امروزه در اکثر سازمان ها داده ها به سرعت در حال جمع آوری و ذخیره شدن می باشند. به منظور مواجه نشدن با فقر داشن با وجود انبوهی از داده ها مناسب ترین راه حل استفاده از علم داده کاوی است. داده کاوی فرآیند اکتشاف، انتقال و شبیه سازی داده با هدف یافتن اطلاعات مفید و دانشی ناشناخته است. داده کاوی روش های متفاوتی در تجارت ها و علوم گوناگون دارد. از جمله عملیات آن می توان به دسته بندی، خوشه بینی، تخمین و تعیین ارتباط بین متغیرها اشاره کرد.
تکنیک های داده کاوی
با نحلیل داده ها و استفاده از انواع تکنیک های آن می توان الگوهای پنهان را کشف کرد. تکنیک شبکه های عصبی، درخت تصمیم گیری، تحلیل خوشه، الگوریتم ژنتیک، استنتاج قانون از جمله این تکنیک ها هستند که هر کدام در زمینه های متفاوت کاربرد دارند.
کاربردهای داده کاوی
این علم کاربردهای متعددی دارد از طراحی و کدنویسی گرفته تا شرکت های بیمه بزرگ امروزه همگی به آن نیاز دارند. از جمله این کاربردها می توان به تحلیل سایت های اینترنتی، تحلیل داده ها در بازاریابی، تحلیل روند بازار بورس، دسته بندی و نگه داری مشتریان و غیره اشاره کرد.
بخش بندی بازار یک طرح بازاریابی است که برای جذب و برآوردن نیازهای خاص بازار استفاده می شود. خوشه بندی بازار مراحلی دارد که طی آن پروفایل بخش ها را انجام می دهند.
چه موقع و کجا داده کاوی نیاز است؟
به طور کلی زمانی به تحلیل داده ها احتیاج داریم که داده های مرتبط وجود داشته باشد، به عبارتی در یکجا جمع شده باشند و توانایی دسترسی به آنها وجود داشته باشد. وقتی فشار بین رقبا زیاد می شود قطعا داده کاوی احتیاج است.


ثبت پروژه