'DATA MINING': DEFINIÇÃO, EXEMPLOS E APLICAÇÕES

Descubra como o 'data mining' irá predizer nosso comportamento

O data mining abriu um mundo inteiro de possibilidades para os negócios. Esse campo da estatística computacional relaciona milhões de dados isolados e serve às empresas, por exemplo, para detectar padrões de conduta em seus clientes e predizer seu comportamento. Seu objetivo é gerar novas oportunidades de mercado.

O QUE É 'DATA MINING'?

A mineração de dados ou data mining é um processo técnico, automático ou semiautomático, que analisa grandes quantidades de informações dispersas para que tenham sentido e sejam convertidas em conhecimento. Busca anomalias, padrões ou correlações entre milhões de registros para predizer resultados, como indicado pelo SAS Institute, uma das referências mundiais em análise de negócios.

Enquanto isso, as informações aumentam sem parar. Um estudo de 2017 sobre big data revela que 90% dos dados do mundo são posteriores a 2014 e seu volume dobra a cada 1,2 anos. Nesse contexto, o data mining é uma prática estratégica considerada importante por quase 80% das organizações que aplicam inteligência empresarial (business intelligence), de acordo com a Forbes.

Graças à ação conjunta de análises e mineração de dados, que combina estatística, Inteligência Artificial e aprendizagem automática, as empresas podem criar modelos para descobrir conexões entre milhões de registros. O data mining possibilita, entre outros aspectos:

  • Limpar os dados de ruído e repetições.
  • Extrair as informações relevantes e utilizá-las para avaliar eventuais resultados.
  • Tomar melhores decisões de negócio mais rapidamente.

EXEMPLOS DE APLICAÇÕES DA MINERAÇÃO DE DADOS

A capacidade preditiva do data mining alterou o desenho das estratégias empresariais. Agora é possível entender o presente para se antecipar ao futuro. Esses são alguns exemplos do data mining na indústria atual:

  • 'Marketing'. A mineração de dados é utilizada para explorar bases de dados cada vez maiores e melhorar a segmentação do mercado. Analisando as relações entre parâmetros como a idade dos clientes, gênero, gostos, etc., é possível adivinhar seu comportamento para dirigir campanhas personalizadas de fidelização ou captação. O data mining em marketing também prediz os usuários que podem cancelar um serviço, o que lhes interessa de acordo com suas buscas ou o que deve incluir uma lista de e-mail para conseguir uma taxa de resposta maior.
  • Comercio varejista. Os supermercados, por exemplo, utilizam os padrões de compra conjunta para identificar associações de produtos e decidir como colocá-los nos diferentes corredores e estantes dos expositores. O data mining também detecta as ofertas que são as mais valorizadas pelos clientes ou que aumentam as vendas na fila do caixa.
  • Banco. Os bancos recorrem à mineração de dados para entenderem melhor os riscos do mercado. É habitual que se aplique à qualificação creditícia (rating) e a sistemas inteligentes antifraude para analisar transações, movimentos de cartões, padrões de compra e dados financeiros dos clientes. O data mining também permite que o banco saiba mais sobre nossas preferências ou hábitos na Internet para otimizar o retorno de suas campanhas de marketing, estudar o desempenho dos canais de vendas ou gerenciar as obrigações de cumprimento das regulações.
  • Medicina. A mineração de dados favorece diagnósticos mais precisos. Pelo fato de contar com todas as informações do paciente — histórico, exame físico e padrões de terapias anteriores — é possível prescrever tratamentos mais eficientes. Também possibilita uma gestão mais eficaz, eficiente e econômica dos recursos sanitários ao identificar riscos, predizer doenças em certos segmentos da população ou prognosticar a duração do internamento hospitalar. Detectar fraudes e irregularidades e estreitar vínculos com os pacientes ao aprofundar o conhecimento de suas necessidades também são vantagens da utilização do data mining em medicina.
  • Televisão e rádio. Há emissoras de televisão que aplicam a mineração de dados em tempo real aos seus registros de audiência online (IPTV) y radio. Esses sistemas coletam e analisam na hora informações anônimas das visualizações, retransmissões e programação dos canais. Graças ao data mining é possível emitir recomendações personalizadas aos ouvintes e telespectadores, conhecer ao vivo seus interesses e sua atividade, assim como entender melhor sua conduta. As emissoras também garantem um conhecimento bastante valioso para seus anunciantes, que aproveitam tais dados para chegar com mais precisão a seus potenciais clientes.

'DATA MINING': UMA PROFISSÃO DE FUTURO

Hoje em dia, a busca, a análise e a gestão de dados representam um mercado de grandes oportunidades de trabalho. O profissional de data mining trabalha as bases de dados para avaliar as informações e descartar as que não forem úteis ou confiáveis. Para tal, deve contar com conhecimentos sobre big data, informática e análise de informações, e ser capaz de manusear diferentes tipos de software.

O relatório anual do Linkedin de 2017 sobre os empregos mais emergentes indicava que três dos cargos com mais demanda nos Estados Unidos tinham relação com os dados massivos. Da mesma forma, a IBM prognostica que a demanda desse tipo de profissional crescerá 28% até 2020.

'Data mining' vs. 'Big data'.#RRSS'Data mining' vs. 'Big data'.

 VER INFOGRÁFICO: 'Data mining' vs. 'Big data' [PDF]

Descubra as diferenças entre 'data mining' y el 'big data'
 

Muitas pessoas os confundem, mas são campos diferentes. Estas são suas principais diferenças...

Big data

  • Refere-se à coleta e armazenamento de grandes quantidades de dados.
  • Devido a seu volume, é impossível processá-los com software convencional.
  • Necessita de ferramentas especiais para captar, gerenciar e processar as informações.
  • Esses grupos de dados têm baixa densidade de informação para fazer previsões.
  • A qualidade dos dados pode variar muito e afetar os resultados da análise.

Data mining

  • Identifique e extraia informações relevantes de grandes conjuntos de dados.
  • Utiliza diferentes técnicas baseadas em estatísticas e inteligência artificial.
  • Alcance resultados específicos e concretos.
  • Crie modelos preditivos, de classificação ou de segmentação.
  • Transforme informações em conhecimento.

Ocultar informações

 Internet das Coisas (IoT)(*) Nota

 Profissionais STEM

   

(*) Disponível na versão em espanhol.