Meni

Primeri rudarjenja podatkov: najpogostejše uporabe podatkovnega rudarjenja 2021

  • Glavni
  • Drugo
  • Primeri rudarjenja podatkov: najpogostejše uporabe podatkovnega rudarjenja 2021

data mining examples

Preizkusite Naš Instrument Za Odpravo Težav

Ta vadnica zajema najbolj priljubljene primere rudarjenja podatkov v resničnem življenju. Preberite več o uporabi podatkovnega rudarjenja v financah, marketingu, zdravstvu in CRM:

V tem Brezplačna serija usposabljanja za rudarjenje podatkov , smo si ogledali Proces pridobivanja podatkov v naši prejšnji vadnici. Podatkovno rudarjenje, ki je znano tudi kot Odkrivanje znanja v zbirkah podatkov (KDD), je postopek odkrivanja vzorcev v velikem naboru podatkov in podatkovnih skladišč.

Za ugotavljanje koristnih rezultatov se pri podatkih uporabljajo različne tehnike, kot so regresijska analiza, združevanje in združevanje v skupine, klasifikacija in zunanja analiza. Te tehnike uporabljajo programsko opremo in zaledne algoritme, ki analizirajo podatke in prikažejo vzorce.

najboljša programska oprema za kloniranje trdega diska 10

Nekatere znane metode rudarjenja podatkov so analiza drevesa odločitev, analiza Bayesovega izreka, pogosto nabiranje elementov itd. Na trgu programske opreme je na voljo veliko odprtokodnih in plačljivih orodij za rudarjenje podatkov, kot so Weka, Rapid Miner in Oranžna orodja za rudarjenje podatkov.

Primeri podatkovnega rudarjenja

Proces podatkovnega rudarjenja se začne z določenim vnosom podatkov v orodja za podatkovno rudarjenje, ki uporabljajo statistiko in algoritme za prikaz poročil in vzorcev. Rezultate je mogoče vizualizirati s pomočjo teh orodij, ki jih je mogoče razumeti in nadalje uporabljati za izvajanje poslovnih sprememb in izboljšav.

Podatkovno rudarjenje organizacije pogosto uporabljajo pri oblikovanju tržne strategije, bolnišnice za diagnostična orodja, e-trgovina za navzkrižno prodajo izdelkov prek spletnih strani in na številne druge načine.

Nekateri primeri podatkovnega rudarjenja so navedeni spodaj za vašo referenco.

Kaj se boste naučili:

Primeri rudarjenja podatkov v resničnem življenju

Pomen rudarjenja in analize podatkov v našem resničnem življenju iz dneva v dan narašča. Danes večina organizacij uporablja podatkovno rudarjenje za analizo velikih podatkov.

Poglejmo, kako nam te tehnologije koristijo.

# 1) Ponudniki mobilnih storitev

Ponudniki mobilnih storitev uporabljajo rudarjenje podatkov za oblikovanje svojih marketinških kampanj in za preprečevanje preusmeritve strank pri drugih ponudnikih.

Orodja za podatkovno rudarjenje lahko na podlagi velike količine podatkov, kot so informacije o računih, e-pošta, besedilna sporočila, prenos podatkov prek spleta in storitve za stranke, napovedujejo 'odmik', ki strankam, ki želijo spremeniti prodajalca, sporoča.

S temi rezultati je podan rezultat verjetnosti. Ponudniki mobilnih storitev lahko nato nudijo spodbude in ponudbe strankam, ki so bolj izpostavljene tveganju. Tovrstno rudarstvo pogosto uporabljajo večji ponudniki storitev, kot so širokopasovni ponudniki, ponudniki telefonov, plina itd.

Podatkovno rudarjenje pri ponudnikih mobilnih storitev

(slika vir )

# 2) Maloprodajni sektor

Data Mining pomaga lastnikom supermarketov in maloprodaje, da vedo, kakšne izbire imajo kupci. Če pogledamo zgodovino nakupov strank, orodja za podatkovno rudarjenje prikazujejo nakupne želje strank.

