Меню

Приклади інтелектуального аналізу даних: Найпоширеніші програми інтелектуального аналізу даних 2021

  • Головна
  • Інший
  • Приклади інтелектуального аналізу даних: Найпоширеніші програми інтелектуального аналізу даних 2021

data mining examples

Спробуйте Наш Інструмент Для Усунення Проблем

Цей посібник охоплює найпопулярніші приклади видобутку даних у реальному житті. Дізнайтеся про застосування даних у галузі фінансів, маркетингу, охорони здоров’я та CRM:

У цьому Безкоштовні навчальні серії з обробки даних , ми подивились Процес видобутку даних у нашому попередньому уроці. Видобуток даних, який також відомий як Відкриття знань у базах даних (KDD), - це процес виявлення закономірностей у великому наборі даних та сховищах даних.

Для виявлення корисних результатів до даних застосовуються різні методи, такі як регресійний аналіз, асоціація та кластеризація, класифікація та аналіз зовнішніх даних. Ці методи використовують програмне забезпечення та серверні алгоритми, які аналізують дані та показують закономірності.

vr гарнітура, яка працює з xbox one

Деякі з відомих методів видобутку даних - це аналіз дерева рішень, аналіз теореми Байєса, видобуток частого набору елементів тощо. Ринок програмного забезпечення має багато відкритих, а також платних інструментів для видобутку даних, таких як Weka, Rapid Miner та Помаранчеві засоби обробки даних.

Приклади видобутку даних

Процес видобутку даних починається з надання певного введення даних інструментам видобутку даних, які використовують статистику та алгоритми для відображення звітів та шаблонів. Результати можна візуалізувати за допомогою цих інструментів, які можна зрозуміти та застосувати в подальшому для здійснення модифікацій та вдосконалення бізнесу.

Видобуток даних широко використовується організаціями при побудові маркетингової стратегії, лікарнями для діагностичних інструментів, електронною комерцією для перехресного продажу продуктів через веб-сайти та багатьма іншими способами.

Деякі приклади видобутку даних наведені нижче для довідки.

Що ви дізнаєтесь:

Приклади видобутку даних у реальному житті

Важливість аналізу та аналізу даних зростає з кожним днем ​​у нашому реальному житті. Сьогодні більшість організацій використовують аналіз даних для аналізу великих даних.

Давайте подивимося, як ці технології приносять нам користь.

# 1) Провайдери мобільних послуг

Постачальники мобільних послуг використовують видобуток даних для розробки своїх маркетингових кампаній та утримання клієнтів від переходу до інших постачальників.

За допомогою великого обсягу даних, таких як платіжна інформація, електронна пошта, текстові повідомлення, передача веб-даних та обслуговування клієнтів, інструменти інтелектуального аналізу даних можуть передбачити «відлив», який повідомляє клієнтам, які хочуть змінити постачальників.

За цими результатами дається оцінка ймовірності. Потім постачальники послуг мобільного зв’язку можуть надавати заохочення та пропозиції клієнтам, котрі мають більший ризик розпаду. Цей вид майнінгу часто використовується великими постачальниками послуг, такими як широкосмуговий зв'язок, телефон, постачальник газу тощо.

Видобуток даних у постачальників послуг мобільного зв

(зображення джерело )

# 2) Роздрібний сектор

Data Mining допомагає власникам супермаркетів та роздрібної торгівлі знати вибір клієнтів. Переглядаючи історію покупок клієнтів, інструменти аналізу даних показують переваги покупців клієнтів.

За допомогою цих результатів супермаркети розробляють розміщення продуктів на полицях та пропонують такі предмети, як купони на відповідні товари та спеціальні знижки на деякі товари.

Ці кампанії засновані на групуванні RFM. RFM означає нещодавнє, частотне та грошове угруповання. Акції та маркетингові кампанії налаштовані для цих сегментів. До клієнта, який витрачає багато, але дуже рідко, ставляться інакше, ніж до клієнта, який купує кожні 2-3 дні, але з меншою сумою.

Видобуток даних можна використовувати для рекомендацій щодо продуктів та перехресних посилань на елементи.

