Разлика между версии на „Извличане на знания от данни“
Направо към навигацията
Направо към търсенето
| Ред 1: | Ред 1: | ||
[[File:dm2.png|thumb|right|Най-опростено процеса може да се представи така.]] | [[File:dm2.png|thumb|right|Най-опростено процеса може да се представи така.]] | ||
| − | '''Извличането на знания от данни''' („'''data mining'''” или на български „'''дълбане на данни'''”) възниква в края на двадесети век с цел '''решаване на някакъв конкретен изследователски проблем'''. По същество се изразява в '''събиране на огромно количество данни от съответен харектер'''. Тази информация се анализира с помощта на специален [[софтуер]] и постепенно се отделя това, което може да бъде полезно за решаването на проблемната ситуация. Data mining se свързва с невронните мрежи и изкуствения интелект и се основава на идеята за премахване на субективния фактор в ролята на човека. Като краен резултат от процеса се очаква да се открият определени тенденции и знание относно този въпрос. | + | '''Извличането на знания от данни''' („'''data mining'''” или на български „'''дълбане на данни'''”) възниква в края на двадесети век с цел '''решаване на някакъв конкретен изследователски проблем'''. По същество се изразява в '''събиране на огромно количество данни от съответен харектер'''. |
| + | |||
| + | ==Същност== | ||
| + | Тази информация се анализира с помощта на специален [[софтуер]] и постепенно се отделя това, което може да бъде полезно за решаването на проблемната ситуация. Data mining se свързва с невронните мрежи и изкуствения интелект и се основава на идеята за премахване на субективния фактор в ролята на човека. Като краен резултат от процеса се очаква да се открият определени тенденции и знание относно този въпрос. | ||
==Етапи== | ==Етапи== | ||
| Ред 28: | Ред 31: | ||
#Specialties - подобни на DMS, но се ползва само едно специално семейство методи като изкуствени неутрoнни мрежи. | #Specialties - подобни на DMS, но се ползва само едно специално семейство методи като изкуствени неутрoнни мрежи. | ||
| − | ==Приложение | + | ===Приложение |
#Привличане на нови клиенти | #Привличане на нови клиенти | ||
| Ред 36: | Ред 39: | ||
#Видове промоции | #Видове промоции | ||
| − | ==Пример== | + | ===Пример=== |
Американски супермаркет решава да използва възможностите на софтуерния продукт [[Oracle]] да анализира локалните модели на покупка. Те откриват, че когато мъжете купуват пелени в четвъртъците и съботите, те най-често купуват и бира. По–нататъшния анализ показва, че тези купувачи пазаруват най-вече в съботите своите основни продукти, а в четвъртъците те пазаруват отделни покупки като бирата и пелените. Изследователите решават да използват тази информация, за да увеличат приходите си и местят щандовете с бира по-близо до тези на пелените, с което си гарантират по-завишените продажби. | Американски супермаркет решава да използва възможностите на софтуерния продукт [[Oracle]] да анализира локалните модели на покупка. Те откриват, че когато мъжете купуват пелени в четвъртъците и съботите, те най-често купуват и бира. По–нататъшния анализ показва, че тези купувачи пазаруват най-вече в съботите своите основни продукти, а в четвъртъците те пазаруват отделни покупки като бирата и пелените. Изследователите решават да използват тази информация, за да увеличат приходите си и местят щандовете с бира по-близо до тези на пелените, с което си гарантират по-завишените продажби. | ||
==Вижте още== | ==Вижте още== | ||
| − | + | *[[Етапи на процеса Извличане на знания от данни]] | |
| + | *[[Софтуер за процеса Извличане на знания от данни]] | ||
*[[PEST анализ]] | *[[PEST анализ]] | ||
*[[Анализ на вторични данни]] | *[[Анализ на вторични данни]] | ||
Версия от 17:04, 27 февруари 2014
Извличането на знания от данни („data mining” или на български „дълбане на данни”) възниква в края на двадесети век с цел решаване на някакъв конкретен изследователски проблем. По същество се изразява в събиране на огромно количество данни от съответен харектер.
