داده کاوی چیست و چرا مهم است؟

داده کاوی یک تکنولوژی قدرتمند جدید با پتانسیل بالا به منظور کمک به شرکت ها است که روی مهم ترین اطلاعات موجود در داده ها درباره رفتار مشتریان بالقوه تمرکز دارد. از داده ها اطلاعات را کشف می کند وگزارش ها  بطور موثر آشکار می شوند. 

این مقاله به جنبه های زیادی از داده کاوی در ادامه اشاره می کند:

  • دادهاغنی واطلاعات ضعیف
  • انبار داده ها
  • داده کاوی چیست ؟
  • داده کاوی چه چیز را نشان میدهد؟
  • تکامل داده کاوی
  • چطور داده کاوی کار می کند؟
  • آینده داده کاوی
  • نمونه هایی از برنامه های کاربردی داده کاوی

در ادامه به تشریح جنبه های داده کاوی که در بالا ذکر شده است می پردازیم:

داده ها غنی و اطلاعات ضعیف

داده ها در پایگاه داده شرکت ها به صورت خام مرتب می شوند، این داده ها از تریلیونها معاملات وکارتهای اعتباری خرید تا پیکسل های تصاویر کهکشان ها را شامل می شوند. داده های اندازه گیری شده ای که در مقیاس گیگا بایت و ترابایت در سازمان ها موجودند که اصطلاحا می گویند داده در حال انفجار است. یک ترابایت برابر با یک تریلیون بایت است و۱ ترابایت با ۲ میلیون کتاب برابری می کند. با این وجود داده های خام به تنهایی اطلاعات زیادی را فراهم نمی کنند. امروزه محیط کسب وکار رقابتی شرکت ها نیاز دارند این ترابایت از داده ای خام را بطور قابل توجهی به مشتریان وبازارها منتقل کنند و بازارهایشان را برای سرمایه گذاری استراتژی مدیریت راهنمایی کنند.

انبار داده ها

ارزش ذخیر سازی داده ها به شرکت ها تمایل ایجاد سرمایه گذاری به عنوان یک منبع عظیم را می دهند. هستند داده های مربوط به مشتریان و مشتریان بالقوه ذخیره شده در انبار داده ها
داده های انبارشده قسمتی از فناوری محسوب می شوند، داده های انبار شده برای تحکیم در پایگاههای متفاوتی استفاده می شود. یک داده انبارشده مقادیر زیادی داده با دسته های خاص را ذخیره می کند تا اینکه بتواند بوسیله کاربران آسان تر بازیابی، تفسیر و دسته بندی شود.
انبار داده ها مدیران را قادر می سازند تا با ذخیره سازی گسترده ای از داده های معاملات پاسخ سریع تری به بازارها دهند و تصمیمات کسب وکار نرمال بیشتری را کسب کنند. پیش بینی می شود هر کسب وکاری یک انبار داده در ده سال گذشته داشته باشد. تعدادی از شرکت ها می خواهند در مورد داده ها بیشتر یاد بگیرند تا دانش مشتریان و بازارهای خود را ارتقا دهند و با استخراج الگویی از داده ها این شرکت ها سود خواهند برد.

داده کاوی

داده کاوی چیست ؟

کشف دانش ازطریق آنالیز مجموعه ای عظیم از داده ها و سپس استخراج معنی دار آن ها داده کاوی نام دارد.
ابزارهای داده کاوی با پیش بینی رفتارها و روندهای آینده به کسب وکارها اجازه می دهند تا تصمیم گیری مبتنی بر دانش داشته باشند. داده کاوی همچنین به سوالات کسب وکارها پاسخ میدهد که بطور سنتی زمان زیادی برای حل وفصل آن صرف می شود. متخصصان پایگاه داده الگوهای پنهانی را از بین می برند و اطلاعات پیش بینی شده را پیدا می کنند. داده کاوی نام خود را از شباهت بین تحقیقات در زمینه های مختلف برای اطلاعات با ارزش در یک داده سازی بزرگ می گیرد و استخراج داده ها از یک پایگاه داده و یا یک کوه برای ورق سنگ معدن با ارزش نیز جز این موارد می باشد. هر دو فرایند نیاز به مقدار زیادی از مواد یا اطلاعات دارند که باید به صورت هوشمندانه در جایی پیدا شوند تا ارزش بررسی داشته باشند.

