Meniu

Exemple de minerit de date: cele mai frecvente aplicații ale mineritului de date 2021

  • Principal
  • Alte
  • Exemple de minerit de date: cele mai frecvente aplicații ale mineritului de date 2021

data mining examples

Încercați Instrumentul Nostru Pentru Eliminarea Problemelor

Acest tutorial acoperă cele mai populare exemple de minerit de date din viața reală. Aflați despre aplicația de minerit de date în finanțe, marketing, asistență medicală și CRM:

In acest Seria gratuită de instruire în domeniul mineritului de date , ne-am uitat la Procesul de extragere a datelor în tutorialul nostru anterior. Data Mining, cunoscut și sub denumirea de Discovery Knowledge in Database (KDD), este un proces de descoperire a tiparelor într-un set mare de date și depozite de date.

Diferite tehnici, cum ar fi analiza regresiei, asocierea și gruparea, clasificarea și analiza anterioară sunt aplicate datelor pentru a identifica rezultatele utile. Aceste tehnici utilizează algoritmi software și backend care analizează datele și arată tiparele.

ce strat al modelului osi funcționează cu cadre?

Unele dintre metodele bine cunoscute de extragere a datelor sunt analiza arborelui decizional, analiza teoremei Bayes, extragerea frecventă a seturilor de articole etc. Piața software-ului are multe instrumente open-source, precum și instrumente plătite pentru extragerea datelor, cum ar fi Weka, Rapid Miner și Instrumente portocalii de minerit de date

Exemple de minerit de date

Procesul de extragere a datelor începe cu furnizarea unei anumite intrări de date instrumentelor de extragere a datelor care utilizează statistici și algoritmi pentru a arăta rapoartele și tiparele. Rezultatele pot fi vizualizate folosind aceste instrumente care pot fi înțelese și aplicate în continuare pentru a efectua modificări și îmbunătățiri ale afacerii.

Exploatarea datelor este utilizată pe scară largă de organizații în construirea unei strategii de marketing, de spitale pentru instrumente de diagnostic, de comerț electronic pentru vânzarea încrucișată de produse prin intermediul site-urilor web și în multe alte moduri.

Unele dintre exemplele de extragere a datelor sunt prezentate mai jos pentru referință.

Ce veți învăța:

Exemple de extragere de date în viața reală

Importanța exploatării și analizei datelor crește zi de zi în viața noastră reală. Astăzi, majoritatea organizațiilor folosesc extragerea datelor pentru analiza Big Data.

Să vedem cum ne avantajează aceste tehnologii.

# 1) Furnizori de servicii mobile

Furnizorii de servicii mobile folosesc extragerea datelor pentru a-și proiecta campaniile de marketing și pentru a reține clienții să nu se mute la alți furnizori.

Dintr-o cantitate mare de date, cum ar fi informații de facturare, e-mail, mesaje text, transmisii de date web și servicii pentru clienți, instrumentele de extragere a datelor pot prezice „churn” care le spune clienților care doresc să schimbe furnizorii.

Cu aceste rezultate, se dă un scor de probabilitate. Furnizorii de servicii de telefonie mobilă sunt apoi capabili să ofere stimulente, oferte clienților care prezintă un risc mai mare de a se agita. Acest tip de exploatare este adesea utilizat de furnizorii majori de servicii, cum ar fi furnizorii de bandă largă, telefonie, gaze etc.

Exploatarea datelor în furnizorii de servicii mobile

(imagine sursă )

# 2) Sectorul de vânzare cu amănuntul

Data Mining îi ajută pe proprietarii de supermarketuri și de retail să cunoască opțiunile clienților. Privind istoricul achizițiilor clienților, instrumentele de extragere a datelor arată preferințele de cumpărare ale clienților.

Cu ajutorul acestor rezultate, supermarketurile proiectează plasarea produselor pe rafturi și aduc oferte la articole precum cupoane la produse potrivite și reduceri speciale la unele produse.

Aceste campanii se bazează pe gruparea RFM. RFM înseamnă recență, frecvență și grupare monetară. Promoțiile și campaniile de marketing sunt personalizate pentru aceste segmente. Clientul care cheltuie mult, dar foarte puțin frecvent, va fi tratat diferit față de clientul care cumpără la fiecare 2-3 zile, dar cu o sumă mai mică.

Data Mining poate fi utilizat pentru recomandarea produsului și referința încrucișată a articolelor.