S pomočjo teh rezultatov supermarketi oblikujejo umestitve izdelkov na police in ponujajo ponudbe za izdelke, kot so kuponi za ustrezne izdelke, in posebne popuste za nekatere izdelke.

Te kampanje temeljijo na združevanju RFM. RFM pomeni nedavno, pogostost in monetarno razvrščanje. Promocije in tržne kampanje so prilagojene tem segmentom. Stranka, ki zapravi veliko, vendar zelo redko, bo obravnavana drugače kot stranka, ki kupuje vsake 2-3 dni, vendar z manjšim zneskom.

Data Mining se lahko uporablja za priporočila izdelkov in navzkrižno sklicevanje na izdelke.

Pridobivanje podatkov v maloprodajnem sektorju iz različnih virov podatkov.

Podatkovno rudarjenje v maloprodajnem sektorju

(slika vir )

# 3) Umetna inteligenca

Sistem je narejen umetno inteligenten, tako da ga hrani z ustreznimi vzorci. Ti vzorci izhajajo iz izhodov za podatkovno rudarjenje. Izhodi umetno inteligentnih sistemov se prav tako analizirajo glede njihove pomembnosti s pomočjo tehnik podatkovnega rudarjenja.

Sistemi, ki priporočajo, uporabljajo tehnike rudarjenja podatkov, da dajo prilagojena priporočila, ko stranka komunicira s stroji. Umetna inteligenca se uporablja na miniranih podatkih, kot je dajanje priporočil za izdelke na podlagi pretekle nakupovalne zgodovine kupca v Amazonu.

# 4) E-trgovina

Številna spletna mesta z e-poslovanjem uporabljajo podatkovno rudarjenje za navzkrižno prodajo in prodajo svojih izdelkov. Nakupovalna mesta, kot so Amazon, Flipkart, strankam, ki sodelujejo s spletnim mestom, prikazujejo »Ljudje so si tudi ogledali«, »Pogosto kupujejo skupaj«.

Ta priporočila so na voljo z uporabo podatkovnega rudarjenja v zgodovini nakupov strank spletnega mesta.

# 5) Znanost in inženirstvo

S pojavom podatkovnega rudarjenja znanstvene aplikacije zdaj prehajajo s statističnih tehnik na uporabo tehnik »zbiranja in shranjevanja podatkov«, nato pa na novih podatkih izvajajo rudarjenje, dajejo nove rezultate in eksperimentirajo s postopkom. Veliko podatkov se zbira z znanstvenih področij, kot so astronomija, geologija, satelitski senzorji, sistem globalnega določanja položaja itd.

Podatkovno rudarjenje v računalništvu pomaga spremljati stanje sistema, izboljšati njegovo delovanje, odkriti napake v programski opremi, odkriti plagiat in ugotoviti napake. Podatkovno rudarjenje pomaga tudi pri analizi povratnih informacij uporabnikov o izdelkih, člankih, da bi ugotovili mnenja in mnenja stališč.

# 6) Preprečevanje kriminala

Podatkovno rudarjenje zazna odstopanja za veliko količino podatkov. Podatki o kaznivih dejanjih vključujejo vse podrobnosti o zločinu, ki se je zgodil. Podatkovno rudarjenje bo natančneje preučilo vzorce in trende ter napovedalo prihodnje dogodke.

Agencije lahko ugotovijo, katero območje je bolj nagnjeno k kaznivim dejanjem, koliko policijskega osebja je treba napotiti, na katero starostno skupino je treba ciljati, pregledati številke vozil itd.

# 7) Raziskave

Raziskovalci z orodji Data Mining raziskujejo povezave med raziskovanimi parametri, kot so okoljske razmere, kot je onesnaženje zraka, in širjenje bolezni, kot je astma, med ljudmi v ciljnih regijah.