داده کاوی فرآیند یافتن ناهنجاری ها، الگوها و همبستگی ها در مجموعه داده های بزرگ برای پیش بینی نتایج است. با استفاده از طیف گسترده ای از تکنیک ها، می توانید از این اطلاعات برای افزایش درآمد، کاهش هزینه ها، بهبود روابط با مشتریان، کاهش خطرات و موارد دیگر استفاده کنید.

داده کاوی چه چیزی می تواند انجام دهد ؟

شرکت ها در یک محیط گسترده از صنایع شامل خرده فروشی، مالی، مراقبت های بهداشتی، حمل ونقل و هوا فضا مورد استفاده قرار می گیرد، اگرچه داده کاوی هنوز در دوران کودکی به سر می برد.
استفاده از ابزارهای داده کاوی با کاربرد الگوی تشخیص تکنولوژی و تکنیکها ی آماری و ریاضی برای تجزیه وتحلیل اطلاعات ذخیره شده از طریق انبار داده ها برای استفاده از مزیت های داده های تاریخی حاصل می شود. الگوهای کشف شده و ارتباطات داده ها به منظور کمک به تصمیم گیری بهتر کسب وکارها انجام می شود. داده کاوی به شناسایی حقایق مهم، ارتباطات، روندها، الگوها، استثناها و ناهنجاری هایی که ممکن است غیرقابل مشاهده باشند کمک می کند. داده کاوی ممکن است به پیشبرد فروش ، توسعه کمپین بازارهای دقیق تر، پیش بینی وفاداری مشتریان کمک کند.

data minning

کاربرد خاص داده کاوی شامل تقسیم بندی بازار، شناسایی ویژگی های مشترک مشتریانی که محصولات مشابه را از شرکت خریداری می کنند، پیش بینی آنچه که مشتریان احتمالا شرکت را ترک می کنند و به سمت رقبا جذب می شوند. بازاریابی مستقیم و تشخیص آنچه که چشم انداز را شامل می شود تا بالا ترین نرخ پاسخ گویی تعاملی را بدست آوریم. پیش بینی آنچه که دسترسی یک شخص به یک وب سایت مورد علاقه برای دیدن را انتخاب می کند. تجزیه و تحلیل بازار و درک آنچه که محصولات و خدمات به صورت مشترک خرید میشود مثل پوشک و نوشابه. آنالیز روند، فن اوری داده کاوی میتواند فرصت کسب وکار جدید را بوسیله، پیش بینی خودکار رفتارها وروند ها ایجاد کند. داده کاوی فرایند پیداکردن اطلاعات پیش بینی دریک داده عظیم را بطور خورکار انجام می دهد. سوالاتی که بطور سنتی نیاز به آنالیز گسترده دارند را بطور مستقیم از داده ها پاسخ میدهد. یک مثال معمولی از یک مشکل پیش بینی بازاریابی هدفمند است. داده کاوی با استفاده از داده های گذشته، پست های تبلیغاتی گذشته تا شناسایی هدفهای احتمالا ماکزیمم برای سرمایه گذاری در آینده وکشف خودکار از الگوی ناشناخته قبلی را برمی گرداند.
ابزار داده کاوی از طریق داده ها، شناسایی الگوهای پنهان قبلی است . یک مثال از کشف الگو تجزیه وتحلیل داده های فروش و خرده فروشی برای شناسایی محصولات به ظاهر نامرتبط که اغلب با هم خریداری می شوند است. کشف مشکلات الگوهای دیگر شامل تشخیص معاملات جعلی کارت اعتباری و شناسایی داده های غیرمستقیم که میتواند خطای رونویسی داده را نشان دهد از دیگر مزیت های آن می باشد.
کامپیوترهای موثر موازی از طریق حجم داده، الگوها در مورد مشتریان و محصولات را کشف و حفاری می کنند برای مثال زنجیره های موادغذایی آنالیز می شود که وقتی مردها به یک سوپرمارکت می روند تا پوشک بخرند آنها گاهی با وسایلی نیز برمی گردند که ضروری نیست پس استفاده از اطلاعات ممکن است یک فروشگاه را در موقعیتی قرار دهد که این موارد را پیش بینی کند واز آن بهره ببرد.
AT&TAC . Niclson و American Expressدر میان رده شرکت های در حال رشدی هستند که تکنیکهای داده کاوی را برای فروش و بازاریابی اجرا می کنند. این سیستم ها از طریق اطلاعات زیاد مربوط به فروش به منظور کمک به تحلیلگران در درک رفتار مصرف کننده و راهبرد های تبلیغاتی برای بدست اوردن مزیت رقابتی وافزایش سود ممکن است از بین بروند.
بطور مشابه آنالیزهایی از طریق مجموعه گسترده ای از سوابق مالی ،داده ها ودیگر منابع اطلاعاتی به منظور تصمیم گیری سرمایه گذاری می کنند سازمان های مراقبت بهداشتی در حال بررسی پرونده های پزشکی هستند تا بوسیله روندهای گذشته بتوانند هزینه ها را در آینده کاهش دهند.

