SEMMA é um acrônimo em inglês para Amostra, Explorar, Modificar, Modelar e Avaliar. É uma lista de etapas sequenciais desenvolvidas pelo SAS, um dos maiores produtores de software de estatísticas e business intelligence, que orienta a implementação de processos de mineração de dadosAzevedo, A. and Santos, M. F. KDD, SEMMA and CRISP-DM: a parallel overview. In Proceedings of the IADIS European Conference on Data Mining 2008, pp 182-185. . Embora o SEMMA seja considerado uma metodologia geral de mineração de dados, o SAS alega que é "uma organização lógica do conjunto de ferramentas funcionais" de um de seus produtos, SAS Enterprise Miner, "para executar as principais tarefas de mineração de dados".SAS Enterprise Miner website
Plano de fundo No campo em expansão da mineração de dados, houve uma demanda por uma metodologia padrão ou simplesmente uma lista de melhores práticas para o processo diversificado e iterativo de mineração de dados que os usuários podem aplicar em seus projetos de mineração de dados, independentemente do setor. Enquanto o processo Cross Industry Standard para Data Mining ou CRISP-DM, fundado pelo Programa Estratégico Europeu em Pesquisa em Tecnologia da Informação, tinha como objetivo criar uma metodologia neutra, o SAS também ofereceu um padrão a seguir em suas ferramentas de mineração de dados.
Fases As fases do SEMMA e as tarefas relacionadas são:
Amostra: o processo começa com a amostragem de dados, por exemplo, selecionando o conjunto de dados para modelagem. O conjunto de dados deve ser grande o suficiente para conter informações suficientes para recuperar, mas pequeno o suficiente para ser usado de forma eficiente. Essa fase também lida com o particionamento de dados; Explorar: esta fase abrange a compreensão dos dados, descobrindo relações antecipadas e imprevistas entre as variáveis, e também anormalidades, com a ajuda de técnicas como estatística descritiva e visualização de dados; Modificar: esta fase contém métodos para selecionar, criar e transformar variáveis na preparação para modelagem de dados, para que estejam adequados ao tipo de modelo sendo investigado; Modelo: aqui são aplicadas várias técnicas de construção de modelos de dados sobre as variáveis de entrada, preparadas no passo anterior, a fim de criar levar algum parâmetro de negócio a uma meta, como maximizar um retorno ou minimizar um risco; Avaliar: nesta fase os resultados da modelagem são estudados para determinar sua confiabilidade e utilidade. Após avaliar o analista pode decidir voltar ao início, para uma nova rodada em busca de resultados melhores, ou parar onde está e entregar o modelo resultante para implementação.
Crítica O SEMMA aborda apenas as tarefas técnicas dos projetos de mineração de dados, assumindo que os aspectos de negócios já estão tratados. Em comparação, o CRISP-DM inclui essa fase no início. Apesar de o SEMMA ter nascido para o SAS, ele é genérico o bastante para apoiar um processo de Data Mining com qualquer ferramenta, ainda que alguns afirmem que isso pode levar a situações ambíguas.Rohanizadeh, S. S. and Moghadam, M. B. A Proposed Data Mining Methodology and its Application to Industrial Procedures Journal of Industrial Engineering 4 (2009) pp 37-50.
Ver também
CRISP-DM - Processo padrão da indústria cruzada para mineração de dados
Categoria:Mineração de dados