Видобуток даних у роздрібному секторі з різних джерел даних.

Видобуток даних у роздрібному секторі

(зображення джерело )

# 3) Штучний інтелект

Система робиться штучно інтелектуальною, забезпечуючи її відповідними шаблонами. Ці закономірності походять від результатів видобутку даних. Виходи штучно інтелектуальних систем також аналізуються на їх актуальність за допомогою методів інтелектуального аналізу даних.

Системи, що рекомендують, використовують методи видобутку даних, щоб давати персоналізовані рекомендації, коли клієнт взаємодіє з машинами. Штучний інтелект використовується на видобутих даних, таких як надання рекомендацій щодо продуктів на основі минулої історії покупок клієнта в Amazon.

# 4) Електронна комерція

Багато веб-сайтів електронної комерції використовують видобуток даних, щоб запропонувати перехресний продаж та продаж своїх продуктів. Сайти покупок, такі як Amazon, Flipkart, показують клієнтам, які взаємодіють із сайтом, 'Люди також переглядали', 'Часто купують разом'.

Ці рекомендації надаються з використанням аналізу даних за історію покупок клієнтів веб-сайту.

# 5) Наука та техніка

З появою інтелектуального аналізу даних наукові програми переходять від статистичних методів до використання методів «збирання та зберігання даних», а потім виконують аналіз нових даних, виводять нові результати та експериментують із процесом. Велика кількість даних збирається з таких наукових областей, як астрономія, геологія, супутникові датчики, система глобального позиціонування тощо.

Видобуток даних в інформатиці допомагає контролювати стан системи, покращувати її роботу, виявляти помилки програмного забезпечення, виявляти плагіат та виявляти несправності. Видобуток даних також допомагає аналізувати відгуки користувачів щодо продуктів, статей, щоб визначити думки та настрої поглядів.

# 6) Запобігання злочинам

Data Mining виявляє відхилення у величезному обсязі даних. Кримінальні дані включають усі деталі злочину, що стався. Data Mining вивчатиме закономірності та тенденції та прогнозуватиме майбутні події з кращою точністю.

Агенції можуть з’ясувати, яка територія є більш схильною до злочинів, скільки слід розгорнути поліцейський персонал, яку вікову групу слід націлити, перевірити номери транспортних засобів тощо.

# 7) Дослідження

Дослідники використовують інструменти видобутку даних, щоб дослідити зв'язок між досліджуваними параметрами, такими як умови навколишнього середовища, такі як забруднення повітря, та поширення таких захворювань, як астма, серед людей у ​​цільових регіонах.

# 8) Сільське господарство

Фермери використовують Data Mining, щоб з’ясувати врожайність овочів за кількістю води, необхідної рослинам.

# 9) Автоматизація

Використовуючи видобуток даних, комп’ютерні системи вчаться розпізнавати закономірності серед параметрів, які підлягають порівнянню. Система буде зберігати шаблони, які будуть корисні в майбутньому для досягнення бізнес-цілей. Це навчання є автоматизацією, оскільки допомагає досягти цілей за допомогою машинного навчання.

# 10) Динамічне ціноутворення

Видобуток даних допомагає таким постачальникам послуг, як служби таксі, динамічно стягувати плату з клієнтів на основі попиту та пропозиції. Це один із ключових факторів успіху компаній.

# 11) Транспорт

Data Mining допомагає планувати переміщення транспортних засобів зі складів до торгових точок та аналізувати схеми завантаження продукції.

# 12) Страхування

Методи видобутку даних допомагають прогнозувати клієнтів, які купують поліси, аналізувати медичні заяви, що використовуються разом, виявляти шахрайські дії та ризикованих клієнтів.

Приклади видобутку даних у фінансах

Приклади видобутку даних у фінансах

( зображення джерело )

Фінансовий сектор включає банки, страхові компанії та інвестиційні компанії. Ці установи збирають величезну кількість даних. Дані часто є повними, надійними та якісними та вимагають систематичного аналізу даних.