# 8) Kmetijstvo

Kmetje s pomočjo Data Mininga ugotovijo donos zelenjave s količino vode, ki jo zahtevajo rastline.

# 9) Avtomatizacija

Z uporabo podatkovnega rudarjenja se računalniški sistemi naučijo prepoznavati vzorce med parametri, ki se primerjajo. Sistem bo shranil vzorce, ki bodo v prihodnosti koristni za doseganje poslovnih ciljev. To učenje je avtomatizacija, saj pomaga pri doseganju ciljev s pomočjo strojnega učenja.

# 10) Dinamične cene

Podatkovno rudarjenje pomaga ponudnikom storitev, kot so kabinske storitve, da strankam dinamično zaračunavajo glede na povpraševanje in ponudbo. Je eden ključnih dejavnikov za uspeh podjetij.

# 11) Prevoz

Data Mining pomaga pri načrtovanju selitve vozil iz skladišč do prodajnih mest in analizi vzorcev nalaganja izdelkov.

# 12) Zavarovanje

Metode podatkovnega rudarjenja pomagajo pri napovedovanju kupcev, ki kupujejo police, analizirajo medicinske trditve, ki se uporabljajo skupaj, ugotovijo prevarantsko vedenje in tvegane stranke.

Primeri podatkovnega rudarjenja v financah

Primeri podatkovnega rudarjenja v financah

( slike vir )

Finančni sektor vključuje banke, zavarovalnice in investicijske družbe. Te institucije zbirajo ogromno podatkov. Podatki so pogosto popolni, zanesljivi in ​​kakovostni ter zahtevajo sistematično analizo podatkov.

Za shranjevanje finančnih podatkov so zgrajena podatkovna skladišča, ki hranijo podatke v obliki kock podatkov. Za analizo teh podatkov se uporabljajo napredni koncepti podatkovne kocke. Pri analizi finančnih podatkov in rudarjenju se uporabljajo metode podatkovnega rudarjenja, kot so združevanje v skupine in zunanje analize, karakterizacija.

Nekateri primeri v financah, kjer se uporablja podatkovno rudarjenje, so navedeni spodaj.

# 1) Napoved plačila posojila

Metode podatkovnega rudarjenja, kot so izbira atributov in razvrščanje atributov, bodo analizirale zgodovino plačil strank in izbrale pomembne dejavnike, kot so razmerje med plačilom in dohodkom, kreditna zgodovina, rok posojila itd. Rezultati bodo bankam pomagali pri odločanju o politiki odobravanja posojil in odobravajo tudi posojila strankam po faktorski analizi.

# 2) Ciljno trženje

Načini grozdenja in razvrščanja podatkov bodo pomagali najti dejavnike, ki vplivajo na odločitve stranke o bančništvu. Identifikacija podobnih vedenjskih kupcev bo olajšala ciljno trženje.

# 3) Odkrivanje finančnih zločinov

Bančni podatki prihajajo iz številnih različnih virov, različnih mest in različnih lokacij bank. Za proučevanje in odkrivanje nenavadnih trendov, kot so transakcije z veliko vrednostjo, je uporabljenih več orodij za analizo podatkov. Orodja za vizualizacijo podatkov, orodja za analizo odmikov, orodja za združevanje v skupine itd. Se uporabljajo za prepoznavanje razmerij in vzorcev delovanja.

Spodnja slika je študija podjetja Infosys, ki prikazuje pripravljenost stranke na spletno bančništvo v različnih državah. Infosys je za to študijo uporabil analitiko velikih podatkov.

študija podjetja Infosys

(slika vir )

Uporaba podatkovnega rudarjenja v trženju

Podatkovno rudarjenje krepi tržno strategijo podjetja in spodbuja poslovanje. Je eden ključnih dejavnikov za uspeh podjetij. Ogromno podatkov se zbira o prodaji, nakupovanju strank, porabi itd. Ti podatki se zaradi e-trgovine iz dneva v dan povečujejo.

