داده کاوی چیست

داده کاوی چیست و چه کاربردی دارد ؟

داده‌کاوی به معنی کشف دانش درون داده‌ها است. کشف دانش درون داده‌ها آن هم در عصر اطلاعات یکی از هیجان‌انگیزترین و کلیدی‌ترین مسائلی است که روز به روز اهمیت بیشتری پیدا می کند.

داده‌کاوی به بررسی و تجزیه و تحلیل مقادیر زیادی از داده‌ها به منظور کشف الگوها و قوانین معنی‌دار گفته می‌شود. داده‌کاوی، استخراج اطلاعات مفهومی، ناشناخته و به صورت بالقوه مفید از پایگاه داده است.

چرا داده کاوی ؟

• حجم داده‌ها با سرعت زيادي رو به رشد است
• اطلاعات ما در مورد اين داده‌ها محدود است
• دانش ما نسبت به اين اطلاعات صفر است
• افزايش روزافزون حجم اطلاعات
• تنوع بسيار زياد در اطلاعات
•  بانکهای اطلاعاتی
• فايلهای چندرسانه‌ای (تصاوير متحرک، فايلهای صوتی)
• اطلاعات متنی و فاقد ساختار

آرشيوهای اطلاعاتی به دليل حجم بسيار زياد، عموماً به مقبره‌های اطلاعات تبديل می‌شوند. عليرغم هزينه‌های سنگين در بخش تکنولوژی اطلاعات، بسياری از تصميمها همچنان در فقر اطلاعاتی اتخاذ می‌گردند. نياز به تبديل اطلاعات به دانش در بسياری زمينه‌ها آشکارشده است .

برخی از فنون رایج تحت عنوان داده‌کاوی عبارتند از :

• ابزارهای پرس و جو
• فنون آماری
• مصورسازی
• پردازش تحلیلی پیوسته
• یادگیری مبتنی بر مورد
• درختان تصمیم‌گیری
• قوانین وابستگی
• شبکه‌های عصبی
• الگوریتم ژنتیکی

کاربردهای داده کاوی

داده‌کاوی يك رشته جديد با كاربردهاي گسترده و گوناگون است که به عنوان ده علم برتر که موجب به ایجاد تحول در عصر تکنولوژی می‌شود و در تمام زمینه‌ها کاربرد دارد، معرفی شده است. اصولاً هر جایی که داده وجود داشته باشد داده‌کاوی نیز معنا می‌یابد، مثل امور تجاري و مالي، امور پزشكي، زيست پزشكي، تجزيه و تحليلهاي مربوط به DNA، كشف ناهنجاريها و اسناد جعلي، ارتباطات از راه دور، ورزش و سرگرمي، كتابداري و اطلاع‌رساني و ...

امروزه عملیات داده‌کاوی به صورت وسیع توسط تمامی شرکتهایی که مشتریان در کانون توجه آنها قرار دارند، استفاده می‌شود، از جمله فروشگاه‌ها، شرکتهای مالی، ارتباطاتی، بازاریابی و... . استفاده از داده‌کاوی به این شرکتها کمک می‌کند تا ارتباط عوامل داخلی همانند قیمت، محل قرارگیری محصولات و مهارت کارمندان را با عوامل خارجی از مثل وضعیت اقتصادی، رقابت در بازار و محل جغرافیایی مشتریان کشف نمایند. 

کابردهای داده کاوی دارای موارد زیادی است مانند :

• بازار هدف
• پيدا کردن الگوي خريد مشتري
• برنامه‌ریزی برای معرفی محصول جدید
• دسته‌بندي مشتريان براساس نوع خريد
• آناليز نيازهاي مشتريان
• تشخيص محصولات مناسب براي دسته‌هاي مختلف مشتريان
• تشخيص فاکتورهايي براي جذب مشتريان جديد
• تعيين الگوهاي خريد مشتريان
• تجزيه و تحليل سبد خريد بازار
• تحلیل اعتبار مشتریان
• شناسایی فاکتورهای اصلی در ریسک بازپرداخت وام
• تحلیل پاسخگویی مشتریان به ارائه خدمات جدید بانکی
• پيشگويي ميزان خريد بيمه‌نامه‌هاي جديد توسط مشتريان
• تحلیل ریسک و برآورد حق بیمه مشتریان بر اساس میزان ریسک هر مشتری
• پیش‌بینی میزان خسارت بر اساس گروههای مشتریان
• شناسایی عوامل وفاداری و یا روی‌گردانی مشتریان
• شناخت نیازها و الگوهای خرید سرویسهای بیمه‌ای توسط مشتریان
• شناخت تخلفات بیمه‌ای