واضح آرشیو وب فارسی:ایرنا: برخی از فروشندگان می دانند که خریدار بعد از خرید خود به دنبال چه کالایی می رود. برای مثال پس از فروش تلویزیون، مشتری به دنبال خرید میز تلویزیون جدید و تزئینات جانبی می رود. این مثالي ساده است. در مواقع پیچیده دیگرنمی توان با استفاده از حدس و تجربه فهمید که که خریدار به دنبال کدام کالا می رود، در مواقع مشابه چه رفتاری از سوی یک فرد رخ می دهد، مجريان بیشتر در چه زمینه ای فعالیت می کنند و بسیاری از این موارد. اما در پس این موارد گوناگون علمی به نام داده کاوی وجود دارد که می توان از بسیاری از موارد آگاهی یافته و براساس آن تصمیمات درست و بموقع گرفت و سود سرشاری را نصیب خود کرد. این نوع استفاده از داده کاوی میتواند فروشگاهها را در برگزاری هوشمندانه فستیوالهای فروش و نحوه ارایه اجناس به مشتریان کمک کند. در یک شرکت بزرگ تکثیر و عرضه فیلم های سینمایی در امریکا، براساس دانش داده کاوی روابط مشتریان و هنرپیشگان سینمایی و گروه های مختلف مشتریان با سبک های فیلم ها مشخص شد. بعد از تعیین این رابطه که برروی حجم زیادی از داده های از جمله فیلم های خریداری شده، گروه سنی خریداران، نتایج نظرسنجی و دیگر مسایل انجام شد این شرکت توانست به طور کاملا هشمندانه مشتریان بالقوه فیلم های سینمایی خود را براساس علاقه مشتریان به هنرپیشه های مختلف و سبک های سینمایی شناسایی و فروش خود را چند برابر کند. اشتباه نکنید، این علم داده کاوی است نه جمع آوری اطلاعات و تحقیق روی آن ها. در واقع علم داده کاوی رشته ای میان رشته ای است که در علوم کامپیوتر، آنالیز آماری و دیگر علوم مشترک است اما خود رشته ای مستقل است. داده کاوی توسط تجهیزات خاصی انجام می شود که عملیات کاوش براساس تجزیه و تحلیل داده ها به صورت مکرر انجام می شود. یک استاد دانشگاه صنعتي شريف درباره تفاوت داده کاوی با روش های آنالیز آماری گفت: آمار شناسان همیشه با یک فرضیه کار خود را آغاز می کنند درحالی که یک متخصص داده کاوی به فرضیه نیازی ندارد. جمال شهرابی افزود: کارشناسان آنالیز آماری می توانند داده های نابجا و نادرست را در طول آنالیز مشخص کنند و نتایج کار خود را تفسیر کنند ولی این درحالی است که یک کارشناس داده کاوی به داده های صحیح و درست نیازمند است و به دلیل پیچیدگی بیش از حد نیاز به متخصصانی برای تفسیر دارد. تکنیکهای داده کاوی عموما برای استخراج دانش و الگو از مجموعه داده های بزرگ و به منظور یادگیری و پیش بینی شرایط جدید به کار می روند. این روش ها در زمینه هایی که داده های زیادی تولید می کنند وپردازش این داده ها به صورت دستی ممکن نیست مورد استفاده قرار می گیرند. با پیشرفت تکنولوژی امروز داده های بسیاری در زمینه ترافیک تولید می شوند که امکان پردازش دستی در آنها وجود ندارد. یکی از مسايلی که در این زمینه مطرح می شود پیش بینی وضعیت ترافیک است. ا بزار داده کاوی داده را دریافت می کند و پس از ساختن یک تصویر از واقعیت به شکل یک مدل قابل لمس، رابطه موجود میان داده های مختلف را شرح می دهد. استاد دانشگاه صنعتی خواجه نصیر در تعریفی از دانش داده