Tecniche di Data Mining e delle applicazioni

Quindi, cosa è esattamente la data mining?

Data mining fondamentalmente comporta enormi volumi di dati che vengono setacciati dal software di data mining al fine di cercare modelli nei dati. Data mining, che è un tipo di intelligenza artificiale, è stato utilizzato principalmente per analizzare i dati scientifici e di business. Il data mining è stato utilizzato anche per le tendenze di voto e modelli nelle campagne politiche.

I dati comprende essenzialmente numerico o qualche altra informazione fatto che sono raccolte per essere analizzati. Esempi di dati totali di vendita, nomi, luoghi e numeri di telefono. Per esempio, quando si va ad acquistare qualcosa da un negozio e ti viene chiesto di dare il vostro codice di avviamento postale o numero di telefono della persona di vendita alla cassa, in sostanza, che è un esercizio di raccolta dei dati, che verrà utilizzato per analizzare i modelli di acquisto, come quante altre persone dalla propria area acquistato lo stesso prodotto. Il data mining aiuta a determinare questi modelli e consente alle aziende di prevedere in quale maniera gli acquirenti in una particolare area si comporterà in futuro.

Data Mining Aiuta a migliorare il processo decisionale

Così, il data mining utilizza tecniche predittive per rivelare modelli nei dati. Questi modelli hanno un ruolo vitale nel processo decisionale in quanto espongono le aree in cui possono essere apportati miglioramenti nel processo. Le organizzazioni possono utilizzare il data mining in modo tale da migliorare profitableness e l'efficacia delle loro interazioni con i loro clienti, migliorare la gestione del rischio, ed individuare le frodi. In altre parole, i modelli che vengono rivelati tramite data mining assistere le organizzazioni di imprese di prendere decisioni tempestive e di migliore qualità.

Tecniche di Data Mining

Ecco un breve racconto di due delle più popolari tecniche di data mining: regressione e di classificazione.

Regressione: Questa è la più conosciuta e la più antica tecnica statistica che viene utilizzata dalla comunità di data mining. In sostanza, la regressione si avvale di un set di dati per sviluppare una formula matematica che si adatta ai dati. Così ogni volta che si desidera utilizzare per prevedere i risultati futuri modelli di comportamento, tutto quello che dovete fare è semplicemente prendere i nuovi dati, e applicare alla formula che è stata sviluppata, e avrete il vostro pronostico. Il più grande fattore limitante di questa tecnica è che funziona bene con solo dati quantitativi che è continua, quali l'età, la velocità, o peso. Ma se avete bisogno di lavorare con dati che sono categorico, dove non esiste un ordine significativo, come ad esempio il sesso, il nome, o il colore, è meglio utilizzare una tecnica diversa.

Classificazione: Se avete bisogno di lavorare con dati categoriali, o una combinazione di dati categoriali e continue numerici, analisi di classificazione soddisferà le vostre esigenze. Questa tecnica ha la capacità di trattare una varietà più ampia di dati rispetto a regressione ed è quindi aumentando di popolarità. Inoltre, l'uscita fornisce può essere interpretato più facilmente. Piuttosto che la formula matematica complessa che la tecnica di regressione fornisce, in questo vi verrà fornito un albero di decisione che richiede una sequenza di decisioni binarie.

Applicazioni di data mining e strumenti di data mining

Software di data mining è di solito divisa in due gruppi per la maggior parte degli analisti: applicazioni di data mining e gli strumenti di data mining. Mentre i dati delle applicazioni di data mining tecniche di impianto all'interno di un'applicazione che viene personalizzato per affrontare un problema di business particolare, strumenti di data mining, d'altro canto, forniscono diverse tecniche che possono essere utilizzati per qualsiasi problema di business.

Indipendentemente dal fatto che siamo consapevoli o no, le nostre vite quotidiane sono toccati da applicazioni di data mining. Per esempio, praticamente ogni transazione monetaria che facciamo è trasformati tramite una applicazione di data mining al fine di individuare fraudolenza. Tuttavia, entrambe le applicazioni di data mining e gli strumenti di data mining sono preziosi. Le organizzazioni stanno sempre più utilizzando entrambe le applicazioni di data mining e gli strumenti di data mining in maniera integrata per effettuare analisi predittiva.

Così, Come Strumenti di data mining e le applicazioni di data mining lavorare insieme?

Strumenti di data mining sono utilizzati per garantire il massimo livello di accuratezza possibile e la flessibilità. In sostanza, l'efficacia delle applicazioni di data mining viene aumentata tramite strumenti di data mining. Poiché non esistono due insiemi di dati o le organizzazioni possono mai essere completamente uguali, non ci può essere una singola tecnica in grado di fornire i migliori risultati per tutti. Oltre a strumenti di data mining che forniscono approfondite le tecniche, ma offrono anche la possibilità di utilizzare qualsiasi combinazione delle tecniche, al fine di migliorare l'accuratezza delle previsioni. Grazie alla flessibilità di strumenti di data mining, data mining metodologia e un insieme di linee guida per il data mining sono stati ideati al fine di contribuire a guidare il processo. Il processo CRISP-DM, o il Cross-Industry Standard per l'estrazione dei dati assicura che i risultati della propria azienda con gli strumenti di data mining sono affidabili e tempestive. Questa metodologia è stata ideata in collaborazione con i fornitori e gli operatori al fine di fornire agli operatori di data mining con le linee guida, liste di controllo, obiettivi e attività per ogni fase del processo di data mining.