Для зберігання фінансових даних будуються сховища даних, які зберігають дані у вигляді кубів даних. Для аналізу цих даних використовуються розширені концепції куба даних. Такі методи аналізу даних, як кластеризація та аналіз сторонніх даних, характеристика, використовуються в аналізі фінансових даних та видобутку.

Деякі випадки у фінансах, де використовується видобуток даних, наведені нижче.

# 1) Прогнозування виплат за кредитом

Такі методи аналізу даних, як вибір атрибутів та ранжирування атрибутів, аналізуватимуть історію платежів клієнта та відбиратимуть такі важливі фактори, як співвідношення платежів до доходу, кредитна історія, термін позики тощо. Результати допоможуть банкам визначити політику надання кредиту та також надавати клієнтам позики згідно з факторним аналізом.

# 2) Цільовий маркетинг

Методи вибору даних кластеризації та класифікації допоможуть знайти фактори, які впливають на рішення клієнта щодо банківської діяльності. Ідентифікація подібних поведінкових споживачів сприятиме цілеспрямованому маркетингу.

# 3) Виявлення фінансових злочинів

Банківські дані надходять із різних джерел, різних міст та різних банківських установ. Для вивчення та виявлення таких незвичних тенденцій, як транзакції великої вартості, застосовуються різні інструменти аналізу даних. Інструменти візуалізації даних, інструменти аналізу нестаціонарних засобів, інструменти кластеризації тощо використовуються для виявлення взаємозв’язків та моделей дій.

Малюнок нижче - це дослідження від Infosys, яке показує готовність клієнта до банківської системи в Інтернеті в різних країнах. Для цього дослідження Infosys використовував аналіз великих даних.

дослідження від Infosys

(зображення джерело )

Застосування видобутку даних у маркетингу

Видобуток даних підвищує маркетингову стратегію компанії та сприяє розвитку бізнесу. Це один із ключових факторів успіху компаній. Збирається величезна кількість даних про продажі, покупки покупців, споживання тощо. Ці дані збільшуються з кожним днем ​​завдяки електронній комерції.

Видобуток даних допомагає виявити поведінку покупців, покращити обслуговування клієнтів, зосередитись на утриманні клієнтів, збільшити продажі та зменшити вартість бізнесу.

Деякі приклади аналізу даних у маркетингу:

№1) Ринок прогнозування

Для прогнозування ринку маркетологи використовуватимуть методи видобутку даних, такі як регресія, для вивчення поведінки клієнтів, змін та звичок, реакції клієнтів та інших факторів, таких як маркетинговий бюджет, інші понесені витрати тощо. У майбутньому професіоналам буде простіше прогнозувати споживачів у разі будь-яких змін фактору.

# 2) Виявлення аномалії

Методи видобутку даних застосовуються для виявлення будь-яких відхилень у даних, які можуть спричинити будь-який недолік у системі. Для виконання цієї операції система відсканує тисячі складних записів.

# 3) Безпека системи

Інструменти видобутку даних виявляють проникнення, які можуть зашкодити базі даних, забезпечуючи більший захист всієї системи. Ці вторгнення можуть бути у вигляді повторюваних записів, вірусів у вигляді даних хакерами тощо.

Приклади застосувань видобутку даних в охороні здоров’я

Приклад аналізу даних в охороні здоров’я

(зображення джерело )

У галузі охорони здоров’я видобуток даних стає все більш популярним та важливим.

Як відкрити файл DAT у Windows - -

Дані, отримані в охороні здоров’я, є складними та об’ємними. Щоб уникнути медичного шахрайства та зловживань, інструменти аналізу даних використовуються для виявлення шахрайських предметів і тим самим запобігають втраті.

Деякі приклади збору даних у галузі охорони здоров’я наведені нижче для довідки.

# 1) Управління охороною здоров’я

Метод видобутку даних використовується для виявлення хронічних захворювань, відстеження регіонів підвищеного ризику, схильних до поширення хвороб, розробки програм зменшення поширення хвороб. Медичні працівники будуть аналізувати захворювання, регіони пацієнтів з максимальним госпіталізацією.

На основі цих даних вони розроблятимуть кампанії для регіону, щоб поінформувати людей про хворобу та побачити, як її уникнути. Це зменшить кількість пацієнтів, які потрапляють до лікарень.