Exploatarea datelor în sectorul comerțului cu amănuntul din diferite surse de date.

Exploatarea datelor în sectorul comerțului cu amănuntul

(imagine sursă )

# 3) Inteligență artificială

Un sistem este făcut artificial inteligent hrănindu-l cu tipare relevante. Aceste tipare provin din rezultatele de extragere a datelor. Rezultatele sistemelor inteligente artificial sunt, de asemenea, analizate pentru relevanța lor utilizând tehnicile de extragere a datelor.

Sistemele de recomandare utilizează tehnici de extragere a datelor pentru a face recomandări personalizate atunci când clientul interacționează cu mașinile. Inteligența artificială este utilizată pe date minate, cum ar fi oferirea de recomandări de produse pe baza istoricului de achiziții al clientului din Amazon.

# 4) Comerț electronic

Multe site-uri de comerț electronic folosesc extragerea datelor pentru a oferi vânzarea încrucișată și vânzarea în sus a produselor lor. Site-urile de cumpărături precum Amazon, Flipkart arată „Oamenii au văzut și ei”, „Cumpărat frecvent împreună” clienților care interacționează cu site-ul.

Aceste recomandări sunt furnizate folosind extragerea datelor pe baza istoricului de achiziții al clienților site-ului web.

# 5) Știință și inginerie

Odată cu apariția mineritului de date, aplicațiile științifice trec acum de la tehnici statistice la utilizarea tehnicilor de „colectare și stocare a datelor”, apoi efectuează minerit pe date noi, produc rezultate noi și experimentează procesul. O mare cantitate de date este colectată din domenii științifice precum astronomie, geologie, senzori de satelit, sistem de poziționare global etc.

Exploatarea datelor în informatică ajută la monitorizarea stării sistemului, la îmbunătățirea performanței acestuia, la descoperirea erorilor software, la descoperirea plagiatului și la identificarea defecțiunilor. Exploatarea datelor ajută, de asemenea, la analiza feedbackului utilizatorilor cu privire la produse, articole pentru a deduce opiniile și sentimentele opiniilor.

# 6) Prevenirea criminalității

Data Mining detectează valori aberante într-o cantitate mare de date. Datele penale includ toate detaliile infracțiunii care a avut loc. Data Mining va studia tiparele și tendințele și va prezice evenimentele viitoare cu o mai mare acuratețe.

Agențiile pot afla ce zonă este mai predispusă la infracțiuni, cât de mult ar trebui să fie detașat personalul de poliție, ce grupă de vârstă ar trebui să fie vizată, numerele vehiculelor care trebuie examinate etc.

# 7) Cercetare

Cercetătorii folosesc instrumentele de Data Mining pentru a explora asocierile dintre parametrii cercetați, cum ar fi condițiile de mediu, cum ar fi poluarea aerului și răspândirea unor boli precum astmul în rândul persoanelor din regiunile vizate.

# 8) Agricultură

Fermierii folosesc Data Mining pentru a afla randamentul legumelor cu cantitatea de apă necesară de plante.

# 9) Automatizare

Prin utilizarea mineritului de date, sistemele informatice învață să recunoască tiparele printre parametrii care sunt în comparație. Sistemul va stoca tiparele care vor fi utile în viitor pentru atingerea obiectivelor de afaceri. Această învățare este automatizarea, deoarece ajută la îndeplinirea obiectivelor prin învățarea automată.

# 10) Prețuri dinamice

Exploatarea datelor ajută furnizorii de servicii, cum ar fi serviciile de cabină, să încarce dinamic clienții în funcție de cerere și ofertă. Este unul dintre factorii cheie pentru succesul companiilor.

# 11) Transport

Data Mining ajută la programarea mutării vehiculelor de la depozite la puncte de vânzare și la analizarea modelelor de încărcare a produselor.

# 12) Asigurare

Metodele de extragere a datelor ajută la prognozarea clienților care cumpără politicile, analizează afirmațiile medicale care sunt utilizate împreună, află comportamente frauduloase și clienți riscanți.

Exemple de minerit de date în finanțe

Exemple de minerit de date în finanțe

( imagine sursă )

Sectorul financiar include bănci, companii de asigurări și companii de investiții. Aceste instituții colectează o cantitate imensă de date. Datele sunt deseori complete, fiabile și de înaltă calitate și necesită o analiză sistematică a datelor.