کاوی به گزارشگر علمی ایرنا گفت: دانش داده کاوی فرآیند کشف دانش پنهان درون داده ها است که با برخورداری از دامنه وسیع زیرزمینه های تخصصی با توصیف، تشریح، پیش بینی و کنترل پدیده های گوناگون پیرامونی، امروزه دارای کاربرد بسیار وسیع در حوزه های مختلف از جمله صنعتی، پزشکی، ارتباطات، کشاورزی، انرژی، علوم اجتماعی، فرهنگی، سیاسی، اقتصادی، بازرگانی، نظامی و آموزشی و دیگر موارد است. وی افزود: دانش داده کاوی یکی از 10 دانش در حال توسعه ای است که دهه آینده را با انقلاب تکنولوژیک مواجه خواهد ساخت و در سال های اخیر گسترش سریعی داشته است. شهرابی گفت: دانش داده کاوی سازمانها را قادر میکند تا از سرمایه داده هایشان بهره برداری کنند. این ابزار برای پشتیبان فرایند تصمیم گیری استفاده میشود. داده کاوی با پردازش جامع داده و انجام فرایند تصمیم سازی از طریق استخراج دانش با ارزش از داده، تصمیم گیری را برای مدیران سازمان تسهیل میکند. وی با بیان این که کشورهای کانادا و آمریکا در به کارگیری از دانش داده کاوی پیشرو هستند، تصریح کر: دانش داده کاوی شرایط موجود را توصیف کرده و سپس تحلیل و آینده را پیش بینی میکند و در نهایت آینده را در کنترل خود درمیآورد. شهرابي گفت: در حال حاضر عمده دانشگاههای بزرگ جهان بخش داده کاوی را به شدت دنبال میکنند به طوری که دانشکدههای مهندسی صنایع با رویکرد دادهکاوی راهاندازی میشود. استاد دانشگاه صنعتي اميرکبير درباره گروه هاي هدف علم داده کاوي معتقد است: داده کاوي در علومي که هرگز تصور نمي شود کاربرد دارد که از آن جمله مي توان به حوزه هاي بانک، بيمه، صنعت خودرو، جرم شناسي و بزه، بخش مالي صنعت مخابرات، بازاريابي، پتروشيمي، بورس و سهام و رتبه بندي کنکور سراسري نام برد. وي گفت: فرآورده هاي سوختي، مشاوره هاي دانشجويي، مشاوره هاي پزشکي، مدل هاي تشخيص تومورهاي سرطاني، بهينه سازي ژن ها، وب کاوي و متن کاوي و آناليز داده هاي قضايي از جمله مواردي است که در حال حاضر از طريق علم داده کاوي به نتايج قابل ملاحظه اي در اين موارد دست يافته اند. اين متخصص دانش داده کاوي درباره روند رشد اين علم در کشور خاطرنشان کرد: علم داده کاوي هم اکنون ميان اقشار دانشگاهي کشور به طور کامل شناخته شده است و هم اکنون در صنايع مختلف از اين استفاده مي شود. در سال های گذشته حجم زیادی از اطلاعات پردازش نشده در پایگاه های داده اداره ها ذخیره و نگهداری شده اند. در حال حاضر سازمان ها داده های غنی زیادی دارند اما فاقد دانش کافی برای پردازش این داده ها هستند. براساس اطلاعات منتشر شده در حال حاضر میزان داده های در دسترس در هر 5 سال 2 برابر می شود. به گفته کارشناسان سازمانی موفق است که بتواند دست کم 7 درصد از اطلاعات ذخیره شده خود را مدیریت کند و از روش آزمون و خطا استفاده نکند. این درحالی است که براساس تحقیقات انجام شده در کشور، سازمان ها کمتر از یک درصد داده های ذخیره شده را برای تحلیل استفاده می کنند. علمی**9190**1544
این صفحه را در گوگل محبوب کنید
[ارسال شده از: ایرنا]
[مشاهده در: www.irna.ir]
[تعداد بازديد از اين مطلب: 980]