Интеллектуальный анализ данных

 

 

Рассмотрим некоторые бизнес-приложения Data Mining.

 

 Розничная торговля

Типичные задачи, которые можно решать с помощью Data Mining в сфере розничной торговли:

• анализ покупательской корзины (анализ сходства) предназначен для выявления товаров, которые покупатели стремятся приобретать вместе.

• исследование временных шаблонов помогает торговым предприятиям принимать решения о создании товарных запасов.

• создание прогнозирующих моделей дает возможность торговым предприятиям узнавать характер потребностей различных категорий клиентов с определенным поведением

Банковское дело

Задачи в банковском деле:

• выявление мошенничества с кредитными карточками.

• сегментация клиентов.

• прогнозирование изменений клиентуры. 

Телекоммуникации

Типичные мероприятия:

• анализ записей о подробных характеристиках вызовов;

• выявление лояльности клиентов.

Страхование

• выявление мошенничества.

• анализ риска. 

Другие приложения в бизнесе

Data Mining может применяться во множестве других областей:

• развитие автомобильной промышленности;

• политика гарантий;

• поощрение часто летающих клиентов.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Заключение

 

Данные, которые мы непрерывно собираем в процессе нашей деятельности, и имеют большое значение в управлении бизнесом или производством, в банковском деле, в решении научных, инженерных и медицинских задач, поэтому мощные компьютерные системы, хранящие и управляющие огромными базами данных, стали неотъемлемым атрибутом жизнедеятельности, как крупных корпораций, так и даже небольших компаний.

Но наличие данных само по себе еще недостаточно для улучшения показателей работы их нужно уметь трансформировать в полезную информацию для принятия важных бизнес решений.

В основу современной технологии Data Mining (discovery-driven data mining) положена концепция шаблонов (паттернов), отражающих фрагменты многоаспектных взаимоотношений в данных. Эти шаблоны представляют собой закономерности, свойственные подвыборкам данных, которые могут быть компактно выражены в понятной человеку форме. Поиск шаблонов производится методами, не ограниченными рамками априорных предположений о структуре выборки и виде распределений значений анализируемых показателей.

Примерами заданий на такой поиск при использовании Data Mining могут служить следующие вопросы:

1.     Встречаются ли точные шаблоны в описаниях людей, подверженных повышенному травматизму?

2.     Имеются ли характерные портреты клиентов, которые, по всей вероятности, собираются отказаться от услуг телефонной компании?

3.     Существуют ли стереотипные схемы покупок для случаев мошенничества с кредитными карточками?

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Источники

1. Алексеева Т.В., Америди Ю.В., Лужецкий М.Г. «Информационно-аналитические системы», Москва, 2005