Podatkovno rudarjenje pomaga prepoznati vedenje kupcev pri nakupu, izboljšati storitve za stranke, se osredotočiti na zadrževanje strank, povečati prodajo in zmanjšati stroške poslovanja.

Nekaj ​​primerov podatkovnega rudarjenja v trženju:

# 1) Napovedovanje trga

Za napovedovanje trga bodo marketinški strokovnjaki s pomočjo tehnik rudarjenja podatkov, kot je regresija, preučevali vedenje strank, spremembe in navade, odziv strank in druge dejavnike, kot so tržni proračun, drugi nastali stroški itd. V prihodnosti bo strokovnjakom lažje za napovedovanje kupcev v primeru sprememb dejavnikov.

# 2) Odkrivanje nepravilnosti

Tehnike rudarjenja podatkov so uporabljene za odkrivanje kakršnih koli nepravilnosti v podatkih, ki lahko povzročijo kakršno koli napako v sistemu. Za izvedbo te operacije bo sistem skeniral na tisoče zapletenih vnosov.

# 3) Varnost sistema

Orodja za rudarjenje podatkov zaznajo vdore, ki lahko škodujejo zbirki podatkov in nudijo večjo varnost celotnega sistema. Ti vdori so lahko v obliki podvojenih vnosov, virusi v obliki podatkov hekerjev itd.

Primeri aplikacij za rudarjenje podatkov v zdravstvu

Primer rudarjenja podatkov v zdravstvu

(slika vir )

V zdravstvu je pridobivanje podatkov vse bolj priljubljeno in nujno.

Podatki, ki jih ustvarja zdravstveno varstvo, so zapleteni in obsežni. Da bi se izognili zdravniškim prevaram in zlorabam, se orodja za podatkovno rudarjenje uporabljajo za odkrivanje nepoštenih predmetov in s tem preprečevanje izgube.

Nekaj ​​primerov podatkovnega rudarjenja v zdravstveni industriji je spodaj za vašo referenco.

# 1) Upravljanje zdravstvenega varstva

Metoda podatkovnega rudarjenja se uporablja za prepoznavanje kroničnih bolezni, sledenje regijam z visokim tveganjem, ki so nagnjene k širjenju bolezni, oblikovanje programov za zmanjšanje širjenja bolezni. Zdravstveni delavci bodo analizirali bolezni, regije bolnikov z največjim sprejemom v bolnišnico.

S temi podatki bodo oblikovali kampanje za regijo, da bodo ljudi ozaveščali o bolezni in videli, kako se ji izogniti. To bo zmanjšalo število pacientov, sprejetih v bolnišnice.

sql poizvedba intervju vprašanja in odgovori pdf

# 2) Učinkovito zdravljenje

Z uporabo podatkovnega rudarjenja je mogoče izboljšati zdravljenje. Z nenehno primerjavo simptomov, vzrokov in zdravil lahko izvedemo analizo podatkov za učinkovito zdravljenje. Podatkovno rudarjenje se uporablja tudi za zdravljenje določenih bolezni in povezavo stranskih učinkov zdravljenja.

# 3) Prevarantski in žaljivi podatki

Aplikacije za podatkovno rudarjenje se uporabljajo za iskanje nenormalnih vzorcev, kot so laboratorijski izvidi, izvidi zdravnika, neprimerni recepti in lažne zdravstvene trditve.

Sistemi za rudarjenje podatkov in priporočila

Sistemi priporočil dajejo strankam priporočila za izdelke, ki bi lahko zanimala uporabnike.

Priporočeni izdelki so podobni izdelkom, ki jih je uporabnik poizvedoval v preteklosti, ali pa si ogledujejo druge nastavitve strank, ki imajo podoben okus kot uporabnik. Ta pristop se imenuje vsebinski pristop in ustrezen pristop sodelovanja.

V priporočevalnih sistemih se uporabljajo številne tehnike, kot so iskanje informacij, statistika, strojno učenje itd.

