Mineração de dados e pós-processamento em padrões descobertos

Abstract

Com o crescente aumento da quantidade de dados armazenados, acresce também a possibilidade de obtenção de informações preciosas pelos gestores, porém, muitas vezes, o seu volume inviabiliza a percepção e avaliação, por ultra- passar a capacidade humana de análise e interpretação. Uma das alternativas para facilitar esta atividade é a adoção do processo KDD – Knowledge Discovery in Database, que preve três etapas: Pré-processamento, Mineração de Dados e Pós- processamento. Este artigo apresenta e discute as etapas de Mineração de Dados e Pós-processamento, não apenas em nível conceitual, mas também facilitando a compreensão a partir de exemplos construídos em cada situação.

The possibilities of obtaining valuable information by managers is growing as the number of stored data is increasing. However, sometimes, the huge amount of data makes impracticable to evaluate and understanding it. One of the ways to facilitate this activity is to adopt the KDD (Knowledge Discovery in Database) process, which has three stages: previous data processing; data mining and post data processing. The present article has the aim to discuss the stages of data mining and post data processing not only on the conceptual level, but also facilitating the comprehension by demonstrating examples from each situation.