داده کاوی
تکامل داده کاوی

داده کاوی یک توسعه طبیعی از افزایش کاربرد داده ها ی سازماندهی شده است تا داده ها را ذخیره کند و برای تحلیل گران شغل ها پاسخی ارائه دهند. پرسش سنتی و ابزارهای گزارش استفاده می شوند تا کسب کند و خارج کند آنچه در یک داده است. کاربر تشکیل میدهد یک فرضیه در مورد یک رابطه و آن را تایید می کند وتنوع آن یا رد آن را با یک مجموعه از برش های در برابر داده ها کاهش میدهد. برای مثال یک آنالیزور ممکن است فرض کند که افراد با درآمد و قرض بالا، خطرات اعتباری بدی را به همراه دارند وپرس وجوی پایگاه داده ها رد این فرض را تایید می کند. 

داده کاوی چطور کار می کند ؟

داده کاوی قادر به گفتن آنچه مهم است و شما نمی دانید و یا آنچه در آینده ممکن است اتفاق بیافتد را به شما می گویید .این تکنیک که کاربرد اصلاح این شاهکار نامیده می شود مدل نام دارد. نمونه واقعی از ساخت یک وسیله با شکل گیری مدل انجام می شود، مجموعه مثال ها یا یک رابطه ریاضی نمونه های مدل هستند. براساس داده ها از موقعیتی که جواب شناخته شده است و مدل دیگر موقعیت هایی که جوابها شناخته شده نیست، از مدل استفاده می شود. البته تکنیکهای مدل در قرن های پیش بکار برده شده اند اما اخیرا از قابلیت ذخیره داده وارتباطات برای جمع آوری وذخیره داده ها استفاده می شوند. مقادیر بزرگی از داده ها وقدرت محاسباتی برای خودکار سازی تکتیکهای مدل بطور مستقیم روی داده هایی که در دسترس اند کاربرد دارد. به عنوان مثال مدیر بازاریابی شرکت مخابراتی را در نظر بگیرید، او می خواهد تمرکز بازار و تلاش های فروش خود را روی بخش هایی از جمعیت انجام دهد، چون متغیر ها واطلاعات زیادی وجود دارد، از پایگاه داده های موجود نظیر ویژگی های مشترکی ( جنس ،شغل، درآمد و …) استفاده می کند تا به مدل قطعی دست یابد.

