Sistema de recomendação baseado em Data Mining
Autor(a) principal: | |
---|---|
Data de Publicação: | 2016 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10400.22/8664 |
Resumo: | A elevada competitividade que existe no mundo empresarial (provinda dos mais diversos fatores) força as empresas a estarem em constante evolução e/ou adaptação às tendências e mudanças que o mercado apresenta. Além do fator concorrência e outros demais, todas as empresas ambicionam, certamente, poderem melhorar e aperfeiçoar todo o âmbito do seu negócio. Para tal, as empresas precisam de conhecer bem o seu negócio. Conhecer bem um negócio é por vezes uma tarefa complexa. Não é suficiente conhecer todos os números, processos e fluxos, é necessário também que se assimile verdadeiro conhecimento sobre a empresa. Adquirir conhecimento é um processo que envolve análises a quantidades significativas de dados e informação. Com o conhecimento, provêm melhores decisões uma melhor gestão. Para auxiliar este processo recorre-se a técnicas de Data Mining. Este termo tem estado cada vez mais presente nas empresas pela sua enorme potencialidade na descoberta de padrões implícitos nos dados que permitem conhecer verdadeiramente a informação que está presente nos sistemas que gerem a empresa, e consequentemente, advém o conhecimento profundo do negócio. Esta dissertação tem como propósito elaborar um projeto, que visa auxiliar a cadeia de perfumarias MASS neste processo de aquisição de conhecimento relativamente ao seu negócio. Para este efeito, será realizada uma aplicação que irá gerar análises gráficas, classificações de clientes, análises de associação e recomendação de produtos. Pretende-se assim desenvolver e descrever análises que permitam que os gestores desta empresa conheçam melhor os seus clientes, os seus produtos e as suas vendas, ou seja, que aprofundem o conhecimento sobre o seu negócio. |
id |
RCAP_29cb6d59fbec8ff6cdca52b4d126fa40 |
---|---|
oai_identifier_str |
oai:recipp.ipp.pt:10400.22/8664 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Sistema de recomendação baseado em Data MiningInteligência EmpresarialMineração de DadosClassificaçãoRegras de AssociaçãoSistema de RecomendaçãoBusiness IntelligenceData MiningClassificationAssociation RulesRecommendation SystemSistemas de Informação e ConhecimentoA elevada competitividade que existe no mundo empresarial (provinda dos mais diversos fatores) força as empresas a estarem em constante evolução e/ou adaptação às tendências e mudanças que o mercado apresenta. Além do fator concorrência e outros demais, todas as empresas ambicionam, certamente, poderem melhorar e aperfeiçoar todo o âmbito do seu negócio. Para tal, as empresas precisam de conhecer bem o seu negócio. Conhecer bem um negócio é por vezes uma tarefa complexa. Não é suficiente conhecer todos os números, processos e fluxos, é necessário também que se assimile verdadeiro conhecimento sobre a empresa. Adquirir conhecimento é um processo que envolve análises a quantidades significativas de dados e informação. Com o conhecimento, provêm melhores decisões uma melhor gestão. Para auxiliar este processo recorre-se a técnicas de Data Mining. Este termo tem estado cada vez mais presente nas empresas pela sua enorme potencialidade na descoberta de padrões implícitos nos dados que permitem conhecer verdadeiramente a informação que está presente nos sistemas que gerem a empresa, e consequentemente, advém o conhecimento profundo do negócio. Esta dissertação tem como propósito elaborar um projeto, que visa auxiliar a cadeia de perfumarias MASS neste processo de aquisição de conhecimento relativamente ao seu negócio. Para este efeito, será realizada uma aplicação que irá gerar análises gráficas, classificações de clientes, análises de associação e recomendação de produtos. Pretende-se assim desenvolver e descrever análises que permitam que os gestores desta empresa conheçam melhor os seus clientes, os seus produtos e as suas vendas, ou seja, que aprofundem o conhecimento sobre o seu negócio.The high competitive edge that exists in the business world (provided by various reasons) leads companies to be constantly evolving and adapting to the trends and changes that the market presents. In addition to the competition and other factors, all companies certainly aspire to improve the entire scope of their business. To address these facts, companies need to know well with their entire business. Knowing well a business is often a complex task. It is not enough to know all the numbers, processes and work flows, it is also necessary to acquire knowledge about the company. Acquiring knowledge is a process that involves analysis to significant amounts of data and information. With knowledge comes better decisions for better management. To assist this process Data Mining techniques