Visualização de dados para extração de conhecimento: um estudo de caso
DOI:
https://doi.org/10.5380/atoz.v10i2.79184Palavras-chave:
Visualização de Dados, Dashboard, Data Mining Visual.Resumo
Introdução: O rápido crescimento no volume de dados coletados nos últimos anos está tornando o processo de análise e extração de conhecimento cada vez mais complexo. Organizações têm tido dificuldades em agregar essas grandes quantidades de dados em análises úteis para dar suporte a suas decisões. Objetivo: Avaliar a implantação de ferramentas de data mining visual em uma startup de seguros (insurtech) para smartphones. Método: Foram desenvolvidos painéis dinâmicos usando o software Tableau. Os dados de alimentação do sistema foram divididos dois grupos (“Medidas” e “Dimensões”) para cada tema de análise escolhido. Também foi feita uma pesquisa de usabilidade junto aos usuários dos painéis. Resultados: A agregação de diversas subtelas e informações em um mesmo painel foi importante para os usuários visualizarem novos padrões. Conclusão: A introdução das novas ferramentas de descoberta de conhecimento fez com que os usuários passassem a apresentar um conhecimento mais profundo sobre o tema e fazerem melhores análises sobre os padrões.
Referências
Alves, M. C. (2015). Visualização de informação para simplificar o entendimento de indicadores sobre avaliação da ciência e tecnologia (Dissertação de Mestrado). Universidade Federal de São Carlos, São Carlos, SP, Brasil. Recuperado de https://repositorio.ufscar.br/bitstream/handle/ufscar/1151/6802.pdf?sequence=1&isAllowed=y.
Andreyeva, T., Long, M. W., & Brownell, K. D. (2010). The impact of food prices on consumption: a systematic review of research on the price elasticity of demand for food. American journal of public health, 100(2), 216-222. doi: https://doi.org/10.2105/AJPH.2008.151415.
Ankerst, M., Ester, M., & Kriegel, H. P. (2000). Towards an effective cooperation of the user and the computer for classification. In Proceedings of the sixth ACM SIGKDD international conference on Knowledge discovery and data mining, (pp. 179-188). doi: https://doi.org/10.1145/347090.347124.
Ankerst, M., Keim, D. A., & Kriegel, H. P. (1996). Circle segments: A technique for visually exploring large multidimensional data sets. In Proc. Visualization'96, Hot Topic Session, San Francisco, CA.
Badjio, F. E., & Poulet, F. (2005). Dimension reduction for visual data mining. In Intl. symp. on applied stochastic models and data analysis (ASMDA-2005 Proceedings).
Bramer, M. (2007). Principles of data mining (Vol. 180). London: Springer.
Braun, A., & Schreiber, F. (2017). The current InsurTech landscape: business models and disruptive potential (Vol. 62). Institute of Insurance Economics I. VW-HSG, University of St. Gallen.
Caetano, B. P.; Ribeiro, F. C.; Paula, M. M. V. de & A. Mattedi, A. (2016). A proposal for visualization techniques recommendation to represent survey data. In 11th Iberian Conference on Information Systems and Technologies (CISTI), (pp. 1-6). doi: https://doi.org/10.1109/CISTI.2016.7521633.
Carvalho, D. R., & Dallagassa, M. R. (2014). Mineração de dados: aplicações, ferramentas, tipos de aprendizado e outros subtemas. AtoZ: novas práticas em informação e conhecimento, 3(2), 82-86. doi: https://doi.org/10.5380/atoz.v3i2.41340.
.
Coutinho, G. L. (2014). A Era dos Smartphones: Um estudo exploratório sobre o uso dos Smartphones no Brasil (Monografia de Graduação). Faculdade de Comunicação Social, Universidade de Brasília, Brasília, DF, Brasil. Recuperado de https://bdm.unb.br/bitstream/10483/9405/1/2014_GustavoLeuzingerCoutinho.pdf.
DeSanctis, G., & Jarvenpaa, S. L. (1985, December 16- 18). An Investigation of the" Tables Versus Graphs" Controversy in a Learning Environment. In Proceedings of the 6th International Conference on Information Systems, Indianapolis, (pp. 134-144).
