ادامه داده کاوی

....

قدمهای لازم جهت کاوش در میان داده ها طیق علم داده کاوی عبارتند از: 1. شناسایی و تعریف مسئله 2. دستیابی و پیش پردازش داده ها( مهمترین گام)3. داده کاوی  یا همان استخراج دانش 4. تفسیر و ارزیابی نتایج 5. استفاده از دانش کشف شده.

روشهای اصلی داده کاوی به دو دسته توصیفی و پیش بینانه تقسیم میشوند:

الف- توصیفی: شامل  خوشه بندی ، خلاصه سازی، مصور سازی و کشف توالی و قواعد تلازمی

ب- پیش بینی: شامل دسته بندی ، رگرسیون ، پیش بینی و سریهای زمانی

از روشهای پیش بینی همانطور که از نام آن مشخص است برای پیش بینی داده ها استفاده میکنند .

در مورد روشهای توصیفی میتوان گفت که از کاربردهای آن تجزیه و تحلیل سبد بازار میباشد.  مثلا: در یک فروشگاه خرده فروشی از طریق تحلیل داده های مربوط به مشتریان با استفاده از روشها و الگوریتم های قواعد تلازمی میتوان گفت که اگر مشتری نان و ژامبون بخرد با احتمال X% نوشابه هم خواهد خرید.این مثال برای شناسایی مشتریان خاص نیز کاربرد دارد.

از جمله نرم افزار های مورد استفاده در :-matlab spss celementine-Rو ... نام برد که  spss celementineپرکاربردترین آنها است.

امید است در کسب و کار های ایرانی روزی فرا رسد که تصمیم گیری ها و استراتژیها بر مبنای تحلیل ها و مکاشفاتی باشد که مبنا و اصول علمی دارند، باشد.

داده كاوي

امروزه اطلاعات رگهای حیاتی هر سازمانی میباشندو به عنوان یک مزیت رقابتی در میان سازمانها شناخته میشود. یعنی هر سازمانی که در مدیریت اطلاعاتی خود ،توانایی ایجاد مزیتی رقابتی بر سایر رقبای خود در دنیای چابک و سریع بازارها و فضای کسب و کار میباشد . اطلاعات بنا بر تعاریف به عنوان داده های سازماندهی شده و ساختار یافته شناخته میشوند،که قادر به انتقال مفاهیمی هستند که در نگاهی اجمالی بتوان از آنها بدست آورد. حال آنکه داده ها چنین توانایی را ندارند و فقط در سازمانها  در پایگاههای داده جمع آوری میشوند تا شاید به آنها رجوع شود و مورد استفاده قرار گیرد . از این داده ها به عنوان سوابق و داده های تاریخی یاد میشوند.

در دنیای غیر قطعی و چابک امروزی استفاده از ابزار ها و متدهایی که باعث ایجاد مزیت رقابتی شود خود به عنوان یک مزیت برای سازمان شناخته میشود. این بدان معناست که توانایی بکارگیری متدهاو روشها و ابزارها برای سازمانها خود مزیتی است رقابتی. یکی از علوم جدید ایجاد کننده مزیت رقابتی، داده کاوی و کشف دانش میباشد. برای داده کاوی و کشف دانش تعاریفمختلفی ارائه شده است اما اشتراک میان همه آنها این است: کشف الگوهای پنهان و مستتر در میان حجم عظیمی از داده ها بصورتی که بتوان برای دادهای مشابه این دانش ا تعمیم داد. و داده کاوی علمی است که ما را در رسیدن به این هدف و کشف الگوها و دانش جدید یاری میکند.داده کاوی جزء علوم جدیدی است که با علومی همچون آمار ، هوش مصنوعی، یادگیری ماشین، انبار داده و .. در ارتباط است.داده کاوی علمی است که با استفاده از روشها و الگوریتمهای مختلف ( که هر یک برای کاربردهای خاص استفاده میشوند و دارای معایب و محاسن مختلفی هستند.) اقدام به کشف و شناسایی الگو ها و مدلهای نهفته در میان حجم عظیم داده ها میکند. از موارد استفاده داده کاوی میتوان به خوشه بندی ، پیش بینی و مصور سازی و ... برای داده ها استفاده کرد . از جمله کارکردهای اولیه که برای داده کاوی مورد استفاده قرار گرفته است : حوزه بازاریابی و CRM ( مدیریت ارتباط با مشتری )میباشد . داده کاوی و روشها و الگوریتمهای متنوع آن برای تحلیل سبد بازار ، تحلیل سود آوری مشتریان، تحلیل وفاداری و ... مورد استفاده قرار میگیرد . البته از کارکردها و استفاده های جدیدتر آن میتوان کاربرد داده کاوی در  کشف جرایم ،  استفاده در حوزه سلامت و استفاده در حوزه نت ( نگهداری و تعمیرات) و ...را نام برد. کارکردها و کاربردهای داده کاوی و توانایی آن در کشف قوانین و قواعد نهفته در میان داده ها میتواند در حوزه های مختلف به خصوص در حوزه بازار یابی و  سلسله مراتب مدیریت ارتباط با مشتری ( یعنی: شناسایی مشتریان،جذب مشتریان، نگهداشت مشتریان و توسعه مشتریان) باعث ایجاد ابزاری در خور توجه باشد.در قسمتهای بعد به روشهاو الگوریتمها و در نهایت به معرف ی نرم افزار های موجود خواهیم پرداخت.