Datautvinning
Data mining er en prosess som brukes av selskaper for å gjøre rå data om til nyttig informasjon. Ved å bruke programvare for å lete etter mønstre i store datamengder, kan bedrifter lære mer om kundene sine for å utvikle mer effektive markedsføringsstrategier, øke salget og redusere kostnadene. Databehandling avhenger av effektiv datainnsamling, lager og datamaskinbehandling.
Data mining prosesser brukes til å lage maskinlæringsmodeller som driver applikasjoner, inkludert søkemotorteknologi og anbefalingsprogrammer for nettsteder.
Slik fungerer gruvedrift
Databehandling innebærer å utforske og analysere store blokker med informasjon for å skaffe meningsfulle mønstre og trender. Det kan brukes på en rekke måter, for eksempel databasemarkedsføring, kredittrisikostyring, svindelavdekking, spam-e-postfiltrering, eller til og med for å forstå brukerens mening eller mening.
Data mining prosessen brytes ned i fem trinn. Først samler organisasjoner data og laster dem inn i datavarehusene sine. Deretter lagrer og administrerer de dataene, enten på interne servere eller skyen. Forretningsanalytikere, lederteam og fagfolk innen informasjonsteknologi får tilgang til dataene og bestemmer hvordan de vil organisere dem. Deretter sorterer applikasjonsprogramvare dataene basert på brukerens resultater, og til slutt presenterer sluttbrukeren dataene i et enkelt å dele format, for eksempel en graf eller en tabell.
Programvare for datalagring og gruvedrift
Data mining-programmer analyserer forhold og mønstre i data basert på hva brukerne ber om. For eksempel kan et selskap bruke programvare for gruvedrift for å lage informasjonsklasser. For å illustrere kan du forestille deg at en restaurant vil bruke data mining for å bestemme når den skal tilby visse spesialiteter. Den ser på informasjonen den har samlet og lager klasser basert på når kunder besøker og hva de bestiller.
I andre tilfeller finner datagruver klynger med informasjon basert på logiske forhold eller ser på assosiasjoner og sekvensielle mønstre for å trekke konklusjoner om trender i forbrukeratferd.
Lagring er et viktig aspekt ved data mining. Lagring er når selskaper sentraliserer dataene sine i en database eller et program. Med et datavarehus kan en organisasjon spinne av segmenter av dataene for bestemte brukere å analysere og bruke.
Imidlertid kan analytikere i andre tilfeller starte med dataene de ønsker og opprette et datavarehus basert på spesifikasjonene. Uansett hvordan virksomheter og andre enheter organiserer dataene sine, bruker de dem til å støtte ledelsens beslutningsprosesser.
Eksempel på datamining
Dagligvarebutikker er kjente brukere av teknikker for data mining. Mange supermarkeder tilbyr gratis lojalitetskort til kunder som gir dem tilgang til reduserte priser som ikke er tilgjengelige for ikke-medlemmer. Kortene gjør det enkelt for butikker å spore hvem som kjøper hva, når de kjøper det og til hvilken pris. Etter å ha analysert dataene, kan butikkene deretter bruke disse dataene til å tilby kunder kuponger rettet mot kjøpsvanene deres og bestemme når de skal selge varer eller når de skal selge dem til full pris.
Databehandling kan være grunn til bekymring når et selskap bare bruker valgt informasjon, som ikke er representativ for den samlede utvalgsgruppen, for å bevise en viss hypotese.
Viktige takeaways
- Data mining er prosessen med å analysere en stor mengde informasjon for å forstå trender og mønstre.
- Data mining kan brukes av selskaper for alt fra å lære om hva kunder er interessert i eller ønsker å kjøpe til bedrageridetektering og spamfiltrering.
- Data mining-programmer fordeler mønstre og forbindelser i data basert på hvilken informasjon brukerne ber om eller gir.