فرآیند داده کاوی (بخش اول)

فرآیند داده کاوی

داده کاوی نیازمند شناسایی یک مسئله همراه با مجموعه ای از داده هاست که می تواند منجر به درک بهترومدل های کامپیوتری به منظورفراهم اوردن تحلیل آماری یا مقاصد دیگرگردد . این کار با ابزارهای تجسم فکری که داده را نمایش میدهد یا تحلیل اماری کاملاً بنیادی مثل تحلیل همبستگی ممکن است پشتیبانی شود .

ابزارهای داده کاوی نیاز دارند که متنوع ، درجه بندی شده ، قادر به واکنش های پیشگویی دقیق بین عملیات و نتایج و اجرای خودکارباشند. تنوع به توانایی ابزاری اشاره دارد که انواع وسیعی ازمدل ها را به کار گیرد. ابزارهای مقیاس اشاره به این موضوع می کنند که اگراین ابزارها روی یک مجموعه داده کوچک کارکند باید روی مجموعه داده های بزرگتر نیز کار کند .کنترل خودکار سودمند است اما کاربردش وابسته به اموری است.

بعضی کارکردهای تحلیلی اغلب خودکار هستند اما تنظیمات بشری مقدم بر اجرای رویه ها مورد نیاز هستند . در حقیقت قضاوت تحلیل گر انتقادی به اجرای موفقیت آمیز داده کاوی است .انتخاب مناسب داده ها که شامل تحقیقات می باشد حیاتی است . تغییر شکل داده نیز اغلب مورد نیاز است .

متغیرهای بسیاری بازده زیادی تولید می کنند . در حالی که تعداد کمی می توانند بر روابط کلیدی در داده ها مسلط شوند . درک بنیادی مفاهیم اماری برای داده کاوی موفق ضروری است .

داده کاوی به سرعت با فواید زیادی برای تجارت بسط داده می شود . دو ناحیه کاربرد با بیشترین سود ، استفاده از تقسیم مشتری از طریق سازمان های بازاریابی برای تشخیص احتمالات بیشتر حاشیه ای واکنش به شکل های متفاوت رسانه بازاریابی ، و بانک ها با استفاده از داده کاوی برای پیش گویی دقیق تر احتمال این که افراد به پیشنهاداتی که سرویس های مختلف ارائه می کنند واکنش می دهند ، می باشد .

بسیاری از شرکت ها از این تکنولوژی برای شناسایی مشتریان استفاده می کنند تا اینکه بتوانند خودشان سرویسی را که نیاز است فراهم اورند تا ان مشتریان را از دست ندهند .

 

متدلوژی داده کاوی و بهترین تمرین های آن:

بهترین راه برای دوری از شکست چرخه داده کاوی، درک راه های عدم موفقیت آن و اخذ تدابیر پیشگیرانه است. در طول سالها، مولفان با راه های زیادی برای پروژه های داده کاوی مواجه شده اند که به اشتباه رفته اند . در پاسخ، ما مجموعه ای از عادات کارآمد را توسعه داده ایم - چیزهایی که ما باید برای هموار کردن مسیرمان از جمله ابتدایی مسئله کسب و کار تا یک مدل پایدار که نتایج قابل اندازه گیری و قابل اعمالی را تولید می کند، انجام دهیم . داده کاوی یک روال تکراری طبیعی است . لازم است برخی مراحل را چندین بار تکرار کرد، ولی هیچیک را نمی توان کاملا نادیده گرفت.

با افزایش پیچیدگی راه حل داده کاوی، نیاز به وجود یک مشی سفت و سخت بیشتر است . پس از اینکه نیاز به وجود متدلوژی با راه های مختلفی توضیح داده شد، با استفاده از پرسش های خاص منظوره نشان داده خواهد شد که در صورت نبود یکی از مراحل آن، تلاش های داده کاوی با شکست مواجه خواهند شد . در پایان، 4 مرحله از چرخه تعالی داده کاوی به 11 مرحله متدلوژی داده کاوی تبدیل می شود.

 

متدولوژی

متدلوژی داده کاوی 11 مرحله دارد:

1-تبدیل مسئله کسب و کار به مسئله داده کاوی

2- انتخاب داده مناسب

3- رسیدن به شناخت داده

4- ایجاد یک مجموعه مدل

5- تثبیت مسئله با داده

6- تبدیل داده برای آوردن اطلاعات به سطح

7- ساختن مدل ها

8-ارزیابی مدل ها

9-استقرار مدلها

10-ارزیابی نتایج

11- شروع دوباره

 

ادامه دارد...