Pentru a stoca date financiare, sunt construite depozite de date care stochează date sub formă de cuburi de date. Pentru a analiza aceste date, se utilizează concepte avansate de cub de date. Metodele de extragere a datelor, cum ar fi clusterizarea și analiza anterioară, caracterizarea sunt utilizate în analiza datelor financiare și în extragere.

Unele cazuri în domeniul finanțării în care se utilizează extragerea datelor sunt prezentate mai jos.

# 1) Predicția privind plata împrumuturilor

Metodele de extragere a datelor, cum ar fi selectarea atributelor și clasarea atributelor, vor analiza istoricul plăților clienților și vor selecta factori importanți, cum ar fi raportul de plată la venit, istoricul creditului, termenul împrumutului etc. acordă, de asemenea, împrumuturi clienților conform analizei pe factori.

# 2) Marketing orientat

Metodele de extragere a datelor de clasificare și clasificare vor ajuta la găsirea factorilor care influențează deciziile clientului față de activitățile bancare. Identificarea comportamentală similară a clienților va facilita marketingul vizat.

# 3) Detectați infracțiunile financiare

Datele bancare provin din mai multe surse diferite, orașe diferite și locații bancare diferite. Sunt utilizate mai multe instrumente de analiză a datelor pentru a studia și a detecta tendințe neobișnuite, cum ar fi tranzacțiile cu valoare mare. Instrumentele de vizualizare a datelor, instrumentele de analiză anterioară, instrumentele de grupare etc. sunt utilizate pentru a identifica relațiile și tiparele de acțiune.

Figura de mai jos este un studiu realizat de Infosys care arată dorința clientului de a opera sistemul bancar online în diferite țări. Infosys a folosit Big Data Analytics pentru acest studiu.

un studiu de la Infosys

(imagine sursă )

Aplicații ale mineritului de date în marketing

Exploatarea datelor stimulează strategia de marketing a companiei și promovează afacerile. Este unul dintre factorii cheie pentru succesul companiilor. Se colectează o cantitate imensă de date privind vânzările, cumpărăturile clienților, consumul etc. Aceste date cresc în fiecare zi din cauza comerțului electronic.

Exploatarea datelor ajută la identificarea comportamentului de cumpărare al clienților, îmbunătățirea serviciului pentru clienți, concentrarea asupra păstrării clienților, îmbunătățirea vânzărilor și reducerea costurilor afacerilor.

Câteva exemple de extragere a datelor în marketing sunt:

# 1) Piața de prognoză

Pentru a prezice piața, profesioniștii din marketing vor folosi tehnici de Data Mining, cum ar fi regresia, pentru a studia comportamentul clienților, schimbările și obiceiurile, răspunsul clienților și alți factori, cum ar fi bugetul de marketing, alte costuri suportate etc. În viitor, va fi mai ușor pentru profesioniști să prezică clienții în cazul unor modificări ale factorilor.

# 2) Detectarea anomaliilor

Tehnicile de extragere a datelor sunt implementate pentru a detecta orice anomalii în date care pot provoca orice fel de defect în sistem. Sistemul va scana mii de intrări complexe pentru a efectua această operațiune.

# 3) Securitatea sistemului

Instrumentele de Data Mining detectează intruziunile care pot dăuna bazei de date, oferind o securitate mai mare întregului sistem. Aceste intruziuni pot fi sub formă de intrări duplicate, viruși sub formă de date de către hackeri etc.

Exemple de aplicații de extragere a datelor în domeniul sănătății

Exemplu de minerit de date în sănătate

(imagine sursă )

În domeniul sănătății, exploatarea datelor devine din ce în ce mai populară și esențială.

Datele generate de asistența medicală sunt complexe și voluminoase. Pentru a evita fraudele și abuzurile medicale, instrumentele de extragere a datelor sunt utilizate pentru a detecta articole frauduloase și, astfel, pentru a preveni pierderea.

Câteva exemple de minerit de date din industria medicală sunt prezentate mai jos pentru referință.

# 1) Managementul sănătății

Metoda de extragere a datelor este utilizată pentru a identifica bolile cronice, pentru a urmări regiunile cu risc crescut predispuse la răspândirea bolii, pentru a proiecta programe pentru a reduce răspândirea bolii. Profesioniștii din domeniul sănătății vor analiza bolile, regiunile pacienților cu internări maxime la spital.

