Data mining e business intelligence no suporte a decisões sobre comunicações

• Main Author: Mendes, Armando B.
• Publication Date: 2008
• Other Authors: Ferreira, Aires, Alfaro, Paulo J.
• Language: por
• Source: Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
• Download full: http://hdl.handle.net/10400.3/2178
• topic: Decision Support Systems; Data Mining; Business Intelligence; OLAP; Comunicações

Este trabalho reporta um projecto que teve como objectivo desenvolver modelos de apoio à decisão para suportar decisões sobre tecnologias de comunicação na maior empresa da R.A. dos Açores. A Electricidade Dos Açores (EDA) é a companhia responsável pela produção, transporte e distribuição de energia eléctrica nas nove ilhas da região. O GRUPOEDA, além das actividades centrais à sua missão (produção de energia hídrica, eólica, por combustão e geotérmica), inclui ainda empresas nas áreas das telecomunicações e sistemas de informação. Dados de 2006 apontam para um valor total de 81 millões de euros, aproximadamente 870 empregados permanentes e 112.000 clientes espalhados pelas 9 ilhas numa área de 66 mil kilómetros quadrados. A intenção inicial consistia em fornecer informação de qualidade ou intelligence para suportar uma decisão sobre se as comunicações, actualmente atribuídas a uma empresa de telecomunicações externa, deveriam ser geridas internamente usando ecnologias de Voice over IP (VoIP). Os modelos e métodos implementados foram considerados muito relevantes na tomada desta decisão particular, tendo ainda aberto novas áreas de aplicação, nomeadamente na detecção de situações pouco eficientes e mesmo fraudes. Seguindo a metodologia CRISP-DM e utilizando o MSSQL Server, desenvolveu-se um projecto OLAP na geração de cubos multidimensionais para exploração e resumo de dados. Para tal , foi necessário integrar os ficheiros com registos de todas as chamadas telefónicas no GRUPOEDA, com dados internos como a identificação do equipamento terminal, do responsável e a localização do mesmo. Em seguida, desenvolveram-se modelos de data mining usando técnicas como regras de associação, análise de clusters, árvores de decisão e modelos de previsão. Os resultados do projecto incluiram o suporte à decisão específica em causa, a identificação de procedimentos ineficientes e defraudes e modelos para utilização futura com funções de apoio a decisões estratégicas e de controlo.