Същност
Тази информация се анализира с помощта на специален софтуер и постепенно се отделя това, което може да бъде полезно за решаването на проблемната ситуация. Data mining se свързва с невронните мрежи и изкуствения интелект и се основава на идеята за премахване на субективния фактор в ролята на човека. Като краен резултат от процеса се очаква да се открият определени тенденции и знание относно този въпрос.
Етапи
Процесът на “data mining” минава през няколко етапа на трансформация на информацията като се върви от общото към частното т.е към съответния проблем.
Етапите са следните:
- Дефиниране на проблема
- Достъп до информацията, с която изследователите разполагат
- Откриване на точната информация, свързана със случая
- Предварителна обработка на информацията
- Трансформирана информация – разделена на точно определени части
- Извеждане на модели
- Знание
Видове софтуер
- Data mining suites – DMS е комерсиализирано и доста скъпо за употреба, но въпреки това съществуват някои по – лесно достъпни продукти от този тип като: SPSS modeler, SAS enterprise miner и др.
- Business intelligence packets – прилижението на този метод в data mining е най–вече свързано със статистически методи за извеждане на зависимости в областта на бизнеса
- Mathematical packages – приложението на този вид софтуер осигурява голям и широк набор от алгоритми и визуализирано представяне на данни
- Integration packages – този модел е атрактивен за разработчици на алгоритми , защото осигурява широка платформа за тяхното създаване
- EXT – това са малки допълнение към други инструменти като Excel, Matlab и др. с ограничени , но много полезни функции.
- Data mining libraries – прилага се процеса чрез набор от фунции, които могат да бъдат вградени в други софтуерни продукти за Data mining
- Specialties - подобни на DMS, но се ползва само едно специално семейство методи като изкуствени неутрoнни мрежи.
===Приложение
- Привличане на нови клиенти
- Запазване на настоящи
- Изоставяне на нови клиенти
- Анализ на потребителската кошница
- Видове промоции
Пример
Американски супермаркет решава да използва възможностите на софтуерния продукт Oracle да анализира локалните модели на покупка. Те откриват, че когато мъжете купуват пелени в четвъртъците и съботите, те най-често купуват и бира. По–нататъшния анализ показва, че тези купувачи пазаруват най-вече в съботите своите основни продукти, а в четвъртъците те пазаруват отделни покупки като бирата и пелените. Изследователите решават да използват тази информация, за да увеличат приходите си и местят щандовете с бира по-близо до тези на пелените, с което си гарантират по-завишените продажби.
Вижте още
- Етапи на процеса Извличане на знания от данни
- Софтуер за процеса Извличане на знания от данни
- PEST анализ
- Анализ на вторични данни
- Анализ на документи
- Анализ на съдържанието
- Анкетно проучване
- Видове бизнес изследвания
- Включено наблюдение
- Групово интервю
- Допускане
- Дърво на решенията
- Експериментално изследване
- Експерт
- Електронно интервю
- Задача
- Извадкови методи
- Изследователски доклад
- Изследователски метод
- Изследователски процес
- Имитационно моделиране
- Интернет базирано проучване
- Интернет интервю
- Информационно осигуряване
- Казусен метод
- МИБ Речник
- Неструктурирано интервю
- Пазарно проучване
- Панелно проучване
- Принцип на Парето
- Проблемна ситуация
- Ситуационен анализ
- Структурирано интервю
- Телефонно интервю
- Техника за преглед и оценка на програми
- Фази на изследователския процес
- Фокус група
- Фундаментален анализ
- Хипотеза
Източници
- Ian H. Witten, Eibe Frank and Mark A. Hall, Data Mining: Practical Machine Learning Tools and Techniques, Third Edition (The Morgan Kaufmann Series in Data Management Systems)
- Jiawei Han, Micheline Kamber and Jian Pei, Data Mining: Concepts and Techniques, Third Edition (The Morgan Kaufmann Series in Data Management Systems)
- Robert Nisbet, John Elder IV and Gary Miner, Handbook of Statistical Analysis and Data Mining Applications
- Matthew A. Russell , Mining the Social Web: Analyzing Data from Facebook, Twitter, LinkedIn, and Other Social Media Sites
- Philipp K. Janert, Data Analysis with Open Source Tools