Cu aceste date, ei vor proiecta campanii pentru regiune pentru a face oamenii să conștientizeze boala și să vadă cum să o evite. Acest lucru va reduce numărul pacienților internați în spitale.

# 2) Tratamente eficiente

Folosind data mining, tratamentele pot fi îmbunătățite. Prin compararea continuă a simptomelor, cauzelor și medicamentelor, analiza datelor poate fi efectuată pentru a face tratamente eficiente. Exploatarea datelor este, de asemenea, utilizată pentru tratamentul bolilor specifice și pentru asocierea efectelor secundare ale tratamentelor.

# 3) Date frauduloase și abuzive

Aplicațiile de extragere a datelor sunt folosite pentru a găsi modele anormale, cum ar fi rezultatele laboratorului, rezultatele medicului, prescripțiile inadecvate și reclamațiile medicale frauduloase.

Minere de date și sisteme de recomandare

Sistemele de recomandare oferă clienților recomandări de produse care ar putea fi de interes pentru utilizatori.

cel mai bun registru de curățare pentru Windows 10

Elementele recomandate sunt fie similare cu articolele solicitate de utilizator în trecut, fie prin examinarea celorlalte preferințe ale clienților care au un gust similar cu cel al utilizatorului. Această abordare se numește o abordare bazată pe conținut și o abordare colaborativă în mod adecvat.

Multe tehnici precum regăsirea informațiilor, statistici, învățare automată etc. sunt utilizate în sistemele de recomandare.

Recomandați sistemelor să caute cuvinte cheie, profiluri de utilizator, tranzacții ale utilizatorilor, caracteristici comune printre articole pentru a estima un articol pentru utilizator. Aceste sisteme găsesc și ceilalți utilizatori care au un istoric similar de cumpărare și prezic articole pe care acei utilizatori le-ar putea cumpăra.

Există multe provocări în această abordare. Sistemul de recomandare trebuie să caute milioane de date în timp real.

Există două tipuri de erori făcute de Recommender Systems:

Fals negativ și Fals pozitiv.

Negative false sunt produse care nu au fost recomandate de sistem, dar clientul le-ar dori. Fals pozitiv sunt produse care au fost recomandate de sistem, dar nu dorite de client. O altă provocare este recomandarea pentru utilizatorii noi, fără niciun istoric de achiziții.

O tehnică inteligentă de răspuns la interogare este utilizată pentru a analiza interogarea și a furniza informații generalizate, asociate relevante pentru interogare. De exemplu: Se afișează recenzia restaurantelor în loc doar de adresa și numărul de telefon al restaurantului căutat.

Exploatarea datelor pentru CRM (Managementul relației cu clienții)

Gestionarea relațiilor cu clienții poate fi consolidată cu extragerea datelor. Relații bune cu clienții pot fi construite prin atragerea unor clienți mai potriviți, o vânzare încrucișată și o vânzare mai bună, o mai bună reținere.

Data Mining poate îmbunătăți CRM prin:

  1. Exploatarea datelor poate ajuta companiile să creeze programe direcționate pentru un răspuns mai ridicat și un ROI mai bun.
  2. Întreprinderile pot oferi mai multe produse și servicii, după cum doresc clienții, prin vânzare și vânzare încrucișată, crescând astfel satisfacția clienților.
  3. Cu data mining, o companie poate detecta ce clienți caută alte opțiuni. Folosind aceste informații companiile pot construi idei pentru a reține clientul de la plecare.

Data Mining ajută CRM în:

  1. Marketing de baze de date: Software-ul de marketing permite companiilor să trimită mesaje și e-mailuri clienților. Acest instrument, împreună cu extragerea de date, poate face marketing orientat. Cu extragerea datelor, automatizarea și programarea lucrărilor pot fi realizate. Ajută la o mai bună luare a deciziilor. De asemenea, va ajuta la luarea deciziilor tehnice cu privire la ce tip de clienți sunt interesați de un nou produs, care zonă de piață este bună pentru lansarea produsului.
  2. Campanie de achiziție a clienților: Prin extragerea datelor, profesionistul de pe piață va putea identifica potențialii clienți care nu sunt conștienți de produse sau de cumpărători noi. Aceștia vor putea să proiecteze ofertele și inițiativele pentru astfel de clienți.
  3. Optimizarea campaniei: Companiile folosesc data mining pentru eficiența campaniei. Poate modela răspunsurile clienților la ofertele de marketing.

