Data mining

Data mining

1. Estudo de caso

   • Entendimento do negócio
     • A missão do EB é preparar a Força Terrestre para defender a Pátria, garantir os poderes constitucionais, a lei e a ordem, bem como, participar de operações internacionais, cumprir as atribuições subsidiarias e apoiar a política externa do País (BRASIL, 1988).
     • Principal desafio: Gestão dos recursos humanos
     • O EB, em sua vertente operacional, possui 7 (sete) comandos militares de área: Amazônia, Nordeste, Oeste, Planalto, Leste, Sudeste e Sul, os quais são responsáveis pelo planejamento, preparo e emprego de tropas em suas áreas de atuação, sendo constituídos por Divisões de Exército, Brigadas e Organizações Militares (OM) de diversas naturezas que, para fins de defesa territorial, são subdivididos em 12 (doze) Regiões Militares (BRASIL, 2013).
   • Formulação do problema
     • Objetivo do estudo: Conhecimento do perfil dos processos de movimentação do EB
     • Utilizando-se dos dados de movimentação dos militares ao logo de sua carreira, tanto para os Oficias como as Praças, pode-se descobrir e modelar regras de associação que permitem a identificação do perfil destas movimentações no território nacional.
     • Com as regras de associação definidas, pode-se realizar a identificação de prováveis estratégias utilizadas nas movimentações com interesse particular do militar. Caso haja a confirmação de uma determinada rotina de origem e destino que se repita com uma maior frequência, pode-se atribuir valores acumulando pontuação até que se tenha um índice para especificar se o trecho tem sido utilizado como estratégia.

2. Mineiração de dados

   • Entendimento dos dados
     • Foi utilizado como fonte de dados a tabela de movimentação dos militares da Base da Dados Coorporativa do Exército, de 1980 a 2013, com cerca de 300.000 mil movimentações, extraídas do Sistemas de Informações Gerencias (SIG)
   • Qualificação dos dados
     • Na presente fase cumpre destacar que devido às restrições impostas pela instituição, será analisado apenas a ordem de grandeza percentual dos dados.
   • Exploração dos dados
     • Foi possível identificar que cerca de 0,01% das movimentações foi realizado por Oficiais Generais, 3,2% por Oficiais Superiores, 3,4% por Oficiais Intermediários, 16,4% por Oficiais Subalternos e 76,9% por Praças.
     • É possível concluir que cerca de 37% dos militares estão alocados na região Sudeste, com apenas 20% do efetivo na região Sul, 16% na região Norte, 15% na região Centro-Oeste e 12% na região Nordeste.
     • É possível observar que existe uma maior frequência de movimentação no Estado do Rio de Janeiro, seguido pelos Estado do Rio Grande do Sul, Minas Gerais, São Paulo e o Distrito Federal.
   • Preparação dos dados
     • Dentre os algoritmos de associação os mais adequados para realizarem a tarefa de associação de tabelas são o Apriori e FP-Growth, dentre os quais foi adotado o algoritmo FP-Growth, tendo em vista que o algoritmo realiza a busca por regras de associação sem a necessidade de geração de um conjunto de itemsets candidatos, o que faz dele um algoritmo de menor custo (PIZZI, 2006).
   • Modelagem dos dados
     • Para as regras de associação, o algoritmo FP-Growth funciona usando somente variáveis binominais (true, false). Como os registros são variáveis do tipo nominal, foi necessário aplicar o algoritmo de transformação Nominal To Binominal (SOUSA, 2003).
     • Já na tarefa de clustering, o algoritmo K-Means é baseado em distância euclidiana, logo, é necessário transformar as variáveis de nominal para numérico. Nesse caso, foi necessário primeiro fazer a transformação de Nominal To Binominal e depois Binominal To Numerical (SOUSA, 2003).
   • Avaliação dos dados
     • O Rapid Miner possibilita extrair o conhecimento a partir de dados armazenados em arquivos texto ou em formato proprietário, e a sua capacidade de aprender está relacionada à quantidade e qualidade dos dados. Durante a análise os resultados podem ser visualizados em diferentes janelas, como a janela gráfica, a matriz de classificação e as regras.

3. Resultados

   • Para os oficiais
     • Como resultado as seguintes regras geradas pela árvore de decisão são consideráveis: a) Cluster 2: Para os militares que realizaram a ECEME, foram promovidos a Coronéis; b) Cluster 4: Para os Coronéis, que foram promovidos originários da ECEME tiveram como origem a cidade do Rio de Janeiro; c) Cluster 1: Para os Oficiais que se deslocaram para Rio de Janeiro, são Tenentes-coronéis. d) Cluster 5 e 3: Boa parte dos Tenentes-Coronéis tiveram como origem o Comando da 1ª Brigada Artilharia Anti-Aérea (Bda AAAe) localizado na Cidade do Guarujá/SP; e) Cluster 0: São para identificação do restante da amostra.
   • Para as praças
     • Como resultado as seguintes regras foram geradas pela árvore de decisão: a) Clusters 1, 2, 3, 4 e 5: Para os praças que realizam a Escola de Sargentos das Armas – EsSa, tiveram como origem das cidades localizadas em áreas especiais em seu processo de movimentação; e b) Cluster 0: São para identificação do restante da amostra.

Images and files in the map