Data Mining on uusi komponentti yrityksessä päätös Tuki System

Johdanto

Perinteisesti organisaatiot käyttävät tietoja taktisesti - hallita. Sillä kilpailukykyinen, vahva organisaatiot käyttävät tietoja strategisesti - laajentaa toimintoja kannattavuuden parantamiseksi, vähentää kustannuksia, ja markkinat paremmin. Data mining (DM) tekee tietovarantoja että organisaatio voi käyttää näiden strategisten tavoitteiden.

Tässä artikkelissa on joitakin tärkeitä kysymyksiä virkamiehille tiedonlouhinnan käsitellä. Näitä ovat:

Mikä on tiedon louhinta?
Se voi minun organisaatio?

Business Määritelmä Data Mining

Tiedon louhinta on liiketoimintaan päätöksenteon tukijärjestelmiä on uusi komponentti arkkitehtuuri. Kysely ja raportointi, koska se täydentää ja lukitukset muiden DSS ominaisuuksia, on-line analyyttinen käsittely, tiedon visualisointi, ja perinteinen tilastollinen analyysi. Nämä muut DSS tekniikat ovat yleensä takautuva. Hän raportoi, pöydät, ja tarjoavat graafisesti mitä tapahtui meillä on kymmenen prosenttia myynnin kasvu saavuttaa tavoitteesi? "

Määrittelemme data mining kuin" piilotettu kuvioita data-driven löytö ja mallinnus suuria tietomääriä. &Rdquo; Data mining eroaa retrospektiivi teknologioita, koska tämä malli tuottaa malleja, jotka keräävät ja edustavat malleja piilotettu tiedot. Myös käyttäjä automaattisesti löytää malleja ja malli on itse asiassa tietämättä, mitä hän oli etsimässä, voit rakentaa. Mallit ovat sekä kuvaileva kuin mahdollista.

He tietävät miksi asioita tapahtuu ja todennäköisesti tapahtuu. Käyttäjä voi luoda "mitä - jos", joka voidaan pyytää suoraan tietokannasta tai varastoon tiedon louhinta malli kysymyksiin. Esimerkkejä "Mitkä asiakkaat ovat todennäköisesti avata rahamarkkinoilla tilin," tai "asiakas peruuttaa meidän palvelumaksu jos otamme käyttöön" odotettu elinikä arvoa kunkin asiakkaan tilin, "Mitä?"

DM liittyvät tiedot teknologia, neuroverkot, geneettiset algoritmit, sumea logiikka, ja sääntöjä induktio. Se ei kuulu tämän artikkelin täydentää kyseisiä teknologioita. Sen sijaan keskitymme yrityksen tarpeisiin ja miten nämä tarpeet voidaan kääntää dollaria data mining ratkaisuja.

Mapping ratkaisuja liiketoiminnan ja voittoa

Mitä tiedonlouhinta voi tehdä oman organisaation? Laajennus yritys, kannattavuus, kustannukset, ja myynti ja markkinointi: johdanto, käytämme tietoja organisaation kuvaamaan strategisia mahdollisuuksia. Nämä mahdollisuudet ovat monet tapauksia, joissa yritykset ovat onnistuneesti täytäntöön DM harkitsemaan hyvin erityinen. Anna &'; Otetaan yksi esimerkki sosiaalisen verkostoitumisen.

Twitter sovelluksia, kuten sisällä paljon ihmisiä "tweets", kuten, Linkedin on jäsentymätön. "Tweets" päivitetty tällaisia ​​sovelluksia ovat samanlaisia ​​omia ajattelun prosesseja. Data mining tekniikoita data mining on asianmukaisesti määritelty. Esimerkiksi tuote, joka väri pidät eniten kyselyssä tällaisia ​​kysymyksiä? Ominaisuus, useimmat eivät pidä sinusta, niin edelleen ja niin edelleen.

Kirjoittamalla standardi OLAP käsittely logiikkaa kriittisen liiketoimintatiedon saadakseen vaaditut raportit tarjota. Tässä tapauksessa on myös tietojen määrittely, tietojen syöttö ja tietojen analysointi on huomattava määrä vaivaa käytetty. Twiittiä monet jäsentelemätöntä tietoa, Facebook jne osoittamiseksi haasteisiin kaivos järjestelmä, joka rakentaa sekä todennäköisyys ja tilastot perustuu.
.