Exploatarea datelor folosind exemplul arborelui decizional

Algoritmii arborelui decizional se numesc CART (arbori de clasificare și regresie). Este o metodă de învățare supravegheată. O structură de copac este construită pe caracteristicile alese, condițiile de împărțire și când să se oprească. Arborii de decizie sunt folosiți pentru a prezice valoarea variabilelor de clasă pe baza învățării din datele anterioare de formare.

Nodul intern reprezintă un atribut, iar nodul frunzei reprezintă o etichetă de clasă.

Exploatarea datelor folosind Arborele Decizional Exemplu

(imagine sursă )

Următorii pași sunt utilizați pentru a construi o structură a arborelui decizional:

  1. Plasați cel mai bun atribut în partea de sus a copacului (rădăcină).
  2. Subseturile sunt create în așa fel încât fiecare subset să reprezinte date cu aceeași valoare pentru un atribut.
  3. Repetați aceiași pași pentru a găsi nodurile frunzelor tuturor ramurilor.

Pentru a prezice o etichetă de clasă, atributul înregistrării este comparat cu rădăcina arborelui. La comparare, se alege următoarea ramură. Nodurile interne sunt, de asemenea, comparate în același mod până când nodul frunză atins prezice variabila de clasă.

Unii algoritmi utilizați pentru inducerea arborelui decizional includ algoritmul Hunt, CART, ID3, C4.5, SLIQ și SPRINT.

Cel mai popular exemplu de minerit de date: marketing și vânzări

Marketingul și vânzările sunt domeniile în care companiile au volume mari de date.

# 1) Bănci sunt primii utilizatori ai tehnologiei de extragere a datelor, deoarece îi ajută la evaluarea creditului. Exploatarea datelor analizează ce servicii oferite de bănci sunt utilizate de clienți, ce tip de clienți utilizează cardurile ATM și ce cumpără în general folosind cardurile lor (pentru vânzarea încrucișată).

Băncile folosesc extragerea datelor pentru a analiza tranzacțiile pe care le face clientul înainte de a decide să schimbe banca pentru a reduce uzura clientului. De asemenea, unele valori aberante în tranzacții sunt analizate pentru detectarea fraudei.

# 2) Telefon celular Companii utilizați tehnici de extragere a datelor pentru a evita amestecul. Churning este o măsură care arată numărul de clienți care părăsesc serviciile. Detectează modele care arată cum clienții pot beneficia de servicii pentru a-și păstra clienții.

# 3) Analiza coșului de piață este tehnica de a găsi grupurile de articole care sunt cumpărate împreună în magazine. Analiza tranzacțiilor arată tiparele cum ar fi lucrurile care sunt cumpărate împreună de multe ori, cum ar fi pâinea și untul, sau care articole au un volum de vânzări mai mare în anumite zile, cum ar fi berea în zilele de vineri.

Aceste informații ajută la planificarea aspectelor magazinului, oferind o reducere specială articolelor care sunt mai puțin solicitate, creând oferte precum „cumpărați 2 primiți 1 gratuit” sau „primiți 50% la a doua cumpărare” etc.

Analiza coșului de piață

(imagine sursă )

Companii mari care folosesc mineritul de date

Unele companii online care folosesc tehnici de extragere a datelor sunt prezentate mai jos:

  • AMAZON: Amazon folosește Text Mining pentru a găsi cel mai mic preț al produsului.
  • McDonalds: McDonald’s folosește extragerea datelor mari pentru a-și îmbunătăți experiența clienților. Studiază modelul de comandă al clienților, timpii de așteptare, mărimea comenzilor etc.
  • NETFLIX: Netflix află cum să facă un film sau o serie populară printre clienți folosind datele sale de miniere de date.

Concluzie

Exploatarea datelor este utilizată în diverse aplicații, cum ar fi activitățile bancare, marketingul, asistența medicală, industriile telecom și multe alte domenii.

Tehnicile de extragere a datelor ajută companiile să obțină informații bine informate, sporind profitabilitatea acestora prin ajustări în procese și operațiuni. Este un proces rapid care ajută afacerea în luarea deciziilor prin analiza tiparelor și tendințelor ascunse.

Consultați următorul nostru tutorial pentru a afla mai multe despre algoritmul de extragere a datelor din arborele decizional !!

PREV Tutorial | NEXT Tutorial

Lectură recomandată

^