Sistemi, ki priporočajo, iščejo ključne besede, uporabniške profile, uporabniške transakcije, skupne značilnosti med elementi, da ocenijo element za uporabnika. Ti sistemi najdejo tudi druge uporabnike, ki imajo podobno zgodovino nakupov, in napovedujejo izdelke, ki bi jih ti uporabniki lahko kupili.

Ta pristop ima veliko izzivov. Sistem priporočil mora v realnem času iskati milijone podatkov.

Obstajajo dve vrsti napak, ki jih povzroča sistem za priporočila:

Lažni negativi in ​​Lažni pozitivi.

Lažni negativi so izdelki, ki jih sistem ni priporočal, vendar bi jih kupec želel. Lažno pozitiven so izdelki, ki jih je sistem priporočil, kupci pa jih niso želeli. Drug izziv je priporočilo za uporabnike, ki so novi brez zgodovine nakupov.

Inteligentna tehnika odgovarjanja na poizvedbe se uporablja za analizo poizvedbe in zagotavljanje splošnih, povezanih informacij, pomembnih za poizvedbo. Na primer: Prikazana je ocena restavracij namesto samo naslova in telefonske številke iskane restavracije.

Data Mining za CRM (upravljanje odnosov s strankami)

Upravljanje odnosov s strankami je mogoče okrepiti s podatkovnim rudarjenjem. Dobre odnose s strankami je mogoče zgraditi s privabljanjem primernejših strank, boljšo navzkrižno prodajo in prodajo, boljšim zadrževanjem.

Podatkovno rudarjenje lahko izboljša CRM z:

  1. Podatkovno rudarjenje lahko podjetjem pomaga pri ustvarjanju ciljno usmerjenih programov za večji odziv in boljšo donosnost naložbe.
  2. Podjetja lahko z nadgradnjo in navzkrižno prodajo ponudijo več izdelkov in storitev po želji kupcev, s čimer povečajo zadovoljstvo strank.
  3. Z rudarjenjem podatkov lahko podjetje zazna, katere stranke iščejo druge možnosti. Na ta način lahko podjetja oblikujejo ideje, s katerimi zadržijo stranko pred odhodom.

Data Mining pomaga CRM pri:

  1. Trženje baz podatkov: Programska oprema za trženje podjetjem omogoča pošiljanje sporočil in e-pošte strankam. To orodje lahko skupaj z podatkovnim rudarjenjem izvaja ciljno trženje. Z rudarjenjem podatkov je mogoče izvajati avtomatizacijo in razporejanje delovnih mest. Pomaga pri boljšem odločanju. Pomagal bo tudi pri tehničnih odločitvah, kakšne kupce zanima nov izdelek, katero tržno območje je dobro za lansiranje izdelka.
  2. Kampanja za pridobitev strank: Z rudarjenjem podatkov bo tržni strokovnjak lahko ugotovil potencialne kupce, ki ne poznajo izdelkov ali novih kupcev. Za takšne stranke bodo lahko oblikovali ponudbe in pobude.
  3. Optimizacija akcije: Podjetja uporabljajo podatkovno rudarjenje za učinkovitost kampanje. Lahko modelira odzive strank na tržne ponudbe.

Primer rudarjenja podatkov z uporabo odločitvenega drevesa

Algoritmi dreves odločanja se imenujejo CART (Classification and Regression Trees). Gre za nadzorovano učno metodo. Drevesna struktura je zgrajena na izbranih lastnostih, pogojih za razdelitev in kdaj se ustaviti. Drevesa odločitev se uporabljajo za napovedovanje vrednosti spremenljivk razreda na podlagi učenja iz prejšnjih podatkov o vadbi.

Notranje vozlišče predstavlja atribut, listno vozlišče pa oznako razreda.