can be very helpful. This term has been increasingly present in companies for its potential in the discovery of patterns implicit in the data that allow managers to truly know the information that is present in the systems that manage the company, and with that, comes the deep knowledge about the business. The main purpose of this thesis is a project aims to assist MASS perfumeries in this process of knowledge acquisition about their business. For this purpose, it will be made an application that performs graphical analyses, customer clustering, association analysis and product recommendation. Is intended to develop and describe analyses that allow this company to know better their customers, their products and their sales, that is, to deepen their knowledge about the company.Rodrigues, Maria de Fátima CoutinhoRepositório Científico do Instituto Politécnico do PortoFerreira , Bruno Patrício2016-11-14T15:37:13Z20162016-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.22/8664TID:201277794porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-03-13T12:49:54Zoai:recipp.ipp.pt:10400.22/8664Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T17:29:28.164084Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Sistema de recomendação baseado em Data Mining |
title |
Sistema de recomendação baseado em Data Mining |
spellingShingle |
Sistema de recomendação baseado em Data Mining Ferreira , Bruno Patrício Inteligência Empresarial Mineração de Dados Classificação Regras de Associação Sistema de Recomendação Business Intelligence Data Mining Classification Association Rules Recommendation System Sistemas de Informação e Conhecimento |
title_short |
Sistema de recomendação baseado em Data Mining |
title_full |
Sistema de recomendação baseado em Data Mining |
title_fullStr |
Sistema de recomendação baseado em Data Mining |
title_full_unstemmed |
Sistema de recomendação baseado em Data Mining |
title_sort |
Sistema de recomendação baseado em Data Mining |
author |
Ferreira , Bruno Patrício |
author_facet |
Ferreira , Bruno Patrício |
author_role |
author |
dc.contributor.none.fl_str_mv |
Rodrigues, Maria de Fátima Coutinho Repositório Científico do Instituto Politécnico do Porto |
dc.contributor.author.fl_str_mv |
Ferreira , Bruno Patrício |
dc.subject.por.fl_str_mv |
Inteligência Empresarial Mineração de Dados Classificação Regras de Associação Sistema de Recomendação Business Intelligence Data Mining Classification Association Rules Recommendation System Sistemas de Informação e Conhecimento |
topic |
Inteligência Empresarial Mineração de Dados Classificação Regras de Associação Sistema de Recomendação Business Intelligence Data Mining Classification Association Rules Recommendation System Sistemas de Informação e Conhecimento |
description |
A elevada competitividade que existe no mundo empresarial (provinda dos mais diversos fatores) força as empresas a estarem em constante evolução e/ou adaptação às tendências e mudanças que o mercado apresenta. Além do fator concorrência e outros demais, todas as empresas ambicionam, certamente, poderem melhorar e aperfeiçoar todo o âmbito do seu negócio. Para tal, as empresas precisam de conhecer bem o seu negócio. Conhecer bem um negócio é por vezes uma tarefa complexa. Não é suficiente conhecer todos os números, processos e fluxos, é necessário também que se assimile verdadeiro conhecimento sobre a empresa. Adquirir conhecimento é um processo que envolve análises a quantidades significativas de dados e informação. Com o conhecimento, provêm melhores decisões uma melhor gestão. Para auxiliar este processo recorre-se a técnicas de Data Mining. Este termo tem estado cada vez mais presente nas empresas pela sua enorme potencialidade na descoberta de padrões implícitos nos dados que permitem conhecer verdadeiramente a informação que está presente nos sistemas que gerem a empresa, e consequentemente, advém o conhecimento profundo do negócio. Esta dissertação tem como propósito elaborar um projeto, que visa auxiliar a cadeia de perfumarias MASS neste processo de aquisição de conhecimento relativamente ao seu negócio. Para este efeito, será realizada uma aplicação que irá gerar análises gráficas, classificações de clientes, análises de associação e recomendação de produtos. Pretende-se assim desenvolver e descrever análises que permitam que os gestores desta empresa conheçam melhor os seus clientes, os seus produtos e as suas vendas, ou seja, que aprofundem o conhecimento sobre o seu negócio. |
publishDate |
2016 |
dc.date.none.fl_str_mv |
2016-11-14T15:37:13Z 2016 2016-01-01T00:00:00Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10400.22/8664 TID:201277794 |
url |
http://hdl.handle.net/10400.22/8664 |
identifier_str_mv |
TID:201277794 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799131390830182400 |