data mining

 معنی لغتی data mining داده کاوی است. حالا داده کاوی یعنی چی؟ به زبان ساده یک روش حل مسئله است که با تحلیل حجم زیادی از داده ها، الگوهای تکرارشونده ای را از آن‌ها استخراج می‌کند. سپس با پیداکردن ارتباطات بین اتفاقات مختلف و این الگوها، راه حل هایی برای چالش‌ها ارائه می‌دهد.

ویژگی های data mining :

پیش بینی های خودکار الگو بر اساس تحیلی روند و رفتار

پیش بینی بر اساس نتایج احتمالی

ایجاد اطلاعات تصمیم گرا

تمرکز روی مجوموعه داده ها و پایگاه های داده بزرگ برای تجزیه و تحلیل

کاربرد های Data Mining :

1. تشخیص ناهنجاری : تشخیص ناهنجاری ( تشخیص بیرونی / تغییر / انحراف) شناسایی سوابق داده های غیر عادی ، که ممکن است جالب باشند یا خطاهای داده ای که نیاز به بررسی بیشتر دارند.

2. یادگیری قانون انجمن : یادگیری قانون انجمن، مدل سازی، وابستگی روابط بین متغیرها را جستجو می کند. به عنوان مثال 1 سوپر مارکت ممکن است داده هایی را در مورد عادات خرید مشتری جمع آوری کند. با استفاده از یادگیری قوانین، سوپرمارکت می تواند تعیین کند که کدام محصولات اغلب باهم خریداری می ش.ند و از این اطلاعات برای اهداف بازاریابی استفاده کنند.

3. خوشه بندی: خوشه بندی وظیفه کشف گروه ها و ساختارهایی در داده است که به نوعی مشابه هستند ، بدون استفاده از ساختارهای شناخته شده در داده ها .

4. طبقه بندی : طبقه بندی وظیفه تعمیم ساختار شناخته شده برایاعمال به داده های جدید است. به عنوان مثال 1 برنامه ایمیل ممکن است سعی کند یک ایمیل را به عنوان هرزنامه طبقه بندی کند.

5. رگرسیون : رگرسیون تلاش برای یافتن تابعی که داده ها را با کمترین خطا مدل می کند تا روابط بین داده ها یا مجموعه داده ها را تخمین بزند.

6. خلاصه سازی : خلاصه سازی اراِئه یک نمایش فشرده تر از مجموعه داده ها ، از جمله تجسم و تولید گزارش است.

Data Mining برای انجام چه کارهایی استفاده می شود؟

این فناوری جز حیاتی ابتکارات تحلیلی موفق در سازمان‌ها است. موثر در جنبه‌های مختلف مانند: برنامه ریزی استراتژی‌های تجاری و مدیریت عملیات کمک می‌کند. این شامل کارکردهای مواجهه با مشتری مانند بازاریابی، تبلیغات، فروش و پشتیبانی مشتری، به علاوه تولید، مدیریت زنجیره تامین، امور مالی و منابع انسانی است.

همچنین از کشف تقلب، مدیریت ریسک، برنامه ریزی امنیت سایبری و بسیاری دیگر از موارد استفاده حیاتی تجاری پشتیبانی می‌کند. همچنین نقش مهمی در مراقبت‌های بهداشتی، دولتی، تحقیقات علمی، ریاضیات، ورزش و غیره ایفا می‌کند.

·  تولید محصولات

·  پیدا کردن بازار هدف برای کسب و کارها و جذب مشتری

·  کشف الگو­های رفتاری خرید مشتری در فروشگاه­ها و کسب و کار­ها

·  تحلیل سبد خرید (مثال،کشف روابط محصولاتی که یک مشتری با هم می­خرد)

·  شناسایی مشتریان وفادار

·  آنالیز دقیق نیاز­های مشتریان

·  پیش­بینی فروش

·  دسته بندی مشتریان بر اساس تفاوت­های موجود

·  پیش­بینی الگو­های کلاه­برداری در بانکداری

·  علم پزشکی ( در بخش های مختلف مثل تشخیص بیماری و شدت آن و …)

·  علم اقتصاد ( پیش­بینی آینده کسب وکارها، مدیریت سرمایه و… )

·  شناسایی مجرمان و ….

·  تمرکز بر روی داده‌های بزرگ

·  متن ­کاوی (داده کاوی می تواند برای طبقه بندی مقالات، کتاب­ها، اسناد، ایمیل­ها و صفحات وب در انواع متن­ها، که داده ­های غیرساختاری دارند اعمال می­شود. به عنوان مثال می­توان به موتورهای جستجوی وب برای طبقه­ بندی صفحات برای اهداف جست وجو اشاره کرد).

·  تشخیص تصویر ( پردازش و طبقه­ بندی تصاویر دیجیتالی، هم از نظر تئوری و هم از نظر تعداد زیادی از برنامه هایی که ارائه می­دهد موضوعی هیجان انگیز است. تشخیص شخصیت­ها، مقایسه و شناسایی چهره انسان­ها، استفاده از فیلترهای تصحیح برای تهیه تجهیزات عکسبرداری و تشخیص رفتارهای مشکوک از طریق دوربین­های ویدئویی نظارتی بسیار مفید است).

·  وب کاوی: ( برنامه ­های وب­ کاوی برای تجزیه و تحلیل سایت­های تجارت الکترونیکی، ارائه صفحاتی نزدیک به موارد جست و جوی کاربران اینترنت، ارزیابی اثر بخشی یک دوره آموزش الکترونیکی مفید باشند).