Pridobivanje podatkov z uporabo primera drevesa odločitev

(slika vir )

Za izdelavo strukture drevesa odločitev se uporabljajo naslednji koraki:

  1. Najboljši atribut postavite na vrh drevesa (koren).
  2. Podmnožice so ustvarjene tako, da vsaka podskupina predstavlja podatke z enako vrednostjo za atribut.
  3. Ponovite iste korake, da poiščete listna vozlišča vseh vej.

Za napoved oznake razreda se atribut zapisa primerja s korenom drevesa. Pri primerjavi se izbere naslednja veja. Na enak način se primerjajo tudi notranja vozlišča, dokler doseženo listno vozlišče ne napove spremenljivke razreda.

Nekateri algoritmi, ki se uporabljajo za indukcijo drevesa odločitev, vključujejo Huntov algoritem, CART, ID3, C4.5, SLIQ in SPRINT.

Najbolj priljubljen primer rudarjenja podatkov: trženje in prodaja

Trženje in prodaja sta domeni, v kateri imajo podjetja velike količine podatkov.

# 1) Banke so prvi uporabniki tehnologije podatkovnega rudarjenja, saj jim pomaga pri bonitetni oceni. Podatkovno rudarjenje analizira, katere storitve, ki jih ponujajo banke, uporabljajo stranke, kakšne stranke uporabljajo kartice ATM in kaj na splošno kupujejo z njihovimi karticami (za navzkrižno prodajo).

Banke uporabljajo rudarjenje podatkov za analizo transakcij, ki jih stranka opravi, preden se odločijo za spremembo banke, da bi zmanjšale izgubo strank. Poleg tega se za odkrivanje prevar analizirajo nekateri odmiki v transakcijah.

# 2) Mobilni telefon Podjetja uporabite tehnike podatkovnega rudarjenja, da se izognete razbijanju. Stresanje je mera, ki prikazuje število strank, ki zapustijo storitve. Zazna vzorce, ki kažejo, kako lahko stranke izkoristijo storitve, da zadržijo stranke.

# 3) Analiza tržne košarice je tehnika iskanja skupin predmetov, ki so skupaj kupljeni v trgovinah. Analiza transakcij kaže vzorce, na primer, katere stvari se pogosto kupujejo skupaj, kot sta kruh in maslo, ali kateri izdelki imajo ob določenih dneh večji obseg prodaje, na primer pivo ob petkih.

Te informacije pomagajo pri načrtovanju postavitev trgovin, ponujajo poseben popust na izdelke, ki so manj povpraševani, ustvarjajo ponudbe, kot sta »kupi 2, dobiš 1 brezplačno« ali »dobiš 50% pri drugem nakupu« itd.

Analiza tržne košarice

(slika vir )

Velika podjetja, ki uporabljajo podatkovno rudarjenje

Nekatera spletna podjetja, ki uporabljajo tehnike rudarjenja podatkov, so navedena spodaj:

  • AMAZON: Amazon uporablja Text Mining, da bi našel najnižjo ceno izdelka.
  • MC Donald's: McDonald’s uporablja rudarjenje velikih podatkov za izboljšanje svoje uporabniške izkušnje. Preučuje vzorec naročanja strank, čakalne dobe, velikost naročil itd.
  • NETFLIX: Netflix ugotovi, kako s pomočjo vpogledov v podatkovno rudarjenje narediti film ali serijo priljubljen med kupci.

Zaključek

Podatkovno rudarjenje se uporablja v različnih aplikacijah, kot so bančništvo, trženje, zdravstvo, telekomunikacijska industrija in številna druga področja.

Tehnike podatkovnega rudarjenja pomagajo podjetjem, da pridobijo informirane informacije, povečajo svojo donosnost s prilagoditvami v procesih in operacijah. Je hiter postopek, ki podjetju pomaga pri odločanju z analizo skritih vzorcev in trendov.

Oglejte si našo prihajajočo vadnico, če želite izvedeti več o algoritmu pridobivanja podatkov o drevesu odločitev !!

PREV Vadnica | NASLEDNJA Vadnica

Priporočeno branje

^