داده‌کاوی چیست و چه کاربردهایی دارد؟
داده‌کاوی ترجمه‌ی عبارت(Data Mining)است. داده‌کاوی یعنی استخراج اطلاعات گرانبها از حجم عظیم معادن…...
داده‌کاوی ترجمه‌ی عبارت(Data Mining)است. داده‌کاوی یعنی استخراج اطلاعات گرانبها از حجم عظیم معادن داده! کلمه Mining به معنای «استخراج از معدن» بکار می‌رود.
تفاوت داده کاوی و علم آمار:
داده‌کاوی شاخه‌ی توسعه یافته و پیچیده‌ی علم آمار است. علم آمار به تنهایی برای صاحبان صنایع و شرکت ها بسیار اهمیت دارد. اما اهمیت داده‌کاوی فراتر از علم آمار می‌باشد و امکاناتی در اختیار صاحبان کسب‌وکار قرار می‌دهد که ساز و کارهایی آماری در آن ناتوان‌اند.
در بیشتر موارد حجم داده‌های اولیه ی مورد استفاده در داده‌کاوی آنقدر زیاد است که به یک چالش زمان بر و هزینه بر تبدیل می شود. وظیفه داده‌کاوی، استخراج دانش از منابع با ارزشی است که در حجم انبوهی از اطلاعات پنهان شده و نیاز به کشف آن وجود دارد.
داده‌کاوی اطلاعات سال‌های گذشته شرکت شما را بازبینی می‌کند و بازخورد تصمیمات سال های گذشته را به شما نشان می‌دهد. داده کاوی فضای سال‌های گذشته ی کسب و کار شما را بازخوانی می‌کند و به شما می‌گوید کدام تصمیمات منجر به سود شده است و کدام تصمیمات منجر به زیان کسب و کار شده است.
بنابراین داده کاوی باعث می‌شود تصمیمات زیانده کسب و کارتان در گذشته را تکرار نکنید ولی تصمیمات سودآور اتفاق افتاده در گذشته را دوباره تکرار کنید.
در ابتدای فرایند، مشکلات شرکت یا سازمان شما پیدا خواهد شد و در پایان با کمک هوش مصنوعی، راهکارهایی برای حل آن مشکلات در اختیار شما قرار خواهد گرفت.
بر اساس این استاندارد، فرایند حل مسئله با کمک داده‌کاوی در شش مرحله و در تعامل با کارفرما صورت می‌گیرد.
گام اول: درک کسب و کار
صاحبان کسب وکاری که مشکل در کسب وکار خود دارند، مشکل خود را با متخصص داده کاوی مطرح می‌کنند. صاحبان کسب وکار نمی‌توانند مشکلات خود را حل کنند و این کار بر عهده متخصص داده کاوی می‌باشد.
گام دوم: بررسی و درک داده ها
متخصص داده کاوی، به بررسی داده ها می‌پردازد تا به نتیجه واقع بینانه‌تری برای حل مشکلات کسب وکارها برساند.
گام سوم: آماده سازی داده ها
در مرحله ی سوم عملیات آماده سازی داده‌ها توسط متخصص داده کاوی صورت می‌گیرد. آماده سازی داده ها شامل این موارد می‌شود:
- یکی کردن انبارهای متفاوت داده در کسب و کار کارفرما
- شناسایی و حذف داده‌های پرت و اشتباه
- تغییر فرمت داده‌ها متناسب با مسئله ی تعدیل شده در مرحله ی دوم
گام چهارم: مدل سازی
قدم چهارم مدلسازی داده است و بهترین مدل‌ها از نظر متخصص داده‌کاوی انتخاب می‌شود
گام پنجم: تست و ارزیابی مدل
مدل‌های ساخته شده تست و ارزیابی می‌شوند و بهترین مدل از نظر مسئله ی طرح شده ، انتخاب می‌شود.
گام ششم: توسعه مدل نهایی
در صورتی که ارزیابی‌ها رضایت بخش باشند راه حل‌هایی در قالب توسعه‌ی مدل نهایی ارائه می‌شوند که مشکلات مطرح شده در مرحله‌ی یک را برطرف می‌کنند. مدل نهایی به متخصص داده کاوی نشان می دهد که رفتار مجموعه ی کسب و کار کارفرما در مورد مشکلات مطرح شده در مرحله ی یک چگونه است.
این درک از رفتار کسب و کار، در قالب راه حل های عددی و چند فرمول یا راهکار عملی در اختیار کارفرما قرار می‌گیرد تا مشکلات مطرح شده در مرحله ی یک رفع گردد. همچنین متخصص داده کاوی می‌تواند در قالب گزارشات مستند مکانیزم رفتاری کسب و کار کارفرما را برای وی تشریح کند.
برای سادگی تعامل کارفرما با مدل نهایی، یک نرم افزار رایانه‌ای نوشته می‌شود که کار شبیه سازی رفتار کسب و کار کارفرما را برعهده دارد. بطوریکه کارفرما می‌تواند با وارد کردن برخی پارامترهای کنونی از کسب و کار خود، رفتار کارخانه و یا سودآوری کسب و کار خود را در آینده پیش بینی کند.
توسط : یاسمن نجفی زاده