آینده داده کاوی

اگر کسب وکار به درستی انتخاب شود، نتایج داده کاوی در کوتاه مدت قابل سوددهی است. کمپین های بازاریابی، نتایج جدید تبلیغات مشتریان بالقوه را بررسی کرده و با دقت آنها را مورد هدف قرار می دهد. نتایج میان مدت داده کاوی ممکن است به صورت آسان و با کاربرد مشترک بکار رود. به عنوان مثال ممکن است از ابزارها استفاده کنیم تا بتوانیم بهترین بلیط هواپیما به مکانی خاص را بیابیم یا شماره تلفن دوستی را که از دست داده بودیم پیدا کنیم و یا به بهترین قیمت خودرو مورد علاقه خود برسیم.

اهداف بلندمدت داده کاوی واقعا هیجان انگیز هستند، برای مثال محققان می توانند از تجزیه و تحلیل  داده های پیش بینی شده عوامل مرتبط با یک بیماری راکشف کنند و یا پیش بینی کنند که بیمار ممکن است بهتر به یک درمان تجربی پاسخ دهد.

نمونه هایی از برنامه های کاربردی داده کاوی

امروزه جمع آوری داده ها به صورت هوشمند واتوماتیک انجام می شود. موفقیت در بسیاری از زمینه ها بستگی به استفاده موثر از داده های جمع آوری شده دارد. در این راستا تلاش های داده کاوی در همه جا وجود دارد. داده کاوی به عنوان ارتباط بیشتر بین رشته های مختلف رخ می دهد، مناطق برنامه های کاربردی در حال تکامل هستند.
کسب و کارها از داده کاوی سود می برند. خرده فروشان بزرگ مانند Walmart از اطلاعات مربوط به فروشگاه، کمپین تبلیغاتی و حتی وضعیت هوا برای پیش بینی فروش و افزایش سهام خود استفاده می کنند.
و حتی از داده کاوی در از بین بردن بیماری ها، بیان عبارات ژنی، شناسایی الگوهای درمانی استفاده می کنند.
سیستم های ارتباطی
تجزیه و تحلیل تصویر یکی دیگر از زمینه های مهم برنامه های کاربردی داده کاوی و تکنیک های تشخیص چهره بخشی از ترتیبات امنیتی آن است.
بازیابی اطلاعات
داده هایی که از طریق اینترنت جمع آوری می شود، شامل اطلاعات فیس بوک و توییتر و دیگر سایت های شبکه های اجتماعی، مخزن بزرگی از اطلاعات استخراج شده است که می تواند در استراتژی بازاریابی و فروش و یا ارزیابی عملکرد محصول موثر باشند.

?what is data mininng

چرا داده کاوی مهم است؟

شما شاهد تعداد حیرت انگیزی از داده ها و اطلاعات بوده اید – حجم داده های تولید شده هر دو سال دو برابر می شود. داده های بدون ساختار به تنهایی ۹۰ درصد از جهان دیجیتال را تشکیل می دهند. اما اطلاعات بیشتر لزوما به معنای دانش بیشتر نیست.

داده کاوی به شما امکان می دهد تا:

  • از طریق تمام سر و صدای هرج و مرج و تکراری، اشکالات را در داده های خود از بین ببرید.
  • درک آنچه به داده ها مربوط است و از آن اطلاعات برای ارزیابی نتایج احتمالی استفاده مناسب انجام دهید.
  • سرعت تصمیم گیری آگاهانه را سرعت دهید.

در این متن تنها به چند جنبه از داده کاوی پرداختیم تا به یک آشنایی کلی از آن دست یابید.امیدواریم مفید واقع شود.

Sending
User Review
۰ (۰ votes)

ارسال یک پاسخ

آدرس ایمیل شما منتشر نخواهد شد.