# 2) Ефективні методи лікування

Використовуючи аналіз даних, лікування можна вдосконалити. Завдяки постійному порівнянню симптомів, причин та лікарських засобів можна провести аналіз даних для отримання ефективних методів лікування. Збір даних також використовується для лікування конкретних захворювань та асоціювання побічних ефектів лікування.

# 3) Шахрайські та образливі дані

Програми для обробки даних використовуються для пошуку таких ненормальних моделей, як лабораторія, результати лікаря, невідповідні рецепти та шахрайські медичні заяви.

Системи видобутку даних та рекомендації

Системи рекомендацій надають клієнтам рекомендації щодо продуктів, які можуть зацікавити користувачів.

Рекомендовані товари або подібні до елементів, які користувач запитував раніше, або переглядаючи інші уподобання клієнтів, які мають подібний смак як користувач. Цей підхід називається підходом на основі вмісту та підходом до співпраці відповідно.

Багато методів, таких як пошук інформації, статистика, машинне навчання тощо, використовуються в системах, що рекомендують.

Системи, що рекомендують, здійснюють пошук за ключовими словами, профілями користувачів, транзакціями користувачів, загальними ознаками серед елементів, щоб оцінити елемент для користувача. Ці системи також знаходять інших користувачів, які мають подібну історію купівлі, та передбачають товари, які ці користувачі могли придбати.

У цьому підході багато проблем. Система рекомендацій повинна здійснювати пошук мільйонів даних у режимі реального часу.

Існує два типи помилок, допущених системою Рекомендація:

Фальшиві негативи та хибні позитиви.

Фальшиві негативи це товари, які система не рекомендувала, але споживач хотів би їх. Хибно позитивний - це товари, рекомендовані системою, але не бажані замовником. Іншим викликом є ​​рекомендація для нових користувачів без будь-якої історії покупок.

Інтелектуальна техніка відповіді на запит використовується для аналізу запиту та надання узагальненої супутньої інформації, що стосується запиту. Наприклад: Показується огляд ресторанів, а не лише адреса та номер телефону ресторану, який шукали.

Видобуток даних для CRM (управління відносинами з клієнтами)

Управління взаємовідносинами з клієнтами можна посилити за допомогою інтелектуального аналізу даних. Хороші відносини з клієнтами можна побудувати залученням більш придатних клієнтів, кращим перехресним продажем та продажем, кращим утриманням.

Видобуток даних може покращити CRM завдяки:

  1. Видобуток даних може допомогти компаніям створювати цільові програми для більш високої реакції та кращої рентабельності інвестицій.
  2. Підприємства можуть пропонувати більше продуктів та послуг за бажанням споживачів шляхом перепродажу та перехресних продажів, збільшуючи тим самим задоволеність споживачів.
  3. За допомогою інтелектуального аналізу даних бізнес може визначити, які клієнти шукають інші варіанти. Використовуючи це, інформаційні компанії можуть будувати ідеї, щоб утримати клієнта від від’їзду.

Видобуток даних допомагає CRM у:

  1. Маркетинг баз даних: Маркетингове програмне забезпечення дозволяє компаніям надсилати повідомлення та електронні листи клієнтам. Цей інструмент разом із інтелектуальним аналізом даних може робити цільовий маркетинг. За допомогою інтелектуального аналізу даних можна виконувати автоматизацію та планування завдань. Це допомагає краще приймати рішення. Це також допоможе у прийнятті технічних рішень щодо того, якого типу клієнти зацікавлені в новому продукті, яка ринкова зона є гарною для запуску продукту.
  2. Кампанія залучення клієнтів: За допомогою інтелектуального аналізу даних професіонал ринку зможе виявити потенційних клієнтів, які не знають про продукцію або нових покупців. Вони зможуть розробляти пропозиції та ініціативи для таких клієнтів.
  3. Оптимізація кампанії: Компанії використовують видобуток даних для ефективності кампанії. Він може моделювати відповіді клієнтів на маркетингові пропозиції.