Keim, D., & Ward, M. (2002). Visual data mining techniques. In Hand, D., & Berthold, M. (Eds.). Intelligent Data Analysis, an Introduction (2nd ed.). Springer, Heidelberg.
Marghescu, D., Rajanen, M., & Back, B. (2004). Evaluating the quality of use of visual data-mining tools. In Proc. 11th Europ. Conf. IT Evaluation, (pp. 239-250).
Matsunaga, F. T., Brancher, J. D., & Busto, R. M. (2014). Data mining applications and techniques: A systematic review. Rev. Eletrônica Argentina-Brasil Tecnologias da Informação e da Comunicação, 1(2). doi: https://doi.org/10.5281/zenodo.59454.
Mitchell, O. S., & Utkus, S. P. (Eds.). (2004). Pension design and structure: New lessons from behavioral finance. Oxford University Press.
Muynarsk, R. G., & Miranda, E. de S. (2017). Business Intelligence no agronegócio: um estudo de caso de implementação em uma startup. Revista iPecege, 3(1), 75-84. doi: https://doi.org/0000-0001-8245-1750.
Niggemann, O. (2001). Visual data mining of graph-based data (Dissertation). Department of Mathematics and Computer Science, University of Paderborn, Germany.
O'Halloran, K. L., Tan, S., Pham, D. S., Bateman, J., & Vande Moere, A. (2018). A digital mixed methods research design: Integrating multimodal analysis with data mining and information visualization for big data analytics. Journal of Mixed Methods Research, 12(1), 11-30. doi: https://doi.org/10.1177/1558689816651015.
Rossi, F. (2006). Visual data mining and machine learning. In Proc. 14th European Symposium on Artificial Neural Networks, (pp. 251-264). Bruges, Belgium. Retirado de https://www.elen.ucl.ac.be/Proceedings/esann/esannpdf/es2006-3.pdf.
Salesforce.com, Inc. (2020). Tableau Desktop (2020.3.7). Recuperado de https://www.tableau.com/products/de
Shneiderman, B. (1996, September). The eyes have it: A task by data type taxonomy for information visualizations. In Proc 1996 IEEE symposium on visual languages, (pp. 336-343). doi: https://doi.org/10.1109/VL.1996.545307.
Silva, G.M., Franco, D.J, Dallagranna, G.J., & Cestari, J.M.A.P. (2021). Visualização da informação aplicada em dados aberto nas unidades de saúde municipais de Curitiba-PR: perfil de atendimento de enfermagem. In Coletânea Especial de Engenharia de Produção, (pp. 405-415). Itajubá: Ed. Kreatik.
Vessey, I. (1991). Cognitive fit: A theory based analysis of the graphs versus tables literature. Decision Sciences, 22(2), 219-240. doi: https://doi.org/10.1111/j.1540-5915.1991.tb00344.x.
Zuk, T., Schlesier, L., Neumann, P., Hancock, M. S., & Carpendale, S. (2006). Heuristics for information visualization evaluation. In BELIV '06: Proceedings 2006 AVI workshop on BEyond time and errors: novel evaluation methods for information visualization, (pp.1-6). doi: https://doi.org/10.1145/1168149.1168162.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
A revista AtoZ é um periódico científico de acesso aberto e o copyright dos artigos e da entrevista pertence aos respectivos autores/entrevistados com cessão de direitos para a AtoZ no que diz respeito à inclusão do material publicado (revisado por pares/postprint) em sistemas/ferramentas de indexação, agregadores ou curadores de conteúdo.
Todo o conteúdo da Revista (incluindo-se instruções, política editorial e modelos) está sob uma licença Creative Commons Atribuição 4.0 Não Adaptada, a partir de Outubro de 2020.
Ao serem publicados por esta Revista, os artigos são de livre uso para compartilhar (copiar e redistribuir o material em qualquer suporte ou formato para qualquer fim, mesmo que comercial) e adaptar (remixar, transformar, e criar a partir do material para qualquer fim, mesmo que comercial). É preciso dar o crédito apropriado , prover um link para a licença e indicar se mudanças foram feitas .
A AtoZ não cobra qualquer tipo de taxa para submissão e/ou processamento e/ou publicação de artigos.
