dados com o objetivo de encontrar padrões, regras e relações interessantes e significativas para algum fim.
Ou seja, Data Mining é o processo de pesquisa em grandes quantidades de dados para extração de conhecimento, utilizando técnicas de Inteligência Computacional para procurar relações de similaridade ou discordância entre dados, com o objetivo de encontrar padrões, irregularidades e regras, com o intuito de transformar dados, aparentemente ocultos, em informações relevantes para a tomada de decisão e/ou avaliação de resultados.
A mineração de dados possibilita a busca em grandes bases de dados de informações desconhecidas, permitindo aos gestores uma maior agilidade nas tomadas de decisões. Uma empresa que utiliza Data Mining é capaz de criar parâmetros para entender o comportamento do consumidor, identificando afinidades entre as escolhas de produtos e serviços, prevendo hábitos de compras e analisando comportamentos habituais para detecção de fraudes PINTO (2005).
Um dos tipos comuns de padrões que podem ser extraídos através da mineração de dados são as regras de associação. As regras de associação (RA's) são padrões descritivos que representam a probabilidade de um conjunto de itens aparecer em uma transação visto que outro conjunto está presente.
A Mineração de Dados (Data Mining) é uma linha de pesquisa pertencente ao campo da
Ciência da Computação que tem por objetivo oferecer estratégias automatizadas para a
análise de grandes bases de dados de empresas, procurando extrair das mesmas informações que estejam implícitas, que sejam previamente desconhecidas e potencialmente úteis. A Mineração de Dados surgiu no início dos anos 90, a partir da reunião de idéias provenientes
de diferentes áreas como Inteligência Artificial, Banco de Dados, Estatística, e Visualização de Dados. A principal motivação para o surgimento da Mineração de Dados encontra-se no fato de as organizações estarem armazenando de forma contínua uma enorme quantidade de dados a respeito de seus negócios nas últimas décadas. O conhecimento obtido pelas técnicas de Mineração de Dados é geralmente expresso na forma de regras e padrões.
Devido a sua grande aplicabilidade, as regras de associação encontram-se entre um dos
mais importantes tipos de conhecimento que podem ser minerados em bases de dados. Estas regras representam padrões de relacionamento entre itens de uma base de dados. Uma de
suas típicas aplicações é a análise de transações de compras (market basket analysis),
um processo que examina padrões de compras de consumidores para determinar produtos que costumam ser adquiridos em conjunto. Um exemplo de regra de associação, obtida a partir da análise de uma base de dados real, que registra os produtos adquiridos por famílias cariocas
em suas compras mensais, é dado por: {mini-pizza semi-pronta} Þ {suco de fruta em pó}. Esta regra de associação indica que as famílias que compram o produto {mini-pizza semi-pronta} tem maior chance de também adquirir o produto {suco de fruta em pó}.