Видобуток даних на прикладі дерева рішень

Алгоритми дерева рішень називаються CART (Дерева класифікації та регресії). Це контрольований метод навчання. Деревоподібна структура побудована на вибраних особливостях, умовах розщеплення та коли зупинятися. Дерева рішень використовуються для прогнозування значення змінних класу на основі вивчення попередніх навчальних даних.

Внутрішній вузол представляє атрибут, а листовий вузол - мітку класу.

Видобуток даних на прикладі дерева рішень

(зображення джерело )

Для побудови структури дерева рішень використовуються наступні кроки:

  1. Помістіть найкращий атрибут у верхній частині дерева (корінь).
  2. Підмножини створюються таким чином, що кожна підмножина представляє дані з однаковим значенням для атрибута.
  3. Повторіть ті самі дії, щоб знайти вузли листів усіх гілок.

Щоб передбачити мітку класу, атрибут запису порівнюється з коренем дерева. При порівнянні вибирається наступна гілка. Внутрішні вузли також порівнюються таким же чином, поки досягнутий вузол листа не передбачає змінну класу.

Деякі алгоритми, що використовуються для індукції дерева рішень, включають Алгоритм Ханта, CART, ID3, C4.5, SLIQ та SPRINT.

Найпопулярніший приклад видобутку даних: маркетинг та продаж

Маркетинг та продаж - це ті сфери, в яких компанії мають великі обсяги даних.

# 1) Банки є першими користувачами технології інтелектуального аналізу даних, оскільки це допомагає їм оцінювати кредит. Інтелектуальний аналіз аналізує, якими послугами, що пропонуються банками, користуються клієнти, який тип клієнтів використовує картки банкоматів і що вони, як правило, купують, використовуючи свої картки (для перехресних продажів).

Банки використовують аналіз даних для аналізу транзакцій, які робить клієнт до того, як вони вирішать змінити банк, щоб зменшити втрату клієнтів. Крім того, деякі викиди в операціях аналізуються на предмет виявлення шахрайства.

# 2) Стільниковий телефон Компанії використовуйте методи аналізу даних, щоб уникнути збивання. Збивання - це показник кількості клієнтів, які залишають послуги. Він виявляє закономірності, які показують, як клієнти можуть скористатися послугами, щоб утримати клієнтів.

# 3) Аналіз кошика ринку це техніка пошуку груп предметів, які купуються разом у магазинах. Аналіз трансакцій показує такі закономірності, як те, які речі купуються разом, як-от хліб та масло, або які товари мають більший обсяг продажів у певні дні, наприклад, пиво по п’ятницях.

Ця інформація допомагає планувати макети магазинів, пропонуючи спеціальну знижку на товари, які менш затребувані, створюючи такі пропозиції, як 'придбайте 2, отримайте 1 безкоштовно' або 'отримайте 50% на другу покупку' тощо.

Аналіз ринкових кошиків

(зображення джерело )

Великі компанії, що використовують видобуток даних

Деякі інтернет-компанії, що використовують методи видобутку даних, наведені нижче:

  • AMAZON: Amazon використовує Text Mining, щоб знайти найнижчу ціну продукту.
  • MC Donald’s: McDonald’s використовує видобуток великих даних для покращення досвіду роботи з клієнтами. Він вивчає схему замовлення клієнтів, час очікування, розмір замовлень тощо.
  • NETFLIX: Netflix дізнається, як зробити фільм або серіал популярним серед клієнтів, використовуючи його дані аналізу даних.

Висновок

Видобуток даних використовується в різних додатках, таких як банківська справа, маркетинг, охорона здоров'я, телекомунікаційні галузі та багато інших областей.

Методи видобутку даних допомагають компаніям отримувати обізнану інформацію, підвищувати свою прибутковість, вносячи корективи в процеси та операції. Це швидкий процес, який допомагає бізнесу у прийнятті рішень шляхом аналізу прихованих закономірностей та тенденцій.

Перегляньте наш майбутній підручник, щоб дізнатись більше про алгоритм видобутку даних дерев рішень !!

НАЗАД Підручник | НАСТУПНИЙ підручник

Рекомендована література

^